经营仪表盘：餐饮老司机们都会盯紧这些核心指标！

是内参君为您分享的第993期内容；新朋友点标题下蓝字或搜索微信号cylbnc关注。

“

没有飞行员能够在不接收信号，不了解飞机性能、天气、速度以及前方障碍物的条件下飞行。

没有将军能够在不了解敌情、不勘察地形、不思考对方可能采取的反制措施的情况下带兵打仗。

商业运行也是一样，需要越来越精确的了解所处的竞争环境和自身的组织状态。对餐饮企业来说，盯紧每个运营触点上的小数据十分重要。

这些关键控制点上的小数据，就是指导公司正常前进的仪表盘。它们能实时跟踪关键性的增长驱动因素，能缩短反馈回路，从而避免微小的失误演变成严重的后果。

那么餐饮企业最关注的小数据有哪些？内参君发起一项小调查，收到了20多家企业的回复。从今天起，内参君将分三期展示这些蕴藏大能量的小数据。

数据只提供答案，但它们对该问的问题保持缄默。

究竟哪些数据是餐饮企业最应该关注的，分别意味着什么，不同类型、不同发展阶段的企业有着不同的看法。

中西正餐、火锅等高粘性型企业关注的数据除了财务指标，对消费者反馈等事关体验的关注程度大大高于外卖、简餐等高效率型餐饮企业。

以王品CEO李森斌的答卷为例，来看看这类企业最关注的数据。

01

王品关注什么

▼

最关注数据

两条预警线

现金流预警：每月获利不佳，或现金流出现问题，一定会预警。绩效评比预警：通过七项绩效评比这样的管理体制，每月管理层会议上进行排名公布。表扬做得好的营运总监、区经理、店长，督促排名最后的门店努力。七项绩效评比内容包括：顾客抱怨、食品安全、营业额达成率、获利率、不当金额、行政稽核、离职率。其中顾客抱怨及食品安全是2大重点指标，评分的权重设定也不同。如果一家门店营业额达成率等所有的都做得很好，可是他们这个月有一单顾客抱怨，那基本上这家店的绩效评比分数就一定不会好。

王品红皮书

对于消费者数据，王品有专项统计分析。每月针对每个品牌，王品都会根据顾客意见卡、大众点评消费者评论、顾客抱怨情况，制作红皮书。每季度会议讨论红皮书并提出改善计划。

每季度营运事业处主管都会被绩效考核，这些考核衡量标准很大一部分来自于这些数据。

02

高粘性餐企还关注这些数据

▼

高效率型餐企主要指👇

简快餐、外卖等提供刚需型餐饮服务的企业。

高粘性型餐企则指👇

中西正餐、火锅等提供休闲体验型服务的企业。

一般是，高粘性型企业高客单低效率，高效率型企业低客单高效率。

高效率型餐企的利润产生在产品本身，高粘性型餐企的价值生成因素，除了产品，还有装修、氛围、情怀、服务等因素。

因此，他们对数据的关注点还有以下几点：

来客数TC和满两个月的员工离职率

乐凯撒创始人陈宁👇

来客数代表品牌热度，来客数的月推移，三个月为一个单位，比如7月就是5、6、7月和4、5、6月，3、4、5月，2、3、4月，1、2、3月去比，TC降就是警钟。离职率按门店和市场排名，离职率排名靠前的要分析原因。

会员转化率：来店人数/会员数比率

迷尚豆捞董事长曾雁翔👇

对消费者的数据分析主要集中在客流量，客单价，会员与散客比例和会员消费频次，据此进行菜品喜好趋势分析并针对性进行研发。

利润率代表你身体健不健康；现金流判断你能不能活下去；会员转化率预示你能活多久。

顾客满意度

烤匠创始人冷艳君👇

顾客满意度的数据主要来源是自己的会员系统、网络点评差评率以及其他渠道，比如店面渠道顾客满意度收集；还要对公众号的粉丝增长量、活跃度，每期活动的转化率进行统计分析。

｜小结｜

▼

IBM现任董事长兼CEO罗睿兰说：“数据在我们当今时代的角色就像是蒸汽、电磁和化石燃料对之前时代的角色一样。它有潜力推动更高一层的社会进步和繁荣。”

