餐饮店如何进行数据分析?
简单写点供参考:
1、流量与转化
门店也有流量,大环境的流量是基础。单店流量与大环境流量之间的比较分析,邻店的流量比较等都可以得出一些有用的数据结论。比如招牌不够明显、区域内推广不足等。
如果所处地段自身流量不足,想要提升单店流量也是很困难。除非你的店打破地域限制成为了明星店,消费者愿意专程来你店里消费。要想把自己的店打造成明星店铺,所需要的不只是推广方面的努力,也还需要在内容上有足够的创新与噱头。
2、内容品质的量化分析
作为餐饮业,经常统计菜品数据也是十分重要的,最简单就是做一个下单量的排行榜。再对照各个菜品的价格区间、品味、 份量等特性就能得出一些提升菜品品质的量化数据。
以只是从内外两点提供一些建议,想要做得好还要更详细的进行分析。总之最重要是要实现以下几个数据的增长:
流量、转化率、利润率、翻桌率、回头率等。
参考如下:
开设:hwasion:想在小区或社区里,开小型的连锁店,开在小区房里,以配送为主,啥都卖。做市场调查要采集哪些数据呢?
此次,我就以高佳庄在实际经营中通过数据挖掘带来的管理提速为蓝本,与大家分享如何让数据更有意义。
1、数据多维度分析:利用矩阵分布结合毛利与销量打造聚焦菜
以往我们在分析各档口菜品结构时,会分析档口标准毛利结构,会分析菜品销量排行。但是如果不能同时结合毛利与销量,是无法体现菜品对于这个档口在营业及毛利上的贡献的,所以结合菜品销量和标准毛利率来做矩阵分布(原点取档口标准日销量的期望值标准毛利的期望值),这样就能更好的看出该档口的菜品结构。
另外,菜品的聚焦过程其实也是借助这个数据图表工具不断打造明星菜、淘汰瘦狗菜的过程。档口对明星菜的聚焦做好之后,是能够提升上菜速度、顾客满意度、菜品出品稳定性的。
2、数据要结合实际业务:海鲜养殖结合原料特点深入分析
作为主营海鲜的餐厅,我们很关注海鲜养殖,也一直在做养殖死亡登记的工作。但是由于各门店、各海鲜品种之间情况不同,因此造成海鲜死亡的原因也是五花八门。
为了提升经营分析的效率,我们没有使用单一的总金额列式,而是将总金额拆分为:到店死亡,养殖死亡,临死预杀。
而对于死亡金额较大的品种,我们还会再结合实际业务进行分析。例如,梭子蟹这种亏了也得卖的舟山大IP产品,我们只能通过加大销售提高周转率、提高养殖技术与物流管理的方式降低死亡率。帝王蟹、龙等宴会刚需产品,我们主要通过供应商管理与养殖技术提升实现死亡率降低。
但是表格中的小蚌仔,一直难以打造出销量高且稳定的产品属于创收少、增值少、浪费多的产品,厨委就要考虑是否停用。
这里想要和大家分享的是,结合实际业务看数据很重要,因为有时好看的数据背后,也是存在隐患的。
比如刚才提到的考虑是否停用的小蚌仔,我们发现有一家门店的小蚌仔没有出现死亡情况,如果单看数据,这显然是好的。但是经过了解,这家门店是将小蚌仔提前调拨给了冷菜间做刺身,而我们从冷菜间负责人那里了解到的情况是,小蚌仔拼入刺身后虽然更高档,但是同时价格也上涨很多,本来刺身就不便宜,拼入小蚌仔后价格更高,客人感受不到性价比与附加值,所以很难推销,也成了冷菜间的痛点。
所以,数据难看就一定有问题,数据好看也不代表业务上真的没有问题。都要通过对比,结合实际业务去了解。
3、可考核的数据,一定是“可控的”:阶梯式的边际贡献式利润表
我们在考核店总的时候,由于各家门店情况不同,很多不属于店总“可控”的条件,如果直接拿财务利润表去考核,就会相对不公平。因为有些门店的房租有优惠政策,导致同等面积、类似地段的情况下,房租差异较大,还有些员工宿舍在酒店内部,那么跟那些另外租房的门店比,房租费用就会节省很多。
所以我们将利润表修改为适合我们酒店的、阶梯式的“边际贡献式利润表”,在毛利之后、利润之前,插入了可控边际。可控费用在前列支,不可控费用在后列支,这样考核店总业绩时,主要参考可控边际,在考核门店业绩时才会参考利润。
考核数据时,考核的必定是“可控”的否则就失去了意义。这就如同我们在考核厨房菜肴毛利率时,不论是标准毛利率还是实际毛利率,我们都选取折前营业额作为基数。因为折扣是前厅控制的,属于厨房不可控的因素。
4、要围绕经营(与顾客满意度):退菜分析不能只围绕“成本
