PowerBI 驱动行业解决方案 - 从餐饮业终极问题，到全行业用户体验驱动数字化方案

在以前的文章中，我就提过：一家企业会不会用 Power BI 就是一种对数据力认知的体现。民间个人对 Power BI 的学习已经非常非常成熟。关于 Power BI，也几乎非常成熟，能学的核心已经非常稳定。（《BI 真经》学起来就解决了。）

Power BI 的学习，已经从零维的知识点学习到一维的知识线学习到二维的知识体系学习，已然成熟。现在已经进入了两大领域：

• 第一，案例体验式学习：通过案例激发个人，进而立刻用于自己的企业实践。
• 第二，场景及行业的大闭环解决方案。

对于第二点，将直接将从单点的 Power BI 学习认知上升到可复用可量化可持续优化的行业解决方案中。在任何一个企业都没有这个岗位，但任何企业都需要有这种思维意识的人。

本文就以一个从 Power BI 出发，构建整个餐饮行业终极问题解决方案的案例说起，来给大家一定启发。

注意 本文不仅仅是一个案例，本文是对一个行业的一个切面的深度深刻探讨，其广度远远超越 Power BI，而 Power BI 作为一个进入的符号，其发起者不断面对问题解决问题，并开创式的整合了技术，业务，思想，商业为一体，这是一个立体的故事。 值得从不同角度阅读，得到启发。

这是一个真实的故事。

还记得那时 Jerry 还在中国十大餐饮品牌之一的集团从事分析工作，我们就餐饮业中一些分析问题做过深度探讨，其中，就包括了对餐饮生意本质的研究（关于对餐饮业生意业务本质的内容，有兴趣的餐饮）。那时，业务出身的 Jerry 通过 Power BI 对餐饮的生意数据做了大量分析，发现一个非常重要的问题，很多餐饮业的老板由于对其的不在乎和在乎的差别也许就是底层要素。

距离我们从业务切磋的探讨，时间以及过去了七年，我们已经针对餐饮行业成立了专门的咨询公司，而整套方案已经非常成熟，其精华之处已经超过 BAT 的 AI 能力，来为具备前瞻性意识的餐饮企业提供数字力的顶级赋能。

你有没有发现一个问题：每家餐厅都有自己的特色，菜品的特色已经优化到极致了，大家爱好的口味是不同的，从数据概率上来说，是会尝试新的东西的，所以把大家留住的关键其实是：用户体验。

通过研究，我们发现餐饮行业的用户体验是层次不齐的，对用户体验的管理，也基本标志了某餐饮品牌的管理能力和服务意识。

通过进一步研究，我们发现：先不谈用户体验，用户最最基本的体验其实都是问题。

餐饮业的用户体验

餐饮业的用户体验，层次不齐到你想象不到。如下：

也许你没有注意过这些问题，但是品牌方会因为这样的问题导致直接损失和客户流失。其中一些品牌方会迅速采取行动来改变这一情况，这也是我们平时不易察觉的原因。

看看顾客怎么说

平时，我们都是以顾客的身份评价我们所体验过的每次餐饮经历，当然，也许你并没有过评价，但你心里其实是有评价的。我们以运营方来看看这个。如下：

看着这些评论，如果这是你开设的品牌，你会怎么想呢？

我们接触过一些餐饮企业，有两种态度：

• 一种是无所谓的
• 一种则是十分十分重视

而我们很清楚的意识到后者将在激烈的餐饮竞争中占领消费者信任的心智。

我们做了相关研究，发现：

先不谈什么非常好的体验，能真正解决食品安全问题的体验，就已经是很大的进步。

生意的损失

如果这样不够直观，我们来看看这个问题会给生意带来怎样的损失，如下：

也就是说，如果一家有着 100 家门店的餐饮企业，如果没有系统化管理用户体验的方法，按照行业平均水准出现的差评体验将导致 500 万 / 月 的损失。

生意的增长

很多企业在寻求增长，其实，当我们发现我们能留住本来应该留住的客户的时候，已经默默增加了 500 万 / 月 的营收。而所需要做的仅仅只是把最最基本的做好而已。

这几乎是根本不需要指出的问题，然而，事实上很可惜，能做到的非常少。所以，从这个意义上说，餐饮品牌的规模越大，自身的本质潜力越足，不需要做任何事情，就可以做到：

• 100 家店，企业增加 500 万 / 月 总营收，相当于增加 6000 万 / 年 总营收。
• 1000 家店，企业增加 5000 万 / 月 总营收，相当于增加 6 个亿 / 年 总营收。

