摘 要

技術(shù)、市場和競爭態(tài)勢都要求餐飲/食品服務(wù)供應(yīng)鏈中的公司，提高他們常常落后于其他類似行業(yè)公司的分析能力。全球COVID-19大流行進一步促使該行業(yè)領(lǐng)導(dǎo)者評估新的挑戰(zhàn)和機遇。我們的研究為分析技術(shù)在當前環(huán)境中的應(yīng)用提供了洞見，并為餐飲供應(yīng)鏈的決策者結(jié)構(gòu)化地集成了這些洞見。該研究以決策理論為框架視角，參考了數(shù)據(jù)管理、分析技術(shù)和計算方面的相關(guān)學術(shù)文獻。我們將來自美國和中國餐廳連鎖領(lǐng)導(dǎo)企業(yè)的采訪數(shù)據(jù)，與商業(yè)出版物和社交媒體上的見解結(jié)合起來，以確定分析應(yīng)用和組織變革的最佳實踐。我們的分析提供了商業(yè)領(lǐng)導(dǎo)者將分析技術(shù)應(yīng)用于結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的案例，以達到解決需求/供應(yīng)過程的目標，并促進更高層次的組織學習。為了與《生產(chǎn)和運營管理》特刊的宗旨保持一致，本研究提供了餐飲行業(yè)當前最先進的分析能力，以及下一代的分析能力的總攬。我們并且進一步明確了當前分析過程的局限、進一步的發(fā)展機會和理論研究機會，以及實施的挑戰(zhàn)。

名詞解釋

結(jié)構(gòu)化數(shù)據(jù)：

形式為“字母-數(shù)字”，是被預(yù)先分配的標簽和根據(jù)預(yù)定義的方案進行組織的數(shù)據(jù)，簡單說就是數(shù)據(jù)庫。

非結(jié)構(gòu)化數(shù)據(jù)：

以文本、視頻、音頻和圖像等形式傳遞的連續(xù)信息(Liu et al.，2016)。

針對性的分析：

分析的問題是預(yù)先定義好的，分析的重點是開發(fā)和將算法或決策規(guī)則應(yīng)用于問題的解決方案設(shè)計和決策選擇 (Gorry & Scott Morton, 1971)。在供應(yīng)鏈管理領(lǐng)域的例子包括：預(yù)測、庫存計劃、資源調(diào)度和位置/分配決策，其中預(yù)測和決策質(zhì)量根據(jù)預(yù)定義的標準進行評估。這種有針對性的分析旨在優(yōu)化供應(yīng)鏈管理的有效使用資源（Chen et al., 2021;Choi et al., 2018）。

探索性分析：

比起尋找已知問題的最佳解決方案，探索性分析的目標是學習(例如，問題或機會識別; Chen et al., 2021)。決策者運用數(shù)據(jù)挖掘技術(shù)，模式識別，判斷和領(lǐng)域知識來識別、評估和將洞察力融入新的研究領(lǐng)域。供應(yīng)鏈管理活動中的探索性分析的例子包括，搜索銷售數(shù)據(jù)、客戶和供應(yīng)商的模式或異常評論，在線點擊流量，商品購買數(shù)據(jù)，運輸數(shù)據(jù)，或供應(yīng)商或客戶交易或關(guān)系數(shù)據(jù)。在這樣的分析中得到的洞見可能是提出流程改進、新產(chǎn)品想法、或增值服務(wù)的建議（March, 1991;  Chen et al., 2021年；Choi et al., 2018）。

根據(jù)決策理論的分析應(yīng)用類型：

最新技術(shù)水平的分析

在本章節(jié)中，我們將討論數(shù)據(jù)分析的普遍應(yīng)用，這些應(yīng)用使用了從整個供應(yīng)鏈捕獲到的不同數(shù)據(jù)源的數(shù)據(jù)。我們利用上述的決策框架來組織和比較分析的用法，討論與數(shù)據(jù)集成和共享相關(guān)的問題。根據(jù)決策理論，利用我們對訪談和輔助數(shù)據(jù)源的分析，我們提供了所有四種類型分析(如圖)應(yīng)用的例子。

人員管理

使用結(jié)構(gòu)化數(shù)據(jù)進行針對性分析

餐廳經(jīng)理追蹤配送、烹飪和顧客等待時間，以便更好地規(guī)劃勞動生產(chǎn)率和員工滿意度。例如，一個數(shù)據(jù)分析團隊最近重新設(shè)計了排班軟件，將生活質(zhì)量、員工因不方便的較短輪班安排帶來的在通勤上的更多時間花費、以及其他影響員工工作體驗的因素，都納入到軟件設(shè)計的目標中。對排班軟件的調(diào)整為公司節(jié)省了50萬美元的再培訓(xùn)和生產(chǎn)力損失成本，因為在一年之內(nèi)，有更多的員工愿意留下來在合理的排班安排下工作。

