• 数据化管理在餐饮业中的应用


    一、为什么要重视数据化运营和管理?

      “从经营到管理,管理方向需要数据灯塔”

    餐饮市场和社会各业具有相似之处,也有很明确的本质不同。

    1、首先,餐饮市场不像电信、石油市场是垄断性的,餐饮市场充分透明,符合经济上所说的充分竞争市场的特点。如果想要了解竞争对手,可以通过多种方法获取相关信息,这里很多数据和资料都是公开的。举例来讲,我接触到的连锁经营的客户,想要进入一个新的品类,他们首先会寻找和他们品类相近的同城门店,实地走访,访谈他们的客户,观察客流量,去看点评、美团上的客户评价数据,定期检测数据的动态,从而预判自己新的品类投放到市场之后可能的销售结果。所以说,对餐饮行业来讲,获取数据的手段不像其他行业的壁垒那么高。你可以通过丰富的途径获取信息,从而帮助我们在管理上做出有效决定。

    2、第二个特点上来看,餐饮首先是一家企业,特别是当我们的企业成长到更大规模时,它符合一般企业经营的特点。但餐饮又不太一样,“民以食为天”,国人爱吃,又比较喜新厌旧。越来越多的品类、经营方法层出不穷。这时就对我们的反应速度和运营要求会比较高,需要我们随时处在应变的状态,需要靠在关键细节上的运营和创新获得竞争优势。

    3、餐饮经营的内部复杂度很高。比如,当从城市级的连锁扩展到地区乃至全国的连锁,会面临区域跨度的挑战。同时,管理的最小单位是门店,甚至是班组和具体的一个人,那么整个的链路从前端到后端,从上层到下层跨度非常大,对整个企业形态也是一个挑战。其实现在大多数的餐饮连锁企业已经非常重视管理的问题。例如《案例解析|如何打造餐饮业务一体化的大数据平台?》中提到,以往公司的领导比较热衷于大店的模式,但是到底适不适用,并没有一个准确的结论。后来针对这些门店做了一个评测方面的数据分析,分析每平方米可获得多少营收。最终发现小型门店所获得的效益要比大型门店高。因此针对这种情况,公司在战略上做出了相应的调整,降低部分大型门店的数量,增加小型门店。

      “不确定的市场环境,只有数据从不说谎”

    基于餐饮行业本质和系统的现状,现在的餐饮连锁企业,数据化管理处于1.5的状态。在1.0的时代,会应用一些系统代替人工,打下数据化的基础。在1.5的状态,我们意识到数据和信息的价值,但还缺少有效的方法和工具以及企业内部的执行。但是,在这样一个竞争激烈、高度不确定的市场下面,作为企业的管理、决策者,非常需要数据。

    餐饮行业中,如星巴克,我们很难定义它是餐饮公司还是资产公司或者数据公司。这要从不同角度去解析。从产品的形态来看,星巴克是卖咖啡、蛋糕的公司,通过门店的扩张连锁来实现资产的积累;它又像是一个资产公司,它本身是上市的。但另外一个角度来讲,它在门店提供音乐、提供星享卡这样的会员制营销方式时,一个城市中1/10、1/5的人在门店里留下自己的信息,它直接掌握了这个城市里相对比较精英的商务消费人群的消费数据,对咖啡文化比较认可的数据,乃至重复消费的数据,那么实际上他直接掌握到了人的信息。这样的信息,从量变到质变,积累到一定程度时,特别是当它的服务、当它与客户之间互动的方式越来越在线化的时候,它作为一个餐饮公司与数据公司或者互联网化公司之间的界限就越来越模糊,其中很大的差异在于它将商家与客户之间的关系定义成了一种互联网化的关系并把它数据化且持续积累了下来。

      “理念转变,数据资产是弹性生产力”

    餐饮连锁成功的本质是快速有效成功的复制。经过一个或长或短周期的摸索,我们可以获得一些经验,这些经验通过数据化管理的方法,可以固化成一种企业内部的管理机制。当我们到达这样一种程度时,我们的业务经营是可以快速复制的。重视自己数据层面的资产才能够从中获得价值。

    二、什么是数据化管理?

