目录
- 餐饮业务底层逻辑
- 人效模型深度解析
- 坪效模型深度解析
- 单店模型深度解析
- 数据表达与量化方案
餐饮业务底层逻辑
1.1 餐饮连锁的本质
erlang
复制代码
餐饮连锁经营本质 = 规模化复制单个高盈利单店
┌─────────────────────────────────────────────┐
│ 单店盈利模型 │
├─────────────────────────────────────────────┤
│ │
│ 收入端: │
│ └─ 单位销售 = 客流量 × 客单价 × 出菜效率 │
│ │
│ 成本端: │
│ ├─ 食材成本 (35-40%) │
│ ├─ 人工成本 (25-30%) │
│ ├─ 租赁成本 (8-12%) │
│ ├─ 水电能耗 (3-5%) │
│ └─ 其他成本 (5-10%) │
│ │
│ 利润 = 收入 - 成本 │
│ │
│ 规模复制的挑战: │
│ ├─ 如何保证每家店都达到标准毛利率? │
│ ├─ 如何快速发现并解决门店异常? │
│ ├─ 如何通过数据优化人力配置? │
│ └─ 如何预测新店的成熟周期? │
│ │
└─────────────────────────────────────────────┘
1.2 业务流程全景图
scss
复制代码
┌──────────────┐
│ 战略决策层 │
│ (月度/季度) │
└──────┬───────┘
│
┌──────────────────┼──────────────────┐
│ │ │
↓ ↓ ↓
┌────────┐ ┌────────┐ ┌────────┐
│ 门店 │ │ 供应链 │ │ 营销 │
│ 运营 │ │ 管理 │ │ 运营 │
└────┬───┘ └────┬───┘ └────┬───┘
│ │ │
┌────┴──────────────────┼─────────────────┴────┐
│ │ │
↓ ↓ ↓
每日销售 每日补货需求 营销活动推送
订单数据 库存预警数据 会员消费数据
客流数据 采购计划数据 流量来源数据
│ │ │
├───────────────────────┼──────────────────────┤
│ │ │
↓ ↓ ↓
┌─────────────┐ ┌──────────────┐ ┌─────────────┐
│ 门店KPI │ │ 供应链KPI │ │ 营销KPI │
│ • 销售额 │ │ • 库存周转率 │ │ • 新增客户 │
│ • 人效 │ │ • 配送及时率 │ │ • 复购率 │
│ • 坪效 │ │ • 缺货率 │ │ • 转化率 │
│ • 翻台率 │ │ • 采购成本 │ │ • ROI │
└────┬────────┘ └──────┬───────┘ └──────┬──────┘
│ │ │
└──────────────┬───────┴─────────────────────┘
│
↓
┌──────────────┐
│ 财务汇总 │
│ (日/周/月) │
└──────────────┘
1.3 餐饮行业的关键时间周期
erlang
复制代码
┌──────────────────────────────────────────────────────┐
│ 时间维度分析 │
├──────────────────────────────────────────────────────┤
│ │
│ 日级周期 (Daily): │
│ ├─ 早/中/晚三餐时段的客流变化 │
│ ├─ 每日的人力投入（班次安排） │
│ ├─ 每日的库存消耗与补货周期 │
│ └─ 关键时间点：11:00-12:30, 17:00-19:00 │
│ │
│ 周级周期 (Weekly): │
│ ├─ 工作日 vs 周末的销售差异 (周末↑30-50%) │
│ ├─ 周末一般翻台率↑, 客单价↓ │
│ ├─ 促销活动的周期安排 │
│ └─ 周末人力成本增加 30-50% │
│ │
│ 月级周期 (Monthly): │
│ ├─ 月初财政补发的消费高峰 (+20%) │
│ ├─ 月末的消费低谷 (-15%) │
│ ├─ 工资日、奖金日影响 │
│ └─ 营销活动周期 (一般月2-3次大活动) │
│ │
│ 季度级周期 (Quarterly): │
│ ├─ 春节、假期等重大活动的影响 (+50-200%) │
│ ├─ 学生放假、返工的客流变化 │
