Прогнозирование в общепите — это не гадание на кофейной гуще и не «опыт, который приходит с годами». Это система, которая позволяет заведению работать стабильно: без гор испорченных продуктов, без очередей в час пик и без простаивающих сотрудников в «мёртвые» часы. Исследования показывают: точное прогнозирование спроса напрямую влияет на сокращение пищевых отходов и повышение операционной эффективности ресторана.
Но чтобы прогноз работал, нужно понимать три вещи: какие показатели прогнозировать, на основе каких данных строить прогноз и как его корректировать в реальном времени. В этой статье разберём всё по порядку — с примерами и цифрами.
Почему прогнозирование — это не роскошь, а необходимость
Ресторанный бизнес работает с тонкими маржами. Фудкост составляет 28–35% от выручки, и каждая ошибка в закупках или персонале бьёт напрямую по прибыли. При этом около трети всех продуктов в мире портится до consumption, и значительная часть этих потерь приходится именно на общепит.
Прогнозирование решает три ключевые задачи:
- Сокращение списаний. Если вы знаете, сколько порций будет продано завтра, вы закупаете ровно столько, сколько нужно. Не больше и не меньше.
- Оптимизация персонала. Если вы знаете, что в пятницу вечером будет на 30% больше гостей, вы ставите дополнительного повара. Если знаете, что в понедельник днём будет тишина — не переплачиваете за простой.
- Стабильность качества. Когда кухня не перегружена и не простаивает, блюда готовятся вовремя и одинаково. Гость получает то, за чем пришёл.
Без прогноза заведение работает в режиме «реагирования»: закончились продукты — срочно заказываем, набежали гости — вызываем курьера. С прогнозом — работает в режиме «планирования»: всё готово заранее, потому что было рассчитано.
Какие показатели прогнозировать
Прогнозировать можно многое, но начинать стоит с трёх ключевых направлений. Это те показатели, которые напрямую влияют на деньги.
1. Поток гостей (трафик)
Сколько гостей придёт завтра, послезавтра, в пятницу вечером, в праздничный день? Это база для всех остальных прогнозов. Зная трафик, вы можете рассчитать, сколько продуктов закупить, сколько сотрудников поставить в смену, сколько курьеров вызвать.
Что прогнозировать: количество чеков по дням недели, по часам, по каналам продаж (зал, доставка, самовывоз).
2. Расход продуктов (фудкост)
Зная прогноз продаж блюд и технологические карты, можно рассчитать точную потребность в ингредиентах. Это позволяет сократить списания и не замораживать деньги в складских запасах.
Что прогнозировать: расход каждого ингредиента по дням, с учётом технологических потерь при обработке.
3. Потребность в персонале (лейборкост)
Прогноз трафика позволяет рассчитать, сколько поваров, официантов и курьеров нужно в каждую смену. Ошибки здесь стоят дорого: либо переплата за простой, либо потеря гостей из-за медленного обслуживания.
Что прогнозировать: количество сотрудников по должностям и по часам, с учётом пиковых и низких нагрузок.
На основе каких данных строится прогноз
Прогноз — это не «среднее за прошлый месяц». Это система, которая учитывает множество факторов. Вот какие данные нужно собирать, чтобы прогноз работал.
Внутренние данные (то, что уже есть в вашей системе учёта)
- Исторические продажи. Количество чеков и блюд по дням, неделям, месяцам за последние 1–3 года. Это база для любых прогнозов.
- Данные по часам и дням недели. Разница между понедельником и пятницей, между обедом и ужином.
- Технологические карты. Нормы закладки ингредиентов на каждое блюдо. Без этого нельзя рассчитать потребность в продуктах.
- Данные по акциям и маркетингу. Когда запускали скидки, рассылки, рекламу. Это влияет на трафик и продажи.
- Данные по персоналу. Кто и когда работал, сколько часов, какова производительность.
