تحلیل داده‌های رستوران؛ کشف رازهای پنهان افزایش سود + معرفی ابزار

چرا گزارش‌گیری سنتی POS دیگر پاسخگوی نیاز رستوران‌های مدرن نیست؟

وقتی روز به پایان میرسه و آخرین مشتری ما از سالن خارج میشه، پرسنل در حال نظافت هستن و ما با یک کوه انبوهی از فاکتور های کاغذی، یا یک فایل اکسل پر از خطا که با موجودی صندوق و انبارمون مغایرت داره، مواجه هستیم. مدیریت حاشیه سود در صنعت رستوران داری روز به روز پیچیده تر میشه و نمیشه صرفا با حدس و گمان یا فایل های آفلاین اونو پیش برد.

اگر با وجود فروش بالا و شلوغی سالن، آخر ماه پولی برات در بساط نمیمونه، وقتش رسیده با روش های سنتی خداحافظی کنی. در این مقاله، سعی کردم که از تئوری های خسته کننده دور بشیم و بصورت ساده بهتون بگم که چطور مهاجرت به یک نرم افزار یکپارچه رستورانی میتونه کسب و کار شما رو از هزینه های پنهان بیشمار نجات بده و به یک ماشین سودآور مقیاس پذیر تبدیل کنه. اما قبلش بیایید باهم ببینیم که اکسل و روش های دستی چطور سرمایه مارو میبلعن:

• باعث میشن سیلو های داده ایی (Data Silos) به وجود بیاد (یعنی هر بخش داده هاش بصورت جدا ذخیره میشن و ارتباطشون با هم بررسی نمیشه) که این باعث میشه:
  • ما ارتباط بین فروش و انبارداریمون رو درست متوجه نمیشیم یا با خطا اونو محاسبه میکنیم
  • سیستم حضور غیاب پرسنل جداست و هیچ ارتباطی با میزان فروش لحظه ایی رو نمیشه در نظر گرفت
• یک اشتباه تایپی ساده داخل فاکتور خرید مواد اولیه میتونه محاسبه بهای تمام شده ی کالای فروخته شده (COGS) رو برای یک ماه بهم بریزه (چون اکسل فاقد اعتبار سنجی خودکاره)
• فایل اکسلی که به صورت آفلاین جا به جا میشه، ممکنه نسخه هاش برای هر شخص دچار تغییر بشه و ناهماهنگی به وجود بیاد
• ردیابی تغییر داده ها در اکسل تقریبا غیر ممکنه و ما متوجه نمیشیم که چه کسی داده ها رو دستکاری کرده
• داده های خام دسترسی پذیریشونم سخته و ممکنه در بازه زمانی های دیر به دستمون برسه و برای اقدام به اصلاح ممکنه حتی دیر بشه

فاجعه خاموشی که در قلب آشپزخونه ما وجود داره:
فرض کنید یک اشتباه تایپی ساده توسط انباردارمون رخ بده و 5 کیلو گوشت کمتر در سیستم ثبت بشه. فایل اکسل ما هیچ اخطاری در این مورد به ما نمیده. با گذشت یک ماه، همین خطای کوچیک داخل محاسبه بهای تمام شده کالای فروخته شده ما (COGS) ضرب میشه.
ما روی کاغذ فکر میکنیم که سود کردیم، ولی واقعیت یک چیز دیگه اییو به ما میگه. حاشیه سود ما بدلیل نبود یکپارچگی بین سیستم فروش و انبار در حال نابود شدنه. نرم افزار های مدرنی که معماری ابری و اصول دقیق مهندسی نرم افزار در اون به کار رفته، این اعتبار سنجی ها رو خودکار و بلافاصله بعد از وارد شدن داده انجام میده و جلوی نشتی مالی رو میگیره.