一家公司越使用数据，它的质量和价值就越高。

① 改善服务、产品或流程，因为数据可以帮助找到低效的地方；

② 为用户或客户量身定制产品或服务，因为数据让公司更了解他们；

③ 预测趋势发展方向，对产品和服务进行创新或革新，因为大数据可以帮助公司预测或只是找出新的、未被发现或者以其他方式无法察觉的需要、愿望和需求。

— 点击下列关键词，获取更多内参干货—

统筹：刘晓红｜编辑：王艳艳｜视觉：陈晓月

商务合作请加微信tinachenjiao

转载原创请加微信neicanmishu

< class="pgc-img">

、项目背景

餐饮行业属于快消行业，快消行业的特点就在一个快字上，决策者需要对各门店的每一天的销售情况进行实时的观测，才可以非常快速的了解当天的销售状况，寻找销售密码，从而快速发现问题，解决问题，响应市场的变化，对市场的需求进行快速的判断和决策。

现在我们根据某餐饮企业北京各店铺的日销售相关数据来制作一个超级简单的分析仪，以便决策者能够清晰迅速的了解各店面每一天的销售情况。

二、思路搭建

< class="pgc-img">

三、指标解读

< class="pgc-img">

四、理解数据

本次日销售情况分析仪的搭建共使用3张数据表，这三张数据表的表结构信息如下：

< class="pgc-img">

-bill表

< class="pgc-img">

-order表

< class="pgc-img">

-shop表

五、数据的整理与分析

1.数据整理

• 下面的过程可以直接在MySQL中完成也可以在Navicat客户端中完成。
• 由于本次数据源本身就特别规范，故无需进行数据清洗。
• 数据源表无标题行，故导入数据过程中无需忽略第一行。

1）新建数据库

-- 新建名为cateringcase(餐饮案例)的数据库 
create database Cateringcase;

2）新建Bill表并导入数据

根据-bill表的表结构信息新建Bill表并导入数据。

use Cateringcase;

-- 新建bill表
create table Bill (
billdate date not null,
billnumber varchar(20) not null default '-',
shopname varchar(20) not null default '-',
billdiscount float not null default 0,
paytime time not null,
tablenumber int not null default 0,
peoplecount int not null default 0
);
-- 导入数据(注意地址中的是左斜杠/哦，而且文件位置信息要写到要导入文件的略缩名-bill.csv)
load data local infile 'D:/01.lessons/1.data analysis/data analyst(Excel+MySQL)/11.source material/1.1data/data/-bill.csv'
into table Bill
fields terminated by ',';
-- 查看Bill表数据导入情况
select * from Bill;
select count(*) from Bill;

< class="pgc-img">

共682条数据（Navicat）

3）创建OrderDetail 表并导入数据

-- 创建shopdetail表并导入数据 
create table ShopDetail(
shopname varchar(20) not null default '-',
twotable int not null default 0,
threetable int not null default 0,
fourtable int not null default 0,
alltable int not null default 0
);
-- 导入数据 
load data local infile 'D:/01.lessons/1.data analysis/data analyst(Excel+MySQL)/11.source material/1.1data/data/-shop.csv'
into table ShopDetail
fields terminated by ',';
-- 查看ShopDetail表数据导入情况
select * from Shopdetail;
select count(*) from shopdetail;

< class="pgc-img">

共3410条数据（MySQL）

4）创建ShopDetail表并导入数据

-- 创建shopdetail表并导入数据 
create table ShopDetail(
shopname varchar(20) not null default '-',
twotable int not null default 0,
threetable int not null default 0,
fourtable int not null default 0,
alltable int not null default 0
);
-- 导入数据 
load data local infile 'D:/01.lessons/1.data analysis/data analyst(Excel+MySQL)/11.source material/1.1data/data/-shop.csv'
into table ShopDetail
fields terminated by ',';
-- 查看ShopDetail表数据导入情况
select * from Shopdetail;
select count(*) from shopdetail;

< class="pgc-img">

共5条数据

2.数据分析

1）用orderdetail表创建单汇总金额表（OrderGroup）

• 以orderdetail表的billnumber字段为汇总依据，求出每条billnumber下pay的加总值。
• 新表字段：billnumber（单号）、pay（金额）

