Prognozowanie popytu w restauracji: metoda i trafność

Dlaczego pamięć kierownika już jest prognozą i gdzie się kończy

Kierownik, który zamawia trzy skrzynki pomidorów więcej, bo „na długi weekend zawsze schodzi", właśnie postawił prognozę popytu. Pytanie nigdy nie brzmi, czy twoja restauracja prognozuje — prognozuje codziennie — tylko czy prognoza została zapisana, zanim dzień się zaczął.

Prognoza niezapisana ma trzy własności, na których trudno prowadzić lokal. Nie może się pomylić na papierze, więc nikt nigdy nie dowiaduje się, o ile chybiła. Nie jest rozłożona na części, więc kiedy już chybi, nie da się powiedzieć, który element rozumowania zawiódł: dzień tygodnia, pogoda czy koncert dwie ulice dalej. I mieszka w jednej głowie, więc kierownik wtorkowy i kierownik sobotni po cichu prowadzą dwa różne modele tej samej restauracji.

Prognoza popytu — przewidywana wartość liczby gości albo sprzedaży dla przyszłego okresu, podana razem z przedziałem mówiącym, jak bardzo jest niepewna.

Zapisanie jej nie zmienia niczego w kuchni i wszystko w sposobie rozmowy. Liczbę postawioną dzień wcześniej można porównać z kasą na zamknięciu, a różnica między tymi dwiema liczbami to jedyny surowiec, z którego kiedykolwiek powstaje poprawa.

Goście, rachunki, sprzedaż czy porcje: cztery prognozy, których nie da się podmieniać

„Popyt" to nie jedna wielkość, a te cztery kandydatki zachowują się na tyle różnie, że pomylenie ich po cichu psuje decyzję na końcu łańcucha.

Szczegółowość — najmniejsza jednostka, dla której powstaje prognoza: dzień, część dnia, godzina albo pojedyncza pozycja z karty.

Reguła praktyczna jest taka, że prognozujesz wielkość, w której naprawdę zapisana jest twoja decyzja. Grafik zapisuje się w godzinach, a godziny biorą się ze sprzedaży, więc grafikowi potrzebna jest sprzedaż. Zamówienie u dostawcy zapisuje się w kilogramach i sztukach, a te biorą się z porcji. Prognozowanie samych gości i szacowanie reszty na oko to krok, w którym gubi się większość trafności — i gubi się bezgłośnie.

Dowóz to piąty strumień i zasługuje na własną linię, a nie na udział w krzywej sali. Ma inny kształt tygodnia, na pogodę reaguje w przeciwną stronę, a przychodzi przez platformy, których dane raczej dostajesz, niż zapisujesz — o tym problemie własności mówi artykuł o zamówieniach online. Jedna wspólna prognoza dla sali i dowozu uśrednia dwa naprawdę różne rytmy.

Najmniejsza użyteczna historia i to, co niszczy suma miesięczna

Prognoza to arytmetyka na powtarzalności, więc historia musi być na tyle drobna, żeby powtarzalność było w niej jeszcze widać. Suma miesięczna to klasyczna strata: kiedy czterdzieści tysięcy złotych zostało zaksięgowane jako jedna liczba za październik, żadna metoda na świecie nie rozpakuje jej z powrotem na piątki i wtorki, które ją złożyły. Poziom dnia to podłoga, poziom transakcji jest lepszy, a żadnego z nich nie da się odtworzyć po fakcie.

Ile historii potrzeba, zależy od tego, jaki rytm chcesz przewidzieć, i uczciwa odpowiedź to metoda, a nie liczba tygodni. Żeby zobaczyć tydzień, potrzeba kilku pełnych tygodni — inaczej model nie odróżni piątku od wtorku i uśredni oba w liczbę, która nie pasuje do żadnego. Żeby zobaczyć rok, potrzeba co najmniej jednego pełnego cyklu rocznego, bo krótsza historia nie zawiera ani jednego kompletnego sezonu do nauczenia się.

To, że sezon roczny jest realny, a nie branżowym folklorem, należy do nielicznych rzeczy, które polska statystyka publiczna naprawdę ci pokaże.

Czytaj ten szereg dokładnie tak daleko, jak sięga, i ani kroku dalej. Jest nominalny, więc część wzrostu w obrębie roku to ceny, a nie dodatkowi goście; jest krajowy i obejmuje cały dział, czyli bary szybkiej obsługi, stołówki i restauracje hotelowe razem; i opisuje branżę, a nie twoją salę. Dowodzi, że sezon istnieje. Nie da się go wkleić jako własnego współczynnika sezonowego i ta strona nie będzie udawać, że da.