│ ├─ 气候变化对消费品类的影响 │
│ └─ 竞争对手动作的季度调整 │
│ │
│ 年级周期 (Yearly): │
│ ├─ 1月: 春节+财政拨款 (高峰) │
│ ├─ 4月-5月: 春季平稳增长 │
│ ├─ 7月-9月: 夏季外卖高峰 │
│ ├─ 10月-11月: 黄金周后平稳增长 │
│ └─ 12月: 年末冲刺高峰 │
│ │
└──────────────────────────────────────────────────────┘
人效模型深度解析
2.1 人效的定义与计算
scss
复制代码
人效 (Revenue Per Employee, RPE)
= 总销售额 / 平均员工数
年人效 = 年销售额 / 年平均员工数
例: ¥1000万 / 10人 = ¥100万/人/年
日人效 = 日销售额 / 当班人数
例: ¥2万 / 5人 = ¥4000/人/日
单位人效 = 日销售额 / 当班人时数
例: ¥2万 / 40人时 = ¥500/人时
2.2 人效的分解模型
makefile
复制代码
日销售额 (DSA)
↓
├─ 客流量 (CV) = 订单数 × 客均人数
│ └─ 驱动因素: 营销力度、天气、竞争等
│
├─ 客单价 (AOP) = 总销售 / 订单数
│ └─ 驱动因素: 菜品组合、定价、配菜价格
│
└─ 出菜效率 (SOU) = 订单数 / 厨房人数 / 时间
└─ 驱动因素: 菜品复杂度、设备、人员技能
人效优化公式:
人效 = DSA / 人员数
= (CV × AOP × 出菜效率) / (服务人员 + 厨房人员 + 其他)
优化路径:
1. 增加客流量 (CV) - 营销、口碑、位置
2. 提升客单价 (AOP) - 菜品设计、搭配销售、定价
3. 提高出菜效率 (SOU) - 菜品标准化、厨房流程、设备
4. 优化人员配置 - 减少冗余、灵活调度、培训技能
2.3 人员成本结构
erlang
复制代码
┌─────────────────────────────────────────────┐
│ 人员成本构成及优化方向 │
├─────────────────────────────────────────────┤
│ │
│ 1. 固定成本 (约70%): │
│ ├─ 底薪 (40%) │
│ │ └─ 优化: 按岗位/技能分级, 鼓励多能工 │
│ ├─ 五险一金 (20%) │
│ │ └─ 优化: 合规缴纳, 按收入基数调整 │
│ └─ 其他福利 (10%) │
│ └─ 优化: 员工餐补、制服等成本控制 │
│ │
│ 2. 变动成本 (约30%): │
│ ├─ 绩效奖励 (20%) │
│ │ └─ 优化: 与人效/销售挂钩 │
│ ├─ 加班费 (10%) │
│ │ └─ 优化: 柔性排班、预测性人力配置 │
│ └─ 其他津贴 (<5%) │
│ └─ 优化: 根据实际绩效调整 │
│ │
│ 人员成本率 = 人员总成本 / 销售收入 │
│ 标杆: 25-30% (优秀门店 20-22%) │
│ │
└─────────────────────────────────────────────┘
2.4 人效数据体系建设
erlang
复制代码
┌─────────────────────────────────────────────┐
│ 人效数据采集与计算体系 │
├─────────────────────────────────────────────┤
│ │
│ 数据源: │
│ ├─ POS系统: 每笔订单时间、金额 │
│ ├─ 考勤系统: 员工班次、工作时长 │
│ ├─ 工资系统: 员工薪资、绩效奖励 │
│ └─ HR系统: 员工编制、岗位、级别 │
│ │
│ 计算指标: │
│ ├─ 日人效 = 日销售额 / 当班人数 │
│ ├─ 时人效 = 小时销售 / 当班人数 │
│ ├─ 岗位人效: │
│ │ ├─ 服务员人效 = 日销售 / 服务员数 │
│ │ ├─ 收银人效 = 日销售 / 收银数 │
│ │ └─ 厨房人效 = 日订单数 / 厨房人数 │
│ ├─ 人员成本率 = 人员成本 / 销售收入 │
│ └─ 人力配置指数 = 实际人数 / 标准人数 │
│ │
│ 目标与基准: │
│ ├─ 年人效目标: ¥100-150万/人 │
│ ├─ 日人效目标: ¥3500-5000/人 │
│ ├─ 人员成本率: 25-28% │