Внешние данные (то, что влияет на спрос извне)
- Погода. В дождливый день растёт доставка и падает посещаемость зала. В жару падают продажи супов и растут — лимонадов. Исследования показывают: учёт метеоданных повышает точность прогноза спроса на конкретные блюда — средний коэффициент корреляции достигает 0,79.
- Праздники и события. Новый год, 8 Марта, День города, концерты — всё это даёт всплески трафика, которые нужно закладывать в план.
- Макроэкономические факторы. Уровень доходов, инфляция, потребительские настроения.
- Локальные события. Открытие конкурента рядом, ремонт дороги, закрытие станции метро.
Современные исследования в области прогнозирования для общепита показывают, что модели машинного обучения (такие как XGBoost, LSTM, Random Forest) значительно превосходят традиционные методы, потому что умеют учитывать нелинейные взаимодействия этих факторов. Но начинать можно и с простых решений.
Методы прогнозирования: от простого к сложному
Не нужно внедрять нейросети в первый день. Прогнозирование можно выстроить поэтапно.
Уровень 1: Простые методы (Excel и наблюдения)
Начните с того, что есть. Выгружайте продажи за прошлые периоды, стройте графики, ищите закономерности. Например: «по пятницам всегда на 30% больше чеков, чем в четверг». Используйте эти закономерности для планирования закупок и смен.
Исследования показывают: для стабильных продуктов (рис, мука, базовые ингредиенты) метод простого экспоненциального сглаживания даёт точность с ошибкой всего 4,25%. Для более волатильных продуктов (мясо, свежие овощи) ошибка выше — 12–18%, но и это лучше, чем работать «на глаз».
Уровень 2: Автоматизированные системы
Когда ручные расчёты начинают отнимать слишком много времени, подключайте систему автоматизации. Современные POS-системы и платформы для общепита уже имеют встроенные модули прогнозирования, которые автоматически рассчитывают потребность в продуктах на основе исторических данных и техкарт.
Уровень 3: ИИ и машинное обучение
Для сетей и крупных заведений имеет смысл использовать системы на основе машинного обучения. Они учитывают десятки факторов одновременно: погоду, события, праздники, маркетинговые активности, тренды. Точность таких моделей достигает 95–99% при прогнозировании трафика.
Кейс: сеть «Додо Пицца» внедрила систему прогнозирования расхода ингредиентов на базе Microsoft Azure Machine Learning. Система учитывает тренды в данных (например, рост спроса по мере потепления), календарь праздников, маркетинговую деятельность и местные события. Результат: точность прогнозирования закупок выросла на 18%, а экономия оценивается до 54 млн рублей в год.
Как и где менять прогноз
Прогноз — это не статичный документ. Это живой инструмент, который нужно корректировать. Вот ключевые точки, где это происходит.
1. Ежедневное сравнение план-факт
Каждый день сравнивайте, что вы прогнозировали и что получилось. Анализируйте расхождения. Если прогноз был на 100 гостей, а пришло 130 — почему? Был дождь? Акция конкурента? Ошибка в модели? Каждое расхождение — это урок, который делает следующий прогноз точнее.
2. Корректировка на погоду и события
Если завтра ожидается аномальная жара или, наоборот, снегопад — прогноз нужно скорректировать вручную. ИИ это тоже умеет, но на первых этапах, пока система ещё не обучена на ваших данных, ручная корректировка обязательна.
3. Учёт сезонности
Летом и зимой спрос на разные блюда отличается. Весной люди чаще заказывают лёгкую еду, зимой — сытную. Прогноз должен учитывать эти сезонные тренды. Кейс Elder Research показал: если использовать данные не только за последние недели, но и за аналогичный период прошлого года, ошибка прогноза сокращается на 16%.
4. Обратная связь от персонала
Повара и управляющие видят то, чего не видит система. Они знают, что сегодня был корпоратив в соседнем офисе, или что завтра в городе фестиваль. Дайте им возможность вносить корректировки в прогноз — это повышает и точность, и вовлечённость команды.
