生存困难的餐饮中小店
餐饮业是我们日常经常接触的买卖，容易让人产生对其经营难度的低估，没有经过切合实际的计划与判断，认为只要具备初始资金任何人都可以开店。但实际中餐饮店特别是小店生存是非常困难的，据统计开业三年后生存率只有23成，也就是说78成的店铺会在三年内被迫关闭。以2015年下班年为例北上广深四个一线城市新开店20余万家，但是也关闭了161287。从开店到关店的周期看，2015年上海生命周期最长达到45.3个月，深圳平均2年半就关闭了。参见：http://www.linkshop.com.cn/web/archives/2016/344529.shtml
困惑的中大型连锁店
中大型连锁店已经成功的度过了小店阶段，已经形成了一套自己的管理和运营体系。不过近年来随着原材料成本的上升，人力成本升高，房租成本的升高，整个行业的利润率也开始急剧下滑。为了保持竞争力联锁企业如何在保证产品质量的前提下提高企业的运营效率，这个问题一直困扰着中大型连锁店。很多大型连锁店可能已经在企业信息化管理方面进行了一些建设，可能已经有了如下系统的全部或者部分。
- 客户管理系统
记录每个客户的基础信息和喜好，满足客户个性化需求，通过客户关怀，提高客户忠诚度。例如，生日纪念礼品等 - 前厅销售系统
通过客户手机点餐在线支付方式，比如二维火云POS系统。改变传统“饭店点餐、下单、结账一支笔，一张纸，服务员来回跑的局面”，快速完成点餐和收银，减少出错概率，减少服务员的工作量。 - 后厨管理系统
实现前厅销售和后厨之间的无障碍沟通，客户点餐可以瞬时传送到厨房，厨房打印机自动打印相应菜单，厨师按单出菜。 - 财务管理系统
进行日常的销售统计，销售分析，财务审计等日常销售管理，一般通过报表的形式掌控日常运营情况。 - 物资管理系统（供应链系统）
完成物资的进销存管理，融采购管理，销售管理，盘存为一体的物流管理系统，对于大型联锁可能还涉及到统一配送等需求。
这些管理系统很多时候是不同的软件服务熵提供，互相之间没有很好的联通，虽然已经积累了大量的历史数据，但是无法从更高的层面帮助企业洞察商机，特别是在同质化竞争中，如何脱颖而出？
数据化运营是一种思维方式
从前两年很火的“大数据”到现在很火的“机器学习”，“人工智能”数据科学一直在不断前行，但归根结底都是“通过对过去的分析学习，探索未来的发展，从而进行有效的决策”。在互联网领域数据化运营已经深入骨髓，几乎贯彻了整个产品的生命周期，从产品的调研，研发，测试，上线，AB测试迭代等每个周期都在用数据说话。餐饮行业由于受限于没有统一的行业标准，IT基础建设等方面的不足很多餐饮店决策只能靠老板的历史经验或者拍脑袋决定。日常运营中的很多小细节由于缺少数据度量，优化也无从谈起。“不能度量，就不能优化”。数据化运营更店的大小没有关系，关键在于通过严谨的数据推理来做决策。
以要开一个小店为例，在开业前要做好完善的计划，前面提到“开业后能维持超过3年的店铺只有2~3成”，如果只是靠主观异端或者一腔热情来开店，多数情况下经营并不顺利。 具体来说，要判断开店后收益率是否能达到20%以上（尽可能的超过30%）。而餐饮的利润多少主要由“原材料成本（Food）”，“劳动力成本（Labour）”和“房租成本（Rental）”决定，我们将其成为“FLR成本”，3大成本的总和应该控制在总营业额的70%以内，否则很难盈利。
在日常运营中可以在如下一些方面以数据化的方式进行更高效的运营。
- 在点餐过程中更具客户的偏好进行菜品推荐，甚至于一键智能点餐给客户推荐出一个菜品搭配，这些都可以在手机端完成，这样即可以提高菜品的销量，还可以减少客户点菜时间，提升客户体验，提高翻桌率，又可以节省服务员人力成本。
- 根据菜品的历史销售情况，总和节假日，气候和竞争对手得影响因素，对菜品效率进行预测，以便提前准备原材料。
- 定期对菜品销量进行统计，使用ABC法则（后面再讲）进行菜品优化，下架冷门的菜品。
- 对客户进行RFM分析（后面再讲），筛选优质客户进行关怀，提高客户消费频次。
- 从菜品复购率，新老会员占比，中晚餐平衡度，开台率，客单价等方面和整个产业行业进行比较，明确自己店铺的长处与短处，扬长补短。
总之，数据化运营就是通过科学的分析方法，将数据思维深入到日常的各种决策中，有效避免“人治”的随意性，避免依靠个人领导力的风险和不确定性，实现精准化营销与经营管理。
- 利益相关：本人是二维火数据中心负责人，部分图片来自二维火的产品截图。
