Кейс внедрения Quant.AI

Как сеть кофеен стала ежедневно видеть причины снижения выручки

Внедрили Quant.AI для региональной сети кофеен-пекарен: объединили данные из iiko, 1С и Excel, настроили ежедневный контроль выручки, среднего чека, скидок, отмен и списаний по каждой точке.

8 кофеен контролируются ежедневно по единой системе показателей

120 позиций меню анализируются по продажам, скидкам и списаниям

18 значимых отклонений выявлено за первый месяц работы системы

−82% времени на подготовку ежедневной сводки по сети

Обсудить внедрение Quant.AI Посмотреть результаты проекта

Как работает Quant.AI

От данных по точкам до понятного объяснения

В эксплуатации

Данные поступают из учётных систем Чеки, выручка, меню, скидки, отмены и списания загружаются автоматически

01

AI находит отклонения и возможные причины Сопоставляет точки, смены, категории меню и каналы продаж

02

Собственник получает уведомление для проверки В Telegram указано, что изменилось, в какой точке и что нужно проверить

03

Единый контур AI-аналитики

iiko 1С Excel Quant.AI Telegram

Отклонения видны в ежедневной сводке Собственник видит точки и показатели, которые требуют внимания сегодня

8 кофеен

Точки отличаются расположением, потоком гостей, графиком работы и структурой продаж.

120 позиций в меню

Кофе, выпечка, завтраки, десерты и сезонные предложения анализируются отдельно.

3 канала продаж

Заказы принимаются в зале, навынос и через сервисы доставки.

70+ сотрудников

Управляющие, бариста, пекари и кассиры работают по сменному графику.

Заказчик — региональная сеть из восьми кофеен-пекарен в Алматы. Точки расположены в жилых районах, деловых кварталах и торговых центрах, поэтому отличаются по потоку гостей, среднему чеку и структуре спроса.

В меню около 120 позиций: кофе, выпечка, завтраки, десерты и сезонные предложения. Собственнику важно ежедневно видеть выручку, количество чеков, средний чек, скидки, отмены и списания по каждой точке, смене и категории меню.

Продажи и кассовые операции фиксировались в iiko, бухгалтерские данные — в 1С, а планы и часть управленческих расчётов велись в Excel. Чтобы получить общую картину по сети, управляющему приходилось выгружать и объединять данные, поэтому причины снижения показателей находили с задержкой.

Обсудим задачу
вашего предприятия

Поможем определить подходящее решение, состав работ и возможные этапы проекта.

Нажимая кнопку, вы соглашаетесь на обработку персональных данных

Готово!

Мы свяжемся с вами и отправим чек-лист

Собственник регулярно получал отчёты по выручке, количеству чеков, среднему чеку, скидкам и списаниям. Однако для подготовки общей картины управляющему приходилось объединять сведения из iiko, 1С и Excel.

Отчёты показывали, что показатель уже изменился. Чтобы определить причину, требовались дополнительные выгрузки, сравнение точек, смен и категорий меню, а также уточнение ситуации у управляющих кофеен.

Основные проблемы

01

Ежедневная сводка собиралась вручную

Управляющий выгружал данные из iiko, сопоставлял их с планом в Excel и проверял отдельные показатели в 1С. На подготовку общей сводки уходило до трёх часов в день.

02

Причины снижения выручки искали отдельно

Отчёт показывал снижение выручки, но не объяснял, связано ли оно с количеством чеков, средним чеком, отсутствием популярных позиций, ростом скидок или изменением канала продаж.

03

Кофейни было сложно сравнивать между собой

Точки отличались расположением, потоком гостей и графиком работы. Простое сравнение выручки не показывало, где возникла проблема, а где изменение соответствовало обычной динамике конкретной кофейни.

04

Изменения спроса замечали с задержкой

Продажи отдельных напитков, выпечки или завтраков могли постепенно снижаться. На фоне общего оборота такие изменения становились заметны только после существенного отклонения по категории.

05

Скидки, отмены и списания разбирали постфактум

Нетипичные скидки, частые отмены и рост списаний попадали в разбор после подготовки итоговой отчётности. К этому моменту отклонение могло повториться в нескольких сменах.