Baza, współczynnik dnia i podwójne liczenie, które chowa się między nimi

Działający kształt restauracyjnej prognozy jest multiplikatywny: poziom bazowy, a potem poprawka na każdą rzecz, którą o dniu wiesz.

Prognoza gości = Goście bazowo × Współczynnik dnia × Współczynnik wydarzenia × Współczynnik pogody

• Goście bazowo — poziom okresu plus jego sezon roczny i nic więcej: żadnego profilu tygodnia, żadnych wydarzeń, żadnej pogody;
• Współczynnik dnia — profil dnia tygodnia jako mnożnik, policzony z twojej własnej historii jako średnia gości w tym dniu ÷ średnia gości we wszystkich dniach;
• Współczynnik wydarzenia — mnożnik przypisany znanemu wydarzeniu kalendarzowemu albo lokalnemu, też zmierzony na twoich własnych poprzednich wystąpieniach tego wydarzenia;
• Współczynnik pogody — mnożnik dla prognozowanego kubełka pogodowego, zmierzony tak samo.

Baza — wyłącznie poziom i sezonowość roczna. Profil dnia tygodnia jest z niej celowo wyjęty i niesie go osobny mnożnik Współczynnik dnia.

To rozdzielenie nie jest pedanterią, tylko najczęstszym błędem rachunkowym w domowych prognozach restauracyjnych. Jeśli twoją bazą jest „średnia z czterech ostatnich piątków", a potem mnożysz ją przez współczynnik piątku 1,35, piątek został policzony dwa razy i każda piątkowa prognoza jest zawyżona o jedną trzecią. Baza to płaska średnia ze wszystkich dni; dzień tygodnia mieszka w mnożniku; każdy fakt wchodzi do iloczynu dokładnie raz.

Przeliczone do końca przy bazie 100 gości, współczynniku piątku 1,35, współczynniku lokalnego wydarzenia 1,20 i współczynniku złej pogody 0,95: 100 × 1,35 = 135; 135 × 1,20 = 162; 162 × 0,95 = 153,9, czyli 154 gości. Każda z tych czterech liczb jest wartością dydaktyczną. W prawdziwym modelu każda z nich jest zmierzona na twoich własnych minionych dniach, a współczynnik, którego nie umiesz zmierzyć, to współczynnik, którego nie wstawiasz.

Lista dni wolnych od pracy zmieniła się 1 lutego 2025, a twoja historia nie

Kalendarz to najtańszy do zdobycia czynnik i najłatwiejszy do przeoczenia, bo kalendarz sam w sobie jest ustawą, a ustawy się zmieniają. Polska lista dni wolnych od pracy siedzi w ustawie z 18 stycznia 1951 r. (tekst jednolity: Dz.U. 2025 poz. 296, ogłoszony 06.03.2025 — brzmienie pierwotne Dz.U. 1951 nr 4 poz. 28 jest historyczne i Wigilii nie zawiera), a 1 lutego 2025 doszła do niej jedna pozycja: ustawa z 6 grudnia 2024 r. dodaje po literze k, dosłownie, ka) 24 grudnia - Wigilia Bożego Narodzenia (Dz.U. 2024 poz. 1965, w mocy od 01.02.2025).

Zobacz, co to robi z modelem nauczonym na 2023 i 2024. W tamtej historii 24 grudnia był zwykłym dniem roboczym; od 2025 jest ustawowym dniem wolnym od pracy, a biura, szkoły i handel wokół nich zachowują się odpowiednio. Model nauczył się faktu o kraju, który tymczasem przestał być prawdą. Żaden wskaźnik błędu ci tego nie zgłosi, bo model wiernie odtwarza przeszłość, którą mu dałeś.

Czynnik — zmienna zewnętrzna przesuwająca popyt: święto, pogoda, lokalne wydarzenie, dzień wypłat, okres szkolny.

Dzień wypłat wygląda na czynnik prywatny, a w rzeczywistości to ustawa wyznacza mu wąskie okno. Kodeks pracy (ELI DU/1974/141) mówi w art. 85 dosłownie: „Wypłaty wynagrodzenia za pracę dokonuje się co najmniej raz w miesiącu, w stałym i ustalonym z góry terminie." (§ 1); „Wynagrodzenie za pracę płatne raz w miesiącu wypłaca się z dołu, niezwłocznie po ustaleniu jego pełnej wysokości, nie później jednak niż w ciągu pierwszych 10 dni następnego miesiąca kalendarzowego." (§ 2); a „Jeżeli ustalony dzień wypłaty wynagrodzenia za pracę jest dniem wolnym od pracy, wynagrodzenie wypłaca się w dniu poprzedzającym." (§ 3) (Kodeks pracy, art. 85, tekst jednolity Dz.U. 2025 poz. 277, ogłoszony 06.03.2025).

