< class="pgc-img">

图片来源于网络）

餐饮具卫生是食品安全法的基本要求，也是餐饮业管理的重要内容。餐饮具微生物指标是评价餐饮具卫生状况的重要指标，与食源性疾病的发生密切相关，也是卫生监管部门开展常规卫生监督以及专项抽检的重要内容。食品安全国家标准消毒餐（饮）具（GB14934-2016）针对餐饮服务提供者、集体用餐配送单位以及餐饮具集中清洗消毒服务单位等规定了大肠菌群和沙门氏菌两项微生物限量指标，常作为评价食品、餐饮具等卫生状况的重要指标，也常作为良好卫生规范实际执行效果评价的一个重要指标。北京市食品药品安全企业联盟汇总了标准发布近5年中国知网以“餐饮具消毒”为主题词的文献微生物检测结果数据，共筛选纳入33篇文献，文献的作者单位主要为各地相关卫生部门。

一、省级行政区域

从省级行政区域看，共涉及我国34个省级行政区域中的19个，涉及的餐饮具样品数量合计38267件/批，包括上海、云南、北京、吉林、四川、天津、山东、山西、广东、江苏、江西、河北、浙江、甘肃、福建、辽宁、陕西、安徽、广西，基本覆盖我国东南西北几个大的地域。数据的发布者主要为各地卫生部门，因此，数据结果具有一定的代表性和权威性。

< class="pgc-img">

图1. 19个省级行政区域餐饮具样品数量（件/批）

< class="pgc-img">

图2. 19个省级行政区域餐饮具样品分布

二、大肠菌群检测

从大肠菌群检测结果看，共涉及38267件/批餐饮具样品，所有样品均开展了大肠菌群检测，其中合格样品数量共计29957件/批，不合格8310件/批。以省级行政区域来看，大肠菌群合格率为82.95%，合格率最大为94.44%，合格率最小为57.24%；不合格率为17.05%，不合格率最大为42.76,%，最小为5.56%。19个省级行政区域中，合格率高于90%的有6个，合格率为80-90%之间有7个，合格率70-80%之间有3个，合格率低于70%的有3个。考虑到大肠菌群检测的便捷性、经济性和对餐饮具卫生状况的高指示性，总的来说，我国餐饮行业餐饮具消毒的卫生状况较好，但仍有进一步提升的空间，有必要进一步加强餐饮具消毒的过程规范与管理，监督各项消毒制度与措施的落实到位。

< class="pgc-img">

图3. 19个省级行政区域餐饮具样品大肠菌群检测结果百分比

< class="pgc-img">

图4. 19个省级行政区域餐饮具样品大肠菌群检测结果合格率与不合格率双向百分比

三、沙门氏菌检测

从沙门氏菌检测结果看，38267件/批餐饮具样品中有11522件/批样品开展了沙门氏菌检测，检测率为30.11%。已开展沙门氏菌检测的样品的沙门氏菌合格率为100%。19个省级行政区域中，沙门氏菌检测率为100%有5个，部分开展检测的有8个，未开展检测的有5个。从检测结果看，文献中开展了沙门氏菌检测的11522件/批样品均未检出沙门氏菌。此外，考虑到沙门氏菌的检测方法较大肠菌群相对比较复杂，在餐饮具日常监管与抽检过程中实际开展检测样品的比例相对较低。因此，一是建议市场监管部门进一步探讨一下在日常卫生监督以及抽检过程中进一步细化开展沙门氏菌检测的应用场景，提升检测助力餐饮卫生水平提升的成本-效益；二是有必要开展针对餐饮具沙门氏菌指标的简便、经济的检测技术和装备的研发，提升检测率。

< class="pgc-img">

图5. 19个省级行政区域餐饮具样品沙门氏菌开展检测情况百分比

< class="pgc-img">

图6. 19个省级行政区域餐饮具样品沙门氏菌检测率与未检测率双向百分比

参考文献：

[1]祖琴琴,麻小娟.守护舌尖上的“安全”——论消毒餐饮具的卫生状况[J].食品安全导刊,2020(36):110-111.

[2]李莹莹,于海瑶,张红丹,张默涵.长春市2017年餐饮具消毒效果监测结果分析[J].食品安全导刊,2020(33):103.

[3]陈琴.2018—2020年磐安县餐饮单位餐(饮)具消毒效果监测分析[J].食品安全导刊,2020(21):75.

[4]王竞楠.江苏省某区县2019年不同主体业态餐饮店不同类型餐饮具大肠杆菌、沙门氏菌消毒效果现状调查研究[J].食品安全导刊,2020(12):135-136.

