ПРОГНОЗИРОВАНИЕ ВЫРУЧКИ РЕСТОРАНОВ БЫСТРОГО ПИТАНИЯ С ПОМОЩЬЮ ИНФОРМАЦИОННЫХ СИСТЕМ

Вопросы прогнозирования стоимостных показателей (выручка, прибыль, затраты и др.) всегда занимают руководство организации, ее акционеров и потенциальных инвесторов. В настоящее время на фоне развития информационных технологий данный вопрос стоит гораздо острее. Для внутренней работы ресторана быстрого питания также очень важны точные прогнозы выручки. Их используют для принятия оперативных управленческих решений, таких как: заказ продуктов и расходных материалов, составление расписания персонала ресторана. Руководство организации и управляющее звено ресторана хочет видеть как можно более точные прогнозы, но средств для этого не так уж и много. В данной статье предлагается собственный вариант информационной системы для краткосрочного прогнозирования выручки ресторана быстрого питания в пределах одной недели.

Такие крупные сети ресторанов быстрого питания как, например, KFC, McDonald’s или Burger King, не так остро нуждаются в краткосрочном прогнозировании выручки, как более мелкие сети или даже отдельные заведения. Причиной этому является поток гостей, который у подобных крупных сетей очень велик, и они точно знают, что продукты, закупленные для приготовления блюд, не испортятся. В мелких же сетях краткосрочное планирование выручки значит много, оно помогает делать корректные заявки на продукты и расходные материалы, что уменьшает списания продуктов и повышает удовлетворенность гостей, ведь в наличии всегда есть все представленные в меню блюда.

Все вышесказанное обуславливает актуальность данной статьи.

В ходе анализа существующего программного обеспечения было выявлено, что существует множество различных приложений для прогнозирования чего-либо. Для прогнозирования именно в ресторанном бизнесе не было найдено ни одного программного продукта, так как, если таковые и имеются, то написаны под конкретный ресторан и их нет в открытом доступе. Исходя из этого, я предлагаю свою версию простого программного приложения для ресторана быстрого питания.

В ходе анализа было выявлено, что выручку можно рассчитать с помощью математической модели, имитационного моделирования, экспоненциального сглаживания и многими другими методами. Все эти методы требуют от управленцев специальных знаний и навыков. Мною не было обнаружено какого-то простого способа прогнозирования, не требующего подготовки.

Ежедневная выручка подобных ресторанов при внутренних равных условиях напрямую зависит от следующих внешних факторов:

·     календарный месяц;

·     день недели;

·     начало, середина либо конец месяца;

·     температура воздуха;

·     наличие каких-либо осадков;

·     праздники;

·     акции в ресторане;

·     акции в ресторанах-конкурентах, находящихся поблизости.

Ежедневно менеджер ресторана заносит в предлагаемое приложение вышеперечисленные статистические данные. Для того чтобы спрогнозировать выручку на следующий день, нужно всего лишь туда ввести нужные месяц,  день недели, прогноз погоды, наличие праздников, акций в собственном ресторане и ресторанах-конкурентах. Приложение обрабатывает полученные данные, сравнивает их по каждому параметру с фактическими данными за прошлые периоды, введенными ранее, и из похожих или совпадающих по показателям дней выбирает среднее значение выручки методом простого скользящего среднего.

Рассмотрим метод простого скользящего среднего. Он заключается в том, что прогнозируемый показатель рассчитывается как усредненное значение этого показателя за несколько предыдущих моментов времени. В результате подобной операции первоначальные колебания динамического ряда сглаживаются, поэтому и операция называется сглаживанием рядов динамики. В общем случае формула выглядит так:

                                            (1)                

где:  – прогноз продаж на момент времени ;

 – число предшествующих моментов времени, используемых при расчете (интервал сглаживания); 

 – реальное значение показателя в момент времени .

Данным, включенным в процесс скользящего среднего, присваивается одинаковый вес. Вес отдельного наблюдения, входящего в скользящее среднее, равен 1/N, и равен нулю для наблюдений, отсутствующих в нем. Чувствительность скользящего среднего обратно пропорциональна числу точек, входящих в среднее, поэтому без изменения числа точек чувствительность изменить невозможно.

В предлагаемом приложении за основу берется не определенный прошлый период времени, а отобранные ранее похожие по параметрам дни. Значения выручки в эти дни складываются и делятся на количество этих дней. Тем самым точность подобного прогнозирования зависит от количества введенной в приложение фактической информации за прошлые периоды, чем больше ее, тем точнее результат.

На примере сети ресторанов «Big Yorker» в городе Красноярск, в которых было внедрено данное приложение, можно сказать, что оно довольно эффективно. В данных ресторанах и ранее собиралась в простой электронный отчет вся статистическая информация, но прогнозы по ней делались «на глаз», без применения каких-либо математических методов. С внедрением предложенного приложения менеджеры ресторана могут делать гораздо более точные прогнозы выручки сроком до недели, что позволяет делать более корректные заявки на продукты. За месяц использования вышеописанного приложения в шести ресторанах сети удалось уменьшить остатки на складах в среднем на 40-50 тыс. рублей и избежать нехватки продуктов, при этом приложение абсолютно бесплатно. Данный факт, несомненно, позволил избежать эффекта «мертвых затрат» и тем самым увеличить чистую прибыль ресторанов, что доказывает эффективность предложенного мною приложения.