使用結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

在另一個例子中，連鎖餐廳Cava Grill記錄了與某些人員配置相關(guān)的客戶滿意度數(shù)據(jù)。他們發(fā)現(xiàn)，服務(wù)于不同排隊隊伍的員工，他們的個性風格對客戶體驗的影響也不同，當健談的員工為排隊的客戶服務(wù)時，他們會幫助隊伍運行得更順暢。

菜單設(shè)計

圖片來自網(wǎng)絡(luò)

使用結(jié)構(gòu)化數(shù)據(jù)進行針對性分析

餐館正在菜單設(shè)計規(guī)劃中使用大數(shù)據(jù)分析。我們采訪的一個物流服務(wù)商開發(fā)了一種分析工具，使加盟商和營銷人員能夠比較不同地區(qū)的菜單品種表現(xiàn)的數(shù)據(jù)。價格、利潤率和店內(nèi)生產(chǎn)率都被納入一個強制的排名分析體系，以幫助決策者選擇菜單上的菜品，移除、推廣或與其他菜品合并，來推動更高的顧客支出。在另一個例子中，麥當勞最近收購了一家人工智能開發(fā)公司，以基于天氣的數(shù)據(jù)，生成定制化的菜單，來增加營收。

使用非結(jié)構(gòu)化數(shù)據(jù)進行針對性及探索性分析

社交媒體為餐廳提供了大量的數(shù)據(jù)，以使餐廳經(jīng)營者產(chǎn)生洞察力。根據(jù)一家物流服務(wù)商副總裁的介紹，該行業(yè)的許多從業(yè)者都處于將非結(jié)構(gòu)化的社交媒體數(shù)據(jù)結(jié)構(gòu)化的早期階段。他指出，一些品牌正在創(chuàng)建“控制中心”來跟蹤社交媒體上的客戶發(fā)言。例如，一家物流服務(wù)商正在使用來自Instagram和Twitter等平臺上的客戶評論和趨勢信息的數(shù)據(jù)，來預(yù)測商品數(shù)量(針對性分析)，并識別和糾正潛在問題，比如食品安全(探索性分析)。在另一個案例中，麥當勞使用工具，讓每個特許經(jīng)營者可以接觸到利潤率、銷售額等數(shù)據(jù)，因此商店可以決定哪些產(chǎn)品應(yīng)該推廣、撤下或合并。

使用結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

菜單格式還可以通過添加有關(guān)餐廳目標顧客的人口統(tǒng)計信息進行優(yōu)化。例如，北德克薩斯大學的一項研究發(fā)現(xiàn)，35歲至65歲之間，受過高等教育的女性，更有可能關(guān)注她們飲食中反式脂肪和飽和脂肪的含量。針對這些客戶的餐廳，可以在菜單上提供相關(guān)信息以吸引顧客(Bharath et al., 2009)。

使用非結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

餐館正在尋找機會，通過改變菜單品種的順序，改變或增加菜單品種的描述，甚至刪除不受歡迎的菜單品種，以減少未使用食材的庫存，提高顧客滿意度和餐廳生產(chǎn)率。例如，特拉華州塔利維爾的一家當?shù)夭蛷dEl Camino Mexican Kitchen，分析了OpenTable和TripAdvisor上批評食物味道平淡、價格不合理的評論后，對產(chǎn)品進行了全面改革。如：增加分量、推出新選擇、更新食譜等，這樣帶來了越來越積極的顧客評價，并獲得了當?shù)匦侣劸W(wǎng)站的專題報道。

預(yù)測和管理需求

圖片來自網(wǎng)絡(luò)

使用結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

當行業(yè)中使用的需求預(yù)測模型通常十分簡單時(例如，簡單的基于excel的模型)，一些連鎖店開始將機器學習應(yīng)用到過去的產(chǎn)品銷售數(shù)據(jù)中，以搜索產(chǎn)品的需求特征，這樣可以更好地預(yù)測未來產(chǎn)品的需求。他們希望將這種學習應(yīng)用于構(gòu)建相關(guān)的產(chǎn)品模型，以用于預(yù)測含有特定組合的新產(chǎn)品的需求。