│ └─ 人力配置: 不超过6人/店 (标准店) │
│ │
│ 预警机制: │
│ ├─ 日人效<¥2500: 预警 │
│ ├─ 人员成本率>32%: 预警 │
│ ├─ 超岗位编制10%: 预警 │
│ └─ 出勤率<85%: 预警 │
│ │
└─────────────────────────────────────────────┘
2.5 人效优化的具体方案
erlang
复制代码
优化维度 │ 具体措施 │ 预期效果 │ 时间周期
────────────┼─────────────────────────────┼──────────────┼──────────
客流提升 │ • 门店运营优化 │ +15-25% │ 3-6个月
│ • 菜品研发升级 │ │
│ • 营销活动强化 │ │
│ │ │
客单价 │ • 菜品定价优化 │ +10-15% │ 1-2个月
提升 │ • 套餐组合设计 │ │
│ • 搭配销售指导 │ │
│ │ │
出菜效率 │ • 菜品标准化简化 │ +20-30% │ 2-3个月
提高 │ • 厨房流程优化 │ │
│ • 员工技能培训 │ │
│ │ │
人员配置 │ • 灵活排班管理 │ -15-20% │ 持续优化
优化 │ • 岗位合并/多能工 │ │
│ • 自动化设备引入 │ │
│ │ │
综合效果 │ 上述措施叠加 │ +35-60% │ 6-12个月
│ (人效从3000→4500-4800) │ │
坪效模型深度解析
3.1 坪效的定义与重要性
makefile
复制代码
坪效 (Sales Per Square Meter, SPE)
= 日销售额 / 门店营业面积
坪效分类:
├─ 高坪效 (>¥800/㎡/日) - 优秀门店
├─ 中坪效 (¥500-800/㎡/日) - 正常水平
├─ 低坪效 (<¥500/㎡/日) - 需要优化
坪效的意义:
├─ 直接反映门店资产的使用效率
├─ 决定门店的盈利能力
├─ 指导新店选址和扩张决策
└─ 评估门店运营管理水平
3.2 坪效的分解模型
markdown
复制代码
坪效 = 日销售额 / 营业面积
进一步分解:
坪效 = (客流量 / 营业面积) × 客单价
= 客流密度 × 客单价
其中:
├─ 客流密度 = 日订单数 / 营业面积
│ └─ 驱动: 位置、装修、营销、品牌力
│
└─ 客单价 = 总销售 / 订单数
└─ 驱动: 菜品、定价、搭配销售
坪效的三个维度:
1. 空间利用率
├─ 营业区域占比 (堂食面积占总面积)
├─ 座位数 / 面积 (座位密度)
├─ 翻台率 (单座位日均翻台次数)
└─ 座均产值 = 日销售额 / 座位数
2. 消费密度
├─ 日均客流量 / 营业面积
├─ 人效 × 人数密度
└─ 消费频次 × 消费金额
3. 盈利能力
├─ 坪效 × 毛利率 = 日毛利 / 面积
├─ 租赁成本 / 坪效的平衡
└─ ROI周期 (投资额 / 日毛利)
3.3 坪效的优化路径
复制代码
┌──────────────────────────────────────────────────────┐
│ 坪效优化矩阵 │
├──────────────────────────────────────────────────────┤
│ │
│ 提升客流密度的方法: │
│ ├─ 位置优化: │
│ │ ├─ 选择高流量商业体 │
│ │ ├─ 靠近地铁/商业中心 │
│ │ └─ 楼层选择 (1-2楼>3楼) │
│ │ │
│ ├─ 门店设计: │
│ │ ├─ 开放式设计增加通透感 │
│ │ ├─ 门窗展示优化 (吸引路人) │
│ │ ├─ 动线设计 (引导客流) │
│ │ └─ 座位密度优化 (增加座位同时保持舒适) │
│ │ │
│ ├─ 营销引流: │
│ │ ├─ 线上营销 (抖音、小红书等) │
│ │ ├─ 会员营销 (精准推送) │
│ │ ├─ 新品发布 (话题热度) │
│ │ └─ 周期性活动 (提升频次) │
│ │ │
│ ├─ 运营优化: │
│ │ ├─ 高峰期排队管理 (预定、等号) │
│ │ ├─ 翻台效率提升 │
│ │ ├─ 外卖堂食联动 │
│ │ └─ 延长营业时间 (有条件) │
│ │ │
│ 提升客单价的方法: │
│ ├─ 菜品策略: │
│ │ ├─ 引入高毛利品 (饮品、小食) │
│ │ ├─ 推菜和搭配 │
│ │ ├─ 套餐组合优化 │
│ │ └─ 新品高价定位 │
│ │ │