如果你和我抬杠，这个太夸张了，我都懒得解释，因为准确度在这里根本不重要，重要的是：认知到这一点是根本性的。

注意 以前我只是说，很多人不适合做数据分析，实在是太委婉了。其实，很多人根本已经不是不适合的问题了。

评价的本质逻辑

从一定意义上，当顾客花钱吃完饭菜，满足心理的预期时，客户并不会给出好评，因为：顾客会认为这是理所应当的。

因此，就有：

• 心理好评时，转换为好评行动的概率是低的，转换为丰富内容好评的概率是更低的。
• 心理差评时，转换为差评行动的概率是高的，转换为丰富内容差评的概率是更高的。

对于差评，更显示了顾客对于体验不好的一种报复行为。（不管是不是有道理的）

来看看有哪些问题需要被识别：

餐饮老板的痛

我结识过一些餐饮的老板，当他们在创始一个品牌的时候，是的确希望这个风格可以让广大顾客体验到一种独特的享受的。

然而，在门店执行的时候，可能是不受到完全控制的。尤其是：

• 老板不可能看到每个门店的实际执行。
• 老板也不应该去看每个门店的实际执行。
• 但老板无意间看到以后的一种内心的无力感。
• 老板又能做什么呢～

然而，很多老板为了解决这个问题投入了大量资源，也无法得到有效改进，这里牵扯的人工工作量太大了，滞后性也太强了，再考虑到竞争对手可能的行动，这就是餐饮业的巨大痛点之一。

每当顾客享受到某个品牌持续的一贯式的好的服务的背后，是品牌的巨大资源投入。

如果真的要解决这个问题，应该是怎么样的流程呢？

体验问题的管理闭环

其实，整个解决方案的流程也不难设计。如下：

通过整合顾客的评论，通过文本识别对评论进行分类和标签化，对问题执行分钟级预警，并对已经发生过的问题进行跟踪。所有一切自动完成，不需要人工介入，彻底实现闭环。

问题的解决

PowerBI 在哪里

我们从一开始就不是为了 Power BI 而 Power BI 存在的。

在一开始，我们通过 Power BI 分析整个数据，这时候，我们遇到几个大的问题：

难点一：业务专业深度问题

业务指标的关键指标定义问题，需要通过几个核心指标来从根本上最大性价比的判断业务本身的好坏。这是对业务专业深度的极致挑战，这和 Power BI 是没有关系的。

因此，这里是需要业务专家的，我们有从实践中打磨出来的专家，对核心指标体系进行了高度提炼。这也是很多企业用 Power BI 或者数字化用不起来的原因，那就是问题根本不在于工具和技术，而是该企业或项目就没有一个真正懂的人。Power BI 变成了一个替人背锅的工具而已，将自己企业和自身业务能力的不足转嫁给工具，说成工具能力的不足。工具在这个部位，根本就不出现的，只可惜 Power BI 默默承担了这一背锅角色。

难点二：多渠道数据整合问题

在餐饮行业，数据来源是多渠道的，也许每个渠道都有自己默认的分析工具和系统，但是并没有什么卵用，因为，品牌方是要求将所有平台数据统一合并来看全局整体的。

从这个意义上来说，Power BI 类的工具是永远都有其存在价值的，因为它能将这些数据进行整合实现统一建模。

当然，在这里的环境中，我们会和专家级的数据库架构师合作，来构建餐饮行业的实时数据仓库，为 Power BI 后续发挥极限性能打下基础。

很多伙伴在群里提出问题，说自己的 Power BI 加载了 1000 万数据，怎么算不快，这种问题就是错误的问题，根本不需要被回答，如果一定要回答，那就是请咨询最顶级的 Power BI 优化专家来做，不要在群里问了。同时也说明了一套精良的 Power BI 完美方案，是和完美的数仓底层结构方案配套的。