Dla prognozującego te trzy paragrafy są dobrą wiadomością, a nie ciekawostką prawną, bo zawężają czynnik, zamiast go rozmywać. Wypłata za miniony miesiąc idzie z dołu i najpóźniej dziesiątego dnia następnego, więc szczyt wypłat nie może wylądować w połowie miesiąca: kandydatami jest garstka dni na przełomie miesięcy, a nie wszystkie trzydzieści. Termin ma być stały i ustalony z góry, więc raz zmierzony współczynnik nie ucieka ci z miesiąca na miesiąc — a § 1 dopuszcza wypłatę częstszą niż raz w miesiącu, przez co u części pracodawców takie dni są dwa, i oba stałe. Przesunięcie z § 3 warto wpisać do kolumny wprost: wypłata przypadająca na sobotę albo niedzielę przenosi się na dzień poprzedzający, więc jeden piątek w miesiącu bywa cięższy od pozostałych z powodu, który nie ma nic wspólnego z twoją kuchnią.

Jednego ustawa nie robi: nie wskazuje dnia wewnątrz tego okna — konkretną datę ustala u siebie każdy pracodawca z osobna. Dlatego to, na który dzień przypada szczyt wypłat akurat u ciebie, wynika z tego, kto zatrudnia w twojej dzielnicy: biura z jednym terminem, magazyn z drugim, zajezdnia z trzecim. Okno wyznacza ustawa, rozkład wewnątrz okna wyznaczają pracodawcy — i właśnie dlatego ten współczynnik mierzy się na własnej historii, zamiast przepisywać go z kodeksu.

Reszta kalendarza nie ma za sobą nawet takiego jednego aktu. Terminy ferii ogłasza się rocznie i wojewódzko, a daty meczów i koncertów są u obiektów. Użyteczne czyni je nie źródło, tylko forma: każdy z nich musi stać się kolumną w twojej historii — jeden wiersz na dzień, jedna flaga na czynnik — zanim stanie się współczynnikiem. Czynnika, którego nigdy nie zapisano na minionych dniach, nie da się na nich zmierzyć, a współczynnik, którego nie da się zmierzyć, to zgadywanie z przecinkiem dziesiętnym.

Sprawdzenie pogody na odczytach stacji IMGW zamiast wiary w nią

Pogoda to czynnik, którego wszyscy są najpewniejsi i którego prawie nikt nie sprawdził. To zarazem ten, na sprawdzenie którego Polska daje ci darmowe dane urzędowe: IMGW-PIB publikuje bieżące odczyty synoptyczne i pliki z danymi historycznymi na danepubliczne.imgw.pl, stacja po stacji, a jego bieżący kanał synoptyczny zwraca temperaturę, wiatr, wilgotność i opad na stację i na godzinę.

Sam test to zwykła arytmetyka. Bierzesz długi ciąg własnych dni, dokładasz do każdego odczyty najbliższej stacji, sortujesz dni do kilku kubełków pogodowych — powiedzmy deszcz kontra brak deszczu albo trzy przedziały temperatury — i porównujesz średnią liczbę gości w kubełku.

Dwa warunki, bez których test pogodowy nie mierzy niczego

Po pierwsze, porównuj podobne z podobnym wewnątrz dnia tygodnia. Dni ciepłe skupiają się latem, a zimne zimą, więc naiwne porównanie ciepłych z zimnymi to głównie porównanie sierpnia z lutym: zmierzysz sezon, przypiszesz go termometrowi, a potem policzysz go drugi raz, kiedy nałożysz na to swój współczynnik sezonowy. Porównuj piątki z piątkami.

Po drugie, trzymaj ogródek poza rachunkiem, dopóki nie zdecydujesz, czym on jest. Lokal z ogródkiem ma dwie różne reakcje na pogodę — ogródek działa albo nie — a uśrednienie ich daje jedną liczbę, która nie opisuje żadnej z nich.

Jeśli kubełki wyjdą praktycznie równe, to też jest wynik, a nie porażka. Znaczy, że pogoda nie jest czynnikiem dla twojego lokalu, twój współczynnik pogody wynosi 1,00, a ty właśnie usunąłeś źródło szumu z każdej prognozy, którą postawisz.

Wydarzenia obok: czynnik bez oficjalnego zbioru danych

Lokalne wydarzenia to czynnik o największym efekcie jednodniowym i najgorszym zaopatrzeniu w dane. Nie ma krajowego rejestru koncertów, meczów i konferencji, który dałoby się zaprenumerować i dokleić do historii sprzedaży; jest to, co rozsypane po kalendarzach obiektów, serwisach z biletami, miejskich zgłoszeniach imprez masowych i lokalnej prasie.