حالا این موارد رو در کنار یک نرم افزاری که دارای هوش تجاری مناسبیه قرار میدم و تاثیرش روی وضعیت رستوران رو هم قرار میدم:

تاثیر مستقیم برای رستوران	سیستم دارای هوش تجاری	رویکرد سنتی	زمینه استراتژیک
رفع تناقضات بین گزارش ها و افزایش اعتماد نسبت به داده و تصمیم گیری بر اساس داده ها	یک سیستم مرکزی تمام داده ها رو نگهداری میکنه و با توجه به ارتباطشون استاندارد سازیشون میکنه	داده ها بصورت مجزا و سیلویی ذخیره میشن	یکپارچگی داده ها
2 تا 5 درصد هزینه غذا از طریق شناسایی دورریز ها و دزدی ها کاهش پیدا میکنه	بصورت لحظه ایی میشه موجودی نظری و واقعی رو بررسی کرد و اصلاح کرد	محسابه هر ماه انجام میشه که زمان اصلاح هدر رفت ها دیگه وجود نداره	کنترل هزینه غذا
آیتم هایی که زیان ده هستن حذف میشن و حاشیه سود افزایش پیدا میکنه	هر غذا داخل منو بر اساس محبوبیت، سودآوری و زمان پخت بررسی میشه	محبوبیت های غذا مشخصه ولی حاشیه سود دقیق هر بشقاب با نوسانات قیمت خرید مواد اولیه یکی نیست	مهندسی منو
کاهش هزینه نیروی کار، جلوگیری از نیروی مازاد در شیفت های مختلف یا کمبود نیرو	تنظیم شیفت ها بر اساس پیش بینی فروش و شاخص های استاندارد انجام میشه	بدون در نظر گرفتن نوسانات فروش شیفت بندی انجام میشه یا روال ثابت هفتگی داره	مدیریت پرسنل
کاهش ریسک های عملیاتی	با شناسایی روندها قبل از وقوع بحران میشه جلوشو گرفت	مشکلات وقتی تبدیل به بحران میشن، شناسایی میشن	سرعت تصمیم گیری
در زمان توسعه کسب و کار و ایجاد شعبه جدید، هزینه سربار کاهش پیدا میکنه	بدون نیاز به نیروی انسانی اضافه داده های صد ها شعبه بررسی میشه	برای شعبه جدید باید افراد جدید استخدام کنیم که داده ها رو وارد اکسل کنن	مقیاس پذیری

تحلیل مالی پیشرفته؛ فراتر از سود و زیان ساده

رقابت درون محیط رقابتی مثل رستوران داری با مدیریتی بر مبنای حس ششم دیگه یک جوک خنده داره. اگه سودآوری پایداری رو میخواییم باید کسب وکارمون رو به صورت لحظه ایی رصد کنیم.

من اینجا اکوسیستم رصد لحظه ایی و کنترل هزینه هایی که با نرم افزار های POS دارای هوش تجاری هستن، انجام میشن رو براتون باز میکنم:

• داده های خرید و فروش بصورت یکپارچه وجود دارن و میشه به صورت لحظه ایی سود و زیان رو محاسبه کرد
• سیستم هزینه ها رو تفکیک میکنه تا منشا اونا راحت تر شناسایی بشه (هزینه هایی مثل آشپزخونه، نوشیدنی ها، بسته بندی و ارسال، پرسنل و …)
• به محض ثبت فاکتور خرید جدید و محاسبه ی بهای تمام شده هر غذا، قیمت غذا ها بروز میشن(حاشیه سود بر اساس قیمت روز تنظیم میشه)
• با محاسبه قیمت لحظه ایی هزینه نظری و واقعی غذا، دزدی ها، دور ریزی ها شناسایی میشن
• با تحلیل داده‌های رستوران بصورت ساعتی هزینه ی نیروی کار اگه هزینه نیروی کار نسبت به درآمد بالا بره، هشدار دریافت میکنیم
• تحلیل و طراحی منوی دیجیتال باعث میشه قیمت ها و پیشنهادات همیشه بروز باشن

بهینه‌سازی عملیات رستوران با تکیه بر تحلیل داده‌ها

برای افزایش حاشیه سود، راهی جز مهاجرت به مدل بهینه سازی داده محور نداریم. این بهینه سازی میتونه سه بخش اصلی رستورانمون رو تحت تاثیر خودش قرار بده: سرعت عملیات، دقت در انبارگردانی و بهره وری نیروی انسانی.