│ ├─ 价格策略: │
│ │ ├─ 定价优化 (价格敏感性分析) │
│ │ ├─ 分级定价 (标准品/溢价品) │
│ │ ├─ 动态定价 (高峰时段) │
│ │ └─ VIP套餐 (溢价空间) │
│ │ │
│ ├─ 推荐引导: │
│ │ ├─ 菜单设计 (高毛利品突出) │
│ │ ├─ 员工推荐话术培训 │
│ │ ├─ 点餐系统推荐 (AI) │
│ │ └─ 用餐过程追加销售 │
│ │ │
│ └─ 成本控制: │
│ ├─ 租赁成本: 商务谈判优化 │
│ ├─ 人力成本: 灵活排班 │
│ └─ 能耗成本: 设备优化 │
│ │
└──────────────────────────────────────────────────────┘
3.4 坪效数据体系建设
makefile
复制代码
数据指标体系:
基础指标:
├─ 日坪效 = 日销售额 / 营业面积
├─ 周坪效 = 周销售额 / 营业面积
├─ 月坪效 = 月销售额 / 营业面积
└─ 坪月产值 = 月销售额 / 面积 (更直观)
分解指标:
├─ 座位数产值 = 日销售额 / 座位数
├─ 人流密度 = 日客流量 / 营业面积
├─ 翻台率 = 日订单数 / 座位数
└─ 区域坪效 = 区域销售额 / 区域面积
成本指标:
├─ 租金坪费 = 月租金 / 营业面积
├─ 坪效利润 = (日销售额 × 毛利率 - 日租金) / 面积
└─ 坪效成本率 = 总成本 / 坪效
对标与预警:
├─ 坪效目标: ¥600-800/㎡/日 (因城市而异)
├─ 预警值: <¥400/㎡/日 需要整改
├─ 优秀值: >¥800/㎡/日 持续优化
└─ 同店对比: 监测坪效环比下降
单店模型深度解析
4.1 单店的定义与关键指标
scss
复制代码
单店模型 = 单个门店的完整经营体系
核心指标体系 (7个维度):
┌─────────────────────────────────────┐
│ 单店经营指标体系 (7维模型) │
├─────────────────────────────────────┤
│ │
│ 1. 收入维度 (Revenue): │
│ ├─ 日销售额 (DSA) │
│ ├─ 周销售额 (WSA) │
│ ├─ 月销售额 (MSA) │
│ ├─ 客单价 (AOP) │
│ ├─ 日客流量 (DVC) │
│ └─ 堂食/外卖/其他占比 │
│ │
│ 2. 成本维度 (Cost): │
│ ├─ 食材成本 (COGS) │
│ ├─ 人力成本 │
│ ├─ 租赁成本 │
│ ├─ 能耗成本 │
│ └─ 其他成本 │
│ │
│ 3. 利润维度 (Profit): │
│ ├─ 毛利 = 收入 - COGS │
│ ├─ 营业利润 = 毛利 - 运营成本 │
│ ├─ 净利润 = 营业利润 - 税费 │
│ ├─ 毛利率 = 毛利 / 收入 │
│ ├─ 营业利润率 │
│ └─ 净利率 = 净利润 / 收入 │
│ │
│ 4. 效率维度 (Efficiency): │
│ ├─ 人效 (人均日销售) │
│ ├─ 坪效 (单位面积日销售) │
│ ├─ 翻台率 (每座位日均翻台) │
│ ├─ 出菜效率 (单位厨房产出) │
│ └─ 库存周转率 │
│ │
│ 5. 运营维度 (Operations): │
│ ├─ 员工数量与编制 │
│ ├─ 食材采购成本与价格 │
│ ├─ 库存水位 (天数) │
│ ├─ 客流分布 (早中晚) │
│ └─ 产品组合 (菜品销售占比) │
│ │
│ 6. 市场维度 (Market): │
│ ├─ 新客占比 │
│ ├─ 复购率 │
│ ├─ 会员占比 │
│ ├─ 复购周期 │
│ └─ NPS (客户满意度) │
│ │
│ 7. 健康维度 (Health): │
│ ├─ 投资回报周期 (年) │
│ ├─ 毛利率趋势 │
│ ├─ 客流趋势 │
│ ├─ 成本控制指数 │
│ └─ 竞争力指数 │
│ │
└─────────────────────────────────────┘
4.2 单店盈利模型（详细版）
ini
复制代码
年度盈利测算模型:
─────────────────────────────────────────────
收入面:
├─ 堂食收入
│ = 日均客流 × 堂食客单价 × 营业天数
│ = 100人 × ¥80 × 365天 = ¥292万
│
├─ 外卖收入
│ = 日均外卖订单 × 外卖客单价 × 营业天数