06

Между отклонением и решением проходило 3–5 дней

Скорость реакции зависела от того, когда управляющий заметит изменение, подготовит детализацию и свяжется с конкретной точкой. Часть проблем обнаруживали только при подготовке еженедельной сводки.

Исходная ситуация

Данные по сети были доступны, но объяснение причин появлялось с задержкой. К моменту разбора отклонение уже влияло на выручку, списания или выполнение плана конкретной точки.

Что сеть хотела изменить с помощью Quant.AI

Собственнику и управляющим было важно каждый день видеть, в какой точке показатели отклонились от обычного уровня, почему это произошло и что нужно проверить.

Для этого поставили пять задач:

01 единые правила

Считать показатели одинаково во всех кофейнях

Зафиксировать единые правила расчёта выручки, количества чеков, среднего чека, скидок, отмен, списаний и выполнения плана. Это должно было убрать расхождения между сводками по точкам.

02 поиск проблем

Не искать отклонения вручную

Quant.AI должен сам показывать, где изменились показатели: в какой кофейне, смене, категории меню, позиции или канале продаж.

03 причины

Сразу показывать возможную причину

Вместе с отклонением показывать, что могло на него повлиять: стало меньше чеков, снизился средний чек, выросли скидки или отмены, популярная позиция попала в стоп-лист либо изменилась доля доставки.

04 меню и спрос

Раньше замечать изменения спроса

Находить напитки, выпечку и другие позиции, которые стали продаваться реже, а также видеть категории с ростом списаний до того, как изменение заметно повлияет на результат точки.

05 зоны ответственности

Показывать каждому только его участок работы

Собственнику — общую картину по сети, операционному управляющему — сравнение всех точек, управляющему кофейни — показатели его заведения. Важные изменения должны приходить ответственным сотрудникам в Telegram.

Решение: Quant.AI подключили к iiko, 1С и Excel

Quant.AI объединил данные восьми кофеен в одном контуре. Система ежедневно проверяет выручку, количество чеков, средний чек, скидки, отмены и списания, а затем показывает, в какой точке изменился показатель и что могло на него повлиять.

Подключили действующие источники данных

Настроили загрузку данных из iiko, 1С и Excel: чеки, выручку, позиции меню, скидки, отмены, списания и планы по точкам. Менять кассовую систему или привычную работу сотрудников не потребовалось.

Данные обновляются автоматически — управляющим больше не нужно вручную собирать и объединять выгрузки по каждой кофейне.

Согласовали правила расчёта показателей

Вместе с собственником и операционным управляющим определили, как считать выручку, количество чеков, средний чек, долю скидок, отмены, списания и выполнение плана.

Один и тот же показатель теперь рассчитывается одинаково для всех точек и управленческих сводок.

Настроили ежедневную проверку показателей

Quant.AI сравнивает текущие результаты с планом, предыдущими периодами и аналогичными днями недели. Система проверяет точки, смены, категории меню, отдельные позиции и каналы продаж.

Вместе с отклонением система показывает возможную причину: стало меньше чеков, снизился средний чек, выросли скидки или списания, популярная позиция попала в стоп-лист либо изменилась доля доставки.

Настроили сводки и уведомления в Telegram

Каждое утро собственник и управляющие получают краткую сводку по сети. Если система находит существенное отклонение, ответственному сотруднику приходит отдельное уведомление с данными для проверки.

Собственник видит сеть целиком, операционный управляющий — сравнение всех точек, а управляющий кофейни — показатели своего заведения.

1

2 рабочих дня

Обследование и выбор показателей

Провели интервью с собственником и операционным управляющим
Разобрали действующие отчёты по восьми кофейням
Выбрали показатели для ежедневного контроля
Определили, какие изменения считать существенными

2

1 неделя

Подключение и проверка данных

Подключили iiko, 1С и рабочие таблицы Excel
Проверили историю продаж, скидок, отмен и списаний
Сопоставили справочники точек, меню и каналов продаж
Настроили ежедневное обновление данных

3

3 рабочих дня

Настройка правил расчёта

Зафиксировали правила расчёта выручки и количества чеков
Согласовали средний чек, скидки, отмены и списания
Настроили сравнение с планом и аналогичными днями недели
Проверили расчёты на данных двух разных точек