Zostają dwie uczciwe drogi i żadnej trzeciej. Albo ktoś po twojej stronie prowadzi kalendarz — hala, dwa teatry, centrum konferencyjne, stadion i cykliczny targ na twojej własnej ulicy — i zaznacza każdą datę w tym samym pliku co sprzedaż, albo kupujesz to zestawienie jako usługę. Dokładnie tę robotę wykonują w naszym produkcie sygnały zewnętrzne, a scenariusze what-if to miejsce, gdzie wstawiasz taką datę i pytasz, jak wygląda wieczór, jeśli współczynnik się utrzyma.

Tak czy inaczej wymóg jest ten sam co przy każdym innym czynniku: minione wystąpienia muszą być zapisane, zanim współczynnik da się zmierzyć. Pierwszy duży mecz obok lokalu to nie prognoza, tylko punkt danych. Czwarty to współczynnik.

Rezerwacje zasługują tu na osobne ostrzeżenie, bo wyglądają na najczystszy sygnał popytu w budynku, a nie są. Księga pełna stolików, które się nie pojawiły, zawyża jutro — i zawyża je w sposób niewidoczny, dopóki nieobecności nie są zapisywane jako nieobecności. Łańcuch potwierdzeń, który czyni tę liczbę wiarygodną, opisuje nasz artykuł o no-show w restauracji.

Prognoza pojedynczej pozycji, gdzie zera są normalne, a MAPE przestaje działać

Prognozowanie dania jest trudniejsze niż prognozowanie sali, a trudność jest strukturalna, nie techniczna. Droga przez nią prowadzi przez udział w rachunku: najpierw prognozujesz gości, potem mnożysz przez udział gości, którzy historycznie zamawiali tę pozycję.

Na tym poziomie łamie się pomiar, a nie metoda.

Dlatego trafność na poziomie pozycji śledzi się przez WAPE albo przez zwykły błąd bezwzględny w porcjach, a nie przez MAPE.

Siedzą tu jeszcze dwie pułapki. Danie zdjęte z karty na trzy tygodnie nie miało zerowego popytu, tylko nie miało okazji, i te dni trzeba wykluczyć, a nie nauczyć się ich. A promocja, która trwała jedenaście dni, jest czynnikiem jak każdy inny: zapisana, staje się współczynnikiem; niezapisana, staje się szumem, który model rozsmaruje równo po wszystkich przyszłych wtorkach.

MAPE, WAPE i bias na tych samych pięciu dniach: trzy liczby, trzy znaczenia

Prognoza bez miary błędu to tylko liczba, w którą albo wierzysz, albo nie. Standardowe pomiary są trzy i odpowiadają na różne rzeczy, więc oto one na jednym małym zestawie dni.

MAPE = (100 ÷ n) × Σ ( |Faktᵢ − Prognozaᵢ| ÷ Faktᵢ )

• n — liczba porównywanych okresów;
• Faktᵢ — to, co naprawdę wydarzyło się w okresie i, w gościach albo w złotych;
• Prognozaᵢ — to, co dla tego samego okresu przewidziano, w tej samej jednostce.

WAPE = 100 × Σ |Faktᵢ − Prognozaᵢ| ÷ Σ Faktᵢ

Dwa uprawnione wskaźniki, jeden zestaw danych, dwie różne liczby — i właśnie dlatego etykieta przy liczbie ma znaczenie.

Bias = (1 ÷ n) × Σ (Prognozaᵢ − Faktᵢ)

Błędy ze znakiem to −12, +9, +8, −14 i +15, w sumie +6; podzielone przez 5 dają bias = +1,2 gościa dziennie. Przeczytaj tę parę razem, a powie ci coś, czego żadna z tych liczb nie mówi osobno: prognoza myli się o jakieś osiem procent w typowym dniu, ale się nie przechyla. Błędy, które się znoszą, to błąd losowy i zarządza się nim przedziałem. Bias +12 przy tym samym MAPE byłby zupełnie inną chorobą — chronicznym zawyżaniem, z grafikiem i lodówką przeładowanymi każdego dnia tygodnia.

Dlaczego dzielenie musi stać wewnątrz sumy

MAPE to średnia ilorazów, a średnia ilorazów nie jest ilorazem średnich.

Wszystkie trzy da się wydrukować z dwoma miejscami po przecinku i wszystkie trzy wyglądają równie poważnie. Podanie jednej z nich pod etykietą drugiej to sposób, w jaki dwie osoby porównujące „nasze MAPE" porównują nic.

