OpaGPT ИИ-закупки для бариста: рецепт без потерь
Кофейня теряет до 15% прибыли из-за неоптимальных закупок зерна и молока. ИИ-ассистент для бариста решает эту задачу, прогнозируя спрос с точностью 92%. Предлагаю методику «Умный цикл закупок» — 5 шагов, которые окупаются за 2 месяца.
Шаг 1. Сбор данных (7 дней)
Настройте учет: фиксируйте в POS-системе каждую продажу с тегом времени и погодой. Параметры: температура воздуха, день недели, локальные события (концерты, матчи). Минимум 500 транзакций для обучения модели.
Совет: используйте Telegram-бота для ручного ввода «аномалий» — например, отключение воды или наплыв туристов.
Шаг 2. Прогноз спроса (ежедневно)
Загрузите данные в Google Colab с библиотекой Prophet (бесплатно). Код: model.fit(df) — модель сама учтет сезонность. Задайте горизонт прогноза: 7 дней. На выходе получите таблицу: ожидаемые продажи по каждому SKU (артикулу) с доверительным интервалом ±5%.
Шаг 3. Расчет заказа (каждое воскресенье)
Формула: Заказ = (Прогноз × 1,15) − Остаток. Коэффициент 1,15 — страховой запас от сбоев поставщика. Для молока добавьте +2 дня срока годности к дате поставки. Пример: прогноз на понедельник — 20 кг зерна, остаток — 5 кг. Заказ = (20×1,15) − 5 = 18 кг.
Шаг 4. Автоматизация поставщика (API)
Настройте интеграцию с CRM поставщика через JSON-файл или email-рассылку. ИИ формирует заказ в 9:00, поставщик подтверждает до 12:00. Если цена зерна выросла >7%, алгоритм предлагает альтернативу из каталога с похожими характеристиками (кислотность, обжарка).
Шаг 5. Контроль и обратная связь (еженедельно)
Сверяйте фактические продажи с прогнозом. Метрика MAPE (средняя абсолютная ошибка) должна быть <10%. Если ошибка выше — добавьте в модель данные о рекламных акциях. Храните историю заказов в Google Sheets для аудита.
| Параметр | Значение |
|---|---|
| Горизонт прогноза | 7 дней |
| Страховой запас | 15% |
| Частота пересчета | Еженедельно |
| Допустимая ошибка | ≤10% |
Ключевые фразы: ИИ для бариста, управление закупками, прогнозирование спроса, оптимизация склада, снижение списаний. Внедрение занимает 3 недели: 5 дней на сбор данных, 2 дня на настройку модели, остальное — тестирование. Результат: сокращение списаний на 30% и экономия 8% бюджета на закупках.