4

1 неделя

Пилот на данных двух кофеен

Проверили выручку, чеки, скидки, отмены и списания
Сопоставили найденные отклонения с реальной ситуацией
Исключили ожидаемые колебания из-за выходных и акций
Уточнили пороги для разных показателей

5

3 рабочих дня

Настройка сводок и доступа

Подготовили ежедневную сводку в Telegram
Настроили уведомления о существенных изменениях
Разделили доступ для собственника и управляющих
Добавили возможность задавать вопросы по данным

6

2 рабочих дня

Подключение всей сети

Подключили все восемь кофеен
Обучили собственника и управляющих
Проверили доставку сводок и уведомлений
Перевели Quant.AI в ежедневную работу

Результаты внедрения Quant.AI — в цифрах

После запуска сеть перешла к ежедневному контролю показателей во всех восьми кофейнях. Собственник и управляющие видят изменения не позднее следующего рабочего дня и сразу получают данные для проверки причины.

Показатель	До внедрения	После внедрения	Результат
Подготовка ежедневной сводки	до 3 часов	около 30 минут	−82% времени
Выявление существенного изменения	3–5 рабочих дней	не более 1 дня	реакция быстрее
Контроль сети кофеен	выборочно и вручную	8 кофеен ежедневно	полный охват
Поиск причины изменения показателя	отдельные выгрузки и сверки	готовая детализация	без ручного сбора
Существенные отклонения	единого учёта не было	18 за первый месяц	вся история сохранена
Доступ руководителей к данным	Excel и рабочие чаты	Telegram и дашборд	единая точка контроля

Первый месяц работы

18 существенных отклонений за первый месяц

В расчёт вошли изменения, которые действительно требовали проверки: снижение количества чеков, выпадение позиций из продаж, нетипичные скидки и отмены, а также рост списаний в отдельных кофейнях.

6 Снизилось количество чеков

В отдельных точках и сменах поток заказов оказался ниже обычного уровня для сопоставимого дня недели.

5 Позиции выпали из продаж

Популярные напитки или блюда перестали продаваться в отдельных кофейнях из-за стоп-листа или отсутствия ингредиентов.

4 Нетипичные скидки и отмены

Отдельные смены заметно отличались от обычного уровня по доле скидок и количеству отменённых чеков.

3 Списания выросли выше обычного уровня

В отдельных кофейнях выросли списания выпечки и готовых блюд относительно продаж и сопоставимых дней.

Итоги и выводы

Итог проекта: отклонения по кофейням стали видны каждый день

Quant.AI объединил данные из iiko, 1С и Excel. Собственнику и управляющим больше не нужно ждать отдельной выгрузки, чтобы понять, в какой точке, смене или категории меню изменился результат.

Главный результат

Срок выявления проблем сократился с 3–5 рабочих дней до одного дня

Ежедневная сводка теперь требует около 30 минут на проверку вместо трёх часов на сбор. Все восемь кофеен контролируются по одинаковым правилам. За первый месяц система зафиксировала 18 существенных отклонений и сохранила данные для их проверки.

3–5 → 1 рабочий день на выявление существенного изменения

−82% времени на подготовку ежедневной сводки

8 кофеен проверяются ежедневно

Что изменилось после внедрения

01

Все кофейни проверяются ежедневно

Показатели восьми точек рассчитываются по единым правилам и больше не зависят от формата отчёта конкретного управляющего.

02

Причина видна вместе с изменением

Управляющий сразу видит, стало ли меньше чеков, снизился ли средний чек, выросли ли скидки, отмены или списания.

03

Управляющие не ждут отдельный отчёт

Утренняя сводка приходит в Telegram, а важные изменения направляются ответственному сотруднику сразу после выявления.

04

Сводка больше не собирается вручную

Управляющий проверяет причины изменений, а готовые разрезы по точкам, сменам, категориям и позициям меню формируются автоматически.

Дальнейшее развитие

01

Контроль стоп-листа и остатков ингредиентов

Раньше замечать ситуации, когда популярные позиции перестают продаваться из-за отсутствия ингредиентов в конкретной кофейне.

02

Анализ спроса по меню

Отслеживать позиции и категории с устойчивым ростом или снижением спроса, чтобы корректировать меню и объёмы приготовления.

03

Проверка скидок, отмен и списаний

Расширять правила контроля для отдельных точек, смен и категорий меню с разной структурой продаж.