在这方面，我们需要整合来自大众点评，美团，口碑，饿了么，美团外卖等驱动的评论数据来构建实时数据仓库。

难点三：转化为行动打通管理系统

出现问题时，Power BI 仅仅能看数据，还得主动去看，这显然不合理。因此，这也需要我们冲破 Power BI 的思维限制，直接整理出标准的问题流程处理方案，并打通钉钉或企业微信，深度集成，直接与企业的经营管理绑定。

Power BI 不但可以被集成到上述系统，连处理方案模板都可以深度集成，这超越了数据分析的边界，将可预先识别的问题直接转换为了行动，从品牌上级管理到一线执行，完全自动化。

难点四：管理分析

Power BI 出场了。还记得七年以前，我们用 Power BI 对这些问题进行分析，现在，Power BI 还是可以在它最擅长的领域：多维度动态分析领域，继续发挥它不可替代的作用。

从趋势到问题，到门店，以及定时邮件接收汇总报告都让管理者可以在不同的管理周期中，看到整套业务的改善。

优化的大循环

还记得在 2015 年的培训课程中，我就将 CMMI 的成熟度模型引入到企业管理中，并在我的培训中公开。在考虑到以上这些内容：

我们已经做到将传统的餐饮企业从混乱期，到可重复期，到已定义标准期，到量化管理期，到可持续优化期的整套闭环。

实现效果

来看看实现的效果吧。

这直接解决了一个核心的闭环问题：

想想看，这是什么概念，每一位消费者都成了企业工作流程的一部分。

顾客成为企业系统的一部分

很多时候，做生意的企业，把客户当成客户。企业是企业，客户是客户。

但是，在具备更高维次生意逻辑的商业思维下，客户成为了企业系统流程中的一个环节，顾客需要以某种形式参与到整个企业流程，并激发整个流程的改进和优化，实现企业价值与个人价值的高度优化统一。

在餐饮的场景下，常见的认知是：每个顾客是花钱的客户。然而，我们给到餐饮企业的咨询认知是：每位顾客都是企业营运流程环节中的一环，我们需要通过顾客的数据来与企业流程形成闭环，在上述的案例中，优化食材供应链，以及可持续地优化海量门店管理已经形成顾客评论驱动的闭环体系。

如果你还是看不懂，那么，再举一个例子：

我们通过数据会发现企业的标准化体系中的漏洞，而立即识别，并纳入新的操作章程标准。

将 “直接用铲子敲破鸡蛋” 的操作改为标准化的：在储物格上敲开鸡蛋，再倒入磨具中。

天呢～～～

当我们将这样的自动化优化管理标准的模式给到我们的企业客户时候，他们没说话，但相信心里已经惊呆了。

如果看过世界行为心理学顶级著作《影响力》，不难领悟到一个重要的思维认知：改变一个复杂局面，也许只需要改变一点点，只要你能识别那个点。

我们服务了很多餐饮连锁品牌，有些企业签署了保密协议，我们不能披露任何优化方案和细节，但可以从本文看出，这些举措是惊人的。

当有着 500 家门店的 XX 火锅还在不停开店长会议的时候，它的竞争对手，同样有着 500 家门店的 YY 火锅已经在用这种碾压式的全自动化优化方案在运营的时候，这种差异，根本不是能被想出来的。除非，你看了和本文一样的系统并拥有它。

