餐饮网
餐饮网
在遇见小面餐厅，这个由三名集颜值和学历双高互联网餐饮人合伙办的重庆小面馆里，**苏总正在寻找*个消费满5000元的顾客。对于苏总来讲，这个忠实用户确实让人好奇，他到底是请客狂人，还是一枚纯正的“面霸“?“我们不仅希望遇见他，更希望了解他背后更多的因素，基于这个原因，我们引进了数据分析师”，苏总这样对我们说。这底是什么?为什么能帮遇见小面把面霸找出来呢?款易CTO陈翰林对我们介绍说：“这其实是一套数据分析系统，主要是帮助餐饮**进行经营决策的。它主要分为两大功能，一是数据采集，二是数据分析。
这套系统，就是要成为未来餐饮行业**的决策伙伴，其中会通过数据分析，帮助餐饮行业的从业者来做经营决策。以遇见小面寻找*个5000元用户的例子来说，其实我们就是在通过数据收集分析，进而形成用户画像，了解顾客的消费行为，甚至可以进行**定向和引导消费。我们不需要实际找到这个人，但是只要通过它后台系统记录的行为画像，借助于云数据，我们一样能提供给商家**的用户信息，等同于跟消费者面对面了解的结果，更便于帮助餐饮**进行决策。“选址决策：高达60%失败率的门店选址，竟能交给数据去做让我们再看看跟遇见小面一步之隔的不怕虎牛腩店，同样作为新型餐饮代表，无收银台、无现金、无菜单，由7名员工玩转的爆品牛腩店，它又有怎样的故事呢?还得从不怕虎牛腩成立前说起。原来，在没开业之前，“不怕虎牛腩”的项总，其实早早瞄准了广州珠江新城花城汇，作为广州新CBD据点，花城汇周边聚集了多达20万的白领客群，实在是一个餐饮业的**开店点，然而，项总却迟迟未有开店，甚至不惜推迟开店半年，就是为了在花城汇多多蹲点，就是为了找到*佳的开店地点，煞费苦心。
其实内心的忐忑和犹豫不决，更多是因为这一个原因：担心选址开店的***。对于餐饮**来说，选址实在是太困难了。诚然，就连有11年选址经验，为72家和真功夫选址多达150家门店的选址**易正伟也这样说过：“早在2002年在真功夫从运营过度到选择开发，到今天经我收的签约合同约150家左右，累计盖判***在70%左右吧!另外的30%非成功店起码消耗了对等的30%成功店。”具有那么深厚经验的选址**，竟然说***也只有40%，还有高达60%的失败率，可想而知，这是餐饮**不能去冒风险，这也是项总迟迟不肯开店的原因。
选址确实是一个头疼的事情，但是能不能用数据决策去解决呢?答案是肯定的。因为对于选择分店地点，很多餐饮**都会用过往经验去判断。比如说不能在现有店的附近，要离得越远越好，但是我们实际上又能看到一种很怪的现象，某些星巴克和麦当劳，每隔50米就有一家店，这如何解释呢?以星巴克为例，星巴克的系统，通过会员的管理和会员身份的管理，通过用户的行为轨迹，从而知道喜欢星巴克的人集中在什么地方，是根据人流情况去开分店，而不去更多的从经营者的主观判断去看。陈翰林曾表示：有餐饮**就曾经跟我们提过，没开新的分店是感觉跟原来的店太近，离老店大概只有两公里的距离。而像星巴克、真功夫，麦当劳之类的，两个商场之间可能只有50米的直线距离，但却开了两家店，所以决策的原理到底是什么呢?按传统的思路来看，光看远近都是餐饮**拍板决定的，但真的是离得近就不能开了吗?显然不是。
*终开不开还是取决于那个地方是否是你的客流所在，你的用户是不是集中在那，是不是已经饱和了，如果还有发展潜力，开店当然是没问题的，而决定性的因素其实是你也不知道你的用户在哪里，所以没有办法下决心开不开店。那有没有一种可能，通过引入一些科学的工具系统，能够把你客户的流向标记出来，通过客户的一些行为习惯，*终那锁定客流集中的区域，帮助你做开店的决策呢?当然是有的，例如数据分析师。它在收集你门店，包括整个餐饮行业的云数据，通过大数据之前的积累和沉淀的，就能很好的判断出你的目标客户所在，通过数据帮助你选址时作出更好的决策。菜品选择：要吃要换什么，数据比你更了解顾客口味通过数据决策，这套分析系统除了在选址上能够有提前预判和决策的功能外，还带来一种餐饮**都很期待的优势，那就是通过数据的共享模式和共赢模式，给实际运营带来非常大的便利，比如说是菜品的选择。
数据需要积累，积累的越久，效果也更显著。对于餐饮行业来讲，传统ERP虽然有菜品的简单数据，门店也会记录来分析菜品滞销和畅销，这都不难。但是，如果实际上需要替换某个菜品的时候，连餐饮**都没办法把握，以为实在不知道该怎么去替换才是*佳选址，要不靠蒙，要不全靠过去经验。而对于这套系统来讲，则是当有两个菜品滞销需要替换其他菜品时，可以告诉你，去选择较合适的替换方案。例如在遇见小面的实际运营中，需要新增一款配菜，但是选择爆款型配菜臭豆腐，还是大众口味的卤蛋，**迟迟难以做出判断，通常这种情况，都是由全店成员一起投票决定，很难避免自己的主观臆断成分，从客观的角度来讲并不能代表目标用户实际的需要。但是你只要把数据传到我们的云数据上，我们有的是整个行业餐饮同行的销售排行。在不会告诉你单独某个同行的数据上，但我们会把整个同行所有的数据里面的总排行呈现给你，把你没有的产品告知你，帮助你更好的决策。80%的同行销售好的、区域的菜品等是靠大家一起建设的。所以现在早一点加入款易分析师，其实就是提前布局，获得未来大数据的使用资格。直达人性：阿尔法狗战胜棋手后，将学习战胜餐饮大佬任何数据是人的消费认识，未来数据分析的趋势就是分析人，深度学习。但是，不少人可能会说，分析人的数据还是一个新兴产物，似乎成功的例子很少。不久前，相信大家都曾关注过这个杰出案例，就是用算法击败人类的智能系统阿尔法围棋(AlphaGo)。2016年3月对战世界围棋冠军、职业九段选手李世石，这套智能系统以4:1的总比分获胜。看上去，阿尔法围棋好像只带来了打败人类这个结果，但对于人们来说，更应该看到其身上数据决策的力量。因为阿尔法围棋主要工作原理是“深度学习”。
“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”。而回到餐饮行业来讲，根据餐饮行业的特点，和餐饮人共建、共享数据，其实已经是系统在进行面对“人”的“深度学习”。只要收集足够多的数据，就能通过分析帮助餐饮**节省很多市场调研的步骤和精力，在运营中也可以得到有效的决策方案支持，从而利用数据分析和决策的优势，构建更多适合自己的新型餐饮场景，切切实实给经营者带来更多的好处。纵观中国餐饮业的发展，其实是从以前的只关注于食物本身，转而发展为围绕人全面的体验服务。现在如雨后春笋般茁壮成长的新型餐饮代表，其实一直在强调这一点——让顾客的体验更好，制造更多舒适的餐饮消费场景。但在设定体验和场景设立中，利用数据**决策，将是重要的一环，也是在餐饮发展趋势性下的一种必然存在。