      “数据来源、可衡量、落实到人”

    用数据说话,通过数据分析,理清楚企业经营过程中的真相,了解活动间的内在联系,能帮助我们做出正确的决定。数据化管理包括两个维度,运营层面上,需要将企业经营活动实现量化管理;同时,结果的应用会进行目标管理。

    经验和数据之间其实是相互支持的关系。如果没有良好的数据支持和数据环境,再先进的管理方法都无法奏效。有人说,我有丰富的经验。经验是主观、快速、低成本的,但容易产生争议,有较大风险。如果用数据的方式来弥补不足,那就是建立在客观有效的基础之上,就有是一种更加科学理性的决定。

    我们要保证有质量的数据来源,结构化,建立一整套人的行为能实现的数据清洗制度,不被脏的数据干扰视线。应用时,依托数据实现目标管理,规避经验主义的缺陷,制定目标时需要动态和有阶段性,和人的行为通过KPI分解的方式有效绑定。当我们提到目标管理的时候,我们要建立一整套的目标体系。作为企业的组织者,制定总的目标,并制定下级的分目标。目标体系实施过程中,通过上下级的沟通、确认做综合性的管理。这时,应以数据说话。盯数据,抓管理。

    尽可能以非常具体的可衡量的方式解释我们的日常绩效和行为,尽量避免“感觉”“差不多”这样的用词。关键的时间节点,要对各级目标和结果进行检查和评价,并及时沟通。数据化的目标管理要尽可能的贴近实际、可量化、可达成共识,这样的目标应该优先考虑。

    所有的目标应该落实到人。每一个管理人员要负责的目标应该是5-8个。过少,可能以偏概全。周期应该以半年为限。KPI指标的制定中,所有的KPI指标都应指引人的行为。KPI之间不会从单一的少数指标去做片面的判断,而应从不同纬度做判断。

     

      “这些指标不得不看,这个案例助你理解”

    餐饮行业数据分析中,可以有这些大的分类:

    *安全性的绩效指标:流动资金的比例,负债的比例,自有资本的比例等;

    *收益性的指标:营业额达成比例,毛利率,营业费用的比例,人事费用的比例,净利和回报之间的比率,营销的ROI等;

    *发展性的指标:营业增长率,开店速度等;

    *经营效率指标:客单价,库存产品周转率,坪效,店里劳动力的绩效,资产周转率等。当我们有这种总体指标之后,可以细化每个部门、不同流程间的指标。如,采购部门,会有订货取消率、交货时间差异、完成速度、供应商贡献度、成本差异、耗损度、货架使用率、缺货重复率、质量的关键值等更细化的指标。

    举一个非常常见的例子。促销是企业常见的行为。执行部门一般是运营、营销部门。

    第一步我们需制定目标:增加来客数、提高客单价、扩大营业额、淡旺季调整菜品分类占比、把新品推上去、消化可能库存有盈余的产品、针对某个群体加深品牌印象、应对竞争对手的策略等。选取三到五个为核心目标。

    下一步就是量化,需要达到的数字、实际达成的数据、对比数字、计划达成率、执行期间成长率的同期比较、促销有没有对其他产品有带动率等,以此对过程和结果有更清晰的了解。比如执行促销计划时,首先对促销产品的选择,如前期的销售毛利、当前和预估毛利,品类覆盖相互的占比,以选择产品,而不是拍脑袋选择一个单价低的等。促销目标,衡量指标可能就是来客数、客单价、销售额、单品销售数量、促销品在整个销售之间的占比等,建立模型,在若干次尝试后或许能找到更有效的执行方法和组合。

  • 相关阅读:
    WPF添加ResourceDictionary后【The Property "Resource" can only be set once】问题
    WPF中获取匿名(Anonymous)对象的键值方法(例如DataGrid绑定List<无名元素>时)
    安装Win10到移动硬盘的利器:WTGA
    xcodebuild 能在模拟器上运行测试啦
    Jenkins Mac slave 遇到 git: 'credential-osxkeychain' is not a git command. 错误
    远程调试UWP遇到新错误Could not generate the root folder for app package ......
    开始学习python
    文件打包
    统计 某个目录下 所有的文件的行数
    根据进程名称获取进程id
  • 原文地址:https://www.cnblogs.com/fr2851322971/p/6722923.html
Copyright © 2020-2023  润新知