自主研发 AI 引擎

AI，只是一个概念。如果你觉得它 AI，它也许就很 AI。如果你的企业客户认为它 AI，那它真的很 AI。

很多细心的伙伴可以看出这里的一个技术难题：如何将五花八门的顾客评论内容转换为标签。

这个问题很有技术难度。

有些具有普通程序员思维的伙伴会说：这还不简单，调用下各个大厂的文本识别接口即可。

是的是的，你真的很懂。

我们对于该问题的研究，请教过年薪百万以上的算法工程师和大厂文本 AI 产品经理，没有达到我们想要的效果。而且差距非常大。

因此，我们发现一个在技术中的规律：

很多技术问题，看着是那个问题，那实际与业务一结合，发现根本不是那么回事。

我很钦佩 Jerry 的这点，还记得当时为了找出这个问题的解决方案，我们从最原始最笨拙的手工分词开始，自己做实验，直到我们结合部分 AI 特性再匹配人工补充，经过了数百次优化改良，终于推出可以自信地在餐饮业足以碾压未使用该技术的其他公司。

这还要感谢与我们达成战略咨询合作的甲方餐饮企业，他们有耐心，有投入，因为他们深知在国内有人可以立足他们的战略需要去为餐饮考虑技术，而不是为技术考虑技术。在数千万真实评价信息的训练拟合下，以及数百次的引擎优化，我们发布了 J-AI 餐饮文本语义识别引擎，它能很好的处理餐饮业中的各种评价内容。

看不懂，对吗？

举个例子震撼你。

在国内的百度文本算法引擎中，如下：

测试地址：https://cloud.baidu.com/product/nlp_apply/comment_tag

我的天！都有个虫子了，还能被识别是正向评价，这直接是错误的。

委婉地说，这真的不能怪大厂的引擎不好。毕竟，大厂的引擎是通用类，在某些行业的细分场景，没有得到优化。

这就回答了，很多看上去是一个简单的程序员调用的问题，但实际上，做一下以后，年薪百万的算法大咖告诉我们说：解决不了。

这是我们的业务，不是程序员的业务，当你全情投入去研究的时候，迸发出的可能性更大。

J-AI 餐饮文本语义识别引擎不仅可以识别此类所有问题，还可以结合后续流程，完全自动化驱动。

优化之下，效果立现：

最终，我们为餐饮企业实现了实时的 AI 评价语义分析，来真正将顾客的想法和反馈与企业的深度经营绑定。

这不是开玩笑的，从这个图可以看出，企业的管理已经细分到各种维度，并在所有细节持续得到深度改进。

我们可以将问题动态锁定，并不断改进。

想象一下，当你有 1000 家门店的时候，每位顾客，都是你的首席体验官，他们的反馈都在可持续的改进。

这是一种什么样的餐饮企业经营套路？

当我们关上电脑，离开服务器，在球场散步聊天，正感受着每家餐饮企业在此时仍然自动化的优化运营着，被数百万的首席体验官加持。

认知的差异

有的餐饮企业，看到差评，只是认为是一个差评，有的还可以找中介代理消差评。

而有的餐饮企业，他们真的将数百万的用户当成了首席体验官，每条反馈都在事实上帮助企业进行优化。

这种认知差异构成的底层逻辑差异，不难看出，一段时间过后，将造就怎么样两种不同的走向呢？

所以，很多餐饮企业老板参加了各种会议，学院，MBA，然而，当通过这种最本质最底层的顾客体验逻辑就能给企业带来可持续的稳定的必然的战略优化的解决方案出现时，他们却不认识。

不要想当然

读到这里，有人会说：这不就是一个文本识别嘛，搞了半天。

每次想当然，都是人们不能真正了解一个世界的原因。

为了让大家可以感受清楚，我们在文中举了一个例子，来以点带面讲了餐饮。如果这个点都能是这样，那么，大家想想看，要把整个餐饮运营好，尤其是数字化的，那么，的确不是一个小事。