在線餐廳信息和即時社交媒體數(shù)據(jù)，幫助餐廳了解顧客到達模式和推動客戶行為。比如谷歌的餐廳信息頁面，顯示了餐廳的平均繁忙程度（每天的哪幾個小時繁忙？一周的哪幾天？)，還可以反映實時的餐廳繁忙程度。餐廳可以利用這些信息來協(xié)調(diào)人員配置。此外，Yelp平臺現(xiàn)在可以授權(quán)餐廳為顧客管理虛擬隊列。顧客可以在Yelp上加入一個虛擬的隊列，然后查看他們的位置和預(yù)估的等待時間，并在桌子準備好時收到通知。通過實時更新目前的等候名單和后面的來客，餐廳可以自行決定是否加快或維持其內(nèi)部操作的當前速度。從長遠來看，飯店也可以采用記錄等待時間和到達模式，來計劃他們的服務(wù)產(chǎn)品和人員配置水平。

食品質(zhì)量控制

使用非結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

在供應(yīng)鏈中，食品加工商獲取第三方數(shù)據(jù)(Twitter, Yelp)，并使用關(guān)鍵詞和標簽進行分析，以對他們的包裝工藝及冷鏈管理進行改進。例如，Twitter上的許多客戶抱怨有些牛肉吃起來味道不好，還有怪的氣味(Mishra & Singh, 2018)。這些投訴提醒加工商注意低效的包裝方法和產(chǎn)品加工中的潛在問題。

連鎖餐廳還通過在與餐廳品牌相關(guān)的社交媒體活動中，標記“食物中毒”或“生的”等關(guān)鍵詞來跟蹤社交媒體活動，以確定食品質(zhì)量問題。一家物流服務(wù)商的副總裁指出，來自社交媒體的數(shù)據(jù)可以幫助連鎖店，在出現(xiàn)質(zhì)量和安全問題時“瞄準潛在的活動熱點”。例如，監(jiān)控社交數(shù)據(jù)就幫助Chipotle，在幾年前爆發(fā)大腸桿菌疫情時，迅速關(guān)閉了相關(guān)地區(qū)的門店。連鎖餐廳也在利用大數(shù)據(jù)控制食品質(zhì)量和口感(Mishra et al，2017)。例如,Cheesecake工廠采用IBM的分析服務(wù)來識別和去除不符合質(zhì)量和一致性標準的原料。

位置選擇和餐廳設(shè)計

使用結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

連鎖餐廳正在使用大數(shù)據(jù)分析，來識別進行業(yè)務(wù)擴展的適當?shù)攸c。例如，Yelp為餐館提供關(guān)于位置的智能數(shù)據(jù)（顧客偏好、交通模式、存在類似的餐廳等）、當?shù)氐娜の兜攸c、以及跨地域的商業(yè)活動趨勢。規(guī)劃者使用這些數(shù)據(jù)，判斷可能的業(yè)務(wù)增長，來對地點進行排名。在餐廳內(nèi)部，經(jīng)營者正部署傳感器，可以探測到各種各樣的影響顧客的因素，如光線、聲音、以及顧客的座位選擇。通過分析客戶在餐廳座位的選擇密度，Cava Grill注意到，顧客喜歡坐在光線較好的地方：晴天時傾向于窗邊，雨天時傾向于室內(nèi)。利用這一發(fā)現(xiàn)，管理者學會了根據(jù)天氣調(diào)整照明，以提升客戶用餐體驗。

營銷

圖片來自網(wǎng)絡(luò)

使用結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

餐飲公司正通過社交媒體與顧客進行實時交流。企業(yè)管理其在社交媒體平臺上的印象很重要，因為他們可以做到影響一個餐廳相較于其他餐廳的評級和地位。品牌在網(wǎng)上的聲譽影響顧客的感知風險、期望水平、以及前往或者訂餐的決策。公司甚至可以分析競爭對手在社交媒體平臺上的相對受歡迎程度，來看看他們是否遺漏了擴大服務(wù)范圍的機會，失去了競爭優(yōu)勢。此外，餐廳還能獲得在餐廳網(wǎng)站或在線地圖上的瀏覽量和“點擊量”的信息，來獲得客戶參與模式(Lanz & Berry, 2019)。