│ = 30单 × ¥50 × 365天 = ¥55万
│
└─ 其他收入(酒水、商品等)
= 日均 × ¥1000 × 365天 = ¥36万
总收入 = ¥292 + ¥55 + ¥36 = ¥383万
─────────────────────────────────────────────
成本面:
1. 食材成本 (COGS):
= 总收入 × 食材成本率 (35-40%)
= ¥383万 × 37% = ¥142万
2. 人力成本:
= 月均工资 × 月均人数 × 12
= (¥2000 × 5.5人) × 12 = ¥132万
3. 租赁成本:
= 月租金 × 12
= ¥2万/月 × 12 = ¥24万
4. 能耗成本 (水、电、气等):
= 月均 × 12
= ¥0.5万/月 × 12 = ¥6万
5. 运营成本 (营销、物品、维修等):
= 月均 × 12
= ¥1万/月 × 12 = ¥12万
总成本 = ¥142 + ¥132 + ¥24 + ¥6 + ¥12 = ¥316万
─────────────────────────────────────────────
利润面:
营业毛利 = 收入 - COGS
= ¥383 - ¥142 = ¥241万
毛利率 = ¥241 / ¥383 = 63%
营业利润 = 毛利 - 运营成本
= ¥241 - (¥132 + ¥24 + ¥6 + ¥12)
= ¥241 - ¥174 = ¥67万
营业利润率 = ¥67 / ¥383 = 17.5%
净利润 = 营业利润 - 税费 (所得税25%, 其他2%)
= ¥67 × (1 - 27%)
= ¥49万
净利率 = ¥49 / ¥383 = 12.8%
─────────────────────────────────────────────
投资回报:
初始投资 = ¥150万 (装修、设备、首批进货)
年净利润 = ¥49万
投资回报周期 = ¥150 / ¥49 ≈ 3年
─────────────────────────────────────────────
敏感性分析:
若客流↓10%: 收入↓¥38万 → 净利润↓¥30万 = ¥19万 (↓39%)
若客单价↑10%: 收入↑¥38万 → 净利润↑¥28万 = ¥77万 (↑57%)
若食材成本↑2%: 成本↑¥8万 → 净利润↓¥6万 = ¥43万 (↓13%)
→ 说明: 客单价提升的优先级最高
4.3 单店评估体系 (标准化)
erlang
复制代码
┌───────────────────────────────────────────────────────┐
│ 单店经营评估体系 (100分制) │
├───────────────────────────────────────────────────────┤
│ │
│ 一级指标 权重 二级指标 评分标准 │
│ │
│ 收入表现 25% • 日销售额 <5000:40分 │
│ └─ 目标: ¥5000-6000 5000-6000:80 │
│ 超6000:100 │
│ • 客单价 <50:40分 │
│ └─ 目标: ¥50-70 50-70:80 │
│ 超70:100 │
│ • 新增客户 <30%:60分 │
│ └─ 目标: 30-50% 30-50%:80 │
│ 超50%:100 │
│ │
│ 成本控制 25% • 食材成本率 >40%:40分 │
│ └─ 目标: 35-38% 35-38%:80 │
│ <35%:100 │
│ • 人员成本率 >32%:40分 │
│ └─ 目标: 25-28% 25-28%:80 │
│ <25%:100 │
│ • 日均库存 >5天:50分 │
│ └─ 目标: 3-4天 3-4天:80 │
│ <3天:100 │
│ │
│ 效率提升 25% • 人效 <3000:40分 │
│ └─ 目标: 3500-4500 3500-4500:80 │
│ >4500:100 │
│ • 坪效 <400:40分 │
│ └─ 目标: 600-800 600-800:80 │
│ >800:100 │
│ • 翻台率 <3:40分 │
│ └─ 目标: 4-5 4-5:80 │
│ >5:100 │
│ │
│ 运营健康 15% • 毛利率趋势 下降:50分 │
│ └─ 持平:80分、上升:100分 │
│ • 客流趋势 下降:50分 │
│ └─ 持平:80分、上升:100分 │
