Data Department, restoran zincirlerinin ve yiyecek-içecek işletmelerinin günlük maliyeti ve hizmet kalitesini belirleyen kararlarda makine öğrenmesi ve yapay zekâ kullanmasına yardımcı olur: ne kadar ürün hazırlanacağı, vardiyada kaç kişi çalışacağı, ne kadar stok tutulacağı ve teslimatın ne zaman yapılacağı. Restoran projelerimiz, aynı hizmet seviyesinde işçilik maliyetini %5 ile %20 arasında düşürdü ve sipariş bekleme süresini ortalamada yaklaşık %30 kısalttı.
Restoranlarda yapay zekâ nerede değer üretir?
Bir restoran zinciri aynı kararları her şubede, her gün, çoğu zaman her saat yeniden verir. Hazırlıktaki, personel planındaki ya da siparişteki küçük hatalar; fire, fazla mesai ve yavaş servis olarak birikir. Bu kararlara bağlı tahminler sorunu kaynağında çözer.
| Karar | Makine öğrenmesi, yapay zekâ ya da optimizasyon ne yapar | Tipik veri |
|---|---|---|
| Hangi üründen ne kadar, ne zaman hazırlanacak | Yemeğin talepten önce hazır olması için çok kısa vadeli satış tahmini | Şube, ürün ve saate göre POS (satış noktası) işlemleri |
| Her vardiyada kaç personel çalışacak | Yoğunluk tahmini ve belirli bir hizmet seviyesinde vardiya optimizasyonu | Saatlik satışlar, hava durumu, tatiller, yerel etkinlikler, çalışma kuralları |
| Her restoranda ne kadar stok gerekiyor | Şube ve ürün bazında talep tahmini | Satışlar, stok sayımları, menü değişiklikleri, kampanyalar |
| Restoranlara tedarik ne zaman teslim edilecek | Tahminle birlikte teslimat takvimi optimizasyonu | Restoran talebi, depo stoku, teslimat maliyeti ve kapasitesi |
| Stoksuz kalmadan fire nasıl azaltılacak | Tek sayı yerine tahmin aralığı; hazırlık miktarı riske göre belirlenir | Satış geçmişi, fire kayıtları, raf ömrü |
| Personel prosedür ve reçetelere nasıl ulaşacak | Kendi el kitaplarınız üzerinde çalışan RAG (bilgi getirme destekli üretim) tabanlı kurumsal yapay zekâ asistanı | Operasyon el kitapları, reçeteler, gıda güvenliği prosedürleri |
İlgili projeler
- Sipariş bekleme süresi tahmini: Bir hızlı servis restoran zinciri. Yemeğin talepten önce hazırlanmasını sağlayan çok kısa vadeli satış tahmini, sipariş bekleme süresini ortalamada yaklaşık %30 kısalttı.
- Restoran vardiya optimizasyonu: Üst segment restoran grupları. Hava durumu, tatil ve etkinlik verisini kullanan yoğunluk tahmini ve vardiya optimizasyonu, aynı hizmet seviyesinde işçilik maliyetini %5 ile %20 arasında düşürdü. Aralık, lokasyonlar arasındaki farkı gösterir.
- Restoran tedarik ve teslimat planlama: Bir hızlı servis restoran zinciri. Tahmin ve teslimat takvimi optimizasyonu, stok ve lojistik maliyetini yaklaşık %10 düşürdü.
- Restoran talep tahmini: İki ulusal hızlı servis restoran zincirinde yaklaşımımızı kendi verileri üzerinde test ettik. Şube, ürün ve 15 dakikalık dilim bazındaki tahminlerin ortalama hatası, dilim başına ürün ve şube başına yaklaşık 1,1 üründü. 10 restoran ve 574 ürün üzerindeki ikinci, şube bazlı model mevcut yönteme göre ~%19 daha iyiydi.
Bir restoran zinciri için tipik ilk projeler nelerdir?
- Gün içi satış tahmini: Birkaç şube ve en çok satan ürünlerle başlayarak yemek hazırlığı için.
- Personel ve vardiya planlama: Tahmin edilen yoğunluğa göre, çalışma kurallarınızı kısıt olarak alarak.
- Şube bazlı stok tahmini: Sipariş ve fire yönetimi için.
- Tedarik ve teslimat planlama: Merkez depo ile restoranlar arasında.
Her biri iki haftalık bir Keşif aşamasıyla başlar: Herhangi bir model kurulmadan önce kullanım alanlarını sıralar, veriyi kontrol eder ve işçilik maliyeti ya da bekleme süresi gibi iş metriği üzerinde anlaşırız. Ücretsiz 30 dakikalık yapay zekâ fırsat değerlendirmesi hızlı bir ilk adımdır. Yöntemlerin ayrıntısı talep tahmini ve stok optimizasyonu ile optimizasyon ve simülasyon sayfalarımızda.
Veri ve entegrasyon notları
- POS verisi temeldir. Şube ve ürün bazında zaman damgalı işlemler, 15 dakikalık dilimlere kadar inen tahmin sağlar.
- Dış sinyaller; hava durumu, resmî tatiller ve yerel etkinlikler, özellikle olağan dışı günlerde en çok fark yaratan veridir.
- Personel verisi; vardiya kuralları, yetkinlikler ve sözleşme türleri vardiya optimizasyonu için gerekir.
- ERP (kurumsal kaynak planlama) ve depo verisi; tedarik planlaması için stok, satın alma ve teslimat bilgisini sağlar.
- Altyapı: AWS (Amazon Web Services), Google Cloud, Azure ya da şirket içi sunucularda teslim eder, sonuçları yöneticilerinizin zaten kullandığı araçlara geri yazarız.
Sık sorulan sorular
Satış tahmini gerçekten 15 dakikalık dilimlerle yapılabilir mi?
Evet; POS sisteminiz işlemleri zaman damgasıyla kaydediyorsa. Hızlı servis restoran çalışmamızda şube, ürün ve 15 dakikalık dilim bazındaki tahminlerin ortalama hatası, dilim başına ürün ve şube başına yaklaşık 1,1 üründü.
Vardiya optimizasyonu yoğun saatlerde daha az personel demek mi?
Hayır. Hizmet seviyesi bir kısıttır; vardiyalar tahmin edilen yoğunluğa göre planlanır. Vardiya projemizde işçilik maliyeti aynı hizmet seviyesinde %5 ile %20 arasında düştü.
Bir restoran zinciri hangi projeyle başlamalı?
Maliyetin nerede olduğuna bağlıdır: işçilik, fire, stok ya da yavaş servis. İki haftalık Keşif aşaması bunları kendi verinizle karşılaştırır.
Tek şubeli restoranlarla çalışıyor musunuz?
Yöntemlerimiz en çok, aynı kararın şubeler arasında tekrarlandığı çok şubeli zincir ve gruplarda karşılığını verir.