餐館經(jīng)常收集銷售數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)、來自美國郵政服務(wù)的數(shù)據(jù)、人口和競爭數(shù)據(jù)，來了解當前客戶的需求和行為，以及如何與他們重新接觸。例如，為了獲得一個準確的消費者畫像，達美樂的分析師研究了他們的內(nèi)部數(shù)據(jù)。達美樂公司企業(yè)信息服務(wù)副總裁德尤利克(Dan Djuric)說：他們有這種能力，可以“觀察居住在一個家庭中的多個消費者，了解誰是主要的買家，誰會對我們的優(yōu)惠券做出反應(yīng)，最重要的是，了解他們對于我們渠道的反應(yīng)。”除了內(nèi)部數(shù)據(jù)分析團隊，像美團大腦這樣的SaaS軟件公司，通過結(jié)構(gòu)化顧客的評價來服務(wù)餐飲企業(yè)。它們幫助餐廳識別其優(yōu)點和缺點、總體客戶印象、客戶忠誠度、以及菜肴受歡迎程度的變化。

使用結(jié)構(gòu)化數(shù)據(jù)進行針對性分析

餐廳也利用結(jié)構(gòu)化數(shù)據(jù)進行針對性分析。許多公司使用手機應(yīng)用程序再次接觸現(xiàn)有客戶。基于消費者在應(yīng)用程序上購買意愿的信號，比如瀏覽或向購物車添加產(chǎn)品，餐館可以發(fā)送實時通知，提醒顧客下單，并提供個性化的推薦。例如，為了針對他們的客戶進行營銷，Tropical Smoothie結(jié)合了來自其門店P(guān)OS機的新數(shù)據(jù)和歷史數(shù)據(jù)，包括客戶忠誠度的應(yīng)用程序數(shù)據(jù)、特許經(jīng)營信息、關(guān)于菜單項和促銷活動的內(nèi)部元數(shù)據(jù)、以及包括天氣和交通細節(jié)在內(nèi)的一套新的“超級”數(shù)據(jù)，向客戶提供建議。除了使用手機應(yīng)用程序來鼓勵購買，當顧客的位置在餐廳的一定半徑內(nèi)時(根據(jù)他們的手機GPS)，餐廳使用移動應(yīng)用程序在用餐時間向顧客發(fā)送通知，引導(dǎo)他們找到最常被訂購的商品頁面。為了培養(yǎng)個性化應(yīng)用的用戶粘性，美國披薩連鎖店平均每天要有1500萬次交流，每月有75萬次的新應(yīng)用程序安裝。另一個例子是，F(xiàn)ig & Olive做了一個“我們想你”的活動，免費提供crostini給過去30天沒有來過的客人。該活動的結(jié)果是，300次訪問和超過36000美元的銷售額，7倍于這個項目本身的成本。其他鼓勵顧客光顧的方法還有，預(yù)訂時有針對性的折扣，或當他們靠近餐廳的時候，推送免費的停車券到手機上。除了市場活動，社交媒體也一樣為餐廳提供大量的數(shù)據(jù)，以生成對顧客的洞察。例如，為了獲得精確的客戶畫像，HC公司使用內(nèi)部機器學習以及深度學習的模型。HC的首席信息官表示，他們的模型可以預(yù)測顧客對菜肴的興趣，從而提供個性化的推薦。

生產(chǎn)和庫存管理

使用結(jié)構(gòu)化數(shù)據(jù)進行針對性分析

農(nóng)戶通過分析環(huán)境因素，和從中游供應(yīng)商以及分銷商處收到的需求數(shù)據(jù)來優(yōu)化對農(nóng)作物的選擇。加工商根據(jù)中下游客戶的需求預(yù)測，優(yōu)化產(chǎn)能和配置庫存。例如，一家大型物流服務(wù)商的分析副總裁描述了他的公司為供應(yīng)商提供的一個儀表盤，可以顯示“他們的產(chǎn)品在不同地區(qū)和不同鏈條上的使用地點和使用數(shù)量。”

在中間環(huán)節(jié)，為了優(yōu)化產(chǎn)品補充時間和分銷路線，一家領(lǐng)先的物流服務(wù)商業(yè)務(wù)發(fā)展副總裁描述了他們?nèi)绾螌⒖蛻艄镜男枨蠖藬?shù)據(jù)、供應(yīng)商方面的供應(yīng)端數(shù)據(jù)，與天氣預(yù)報、政策發(fā)布(例如，解除封鎖、產(chǎn)能利用率限制或COVID-19期間的其他限制)和當?shù)厥录韧獠啃畔⑾嘟Y(jié)合。通過從大數(shù)據(jù)和市場分析中收集的信息，可以讓分銷商“預(yù)測產(chǎn)品需要在某個地區(qū)內(nèi)的哪個位置銷售”。

