Ресурсы - блог

Разборы на наших данных

Ни одной статьи «5 способов сократить фудкост». Пишем только о том, что видим в потоке накладных реальных ресторанов - с цифрами и методикой расчёта.

40ч
ручного ввода накладных в месяц
71ч
ручной сверки ушло из работы за месяц
Данные - 6 мин чтения

Сколько времени уходит, чтобы узнать одну цифру

Простой вопрос вроде «сколько мы переплатили за мясо в августе» проходит через почту, учётную систему, выгрузку и таблицу. Обычно это занимает от получаса до половины дня, и ответ приходит, когда решение уже принято без него. Дело не в квалификации: цифра собирается вручную из четырёх источников.

Читать
475шт
документов ресторанов обработано за месяц
Практика - 7 мин чтения

Что ИИ-агент в ресторане закрывает сегодня: семь задач

Агент закрывает задачи, у которых есть вход, правило и проверяемый результат: приём документов, сопоставление с номенклатурой, арифметическая проверка, контроль цен, пересчёт себестоимости, подготовка сверки и ответы на вопросы по данным. Решения о поставщике, цене в меню и людях остаются за командой - агент готовит их, но не принимает.

Читать
97%
совпадение месячной цифры с учётом бухгалтера
386€
расхождение склада из-за дубля документа
Методология - 7 мин чтения

Касса, учёт, бухгалтер: почему у каждого своя цифра

Каждый источник считает свой предмет: касса - пробитые чеки, учёт - проведённые документы, бухгалтер - документы с бумажными оригиналами и НДС. Расхождение между ними - не ошибка сама по себе, а следствие разных границ периода, курсов округления и незаведённых документов. Вопрос не в том, кто прав, а в том, что именно разошлось.

Читать
19шт
инструментов чтения в подключении
Syrve - 7 мин чтения

MCP: как подключить Claude или ChatGPT к данным ресторана

MCP - открытый протокол, по которому внешний ИИ получает доступ к данным через набор инструментов чтения, а не через выгрузку файлов. Владелец подтверждает доступ, ИИ запрашивает нужные срезы сам, каждое обращение попадает в журнал, запись в системы ресторана не выполняется, а доступ отзывается в один клик.

Читать
88%
расхождение средневзвешенной цены с ценой последней закупки
Данные - 6 мин чтения

Почему ИИ не может ответить на вопрос о вашем ресторане

Потому что данные ресторана разложены по разным системам: продажи в кассе, закупки в учёте, смены в графике, накладные в почте, а часть цифр вообще живёт в голове управляющего. Ни одна из этих систем не видит остальные, поэтому вопрос, который затрагивает две из них сразу, остаётся без ответа.

Читать
40ч
ручного ввода накладных в месяц до подключения
Syrve - 6 мин чтения

Оцифровка ресторана без смены систем: касса и учёт остаются

Смена учётной системы стоит месяцев работы и переучивания команды, а исходную проблему - разрозненные данные - не решает. Дешевле оставить кассу, учёт и график на месте и добавить слой, который читает их данные, приводит к одному виду и проверяет. Учётной системой остаётся та, что уже стоит.

Читать
118€
стоимость роста цены сливок в месяц
76%
отклонение цены рукколы от нормы месяца
Методология - 8 мин чтения

Маржу считают раз в месяц, а теряют каждый день

Отчёт в конце месяца показывает результат, когда повлиять на него уже нельзя: цены выросли в день поставки, списания случились на смене, лишний человек вышел в график три недели назад. Маржа складывается из пяти этажей, и на каждом из них решение имеет смысл только в день события.

Читать
97%
точность распознавания строк
71ч
ручной сверки ушло из работы за месяц
Практика - 7 мин чтения

ИИ в ресторане: что уже работает, а что пока демонстрация

ИИ в ресторане работает там, где данные уже собраны и приведены к одному виду: распознавание документов поставщиков, контроль закупочных цен, пересчёт себестоимости блюд, ответы на вопросы по собственным цифрам. Там, где данные лежат в разных системах и не сведены, ИИ остаётся демонстрацией и отвечает общими словами, а не про ваш ресторан.

Читать

Ваши данные уже есть в Syrve.

Пусть кто-то действительно за ними следит - как мы 10 лет делали это руками. 30 дней на ваших цифрах.