OpaGPT ИИ-закупки для ресторана: методика «Точный прогноз»
Управляющий рестораном ежедневно балансирует между избыточными остатками и дефицитом продуктов. ИИ решает эту задачу через предиктивную аналитику и автоматизацию. Предлагаю практичный рецепт внедрения за 4 недели.
Шаг 1. Сбор данных и интеграция (дни 1–7)
- Подключите POS-систему, складской учёт (1С, R-Keeper) и календарь броней к ИИ-платформе (например, Jowi, Spoonity или Yandex DataSphere).
- Соберите историю продаж за 24 месяца: по дням, часам, блюдам, с учётом акций и погоды.
- Задайте параметры: минимальный остаток = 30% от среднедневного расхода, страховой запас = 2 дня для с��оропорта, 5 дней для бакалеи.
Шаг 2. Обучение модели прогноза (дни 8–14)
Используйте алгоритм Prophet (библиотека Python) или встроенные ML-модули. Обучите модель на данных с учётом сезонности (праздники, лето) и трендов.
- Разделите данные: 80% — тренировочная выборка, 20% — тестовая.
- Задайте горизонт прогноза: 7 дней для мяса и рыбы, 3 дня для овощей и зелени.
- Установите точность: MAPE (средняя абсолютная ошибка) ≤ 12%. Если выше — добавьте фактор «день недели» и «календарь мероприятий».
Шаг 3. Автоматизация заказа (дни 15–21)
Настройте интеграцию с поставщиками через EDI или email-рассылки. ИИ формирует заказ автоматически по правилу:
| Продукт | Формула заказа | Пример (кг) |
|---|---|---|
| Скоропорт | Прогноз на 3 дня − Остаток + Страховой запас | 45 − 12 + 8 = 41 |
| Бакалея | Прогноз на 7 дней − Остаток + 5% резерв | 120 − 30 + 6 = 96 |
Установите порог ручной корректировки: если ИИ предлагает изменение более чем на 20% от среднего заказа, управляющий получает уведомление в Telegram.
Шаг 4. Контроль и оптимизация (дни 22–28)
- Ежедневно сверяйте фактические остатки с прогнозом. Ведите журнал отклонений.
- Раз в неделю анализируйте food cost (себестоимость блюд). Цель — снижение на 3–5% за счёт сокращения списаний.
- Настройте дашборд: остатки, прогноз, % выполнения заказа, потери.
«Начните с малого: выберите 5 позиций с высокой оборачиваемостью (молоко, зелень, хлеб) и протестируйте ИИ на них. Через 2 недели вы увидите сокращение списаний на 15–20%, и только потом масштабируйте на всё меню» — совет практика.
Ключевые советы
- Не доверяйте ИИ на 100%: всегда оставляйте право вето у шеф-повара для сезонных блюд.
- Используйте датчики IoT на складе (температура, влажность) — это повысит точность прогноза срока годности.
- Пересматривайте модель раз в квартал, добавляя новые данные (новые блюда, инфляция цен).