Прогноз спроса в ресторане: методы и данные

Спрос в ресторане — это число гостей, готовых прийти в конкретный день и время. Он не стабилен: пятница в 19:00 и вторник в 15:00 — принципиально разные ситуации даже в одном заведении. Прогноз спроса переводит эту нестабильность в управляемую переменную.

Три ключевых применения прогноза: закупки под реальную загрузку, расписание смен персонала и планирование меню. Все три напрямую влияют на фудкост и операционные расходы.

Гостепоток формируется под влиянием нескольких групп факторов. Их важно разделять, потому что каждая группа требует своего метода учёта в модели прогноза.

Основа прогноза — история транзакций из POS-системы. В iiko это отчёт по продажам с разбивкой по часам и дням. Минимальный горизонт истории для устойчивой модели — 12 месяцев: это позволяет захватить полный годовой цикл сезонности.

Если ресторан работает на iiko, все транзакционные данные уже есть в системе — их не нужно собирать отдельно. Задача — правильно агрегировать и очистить от аномалий (технические сбои, нетипичные корпоративы, форс-мажоры).

Методы различаются по сложности реализации и точности результата. Выбор зависит от объёма доступной истории и ресурсов команды.

Скользящее среднее — это прогноз на понедельник следующей недели, рассчитанный как среднее гостепотока по последним 4–6 понедельникам. Метод учитывает актуальный тренд и не требует специального ПО. Шаг вперёд — умножить полученную базу на коэффициент сезонности месяца.

Коэффициент сезонности показывает, насколько гостепоток конкретного месяца отклоняется от среднегодового. Рассчитывается по формуле: К_сезонности = Среднедневной_гостепоток_месяца / Среднедневной_гостепоток_года.

Локальные события — концерты, спортивные матчи, городские фестивали — дают нерегулярные всплески, которые не улавливает стандартная сезонная модель. Их учитывают вручную: за 5–7 дней до события добавляют поправочный коэффициент на основе аналогичных случаев в прошлом.

MAPE (средняя абсолютная процентная ошибка) — стандартная метрика точности прогноза. Формула: MAPE = (1/n) × Σ |Факт − Прогноз| / Факт × 100%. Считается по каждому дню за период, результат усредняется.

iiko содержит всю историю транзакций и позволяет строить аналитические отчёты, однако встроенный модуль прогнозирования в базовой версии ограничен. Автоматическая сезонная декомпозиция, расчёт MAPE и адаптация к событиям требуют дополнительных инструментов.

Идея.Аналитика забирает данные из iiko и строит прогноз гостепотока автоматически: с учётом сезонности, дня недели и событийных поправок. Прогноз доступен на горизонте до 30 дней и интегрируется с планированием закупок и графиком персонала.

Запустить прогнозирование можно без ML-специалиста и сложного ПО. Важен правильный порядок шагов.

Прогноз спроса неразрывно связан с управлением P&L: точная оценка выручки на неделю вперёд позволяет планировать переменные расходы и не допускать кассовых разрывов.

Прогноз спроса влияет на ABC-анализ меню: зная загрузку по дням, можно точнее оценить, какие позиции меню работают в пиковые смены и где скрыты потери.