Dwie własności MAPE warto nosić przy sobie. Jest niezdefiniowane wszędzie tam, gdzie fakt sięga zera — dlatego sekcja o pozycjach z karty wysyła cię do WAPE. I jest niesymetryczne: skoro fakt siedzi w mianowniku, zawyżenie jest karane mocniej niż zaniżenie o tę samą wartość bezwzględną. Prognoza optymalizowana ślepo pod MAPE dryfuje w stronę zaniżania, czyli dokładnie w tę stronę, która opróżnia kuchnię w sobotę.

MAPE (średni bezwzględny błąd procentowy) — średnia z bezwzględnych błędów prognozy, z których każdy wyrażono jako procent faktycznej wartości własnego okresu.

Bias — trwała skłonność do prognozowania powyżej albo poniżej faktu. To inna wada niż błąd losowy i leczy się ją inaczej.

Ile trafności potrzebuje grafik, a ile wtorkowa dostawa ryb

Ta strona nie podaje wystarczającego MAPE. Nie dlatego, że pytanie jest nieciekawe, tylko dlatego, że wystarczający błąd wyznacza koszt twojego własnego błędu, a ten różni się między zadaniami w jednej restauracji w jednym dniu. Ogólny powód, dla którego żadna z naszych stron nie dziedziczy krążącego po branży punktu odniesienia, opisuje strona o prime cost restauracji; powód konkretny tutaj jest jeszcze prostszy — błąd nieszkodliwy dla worka ryżu wyrzuci skrzynkę turbota.

Horyzont prognozy — jak daleko w przód sięga prognoza. Grafik potrzebuje dni; zamówienie u dostawcy potrzebuje co najmniej czasu realizacji, inaczej liczba przychodzi po decyzji, którą miała zasilić.

Czytaj tę tabelę jako kolejność priorytetów, a nie jako punktację. Prognoza, która musi być dobra, to ta zasilająca decyzję o najdroższym błędzie, a dla większości kuchni jest to zamówienie towaru świeżego, a nie nagłówkowa suma dnia.

Od prognozy do godzin i od godzin do tego, na co odważysz się zaklepać

Prognoza, która nie zmienia grafiku, nie zmieniła niczego. Mostem jest jedno dzielenie:

Godziny w grafiku = Prognoza sprzedaży ÷ Docelowa sprzedaż na godzinę pracy

• Prognoza sprzedaży — prognozowana liczba gości × twój własny średni rachunek, w zł;
• Docelowa sprzedaż na godzinę pracy — twój własny cel sprzedaży na roboczogodzinę, w zł na godzinę;
• Godziny w grafiku — roboczogodziny, które wolno zmianie przyznać, w godzinach.

Przy prognozie 154 gości z góry i dydaktycznym średnim rachunku 60 zł prognoza sprzedaży to 9 240 zł; wobec dydaktycznego celu 220 zł na roboczogodzinę daje to 42 roboczogodziny na zmianę. Skąd bierze się sam cel i dlaczego trzeba go zbudować z własnych minionych zmian, a nie pożyczyć, to cały temat strony o sprzedaży na godzinę pracy. Ta strona dostarcza licznik; tamta jest właścicielem mianownika.

Zwykle pomija się to, co przedział błędu robi z tym dzieleniem. Przelicz ten sam rachunek na dolnym i na górnym końcu przedziału, a dostaniesz dwie liczby godzin, nie jedną. Ostrożny grafik zaklepuje niższą, a różnicę trzyma w zasięgu ręki — krótka zmiana na telefon, dzielona zmiana, umowa z kimś, kto mieszka niedaleko.

Od prognozy do ilości w zamówieniu, przez czas realizacji dostawcy

Drugie wyjście z tej samej krzywej prowadzi do dostawcy i ma jeden dodatkowy wymiar: zamówienie musi pokryć okres do momentu, w którym może dojechać następna dostawa, a nie okres do jutra.

Ilość do zamówienia = Prognozowane zużycie w czasie realizacji + Zapas bezpieczeństwa − Stan bieżący

• Prognozowane zużycie w czasie realizacji — prognozowane porcje dziennie × czas realizacji dostawcy w dniach, w porcjach;
• Zapas bezpieczeństwa — poduszka trzymana na błąd prognozy i poślizg dostawy, w porcjach;
• Stan bieżący — to, co fizycznie leży teraz na półce, policzone, a nie założone.

Ciągnąc ten sam przykład: 46 porcji dziennie przez trzydniowy czas realizacji to 138 porcji; dodaj dydaktyczny zapas bezpieczeństwa 40 i odejmij 55 porcji policzonych w mroźni, a zamówienie wychodzi 123 porcje. Zauważ, gdzie wchodzi błąd prognozy — nie zmienia 138, tylko wyznacza wielkość tych 40. Jak ustawia się zapasy bezpieczeństwa i poziomy par oraz jaką rotację z siebie wyprowadzają, należy do strony o rotacji zapasów w restauracji.

