Je restaurant verzamelt meer data dan je denkt. Maar gebruik je die ook?
Elk restaurant genereert tijdens één service een flinke hoeveelheid data. Reserveringen vertellen je wie er komt, je kassasysteem registreert wat gasten bestellen en besteden en keukensystemen leggen vast wat er wordt bereid en hoe de service verloopt.
Nog voordat de eerste gast binnenkomt, weet je vaak al hoeveel couverts je kunt verwachten, welke gasten allergieën of dieetwensen hebben, waar grotere gezelschappen zitten en wanneer het drukste moment van de avond waarschijnlijk begint. Zodra de service start, komt daar nog een extra laag informatie bij.
Bestellingen komen binnen, gangen gaan door de keuken, tafels doorlopen de avond in hun eigen tempo en bereidingstijden veranderen gedurende de service. Aan het einde van de avond vormen al die afzonderlijke momenten samen een gedetailleerd beeld van hoe de service daadwerkelijk is verlopen.
Toch wordt veel van die informatie alleen op het moment zelf gebruikt, verspreid opgeslagen in verschillende systemen of simpelweg vergeten zodra de laatste tafel vertrekt.
De vraag is niet langer of restaurants genoeg data hebben. De vraag is of ze die data ook omzetten in iets waar ze echt iets aan hebben.
Voor de service: gebruik wat je al weet.
Een goed voorbereide service begint ruim voordat de eerste bestelling de keuken bereikt. Reserveringsgegevens kunnen zowel de bediening als de keuken waardevolle informatie geven over de avond die voor hen ligt.
Stel dat je een service hebt met 85 couverts, meerdere grote gezelschappen, terugkerende gasten en zes verschillende dieetwensen. Met die informatie kan het team zich gericht voorbereiden. Maar de waarde ervan neemt snel af als die gegevens alleen in het reserveringssysteem blijven staan.
Een allergie die nog handmatig moet worden overgenomen, opgeschreven of mondeling aan de keuken moet worden doorgegeven, zorgt voor een extra handeling. Hetzelfde geldt voor voorkeuren van gasten, speciale gelegenheden en andere informatie die invloed kan hebben op de service.
Wanneer systemen relevante informatie met elkaar kunnen uitwisselen, ben je minder afhankelijk van iemand die eraan moet denken om elk detail te controleren en door te geven.
Nuttige informatie vóór de service kan bijvoorbeeld zijn:
- Verwacht aantal couverts en aankomsttijden
- Allergieën en dieetwensen
- Terugkerende gasten en relevante voorkeuren
- Grote gezelschappen of speciale afspraken
- Verwachte piekmomenten tijdens de service
Het doel is niet om teams nóg meer informatie te geven. Het gaat erom dat de juiste informatie beschikbaar is op de plek waar die nodig is.
Tijdens de service: de praktijk wijkt af van de planning.
Elk restaurant begint de avond met een planning, maar een service verloopt zelden precies volgens plan. Gasten komen eerder of later, de ene tafel wil rustig aan doen terwijl een andere klaar is voor de volgende gang en meerdere grote bestellingen kunnen binnen enkele minuten tegelijk in de keuken terechtkomen.
Op dat moment wordt actuele operationele informatie veel waardevoller dan de oorspronkelijke planning.
De bediening moet weten wat er in de keuken gebeurt, terwijl de keuken er juist baat bij heeft om te weten wat er in het restaurant speelt. Zonder dat inzicht vallen teams al snel terug op mondelinge updates.
Hoe lang nog voor tafel 12?
Kunnen we de volgende gang sturen?
Is het hoofdgerecht klaar?
Eén vraag is geen probleem. Tientallen van dit soort vragen tijdens een drukke service zorgen voor onderbrekingen, extra communicatie en meer momenten waarop informatie verloren kan gaan.
Wanneer teams dezelfde operationele informatie tot hun beschikking hebben, kunnen ze beslissingen nemen zonder elkaar voortdurend om updates te vragen. Tegelijkertijd bouwt het restaurant een veel duidelijker beeld op van wat er tijdens de service daadwerkelijk is gebeurd.
Denk aan bereidingstijden, tijd tussen gangen, vertragingen en momenten waarop bepaalde onderdelen van de operatie onder druk stonden.
Omzet vertelt je het resultaat, maar niet het hele verhaal.
Na de service is omzet begrijpelijkerwijs een van de eerste cijfers waar restaurants naar kijken. Het vertelt iets belangrijks over het commerciële resultaat van de avond, maar weinig over hoe dat resultaat tot stand is gekomen.
Neem twee zaterdagavonden met ongeveer hetzelfde aantal couverts en precies dezelfde omzet.
Tijdens de eerste service lopen de gangen soepel door, houdt de keuken overzicht en heeft de bediening tijd om aandacht aan de gasten te besteden. Tijdens de tweede service loopt de keuken vrijwel de hele avond achter, vraagt de bediening voortdurend om updates en moeten meerdere tafels langer wachten dan de bedoeling was.
Financieel kunnen die avonden er vrijwel hetzelfde uitzien.
Operationeel zijn ze totaal verschillend.
Bereidingstijden, timing van gangen en andere servicedata geven je hier extra context. Daarmee kun je verder kijken dan alleen de uiteindelijke omzet en beter begrijpen hoe efficiënt de operatie is verlopen.
Omzet laat zien wat je hebt bereikt. Operationele data helpt je begrijpen hoe je dat hebt bereikt.