برای اینکه بیشتر این موضوع رو متوجه بشیم من چالش هایی که وجود داره رو با راهکار های داده محور با تحلیل داده‌های رستوران و نتیجش در زیر به صورت جدول اوردم:

نتیجه و خروجی تجاری	راهکار هوشمند	مشکل عملیاتی که وجود داره
سرویس دهی به تعداد مشتری های بیشتر در ساعات پیک و افزایش شاخص درآمد به ازای هر صندلی در ساعت( RevPASH)	سفارشگیری و پرداخت در کنار میز	مشتری ها زمان زیادی رو برای دریافت منو، سفارش و پرداخت صرف میکنن و این باعث کاهش نرخ گردش میز میشه
زمان انتظار مشتری کاهش پیدا میکنه و میز، سالن و آشپزخونه با هم هماهنگ ترن	سیستم نمایش آشپزخانه(KDS) برای ردیابی دقیق زمان پخت و فهمیدن اینکه چه ایستگاهی کند عمل میکنه	غذا ها دیر آماده میشن، اما معلوم نیست مشکل دقیقا داخل چه بخشیه
خیلی زود دزدی ها، سرو کردن بیش از حد شناسایی میشه و هزینه غذا کاهش پیدا میکنه	مقایسه خودکار مصرف بر اساس رسپی با مصرف واقعی	مقدار مواد اولیه خریداری با مقدار فروش رفته خیلی متفاوته و دلیلش مشخص نیست
خطای انسانی داخل تدارکات کاهش پیدا میکنه، خطر نارضایتی مشتری هم به خاطر عدم موجودی از بین میره	نقطه سفارش مشخص میشه و ما میتونیم وقتی به اون نقطه رسید از کمبودش باخبر بشیم	موجودی مواد اولیه در زمان شلوغی به دلیل خطای انسانی به اتمام میرسه
تعادل بین دستمزد و کیفیت سرویس برقرار میشه و بهره وری کارکنان بیشتر میشه	برنامه های کار بر اساس پیش بینی حجم فروش و داده های تاریخی انجام میشه	هزینه پرسنل زیاد در ساعات خلوت و یا کمبود پرسنل در زمان شلوغ رستوران
نقاط ضعف مهارتی تیم پرسنل شناسایی میشه و میشه برنامه های تشویقی مبتنی بر داده براشون پیاده سازی کرد	رصد با شاخص هایی مثل متوسط مبلغ هر فاکتور، نرخ فروش مکمل و سرعت چرخش میز برای هر گارسون	ارزیابی عملکرد گارسون ها بر اساس حس مدیر یا فروش کلی

ویژگی‌های فنی و حیاتی یک پنل SaaS تحلیل داده‌های رستوران

نرم افزار های رستورانی نباید فقط یک ابزار ثبت سفارش باشن. نرم افزار های خوب تبدیل به یک هسته ی مرکزی در بخش عملیات رستوران هستن. در اینصورته که ما میتونیم به راحتی کسب و کارمونو به مقیاس پذیری دلخواهمون برسونیم.