Krokiem, który ludzie pomijają, jest ostatni. Zamówienie złożone bez policzenia stanu bieżącego to prognoza dodana do założenia, a założenie myli się częściej niż prognoza.

Wycena chybienia liczona raz, a nie dwa razy

Prędzej czy później ktoś pyta, ile te chybienia są warte, i to jest rachunek najbardziej narażony na zawyżenie — również przez tych, którzy prognozowanie sprzedają.

Koszt błędu prognozy, gdy Prognoza > Fakt: (Prognoza − Fakt) × Koszt pracy na gościa

Koszt błędu prognozy, gdy Fakt > Prognoza: Goście nieobsłużeni × Marża pokrycia na gościa

• Koszt pracy na gościa — twój własny pełny koszt pracy podzielony przez liczbę gości, w zł na gościa;
• Marża pokrycia na gościa — średni rachunek minus koszt zmienny jego obsłużenia, w zł na gościa;
• Goście nieobsłużeni — ci, których naprawdę nie dało się posadzić ani nakarmić, co nie jest automatycznie całym niedoborem.

Zawyżenie o 24 gości przy dydaktycznym koszcie pracy 12 zł na gościa: 24 × 12 = 288 zł opłaconych godzin, które nikogo nie obsłużyły. Zaniżenie o 24 gości, z których 10 odesłałeś z kwitkiem, przy dydaktycznej marży pokrycia 34 zł: 10 × 34 = 340 zł marży, która się nie wydarzyła.

Dwie gałęzie nie mogą dotyczyć tego samego dnia

Dzień jest albo zawyżony, albo zaniżony. Nigdy jeden i drugi, więc obu wyników nigdy się nie dodaje. Pokusa dodania jest silna właśnie dlatego, że podwaja liczbę, a podwojona liczba sprawia, że prognozowanie wygląda na dwa razy cenniejsze, niż jest — i dlatego ta strona wypowiada tę regułę na głos, zamiast po cichu na niej korzystać.

Ta sama dyscyplina obowiązuje wewnątrz każdej gałęzi. Wyrzucone jedzenie i niezarobiony przychód to zwykle jedno zdarzenie opisane dwa razy, a nie dwie straty; jeśli liczysz marżę utraconą na gościu, którego nie dało się obsłużyć, to nie doliczaj do tego jeszcze surowca, który dla niego kupiłeś. Policz stratę raz, po tej stronie, po której naprawdę wylądowała, a wynikowa liczba będzie mniejsza i do obrony.

Rozbiór dnia, który chybił, i to, co wolno wpuścić do modelu

Prognoza, która mocno chybiła, nie jest powodem do rzucenia prognozowania. To jedyny dzień w miesiącu niosący nową informację, a dyscyplina polega na spisaniu go w stałej formie, zamiast na kłótni o niego.

Wypełniaj jeden wiersz na chybienie, a reguły dla ostatniej kolumny są krótkie. Przyczyna wyjaśniona i jednorazowa — pęknięta rura, ulica zamknięta na jeden dzień — zasługuje na flagę w tym wierszu, żeby model go wykluczył, i na nic więcej. Przyczyna, która pojawiła się już trzeci albo czwarty raz, zasługuje na własny współczynnik, zmierzony na tych wystąpieniach. Chybienie bez żadnego wyjaśnienia nie zasługuje na żadne z dwóch; idzie do kupki, którą wskaźnik błędu i tak już liczy, a jeśli ta kupka rośnie, problemem jest baza, a nie czynniki.

Czego stać się nie może, to nowy współczynnik na każdy zły dzień. Model dostający kolejny parametr za każdym razem, gdy zostanie zawstydzony, kończy jako idealne dopasowanie do własnej przeszłości i zero przewidywania, a objaw jest łatwy do wypatrzenia: błąd na dniach, które już znasz, spada, a błąd na dniach z przyszłego tygodnia stoi w miejscu. Trzymanie tego porównania na widoku od pierwszego dnia jest właśnie po to, żeby prognoza i fakt stały na jednym ekranie. To zestawienie mieszka w module prognozy: porównanie prognozy z tym, co faktycznie się wydarzyło, jest w jego zakresie od pierwszego dnia, a nie dokładane później. Pulpity i raporty AI robią co innego i tę granicę warto trzymać: pulpit składa kluczowe wskaźniki firmy — leady, sprzedaż, marketing i finanse — na jednym ekranie, a raport AI przysyła cotygodniowe podsumowanie leadów, kampanii lub sprzedaży napisane prostym językiem. Żaden z nich nie liczy prognozy i nie stawia jej obok faktu, więc szukanie tam pary „prognoza i fakt" kończy się rozczarowaniem.