-- 创建单汇总金额表（OrderGroup）
create table OrderGroup(
select billnumber ,sum(pay)as pay 
from orderdetail
group by billnumber
);
select * from ordergroup;

< class="pgc-img">

2）用Bill表与OrderGroup表创建新单号详细表（NewBill）

• 以billnumber为关键字段关联两表，将OrderGroup表中的pay字段合并到Bill表中，并使用pay与billdiscount字段计算出折扣金额。
• 新表字段：所有Bill表中的字段、pay（金额）、rebate（折扣金额）
• 计算逻辑：Rebate=pay * billdiscount

-- 用Bill表与OrderGroup表创建新单号详细表（NewBill）
create table NewBill(
select b.*,o.pay,b.billdiscount*o.pay as rebate
from bill as b left join ordergroup as o on b.billnumber=o.billnumber
);

select * from NewBill;

< class="pgc-img">

3）用Shopdetail表创建新店面情况表（NewShopDetail）

• 在原有shopdetail表字段基础上计算并添加allseats字段。
• 新表字段：所有ShopDetail表中的字段、allseats（总座位数）。
• 计算逻辑：allseats=twotable * 2 + three * 3 + fourtable * 6（其中四人及以上台数的每台平均座位数为6）。

-- 用Shopdetail表创建新店面情况表（NewShopDetail）
create table NewShopDetail(
select *, twotable*2+threetable*3+fourtable*6 as allseats
from shopdetail
);
select * from NewShopDetail;

< class="pgc-img">

4）用OrderDetail表与Bill表创建新点菜明细表（NewOrderDetail）

• 以billnumber为关键字段关联两表，并用Bill表中的shopname与OrderDetail表中的所有字段组成新表
• 新表字段：shopname（店名）、OrderDetail表中的所有字段

-- OrderDetail表与Bill表创建新点菜明细表（NewOrderDetail）
create table NewOrderDetail(
select b.shopname,o.* 
from OrderDetail as o left join bill as b on o.billnumber=b.billnumber
);
select * from neworderdetail;

< class="pgc-img">

5）用NewBill表与NewShopDetail表创建店汇总信息表（ShopTotal）

• 以shopname字段为关键字段关联两表，并以shopname字段为汇总条件，创建新表。
• 新表字段：店名： b.shopname，单数： b.billnumber的计数，人数： b.peoplecount的加总，折扣总金额： b.rebate的加总，店汇总金额： b.pay的加总，单均消费： b.pay的合计值/b.billnumber的计数值，人均消费： b.pay的合计值/b.peoplecount的合计值，总台数： s.alltable，总座位数： s.allseats，翻台率： b.billnumber的计数值/s.alltable，上座率： b.peoplecount的合计值/s.allseats，折扣率： b.rebate的合计值/b.pay的合计值。

-- 用NewBill表与NewShopDetail表创建店汇总信息表（ShopTotal）
create table ShopTotal(
select nb.shopname as 店名,count(nb.billnumber) as 单数,
sum(nb.peoplecount) as 人数, sum(nb.pay) as 店汇总金额, 
sum(nb.pay)/count(nb.billnumber) as 单均消费, 
sum(nb.pay)/sum(nb.peoplecount) as 人均消费, 
ns.alltable as 总台数,ns.allseats as 总座位数,
count(nb.billnumber)/ns.alltable as 翻台率,
sum(nb.peoplecount)/ns.allseats as 上座率,
sum(nb.rebate)/sum(nb.pay) as 折扣率
from NewBill as nb left join newshopdetail as ns on nb.shopname=ns.shopname
group by nb.shopname);

select * from shoptotal;

< class="pgc-img">

六、数据可视化

该过程可以在Excel（power pivot、power view 及powerquery加载项）中完成，也可直接在PowerBI客户端中完成，下面以PowerBI为例完成可视化。

