Подключились к API iiko и научили данные приходить самим

Разбор проекта: подключение к API iiko, дашборды с сезонностью и погодой и бот, который присылает выручку каждый вечер

У ресторана стояла iiko. Система хорошая: считает всё, что нужно общепиту — продажи, себестоимость, списания, работу официантов. Данные были. Проблема была в том, что ими никто не пользовался.

Звучит странно, но ситуация типовая. Разберу, почему так выходит и что мы сделали.

iiko показывает данные отчётами внутри системы. Каждый отчёт — отдельная форма: открыл, задал период, посмотрел. Хочешь сравнить с прошлым месяцем — открываешь второй раз с другим периодом. Хочешь свести продажи с себестоимостью по группам — выгружаешь в Excel и работаешь руками.

В результате каждый вопрос к данным стоит получаса. А вопросы у собственника возникают не по расписанию: «как отработали выходные», «почему вторник провалился», «что там с себестоимостью». Полчаса на каждый — и ты просто перестаёшь спрашивать.

Так и живут: цифры лежат рядом, решения принимаются по ощущениям.

Подключились напрямую к API iiko и собрали аналитику, которая обновляется сама. Не отчёты по запросу, а дашборды, которые всегда актуальны: открыл — увидел картину.

Что в них:

- Выручка и сравнение периодов — как идём относительно прошлого месяца и прошлого года. Не «сколько было», а «лучше или хуже, чем обычно»
- Себестоимость по каналам и товарным группам — где зарабатываем, а где работаем в ноль. В общепите это критично: одна группа может тянуть всю наценку вниз, и без разбивки это незаметно
- Продажи по группам — что реально несёт выручку, а что просто занимает место в меню
- Сотрудники по продажам — кто как продаёт
- Загрузка по часам — когда приходят гости, и совпадает ли с этим график смен
- Сезонность с наложением погоды — об этом отдельно

Для ресторана погода — не абстракция, а фактор выручки. Дождливая суббота и солнечная суббота — это разные субботы, особенно если есть веранда или точка за городом.

Мы загрузили исторические данные по погоде за несколько прошлых лет — не один сезон, а сразу многолетнюю историю — и наложили их на выручку. Чем больше данных, тем точнее связь: один случайно дождливый день не искажает картину, потому что виден на фоне десятков похожих дней за разные годы, и такие выбросы просто отсеиваются, а не принимаются за закономерность.

Провалы, которые раньше выглядели случайными, получили объяснение. Это меняет разговор внутри команды: вместо «что-то плохо поработали на прошлой неделе» появляется «было холодно, и это нормально, а вот вторник действительно странный».

Понимание, какие колебания нормальные, а какие нет — половина управленческой аналитики. Без него любой спад выглядит поводом для паники, а любой подъём — поводом для самоуспокоения.

Поверх аналитики сделали Telegram-бота. Каждый день, сразу после закрытия смены на точке, он присылает не просто цифру, а полную сводку: выручку, число чеков, средний чек, количество гостей, разбивку по каналам продаж — с суммой, долей и числом чеков по каждому. И сразу сравнение: на сколько процентов больше или меньше, чем неделю назад и чем год назад, с конкретными цифрами за оба периода.

Мелочь, а меняет привычку смотреть в цифры. Одно дело — зайти в систему, выбрать период, открыть отчёт, потом второй раз для сравнения. Другое — получить готовую сводку в телефон вечером, когда смена уже закрылась, где сравнение уже встроено. Информация сама доходит до того, кто принимает решения, вместе с контекстом, а не просто числом.

Решение разработано в подходе vibecoding — совместно с AI.

Момент принципиальный. Альтернатива — внедрять BI-платформу: долго, дорого, и в итоге ресторан подстраивает свои вопросы под то, что система умеет показывать.

Здесь наоборот: сначала разобрались, какие вопросы у собственника возникают ежедневно, и построили ответы именно на них. Никаких лишних разрезов, которые никто не откроет.

Для бизнеса такого размера это единственный способ получить аналитику под себя, а не универсальную и потому неудобную.

Аналитика перестала быть отдельной задачей, до которой не доходят руки. Выручка приходит сама, сравнение с прошлым периодом доступно сразу, а провалы и всплески получили объяснение.

Данные из iiko начали работать. Они были там и раньше — просто не было подходящей визуализации.

Наличие данных не равно доступу к ним. Между «система считает» и «человек пользуется» лежит стоимость каждого обращения к цифрам. Если она высокая, данными не пользуются, какими бы полными они ни были.

Доставка данных помогает принимать решения быстро. Одно сообщение бота уже содержит сравнение с прошлой неделей и годом — то есть не просто цифру, а готовый ответ на вопрос «это нормально или нет». Разрезов на дашборде мы сделали много, но именно бот, где всё нужное для решения лежит в одном сообщении, стал тем, что реально смотрят каждый день.

Контекст важен. Выручка без сравнения с прошлым периодом и без погоды — просто число. С контекстом это уже основание для решения.

Учётная система и аналитика — разные задачи, даже когда решение вроде бы есть. У iiko есть свои модули аналитики, но это отдельная платная опция — и даже она не решает того, что решил бот: доставку конкретных цифр туда, где на них отреагируют, без захода в систему.

—

Скриншоты в статье — с демонстрационными данными: реальные цифры клиента не раскрываются.

Занимаюсь управленческим учётом и автоматизацией процессов. Пишу про процессы и цифры в канале «ок, погнали»