近年来,随着大数据、机器学习和深度学习的迅猛发展,数据规模的爆炸式增长不仅对各行业发展构成了严峻挑战,而且也成为各行各业可挖掘利用的宝贵资源。伴随计算机技术的进步和分布式系统的发展和普及,越来越多的行业在其运转和营利中对数据和互联网技术的依赖度和结合度逐渐增强。零售药房作为医疗行业的重要组成部分,发挥着保障公民身体健康的重要作用。零售药房的快速健康发展,是对全世界医疗卫生发展的有力补充,因此世界各国对零售药房运营效率的重视程度日益加深。零售药房在运营过程中产生了大量数据,本文通过对运营效率具有重要影响的两个变量（即流感类药品销量和流动客户数量）的研究,探究了运用这些数据分析零售药房运营效率的可行性,并推动了运用大数据技术分析药房运营效率这一实际问题的研究进程。零售药房,是与医院、诊所并列的对客户提供药品的平台,伴随着零售药房的迅猛发展,零售药房行业遇到很多亟待解决的问题。例如,不合理的药品进货量计划严重阻碍零售药房的发展。零售药房过度计划药品进货量,使得药品滞销,导致药品储存成本的上升和药品过期风险的提高;而过少计划药品进货量,又会使得药品供不应求,满足不了客户的需求,导致零售药房口碑的下降。再如,营业日的流动客户数量对零售药房的经营绩效也有重大影响。因此,对药品销量进行精准预测,以及对流动客户数量影响因素进行分析,对于零售药房精准计算进货量避免供求失衡,以及提升药品销量和经营业绩具有重要意义。针对上文中所阐述的问题。本文对零售药房运营效率分析的研究主要有两个方面。一,研究零售药房的药品销量预测模型,以销量预测为基础去制定药品进货量。二,研究零售药房药品的流动客户数量影响因素分析,再提出相应的改善举措,为完善零售药房建设,提高零售药房的流动客户数量发挥积极作用。由于德国是目前零售药房行业运营和管理制度最为完善的国家,所以本文选取了2013年至2015年德国全国200家零售药房的20万个样本数据作为研究数据。结果表明:在药品销量预测方面,使用GBDT+Ridge融合是有效的。最后利用XGBoost模型对流动客户数量的影响因素进行分析和排序;在流动客户数量影响因素分析方面,给出了流动客户数量的影响因素重要度排名,为零售药房改善制定合理的经营决策提供科学的证据支持。