1.将MySQL中处理好的数据表导入PowerBI。

1）用PowerBI连接数据库

< class="pgc-img">< class="pgc-img">< class="pgc-img">

2）将需要的数据表导入PowerBI

①选中需要导入的数据表，点击加载即可。

< class="pgc-img">

②点击‘转换数据’进入查询编辑器，对各表各字段的数据类型进行调整。

< class="pgc-img">

newbill表

< class="pgc-img">

shoptotal

2.数据建模

< class="pgc-img">

3）KPI指标展现

销售额：

这里面我们用每家店的平均销售金额/所有店的总平均销售金额来衡量这家店的销售KPI指标是否达标（即是否高于平均水平，不及格红色，绿色为优秀，黄色为及格）。

（1）新建度量值

各门店销售额平均值=AVERAGE('cateringcase shoptotal'[店汇总金额]) 所有店总平均销售金额=CALCULATE(AVERAGE('cateringcase shoptotal'[店汇总金额]),ALL('cateringcase shoptotal')) 店面销售情况=[各门店销售额平均值]/[所有店总平均销售金额]

2）建立销售额KPI指标

利用之前建立的度量值及可视化中的KPI模块，进行销售额KPI部分的可视化。

颜色设置规则：

• [店面销售情况]在1.2~1.5之间为绿色
• [店面销售情况]在1.0~1.2之间为黄色
• [店面销售情况]在<1.0之间为红色

< class="pgc-img">

其他KPI指标：

运用可视化功能中卡片模块进行设置。

最后KPI部分如下图所示：

< class="pgc-img">

4）店铺不同时段总体运营情况

以折线及柱形组合图来展现不同时段销售额及订单量的变化趋势。

< class="pgc-img">

5.各类菜品销售情况

< class="pgc-img">< class="pgc-img">

七、结果展示

哺和味千的翻台率基本处在一个水平上，小肥羊明显偏低，大快活、大家乐应该更高，可惜没找到数据。呷哺和小肥羊虽然同属火锅类，但是因为定位、定价不同，呷哺和味千倒像同一个细分行业（快餐），而小肥羊算正餐。海底捞没上市数据找不到，感觉海底捞虽然属于正餐火锅，但是翻台率应该不低于呷哺，不过由于价位差别比较大（大众点评上看，呷哺均价48，海底捞105），目标客户群体不一样，也不能判断海底捞就好于呷哺。

味千近几年的人效指标上升，主要是由于裁员而不是经营情况转好。以前凭感觉，呷哺一个店里没几个服务员，人效应该比较高才对。但是算下来只有16-18w，比味千还低，更不用说香港的两大快餐连锁$大家乐集团(00341)$和$大快活(00052)$，这两家的人效在40w左右。呷哺人效低的原因应该翻台率不够高（不如大家乐、大快活），客单价又比较低。

呷哺的坪效比较高是符合感觉的，单人单锅，U型台设计，都有利于提高餐厅每平米面积的利用率。单店面积呷哺220平米，味千230平米，小肥羊1200平米，呷哺和味千的单店面积虽然差不多，但是店面布局明显比味千好一些。

从同店增长的数据来看，近几年餐饮行业不好做，像$小南国(03666)$$唐宫中国(01181)$这些高档酒楼的生意更不好做。

小肥羊开在一线城市的比例较低，因此租售比（租金/销售额）明显低一些。味千档次定位比呷哺高一些，租售比也要高一些。大快活租售比基本维持在14-15%左右。

比较几个经营数据，呷哺应该是属于快餐行业而不是传统火锅行业。正如贺光启所说，“呷哺呷哺的竞争对手，不是传统的火锅企业，而是整个快餐市场。”以往，呷哺呷哺的店面大都集中在商场或是大卖场，目标客户主要定位于年轻群体。如今，呷哺呷哺将目光瞄准了写字楼密集地区。不管怎么说，火锅本身的美味和快餐化的形式都能为吃惯了套餐盒饭的商务白领增添一种新的选择。

好多人都说餐饮行业是非常不好的行业，口味没法保证、不能标准化、难复制扩张，也没出过什么牛股。实际上这主要说的是正餐这个细分行业，像$全聚德(SZ002186)$$唐宫中国(01181)$$小南国(03666)$这类企业，确实没有出过什么大牛股。但是快餐行业就不同了。比如香港的两家快餐连锁龙头，大家乐和大快活，不算派息也是数年涨幅超过十倍的大牛股。（以下两个是除权的k线图）

快餐行业可以标准化，容易复制，这俩家仅仅在香港地区经营就能给投资者带来这么丰厚的回报。同属于快餐行业的呷哺，未来会有多大空间呢，拭目以待吧。