影响力之源

正如我提到《影响力》一书的精华，所感悟的：改变一个局面，需要找到一个抓手，它会提供关键影响力。

如果问一个问题：餐饮怎么搞？

我们会给出一个抓手：

理由已经在前文深度探讨了。然而，中国可以做到这些的餐饮企业能有几家呢？

系统化专业方案

再上点干货吧，对于一家餐饮企业，首先应该做到：指标体系的构建。如下：

对于核心产品，我们也定制了其分析模型，在餐饮业就是菜品，如下：

这里给出了核心指标体系的内容。

不管用什么方法，只要一个餐饮企业可以每月来不断审视这些内容，那么，该企业就在正向循环进步。

很可惜，我们深知：大多数餐饮企业不具备构建上述指标体系的能力，也不具备自动化运转该体系的能力。

感谢

我们要感谢这些具备立足于顾客战略的餐饮品牌，能为他们提供服务，让我们有机会实现在餐饮行业的构想。

他们正在使用这套解决方案以及各自优化定制版来服务自己的顾客，他们富有远见并不断投资于提升顾客体验的优化进程。我们也能经过拥有数千家门店的餐饮连锁磨砺整套方案。现在已经非常成熟，我们愿意为更多有远见的餐饮企业数字化赋能。

行业扩展

本文的整套思路不仅仅限于餐饮行业，我们已经将整套模式扩展到更多领域。如下：

我们通过顾客体验为入口，整合全链路数据，深度构建定制指标体系，真正为企业实现数字化闭环驱动。J-AI 引擎已经可以适配到更多行业。

在这些行业具有前瞻性意识的企业，欢迎与我们联系，共同探讨。包括：餐饮，酒店，丽人，汽车，奢侈品等。

为什么一个企业不用 BI

我们极度精通 Power BI，以及类似的商业智能技术解决方案。这里我们强调了 “技术” 二字，是为了说：众多传统企业，不是为了要用技术的，他们是为了更好的做生意，因此采用技术。当谈论到商业智能的时候，一套技术方案要花费几十万甚至上百万的时候，企业并不真正知道这个投资能干嘛。

因为：大部分企业都不真正具备一套有效的数字化指标体系。

因此，上了商业智能技术体系，也就是最多做做报表而已，老板的意识就是：哦，这些就是做做报表而已，并没有什么真正的用途。

对于商业智能厂商，永远给出的都是技术工具的功能对比，和粗浅的报表样例。

对于乙方实施公司，永远给出的都是：甲方爸爸，你到底要啥？而仅仅停留在做的阶段。

对于广大从业个人，永远都在抱怨的：老板思维意识不行，工具能力太弱。

因为：大部分企业都不真正具备一套有效的数字化指标体系。

总结

首先，我们正式发布：对餐饮企业提供深度的咨询，以及成熟的数字化解决方案。

本文展示了这个方案历时七年中的故事点滴和思考，鉴于一定的保密性，我们公开了可以展示的部分，还有 80% 以上的部分可以感兴趣的深度了解。

其次，我们希望本文对不同 Level 的企业从业者有一定启发。

不论你是技术还是业务，都希望大家不要局限于 Power BI，而是站在更本质的商业角度思考问题，聚精会神深度探索，这才能整合和打磨出富有成效的解决方案，我们也希望这方面的有识之士与我们一同探索来共创更多可能。

再次，我们希望本文对 Power BI 为代表的学习者有一些启发。

七年前到现在，我不断的重复同样的话，有人七年都听不懂；而有人用七年已经构建出自己的数据价值小世界了。

我是 BI 佐罗，让数据真正成为我们的力量，我们努力构建这个领域的顶级圈层。

从餐饮到行业共建

这里给出了以用户体验为入口的餐饮行业通用数字化方案，整合了各种渠道的数据，直接构建整套餐饮运营指标体系。整个系统内置了多种分析模型，如下：

以及这些模型的深度挖掘和应用。我们欢迎具有高瞻远瞩的餐饮行业大佬一起共建，也欢迎重视用户体验驱动的行业大佬进行共建。这些行业包括但不限于：

餐饮，美妆，奢侈品，汽车，酒店等需要真正重视用户体验的行业。