[5]张丽东.普通旅客列车餐(饮)具卫生状况调查[J].中国消毒学杂志,2020,37(02):134-136.

[6]刘丽丽.2017年晋中市餐饮服务环节餐饮具抽检结果分析[J].中国药物与临床,2019,19(24):4259-4260.

[7]白雯静,王艳炜,周斌,王月玲,刘荔.2017～2018年兰州市餐饮单位餐饮具消毒效果监测分析[J].甘肃科技,2019,35(20):73-74.

[8]王文特,田洪芸,王冠群,范丽,任雪梅.山东省2018年餐饮食品质量安全状况及对策探讨[J].食品安全质量检测学报,2019,10(18):6389-6397.

[9]谢颖珏,王冬月,吴东,谢福生.江苏省餐饮具集中消毒单位调查及现状分析[J].食品安全质量检测学报,2019,10(17):5958-5961.

[10]王维亚,吴珊珊,林智超,王倩.2018年南昌市餐饮具消毒效果分析[J].食品安全导刊,2019(24):103-104.

[11]叶蕾,孙金海.2015—2017年上海某区消毒餐饮具卫生状况监测及其影响因素[J].上海预防医学,2019,31(02):146-149.

[12]刘聪,余菊,鲁飞.扬州市餐饮具集中消毒服务单位消毒效果监测分析[J].江苏卫生事业管理,2019,30(01):131-133.

[13]余晓雯,余震东,项巩凡.2016年-2017年临海市餐饮行业餐饮具消毒效果监测分析[J].中国卫生检验杂志,2018,28(22):2801-2802+2806.

[14]李媛,郑旭坤.天津市南开区46家幼儿园卫生监测结果分析[J].中国城乡企业卫生,2018,33(04):171-172.

注：我国餐饮具微生物检测数据分析报告为系列文章，后期将更加深入分析、挖掘，将涉及的风险进行研判，敬请关注！

来源：北京食药联盟

< 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

023年即将过去，回望今年的餐饮市场，虽有强势复苏的年初、火爆的“五一”，但一再下降的“价格战”、一波接一波的“闭店潮”还是让整个行业感受到了“寒意”。在餐饮行业洗牌加速的大环境下，餐饮企业要想一路高歌猛进，离不开对市场的敏锐洞察和精准把控。而餐饮市场数据是餐饮企业洞察市场的主要依据。那么，从哪里可以收集到餐饮市场数据呢？

< class="pgc-img">

政府机构和行业协会是获取餐饮市场数据的重要途径。例如，国家统计局、各地的商务部门、市场监管部门会发布各类行业数据，其中包括餐饮行业的统计数据。此外，加入餐饮相关的行业协会，也可以获得一些会员间的数据共享和交流机会。

互联网和社交媒体的普及为餐饮市场数据的收集提供了一个新的渠道。通过搜索引擎、在线订餐平台、社交媒体等途径，可以获取消费者的搜索记录、点餐记录、评价反馈等信息。

此外，实地调研和问卷调查仍然是企业常用的市场数据收集方法。通过实地走访餐饮聚集区、商业街等区域，可以了解当地的消费水平、餐饮竞争情况等信息。而通过问卷调查则可以更直接地了解消费者的需求和偏好，例如口味、价格、服务质量等方面的反馈。

然而，虽然从政府机构、行业协会、互联网、社交媒体、实地调研以及问卷调查等途径可以收集到一些餐饮市场数据，但这些数据往往存在过时、不全、杂乱等问题，可利用价值并不高。当下，越来越多的餐饮企业开始借助数字化手段，获取真实、精细的餐饮市场数据。

百炼智能店店通（餐饮版）汇集全量互联网数据及线下门店数据，运用NLP、图像识别等AI技术将数据深度处理及整合，覆盖近1000万家优质餐饮门店大数据，涵盖面包甜点、烧烤烤串、本帮江浙菜、云贵菜、粤菜、小吃快餐、水果生鲜、咖啡店、饮品店、酒吧等26种不同餐饮门店类型。借助百炼智能店店通（餐饮版），餐饮企业不仅可以轻松获得大量餐饮市场数据，还可以深度分析这些数据，市场动态一目了然。

< class="pgc-img">

来源：百炼智能店店通

餐饮行业经过2023年的洗礼，正在加速变革，离“复苏的春天”已经越来越近了。身处其中的餐饮企业如果能够借助数字化的力量，科学布局市场，抓住此番复苏周期，或将提前迎来蝶变。

福利来啦！点击我的头像，进入我的主页，在主页下方“申请试用”菜单中选择“店店通”，可以体验百炼智能店店通（线下全渠道智能营销获客平台），轻松开拓线下市场！