Czego prognoza nie potrafi i gdzie naprawdę siedzi uczenie maszynowe

Dwie uczciwe granice, a potem część o naszym własnym produkcie.

Model statystyczny zakłada, że przyszłość przypomina przeszłość. Wszędzie tam, gdzie to założenie pada, prognoza pada razem z nim i żadna ilość metody jej nie ratuje: lokal, który nie przeżył jeszcze jednego pełnego cyklu sezonowego, biznes na jednorazowych przyjęciach bez rytmu tygodnia, restauracja w środku zmiany lokalizacji, karty albo godzin i — przypadek najczęstszy ze wszystkich — prognoza, z której nikt nie robi zamówienia ani grafiku. Ta ostatnia nie jest problemem modelowania i jako jedyna na tej liście nie da się załatwić po stronie dostawcy.

Teraz rozróżnienie, które branża zamazuje, a my wolimy je narysować. Mnożenie bazy przez zestaw współczynników to arytmetyka; właśnie przeczytałeś ją tutaj wykonaną ręcznie w całości. Mierzenie tych współczynników z twojej własnej historii — współczynnik dnia, kubełki pogodowe, udział w rachunku — to statystyka. Uczenie maszynowe we właściwym sensie zaczyna się tam, gdzie wagi dobierane są automatycznie, przeliczane wraz z napływem nowych dni i wybierane według tego, jak dobrze przewidują dni, których model nie widział. To realna różnica w metodzie i warto wiedzieć, którą z nich się kupuje.

W naszym module prognozy prognoza liczona jest z twojej własnej historii sprzedaży razem z sezonowością i sygnałami zewnętrznymi, pokazywana jako liczba z przedziałem, a nie jako jedna obietnica, a zestawienie prognozy z faktem jest w zakresie od początku, a nie dokładane później. To opisana wyżej warstwa statystyczna, pracująca na twoich danych. Tam, gdzie w produkcie pracuje model językowy, opisuje i objaśnia liczby, które ta arytmetyka już wyliczyła — nie produkuje liczby, a o tym samym podziale pracy mówi nasz artykuł o tym, na jakie liczby właściciel naprawdę patrzy. Decyzja, co z liczbą zrobić, zostaje przy tobie: prognoza zawęża zgadywanie, nie zdejmuje decyzji i nie zwalnia z posiadania planu na to, że się pomyli.

Jedna zmierzona uwaga o tym, gdzie zawyżanie ląduje fizycznie. Restauracje i usługi gastronomiczne w Polsce wytworzyły w 2023 roku 293 062 tony odpadów żywności, 8 kilogramów na mieszkańca, przy 4 651 137 tonach w skali kraju (Eurostat, env_wasfw, rok sprawozdawczy 2023, aktualizacja 18.02.2026). Ta liczba obejmuje wszystko, co sektor wyrzuca — obierki, resztki z talerza, zepsucie — a nikt nie wydzielił z niej części spowodowanej złym prognozowaniem, więc nie jest to oszczędność, którą ktokolwiek może ci obiecać. To rozmiar wiadra, do którego spływa nadprodukcja, i tyle.

Pytania, które restauratorzy zadają o prognozowanie popytu

Jakich danych potrzebuje restauracja, żeby prognozować popyt?

Minimum to historia sprzedaży na poziomie dnia albo drobniejsza — sumy miesięcznej nie da się rozpakować z powrotem na dni tygodnia — plus znacznik na dniach, które były wyjątkowe z konkretnego powodu, na przykład zamknięcia albo remontu. Wszystko dalej to czynniki zapisywane jako kolumny obok sprzedaży: dni ustawowo wolne, ferie, odczyty pogody, lokalne wydarzenia. Czynnika, którego nigdy nie zapisano na minionych dniach, nie da się na nich zmierzyć, więc zapisywanie musi ruszyć wcześniej niż prognozowanie.

Jaka trafność wystarczy do grafiku, a jaka do zamówienia u dostawcy?

Nie ma opublikowanej liczby, która na to odpowiada, a każdy pojedynczy procent podawany jako odpowiedź branży nie ma za sobą żadnego dającego się prześledzić źródła. Wystarczający błąd to ten, którego koszt jesteś w stanie unieść, a koszt różni się między zadaniami: przezamówiony ryż to gotówka na półce, przezamówiona świeża ryba to kubeł. Policz to na decyzję — weź swój typowy błąd, wyceń go dwiema gałęziami podanymi na tej stronie i porównaj z tym, co wydałbyś na zmniejszenie go o połowę.

Czym jest MAPE i po co się go używa?

