周五缺虾、周二报废青柠：用 ChatGPT 做一张分店订货参考表

曼谷有五家分店的泰式连锁餐厅，周五晚上七点，三号店的虾卖完了，客人点的月亮虾饼只好改推别的菜；同一周的周二，二号店却把一整箱青柠和蔬菜扔进报废桶。老板月底一算，食材报废约占营收 6%，问各店长原因，有人说“周五客人突然变多”，有人说“供应商送货太晚”，有人说“天气不好没客人”，每家说法都不一样，老板也无从判断谁对。

为什么订货一直处理不好

多数连锁餐厅不是店长不用心，而是犯了几个共同的误区：

• 只凭上周印象订货：记得最近一次缺货的痛，就多订；记得最近一次报废的痛，就少订，结果来回摆动。
• 缺货与报废没有记在同一张表：缺货没人记，报废只记总金额，不知道是哪个品项、什么原因（过量、保存不当、备料过度、菜单变动）。
• 各店各说各话、没有共同语言：没有统一的报废原因分类，老板听到的永远是故事而不是数字。

一张好的订货参考表有哪些要件

• 分店、分品项，因为同一道菜在不同商圈的销量结构不同。
• 区分平日、周末与节庆或雨季，用“系数”呈现，而不是只给一个平均数。
• 只是“参考”，不是“命令”：最后订货量由店长根据当天预订、天气与库存决定，并留下例外说明栏。
• 报废原因固定分几类，每周统计，让讨论从“感觉”变成“哪一类最多”。

🔧 AI 动手做：分店订货参考表＋报废原因统计＋订货前三问

先把近八周的销售日报、订货单、报废记录去标识化（删掉员工姓名、电话、供应商联系人，只留店别代号 A–E、日期、品项、数量），贴进 ChatGPT。关键是要它“只用你给的数字算，不准推估销量”。

你是餐饮连锁的运营分析助理。以下是 [五家分店] 近 [八] 周已去标识化的数据：销售日报、订货单、报废记录（店别以 A–E 代号表示）。

请依次完成：
1. 分店、分品项的“订货量参考表”：分别列出平日、周末的平均实际用量，以及节庆或雨季相对平日的调整系数。重点品项：[虾、香茅、青柠、蔬菜、其他]。
2. 报废原因分类统计：分为 [过量订货 / 保存不当 / 备料过度 / 菜单或促销变动 / 其他]，每店每类列出件数与金额，并指出前两名。
3. 店长每日订货前三问检核表：每题一行，附“例外说明”空栏，供店长填写。

严格规则：
- 只能使用我提供的数字，不得自行推估或预测销量。
- 数据不足八周或缺漏的品项，请标示“数据不足”，不要补数字。
- 系数的计算方式请写在表格下方，方便我检查。
- 最终订货量由店长决定，表格只标示“参考区间”。

数据如下：
[粘贴数据]

拿到表格后，先抽三个品项用自己的数字复算，确认系数没有算错，再发给各店长。店长每天订货前回答三问，例如：今天有没有预订或团客？天气预报有无大雨？目前库存还剩几天的量？偏离参考区间就写在例外说明栏，一个月后再回头看哪些例外其实是对的。

本周就能做的一步：先请五家分店各把上周的报废记录补上“原因”一栏，只分四类，周日交给你，下周就有第一张报废原因统计。