Patronen zeggen meer dan losse momenten.
Een gerecht dat tijdens één avond wat langer duurt, hoeft niet direct aanleiding te zijn om iets te veranderen. Hetzelfde geldt voor één tafel die langer wacht dan verwacht. Hospitality draait om mensen en iedere service is anders.
Terugkerende patronen vertellen je veel meer.
Misschien ontdek je dat een bepaalde gang tijdens piekmomenten structureel meer tijd nodig heeft. Misschien ontstaan vertragingen zodra het restaurant een bepaald aantal couverts bereikt. Of één keukenstation wordt een knelpunt wanneer meerdere specifieke gerechten tegelijkertijd worden besteld.
Het probleem hoeft bovendien niet in de keuken te liggen. Misschien besteedt de bediening regelmatig tijd aan het opvragen van informatie die ergens anders binnen de operatie al beschikbaar is.
Door operationele data over een langere periode te bekijken, kun je bijvoorbeeld antwoord krijgen op vragen als:
- Op welk moment tijdens de service ontstaan meestal vertragingen?
- Welke gangen of gerechten hebben regelmatig een langere bereidingstijd?
- Hebben bepaalde keukenstations meer last van piekmomenten?
- Hoeveel tijd zit er gemiddeld tussen verschillende gangen?
- Welke informatie vraagt de bediening regelmatig op bij de keuken?
- Welke verschillen zie je tussen rustige en volledig volgeboekte services?
Losse momenten vertellen je wat er één keer gebeurde. Patronen helpen je begrijpen hoe je operatie zich structureel gedraagt.
Verbind informatie in plaats van meer data te verzamelen.
Beter gebruikmaken van data betekent niet automatisch dat je meer data moet verzamelen. Bij veel restaurants is de informatie er namelijk al.
De uitdaging is dat deze op verschillende plekken staat.
Het reserveringssysteem weet wie er komt en bevat mogelijk al relevante informatie over gasten. Het kassasysteem weet wat er is besteld. De keuken weet wat er wordt bereid en hoe ver iedere tafel is. De bediening weet wat er aan tafel gebeurt.
Wanneer deze systemen los van elkaar werken, worden medewerkers vaak de verbinding ertussen. Informatie wordt opgezocht, herhaald, opnieuw ingevoerd of mondeling doorgegeven.
Integraties kunnen een deel van die afhankelijkheid wegnemen.
Dat betekent niet dat ieder restaurant één groot platform nodig heeft dat alle processen overneemt. Gespecialiseerde systemen kunnen blijven doen waar ze goed in zijn en tegelijkertijd de relevante informatie uitwisselen die andere onderdelen van de operatie nodig hebben.
Dat is de gedachte achter Connected Hospitality Operations: de verschillende onderdelen van het restaurant met elkaar verbinden, zonder de vrijheid weg te nemen om de technologie te kiezen die bij jouw operatie past.
Een dashboard verbetert je restaurant niet. Wat je met de inzichten doet wel.
Meer rapportages zijn niet automatisch beter. Hetzelfde geldt voor een dashboard met tientallen cijfers. De waarde ontstaat wanneer rapportages je helpen begrijpen wat er binnen je operatie gebeurt en je inzichten geven waar je daadwerkelijk iets mee kunt doen.
Hier wordt rapportage en analyse interessant. In plaats van alleen naar afzonderlijke momenten tijdens een service te kijken, kun je historische operationele data gebruiken om trends te herkennen en prestaties over een langere periode te vergelijken.
Met rapportages kun je bijvoorbeeld kijken naar:
- Bereidingstijden per gerecht, gang of keukenstation
- Verschillen tussen drukke en rustige services
- Terugkerende vertragingen en knelpunten
- Timing van gangen gedurende de avond
- Operationele prestaties over een langere periode
Als bereidingstijden tijdens een bepaald deel van de avond structureel oplopen, kun je onderzoeken wat er op dat moment verandert. Als één gang regelmatig invloed heeft op de timing van de rest van het menu, kun je kijken naar het proces erachter. En als hetzelfde knelpunt tijdens meerdere services terugkomt, heb je een veel sterkere aanwijzing dat het de moeite waard is om verder te onderzoeken.
Begin niet bij de data. Begin bij wat je wilt begrijpen.
Een goed dashboard moet je niet simpelweg meer cijfers laten zien. Het moet het makkelijker maken om patronen te herkennen, betere vragen te stellen en onderbouwde operationele beslissingen te nemen.
Dat is precies waarvoor Annoncer rapportage en analyse is ontwikkeld: de operationele data die tijdens een service ontstaat omzetten in informatie waar je achteraf mee aan de slag kunt.
Van servicedata naar operationeel inzicht.
Restauranttechnologie moet niet zorgen voor nóg een extra laag informatie die teams moeten beheren. Technologie moet teams juist helpen om de informatie te gebruiken die toch al wordt gegenereerd.
Voor de service helpt data je om je voor te bereiden op de gasten en de verwachte drukte. Tijdens de service geeft het inzicht in wat er gebeurt in de bediening en keuken. Na de service zetten rapportages en analyses die operationele data om in inzichten waarmee je trends kunt herkennen, knelpunten kunt vinden en toekomstige services kunt verbeteren.
Je restaurant genereert deze informatie iedere dag al.
De kans ligt in het verbinden en analyseren van die informatie en vervolgens gebruiken wat je daarvan leert om de volgende service beter te laten verlopen.