یکپارچگی سیستمی و امنیت سیستم اگه مهیا باشه میتونه راه توسعه رو برامون هموار کنه:

• سیستم هایی که به صورت ابری هستن، باعث میشن که داده ها روی سرور امن تری نگهداری بشه و احتمالا نابودی داده ها بر اثر خرابی و سوختن سخت افزار رو کاهش میدن
• سطح دسترسی به پرسنل باعث میشه اطلاعات حفظ بشن و نشتی وجود نداشته باشه
• داده ها حتی در زمان نبود اینترنت حفظ میشن و در صورت اتصال به سرور ارسال میشن
• اگه قیمتی رو بخواییم بروزرسانی کنیم، با چند کلیک برای همه ی شعبه ها اعمالش میکنیم
• با هر فروش انبار بروزرسانی میشه
• داده های رستورانمون با هم بررسی میشن و تحلیل های معنایی به ما نمایش داده میشن تا بهتر تصمیم بگیریم

نقش تحلیل‌های پیش‌بینی‌کننده (Predictive Analytics) در آینده رستوران

با حس یا حدس و گمان تصمیم گرفتن خطرناکه. اینطور سرمایمون به باد میره. وقتی مدیریت کسب و کار ما پایدار باشه، اون موقع میشه نیاز های مشتری ها رو راحت تر حدس زد.

پیش‌بینی فصلی (Seasonality)؛ پایان کابوس خوابیدن سرمایه

ما نباید صرفا بر اساس حس ششممون خرید کنیم. سیستمی که داده های تاریخی رو تحلیل میکنه، به ما میگه که چه روز هایی در فصل بارونیه و فروش سوپ و غذا های گرم ما ممکنه تا 40 درصد افزایش پیدا کنه. با این داده ها ما میتونیم شیفت بندی پرسنل و خرید تدارکات مورد نیازمونو دقیقا بر اساس این تحلیل ها انجام بدیم. اینطور هزینه ی نیروی کار هدر نمیره و مواد اولیه ما خیلی کمتر فاسد میشن.

سیستم هشدار نقطه سفارش (Par Levels)؛ اتوماسیون خرید

یکی از بزرگترین و مهم ترین چالش هایی که ما در ادغام فرآیند های خرده فروشی با رستوران داری، داریم اینه که در رستوران تامین به موقع اتفاق میوفته. وقتی سیستم ما بتونه به طور خودکار مصرف روزانه رو بسنجه، نقطه دقیق خرید (Reorder Point) مشخص میشه. نقدینگی ما دیگه با خرید های هیجانی و بیش از حد در انبارمون خاک نمیخوره. از طرفی با کمبود مواد اولیه در شلوغی مواجه نمیشیم.

از کجا شروع کنیم؟ نقشه راه ۳۰ روزه شما

ترس از تکنولوژی رو کنار بزارید. سیستم های ابری (SaaS) امروزی طوری طراحی شدن که کمترین اصطکاک رو در پیاده سازیشون داشته باشن. برای شروع کافیه 3 گام زیر رو طی کنید:

• هفته اول (استقرار و مهندسی منو): نرم افزار یکپارچه ایرو انتخاب کنید و شروع به وارد کردن دقیق دستور پخت ها و موجودی اولیه انبار کنید
• هفته دوم(آموزش پرسنل): نرم افزار های مدر رابط کاربری ساده ایی دارن. پرسنل سالن و آشپزخونه میتونن کمتر از چند شیفت با اونا شروع به کار کنن(تبلت های سفارشگیر و نمایشگر های آشپزخانه )
• ماه اول (کشف حقیقت سودآوری): اولین گزارش واقعی سود و زیان رو بصورت یکپارچه شناسایی کنید و سریع آیتم های زیان ده رو از منو حذف کنید

آینده از آنِ مدیران داده‌محوره

دوران آزمون و خطا و حدسیات تموم شده. با وجود تورم حاشیه سودها محدود تر شدن و ریسک استفاده از روش‌های سنتی و قدیمی خیلی بالا رفته. واقعیت باید پذیرفته بشه. تصمیم‌گیری هوشمندانه تنها راه نجات ماست.

برای اینکه یک نرم افزار مناسب برای رستورانتون انتخاب کنید که قابلیت های مورد نیازتونو داشته باشه، پیشنهاد میکنم مقاله ایی که راجب انتخاب درست نرم افزار رستوران رو نوشتم مطالعه کنید (5 نرم افزار مناسب رو با جدول مقایسه کردم).