Мы внедрили BI в ресторан — и стало видно, где он реально теряет деньги
Этот проект начался не с идеи “внедрить аналитику”. Он начался с раздражения. Ресторан выглядел живым: гости есть, зал заполнен, кухня работает. Но почти каждый день происходило одно и то же: - этого блюда нет - ингредиент закончился - поставка задержалась - а где вообще прибыль
Что мы увидели до внедрения BI
У ресторана уже были данные: продажи из кассы, списания, остатки, закупки, себестоимость. Но всё это жило раздельно.
Шеф смотрел на кухню. Управляющий — на выручку. Закупки — на свои таблицы.
Никто не видел картину целиком. Когда мы задали простой вопрос:
Какие блюда кормят ресторан, а какие просто занимают место в меню? Не знаем.
Первое наблюдение: стоп-листы - это не случайность
Сначала стоп-листы воспринимались как бытовая проблема. Что-то закончилось, поставка задержалась, кто-то не рассчитал объем. Такое случается почти в каждом ресторане. Но когда мы посмотрели на историю стоп-листов за несколько месяцев, стало ясно, что это не случайные сбои. Одни и те же блюда регулярно уходили в стоп. Причем чаще всего это происходило в пиковые часы, когда зал был заполнен. И именно по этим позициям гости чаще всего спрашивали у официантов. То есть ресторан терял выручку не на слабых блюдах из меню, а на тех, которые уже пользовались спросом. Мы наложили стоп-листы на данные по продажам и увидели простую картину. Спрос есть, а товара в нужный момент нет. В этот момент стало понятно, что проблема не в кухне и не в поставщиках. Проблема в том, что ресторан не видел повторяющихся закономерностей и каждый раз реагировал на ситуацию как на новую.
Второе наблюдение: меню и прибыль это не одно и то же
Следующим шагом мы решили посмотреть на меню не с точки зрения вкуса или популярности, а с точки зрения денег. Мы разложили все блюда по ABC-анализу. Не по количеству продаж и не по выручке, а по тому, какой вклад каждое блюдо вносит в прибыль ресторана.
Результат оказался неожиданным, хотя и логичным. Небольшая часть меню давала основную прибыль. Это были блюда, которые хорошо продавались, стабильно готовились и не создавали проблем с остатками. Дальше шла большая группа блюд, которые вроде бы продавались, но почти не влияли на результат. Они занимали место в меню, требовали внимания кухни и закупок, но не делали погоды. И была третья группа. Блюда, которые редко заказывали, часто списывали и ради которых держали специфические ингредиенты. Именно эти позиции чаще всего попадали в стоп-листы. Именно они создавали лишнюю нагрузку на кухню и склад. И именно они почти не влияли на прибыль. При этом визуально они выглядели важными. Красивые названия, фотографии, «фирменные позиции». До этого момента эти блюда обсуждали на уровне ощущений. Нравятся или не нравятся, жалко убирать или нет. После ABC-анализа разговор стал другим. Меню перестало быть набором вкусов и стало набором решений, у каждого из которых была своя цена.
Калькулятор прогнозов вместо споров
После того как меню разложили по группам, возник следующий вопрос. Что будет, если
- Убрать блюдо. - Поднять цену. - Сократить количество позиций. Раньше такие решения обсуждались на уровне предположений. Каждый тянул в свою сторону, и в итоге чаще всего ничего не меняли, потому что было страшно ошибиться. Мы сделали простой калькулятор прогнозов. Не для красоты и не для отчётов, а чтобы можно было спокойно посмотреть последствия решений. В калькуляторе можно было изменить параметры и сразу увидеть, как это влияет на выручку, прибыль и загрузку кухни. Без экспериментов на живом бизнесе. Управляющий мог открыть сценарий и понять, что произойдёт, если убрать одну позицию из группы C. Шеф видел, как меняется нагрузка на кухню. Закупки понимали, какие ингредиенты можно больше не держать на складе. В этот момент обсуждения стали короче. Вместо споров открывался экран и принималось решение.
Что в итоге изменилось
Через несколько недель стало заметно, что ресторан стал работать спокойнее.
Стоп-листов стало меньше. Закупки стали предсказуемыми. Меню сократилось, но прибыль выросла. Самое важное изменение было не в цифрах. Решения перестали приниматься на ощущениях. Когда возникал вопрос, что делать с блюдом или ценой, больше не нужно было угадывать. Ответ уже был в данных.
Вывод
BI в ресторане оказался не про сложные дашборды и не про красивые графики. Он оказался про возможность заранее увидеть последствия решений. И перестать каждый раз надеяться, что в этот раз «как-нибудь обойдётся». Иногда, чтобы ресторан стал зарабатывать больше, не нужно менять концепцию. Достаточно начать смотреть на меню как на набор управляемых решений.
Если к теме будет интерес и пост наберёт отклик, в следующей статье покажу, как выглядит этот калькулятор прогнозов и какие сценарии он позволяет просчитывать.