Little Caesars, например, сознательно сделала ставку на то, чтобы менеджеры залов напрямую работали с системой прогнозирования: «Они могут посмотреть прогноз, сравнить его с тем, что было продано, и отследить списания. Если снегопад сократил трафик или два автобуса внезапно привезли людей — они видят это первыми, и модель учится на этом».
Примеры: как прогнозирование меняет экономику заведения
Пример 1: «Додо Пицца» — экономия до 54 млн рублей в год
Раньше каждая пиццерия самостоятельно определяла объём закупок. Управляющие тратили на расчёты до 4–5 часов в неделю. Часто возникали ситуации с перезакупкой или нехваткой ингредиентов. После внедрения системы прогнозирования список необходимых ингредиентов формируется за 2 минуты. Точность прогнозирования выросла на 18%, экономия — до 54 млн рублей в год.
Пример 2: Сеть ресторанов — сокращение ошибки прогноза на 16%
Сеть ресторанов использовала для прогнозирования только недавние данные о продажах. Это приводило к ошибкам в праздничные дни и в периоды сезонных переходов. После внедрения модели, которая учитывала данные за аналогичные периоды прошлых лет, точность прогноза выросла: ошибка сократилась на 16%. Это позволило точнее планировать смены и сократить переработки.
Пример 3: Сеть из 28 ресторанов — прогнозируемый рост выручки на $8,4 млн
Американская сеть из 28 ресторанов внедрила систему прогнозирования на основе данных о бронированиях и рыночном спросе. Система позволяет строить прогнозы на пять недель вперёд, используя не только собственные исторические данные, но и рыночные бенчмарки по 60 000+ ресторанов. Ожидаемый рост выручки — $8,4 млн в год, что составляет 14,8% от среднего годового оборота.
Пример 4: Прогнозирование спроса на конкретные блюда с точностью 0,79
Исследование, опубликованное в 2025 году, разработало систему прогнозирования продаж по каждому пункту меню. Система использовала исторические данные о продажах и метеоданные за 2021–2023 годы. Точность прогноза для 384 позиций меню достигла среднего коэффициента корреляции 0,79 — это высокий показатель для прогнозирования на уровне отдельных блюд.
Чек-лист: с чего начать прогнозирование в вашем заведении
- Начните собирать данные. Убедитесь, что ваша касса и система учёта фиксируют продажи по часам, по блюдам, по каналам.
- Соберите техкарты. Без норм закладки ингредиентов прогнозировать закупки невозможно.
- Определите три ключевых показателя. Начните с прогноза трафика, расхода продуктов и потребности в персонале.
- Стройте простые прогнозы в Excel. Используйте средние значения за прошлые периоды и корректируйте их на известные факторы.
- Сравнивайте план и факт. Каждый день. Ищите причины расхождений.
- Подключайте внешние данные. Погода, праздники, события — всё это влияет на спрос.
- Автоматизируйте. Когда ручные расчёты станут слишком трудоёмкими, внедряйте систему с встроенным прогнозированием.
Заключение
Прогнозирование в общепите — это не сложная наука, а системный подход к управлению. Точный прогноз трафика, расхода продуктов и потребности в персонале позволяет заведению работать стабильно: без авралов, без списаний, без переплат. Исследования показывают: современные методы прогнозирования достигают точности 95–99% при прогнозировании трафика, а внедрение даже простых моделей сокращает ошибки на 16–33%.
Начните с малого: собирайте данные, стройте простые прогнозы, сравнивайте план и факт. А когда почувствуете, что ручные расчёты отнимают слишком много времени, — автоматизируйте процесс.
Хотите, чтобы прогнозирование стало частью вашей ежедневной рутины, а не головной болью? В Yooapp есть инструменты для сбора данных, учёта остатков, аналитики продаж и планирования закупок. Оставьте заявку — покажем, как это работает на примере вашего заведения.