MAPE to średni bezwzględny błąd procentowy: dla każdego okresu bierzesz bezwzględną różnicę między prognozą a faktem, dzielisz ją przez fakt tego okresu i uśredniasz te ilorazy. Używa się go, bo jest bezwymiarowy, więc dzień na 90 gości i dzień na 400 wnoszą porównywalny wkład, a wynik podróżuje między lokalami i okresami. Cena to dwie znane wady: jest niezdefiniowany przy fakcie równym zero i karze zawyżanie mocniej niż zaniżanie o tę samą wielkość.

Jak sprawdzić na własnej historii, czy pogoda wpływa na mój popyt?

Doklej do każdego minionego dnia odczyty najbliższej stacji IMGW, publikowane za darmo na danepubliczne.imgw.pl, potem posortuj dni do kilku kubełków — deszcz kontra brak deszczu albo dwa czy trzy przedziały temperatury — i porównaj średnią liczbę gości w kubełku wewnątrz tego samego dnia tygodnia. Ograniczenie do dnia tygodnia jest tym, co czyni test ważnym: dni ciepłe skupiają się latem, więc porównywanie ciepłych z zimnymi przez cały rok mierzy sezon i obwinia termometr. Jeśli kubełki wyjdą równo, pogoda nie jest u ciebie czynnikiem, a twój współczynnik pogody wynosi 1,00.

Jak daleko w przód powinna sięgać prognoza w restauracji?

Na tyle daleko przed decyzją, którą prognoza ma zmienić — czyli horyzont wyznacza decyzja, a nie model. Grafik potrzebuje prognozy przed publikacją grafiku; zamówienie u dostawcy potrzebuje jej co najmniej o jeden czas realizacji wcześniej, bo liczba przychodząca po złożeniu zamówienia jest raportem, a nie prognozą. Prognozowanie dalej, niż wymaga którakolwiek z twoich decyzji, dokłada niepewności i nie kupuje niczego.

Czy restauracja może prognozować pojedyncze pozycje z karty?

Tak, a zwykła droga to udział w rachunku: prognozujesz gości na okres, potem mnożysz przez udział gości, którzy historycznie zamawiali to danie. Na poziomie pozycji zmieniają się dwie rzeczy: pojawiają się prawdziwe zera, więc miary błędu oparte na procentach przestają działać i przechodzisz na WAPE albo błąd bezwzględny w porcjach, a dni, w których danie było zdjęte z karty, trzeba wykluczyć zamiast uczyć się ich jako zerowego popytu.

Jak z prognozy powstaje grafik zmiany?

Przez jedno dzielenie: prognoza sprzedaży podzielona przez twój własny cel sprzedaży na roboczogodzinę daje godziny, które wolno zmianie przyznać. Prognoza sprzedaży to prognozowani goście razy twój średni rachunek. Ponieważ prognoza niesie przedział, wykonaj dzielenie dwa razy — na dolnym i górnym końcu — i zaklep niższą liczbę godzin, trzymając różnicę w zasięgu telefonu. Zaklepanie środka przedziału jako pewności to właśnie to, co produkuje grafik przeobsadzony i niedoobsadzony w tym samym tygodniu.

Co robić, kiedy prognoza mocno się pomyliła?

Spisz ten dzień, zanim zaczniesz o nim dyskutować: prognoza, fakt, błąd procentowy, przyczyna, jeśli jest wiarygodna, i co zmienia się w modelu. Przyczyna jednorazowa i wyjaśniona zasługuje na flagę, żeby dzień został wykluczony, i na nic więcej. Przyczyna, która powtórzyła się już kilka razy, zasługuje na własny współczynnik, zmierzony na tych wystąpieniach. Chybienie bez wyjaśnienia nie zasługuje na żadne z dwóch i po prostu zostaje we wskaźniku błędu — a jeśli niewyjaśnione chybienia się kumulują, przebudowy wymaga baza, a nie lista czynników.

Chcesz wiedzieć, jak przewidywalny jest popyt w twoim własnym lokalu? Zacznij od własnej historii, a nie od branżowej krzywej: przewodnik po restauracjach zbiera sąsiednie rachunki, automatyzacja restauracji mówi o tym, skąd te dane w ogóle się biorą, jeden ekran dla kilku lokali o tym, co się zmienia, gdy sal jest więcej niż jedna, a silnik decyzyjny to miejsce, w którym prognoza, dane i sygnały schodzą się w jedną konkretną rekomendację, zapisaną w dzienniku decyzji razem z powodem. Grafiku on za ciebie nie ułoży: godziny daje dzielenie z tej strony, a decyzja zostaje przy tobie. Jeśli zaczynasz od zera i nie masz jeszcze skąd brać danych, strona dla restauracji w Warszawie jest tym pierwszym miejscem, w którym rezerwacja zamienia się w zapis.