解读数据的时候,我们应该多从经营的角度出发去分析数据与思考问题,不能片面。因为我们做数据分析的最终目的都是拓展经营。
退菜原因:上桌被退的菜就是上退菜、上退菜与出菜/传菜后退菜的要退菜单。
我们导入成本管控已有多年,“上退菜”一直是成本分析的一个小重点,从成本角度看,上桌又退菜造成了成本浪费,所以绩效考核应与此挂钩。在固有思维下,我们忽略了其他类型的退菜。比如估清退菜等没有造成原料成本浪费,就忽略了分析,但是从机会成本、管理效率、顾客满意度等角度考虑,企业都有损失甚至损失更大。所以说从经营角度考虑,这些都是值得分析的对象。于是重新梳理退菜类别(如图),上退菜、上菜慢退菜、估清退菜等都被纳入分析。
比如估清退菜,我把每一个估清退菜都看作是一个客诉,因为点成功了又去通知顾客说这道菜没有了不管客人有没有投诉,在顾客心里满意度已经大打折扣。估清退菜特别多说明有问题,如果估清退菜一道没有,也不代表没问题,问题甚至有可能更大。估清退菜反映了厨房管理团队设置限量的能力,如果设置限量不能做到严格精准,同时估清退菜又没有,极有可能是估清低估了,那就会出现客人点菜点不出,厨房却有备料多出来,结果就是餐厅顾客两头伤害。
5、重要数据要深挖,抽丝剥茧地解读:收入等重要指标拆分深入解读
对于KPI里的大项——收入,我们也应该用这样的思路,抽丝剥茧的解读,不要只看增额、涨幅就完成对收入的判断。
餐饮收入有一个简单的公式,收入=客流*人均,客流更多地代表生意好坏,人均更多地代表定位。所以收入降低,未必经营更冷清,也许因为定位调整降低了客单价,客流量反而上去了,生意因此更“火爆”了。
收入持平,也未必是生意状态一般,也许是客流与人均的此消彼长,无论如何,都需要对收入进行拆分,才能真正了解问题出在哪儿,机会点在哪儿。
例如某期,我们发现各家门店收入下降的下降,上升的上升。为了解其中原因,我们进行了收入拆分。首先,我们通过客流量与人均的拆分,去看主要是“价差”影响收入,还是“量差”影响收入?锁定主要影响来自客流还是人均,第二步再去拆分客流或人均。
01、如果第一步主要是客流下降,那么第二步拆分客流,将客流拆分为散客客流、宴席客流、人均客流。通过这一步,锁定是哪种消费类型的客流在下降。
02、如果第二步我们锁定宴席客流在下降。那么第三步我们再拆分不同类型的宴席,看看是哪一类宴席的客流在下降?是婚宴?是满月宴?找到增长点与下降点后,才能配合后期工作计划去做调整。
03、如果第三步结果是人均带来的重大影响,那么我们会再去拆分散客人均、宴席人均、团餐人均,了解是哪个消费类型的人均发生了重大变化,是由于菜品结构或定价调整影响的,还是由于点菜环节影响的…再去针对性的做调整。
拆分收入就像剥洋葱一样,让我们更清楚地了解到自己的增长点与下降点,威胁点与机会点。
分析费用与利润也是如此,并不是单一的看一个金额、增额或增幅,而是去各个维度与深度了解经营状况。
6、信息化建设激发数据价值:软件技术与企业实际业务相融合
无论是数据处理方式,还是数据解读思维,都离不开一个很重要的基础——信息化建设。
高佳庄副总兼财务总监费丽丽讲述:我们首先应该明确自己需要什么样的信息化,这是需要我们自己在信息化建设之前通过大量调研来掌握的。以我们正在使用的天财商龙餐饮管理系统系列产品来说,他们的产品功能非常丰富,我们需要结合自己的实际需求来进行匹配,才能让功能、数据发挥最大的价值。
比如一个买单支付,天财商龙的餐饮管理系统产品就有很多应用场景,而我们在经营过程中会有包厢的买单、散座的买单、早茶的买单、团队的买单等等。考虑顾客体验和我们的管理要求,我们在散售区,特别是需要便捷度的早茶场景中使用的就是线上的扫码支付。而包厢里面的结算,我们则通过在预结单下生成三合一的二维码的方式,保障了客人买单的仪式感和便利性,同时也满足了我们减少服务员进出包厢次数的管理需要。
这样的例子还有很多,根本上其实还是信息化产品能够满足我们的需求,而我们自己也要更多的让数据深入结合业务与一线。
这里列举的几组数据,不全,如果感兴趣可以关注我们,查看之前的文章!关于餐饮经营的方方面面,欢迎与天财商龙共同探讨!
以上内容,禁止转载!