在下游，餐廳通過更好地跟蹤廚房庫存，來優(yōu)化采購決策和庫存管理。一家供應(yīng)鏈公司的供應(yīng)鏈總監(jiān)指出，她的公司使用一個儀表盤，合并分銷中心的庫存、發(fā)票和“活動”數(shù)據(jù)，以準確跟蹤庫存。這些儀表盤支持按州、地區(qū)和產(chǎn)品來比較當前和歷史庫存水平。庫存管理系統(tǒng)可以設(shè)置提醒來訂購食材，預(yù)測庫存可以維持多久，并減少浪費。類似地，我們采訪的一個大型物流商，為其客戶提供了一個用于連鎖店和分銷商的儀表板，詳細描述了庫存水平、商品新鮮度、價格、以及產(chǎn)品采購不匹配及不合格的信息。他們還利用這些信息開發(fā)出一種采購工具，使供應(yīng)商與產(chǎn)品規(guī)格相匹配。

使用結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

組織數(shù)據(jù)的新方法也能使中游玩家發(fā)現(xiàn)一些問題。例如，一家供應(yīng)鏈公司的首席財務(wù)官指出，為了更全面地了解庫存情況，針對某些特定用戶的功能儀表板，正在被更全面的計劃儀表板所取代，計劃儀表板顯示所有的銷售和庫存變化，使用預(yù)測建模來指示庫存問題。這樣的儀表板支持對供應(yīng)計劃、庫存、價格差異和促銷的分析，將歷史上分離的數(shù)據(jù)流整合到一個管理工具中。除了指出潛在的問題，儀表板還通過跟蹤信息，如訂購的食材、預(yù)測庫存的可用時間和減少浪費，使支出分析能夠支持合同談判。

物流管理

圖片來自網(wǎng)絡(luò)

使用結(jié)構(gòu)化數(shù)據(jù)進行針對性分析

數(shù)據(jù)分析正在推動物流跟蹤和配送計劃。在他們?yōu)榭蛻籼峁┑膬x表盤中，一家接受采訪的領(lǐng)先物流公司的副總裁提供了在其網(wǎng)絡(luò)中，運輸貨物的卡車的跟蹤數(shù)據(jù)。一家受訪的大型火鍋連鎖店，使用車輛停留時間和車輛到達數(shù)據(jù)，以及站點的地理位置信息，來優(yōu)化倉庫和配送路線，并提供實時調(diào)度指令。除了餐廳，外賣平臺也從數(shù)據(jù)分析中受益。為了準確預(yù)測食物準備好的時間和司機的運送時間，一個送餐平臺采用機器學習算法，在最理想的距離將送餐任務(wù)分配給司機，確保司機在食物準備好的同時到達。

使用結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

為了提高對突發(fā)情況的響應(yīng)能力，物流服務(wù)商可以分析動態(tài)的資源數(shù)據(jù)。例如，在COVID-19期間，武漢被封控，我們采訪的一家中國物流服務(wù)商，使用來自所有地區(qū)連鎖店的數(shù)據(jù)來確定，哪些客戶端汽車可能無法離開城市。結(jié)果，原計劃運往武漢的物資全部運往其他城市。這一舉措防止了食材過期，避免了公司的利潤損失。

便利餐廳搜索

使用非結(jié)構(gòu)化數(shù)據(jù)進行探索性分析

擁有海量數(shù)據(jù)的搜索平臺，正嘗試更好地組織他們的非結(jié)構(gòu)化記錄，以提高用戶體驗。例如，為服務(wù)內(nèi)容和服務(wù)供應(yīng)商打標記，美團平臺使用自然語言處理程序制作了超過10萬個標簽。他們自制的情緒分析工具使用了20多個情緒標簽，提供很多信息更精確的情緒評分。這些標簽是專門為休閑產(chǎn)業(yè)設(shè)計的，因此提供比其他泛型算法更合適的特征刻畫。此外，美團平臺還計劃為客戶提供便利化的搜索引擎，該引擎將找到附近最相關(guān)服務(wù)以及簡要描述每個服務(wù)提供者。這樣，客戶就不再需要點擊進入每一家餐廳，來自己瀏覽內(nèi)容。他們可以根據(jù)美團平臺自然語言處理程序生成的摘要做出有效決策。搜索引擎可以通過分析客戶的輸入-搜索詞、用戶信息、位置信息-來確定用戶感興趣的服務(wù)特征。然后它將客戶的喜好與服務(wù)商的標簽相匹配，搜尋到合適的服務(wù)提供商。最后，它將使用自然語言為每一個合適的供應(yīng)商生成一個快速的概要簡介。

圖片來自網(wǎng)絡(luò)