04

Оценка результата принятых мер

Проверять, восстановились ли показатели после пополнения запасов, изменения графика смены, меню или условий акции.

После запуска Quant.AI ежедневно показывает конкретное изменение, данные для проверки и ответственную точку. Собственник и управляющие могут принять меры, пока отклонение ещё можно исправить.

Quant.AI

01 Сколько заняло внедрение Quant.AI?

Проект от обследования до запуска занял четыре недели. Сначала подключили данные и проверили расчёты, затем провели пилот на двух точках. После корректировки порогов к ежедневному мониторингу подключили все восемь кофеен.

02 Нужно ли менять iiko или 1С?

Нет. Quant.AI подключили к действующим источникам — iiko, 1С и Excel. Продажи, складской учёт и работа сотрудников продолжили вестись в привычных системах.

03 Какие данные нужны для запуска пилота?

Для первого этапа использовали историю чеков и продаж, данные по меню, кофейням, сменам, каналам продаж, скидкам, отменам и списаниям. Точный состав данных зависит от показателей, которые компания хочет контролировать.

04 Можно ли начать с одной или двух кофеен?

Да. В этом проекте пилот провели на двух кофейнях. Это позволило проверить качество данных, полезность сигналов и правила расчёта показателей до подключения остальных точек.

05 Как система определяет, что изменение является аномалией?

Quant.AI учитывает историю показателя, сезонность, день недели, план, динамику сопоставимых кофеен и установленные бизнесом пороги. Чувствительность уточнили на пилоте, чтобы не отправлять руководителям сигналы об ожидаемых колебаниях.

06 Откуда берутся объяснения причин?

Платформа сопоставляет изменение показателя с доступными факторами: количеством чеков, средним чеком, отдельными блюдами, стоп-листом, скидками, отменами, списаниями и каналами продаж. Вывод системы остаётся версией для проверки, а окончательное решение принимает ответственный сотрудник.

07 Где руководитель видит результаты?

Ежедневная сводка и срочные сигналы поступают в Telegram. Подробная информация доступна в дашборде. Руководитель также может задавать вопросы к данным обычным языком.

08 Можно ли разграничить доступ по точкам и ролям?

Да. Права настраиваются по роли и зоне ответственности. Собственник видит показатели всей сети, операционный руководитель — все кофейни, а управляющий конкретной точки — только данные своей кофейни.

Хотите увидеть, какие отклонения в работе сети можно находить автоматически?

Покажем, какие изменения в выручке, среднем чеке, скидках, отменах и списаниях можно выявлять на ваших реальных данных с помощью Quant.AI.

Обсудить внедрение Quant.AI →

Другие кейсы компании SOWITA

1С:Документооборот для 3000 сотрудников: кейс SOWITA

Кейс внедрения 1С:Документооборота для 3000 сотрудников розничной сети: единое хранение, контроль исполнения и ускорение согласования в пять раз.

Внедрение 1С:Аналитики в строительном ритейле | SOWITA

Кейс внедрения 1С:Аналитики в сети строительных гипермаркетов: единые KPI, более 100 дашбордов, сокращение неликвидов и рост эффективности решений.

Внедрение 1С:ЗУП на производстве в Казахстане | SOWITA

Кейс внедрения 1С:ЗУП на производственном предприятии в Казахстане: расчет зарплаты для 240 сотрудников, кадровый учет и отчетность по требованиям РК.

Интеграция 1С:ДО, ЗУП и Бухгалтерии в ритейле | SOWITA

Кейс объединения 1С:Документооборота, ЗУП и Бухгалтерии в розничной сети: единые данные, меньше ручных операций, быстрее обработка табелей и согласований.

Кейс внедрения 1С:ТОИР на производственном предприятии

Кейс внедрения 1С:ТОИР: оцифровка оборудования, планирование ППР, учет ремонтных заявок, материалов и затрат, интеграция с действующей системой 1С.

Кейс внедрения AQYL в розничной сети | Речевая аналитика звонков | SOWITA

Кейс внедрения AQYL: автоматический анализ 18 400+ звонков в месяц, контроль качества операторов, аналитика обращений и выявление упущенного спроса.

Получите консультацию по вашему проекту

Мы поможем оценить объём работ, сроки и подобрать оптимальное решение именно для вашего бизнеса