以连锁餐饮企业为例,为了实现科学管理与有效管控,通常会上线CRM系统、前厅管理系统、后厨管理系统、财务管理系统、物资管理系统等信息管理系统,实现从粗放型到精细化管理。
然而,数据采集只是第一步,需要进行大量的数据分析工作,才能让这些数据真正发挥功效。统一的数据中心,让企业管理者随时掌握企业脉搏,可以帮助餐饮企业资源达到最优配置和优化经营,从而获取更多的规模效益。
1.运营看板
借助分析云平台,进行实时数据抓取,定时刷新、大屏展示,让运营情况尽在掌握。
2.资金分析
现金流是餐饮企业正常维持的基础,是餐饮企业运营的风向标和警戒线,通过分析云可以对资金流量进行汇总分析,收入、支出、应收与应付,一览无余。
3.进销存分析
餐饮行业的备货需要基于历史销售数据,综合考虑节假日、气候和竞争对手等影响因素,进行科学预测,食材存货不仅占压资金,且效期短易过期,所以良性的进销循环是至关重要的。
4.品项分析
餐饮行业的品项具有多样性,依据销量、受众、成本等数据,灵活调整品项定价、搭配组合等,通过分析云进行科学决策,从而更好地满足客户需求。
5.会员分析
为了维系会员关系、促进会员消费,不仅要提升品牌影响力,还要通过分析云平台进行会员RFM分析,实现个性化服务、精准化营销。
近年来,随着餐饮行业的信息化建设越来越完善,一些大型餐饮企业和连锁企业,从员工管理、餐厅管理到客户需求等各个方面,积累了大量的数据,但是由于平台众多,各个系统相互独立,无法打通,导致难以进行数据关联,无法形成较好的数据整合管理,使得数据综合分析十分困难。
同时很多企业还没有真正地开始重视数据价值,在诸多问题面前不知道从何下手。
对于餐饮行业的数据分析和可视化来说,搭建自己的分析框架和看板,十分重要。
通过BDP这种一站式的数据分析平台, 将各平台、各系统数据进行整合、存储、更新分析,一方面可对数据进行更快更统一的清洗、整理,便于存储分析;另一方面,业务人员不需要代码基础,即可在一个平台上,完成数据的建模分析以及可视化看板的制作。
实现数据驱动业务的第一步,就是要将散落在各个平台系统中的数据,融合到一个平台中,进行统一管控。
1、各平台数据接入
例如各门店的预定、点单、收银等数据;各平台的外卖订单、评价数据;用户管理系统的客户需求数据等,分布在不同平台的数据,通过数据库接入、本地excel上传、数据接口等方式,可直接接入BDP平台中
2、数据自动同步
平台多、数据复杂的情况下,每日更新数据也变得十分麻烦,接入BDP后的数据库数据等,可以设置每日的自动同步,省去每日整理上传数据的过程,数据源自动同步后,后续的数据分析合表和可视化看板也会随之自动更新。
从业务场景入手,根据数据情况,进行指标体系的搭建,确定分析的思路,对于餐饮行业来说,为了更全面地了解和分析经营情况,可以从整体到单个门店,从运营分析、商品分析、用户分析等多个角度进行指标细化。
确定指标体系后,我们需要对所有的基础数据进行整合处理,统一数据口径、字段含义等, 在数据分析建模过程中,根据数据字段,进行数据表的关联、聚合以及计算公式的添加,例如,对于多个门店的数据进行追加合并汇总;将不同平台导出的数据进行关联等等。在BDP中,可直接进行拖拽处理分析,并随基础数据更新而自动更新。
通过数据表的处理分析、建模,我们将多平台、多系统的各类结构化、非结构化数据,进行了格式、含义的统一,打好了数据基础,便于进行后续的数据可视化、数据应用
根据先前建立的指标体系,利用可视化图表、看板,达到业务数据透明、可随时查看最新数据,实现数据驱动业务管理的最终目标。
在可视化分析中,可以利用对比分析、细分分析、用户分析等多种方法,从数据变化、数据对比中发现问题和思路。
基础经营数据:
包含需要日常重点关注的基础经营指标、完成情况等,每日监控数据,第一时间掌握数据变化。
增加全局筛选,相关人员可直接在看板界面,按照不同时间段,例如昨天、前天、最近7天,或不同门店等,筛选后查看相应的图表数据。
使用计量图等图表,清晰关注目标完成进度等。
活动数据分析:
主要针对各个活动做的分析,有对活动投入产出的分析,不同活动订单的占比情况
商品数据分析:
主要针对各商品销量,销售额,菜品的评分,以及不同价格区间的菜品情况进行分析
多角度统计菜品销售的情况、结果及问题,通过数据找出高利润的菜品、凑单引流菜品、最受欢迎的菜品等,为后续菜品的更新、销售提供指导
评价评论分析:
评论分析针对用户评论内容,评论门店,差评条数,好评条数的分析
当前各平台的用户评论评价,对于品牌形象有十分重要的影响,同时关注评价内容,也有利于及时地发现问题,解决问题。