│ • 员工满意度 <70%:50分 │
│ └─ 70-85%:80分、>85%:100分 │
│ │
│ 市场竞争 10% • 复购率 <40%:40分 │
│ └─ 目标: 50-60% 50-60%:80 │
│ >60%:100 │
│ • NPS评分 <0:40分 │
│ └─ 目标: 20-40 20-40:80 │
│ >40:100 │
│ │
│ ──────────────────────────────────────────────── │
│ 等级划分: │
│ ├─ A级: 85分以上 (优秀门店，模范标杆) │
│ ├─ B级: 70-84分 (良好门店，正常运营) │
│ ├─ C级: 60-69分 (一般门店，需要改进) │
│ └─ D级: <60分 (问题门店，需要干预) │
│ │
└───────────────────────────────────────────────────────┘
4.4 单店诊断与干预方案
less
复制代码
根据评分等级, 启动对应干预措施:
A级门店 (优秀):
├─ 深化经验总结，形成SOP标准化
├─ 拓展到新门店作为试点
├─ 提升为标杆门店，培养管理者
└─ 增加投资，扩大经营规模
B级门店 (良好):
├─ 持续监测，定期复盘
├─ 针对短板制定改进计划
├─ 引入标杆门店的经验
└─ 基层团队鼓励，目标是晋升A级
C级门店 (一般):
├─ 深度诊断，找出根本原因
├─ 制定3个月改进计划
│ ├─ 收入侧: 提升客单价、外卖推广
│ ├─ 成本侧: 采购优化、人员优化
│ └─ 效率侧: 流程改进、员工培训
├─ 每周跟进，每月复评
└─ 若3个月后仍无改善，升级为D级干预
D级门店 (问题):
├─ 启动紧急干预机制
├─ 派驻支持团队 (1-2周驻店)
├─ 集中诊断+快速改进 (2周)
├─ 执行深度重组:
│ ├─ 更换管理层 (可能)
│ ├─ 菜单调整 (必须)
│ ├─ 人员优化 (必须)
│ └─ 营销刺激 (必须)
└─ 若改善不达标，考虑关闭或转型
数据表达与量化方案
5.1 关键指标的数据表达
sql
复制代码
┌──────────────────────────────────────────────────────┐
│ 指标数据化表达 & Doris数据模型 │
├──────────────────────────────────────────────────────┤
│ │
│ 1. 人效相关指标: │
│ │
│ 指标定义: 日人效 = 日销售额 / 当班人数 │
│ 数据模型: │
│ ├─ 维度表: │
│ │ ├─ dim_employee (员工维度) │
│ │ │ └─ 员工ID, 姓名, 岗位, 技能等级, 入职日期 │
│ │ └─ dim_date (日期维度) │
│ │ └─ 日期, 年月日, 工作日标识 │
│ │ │
│ ├─ 事实表: │
│ │ ├─ fact_sale (销售事实) │
│ │ │ └─ 订单金额, 订单数, 销售时间 │
│ │ └─ fact_attendance (考勤事实) │
│ │ └─ 员工ID, 班次, 上班时间, 下班时间 │
│ │ │
│ ├─ 计算逻辑 (DWS层): │
│ │ dws_employee_daily: │
│ │ ├─ 日销售额 = SUM(sale_amount) GROUP BY date │
│ │ ├─ 当班人数 = COUNT(DISTINCT employee_id) │
│ │ ├─ 日人效 = 日销售额 / 当班人数 │
│ │ └─ 岗位人效 = 日销售额 / 岗位人数 │
│ │ │
│ └─ 展示维度 (ADS层): │
│ ads_rpe_dashboard: │
│ ├─ 店铺级: 每家店的日人效排行 │
│ ├─ 地区级: 地区平均人效对标 │
│ ├─ 岗位级: 岗位人效对标 │
│ ├─ 周期对比: 周环比、年同比 │
│ └─ 预警: <¥2500的门店实时预警 │
│ │
│ ───────────────────────────────────────────────── │
│ │
│ 2. 坪效相关指标: │
│ │
│ 指标定义: 日坪效 = 日销售额 / 营业面积 │
│ 数据模型: │
│ ├─ 维度表: │
│ │ └─ dim_shop (门店维度) │
│ │ └─ 店铺ID, 店名, 位置, 营业面积, 座位数 │
│ │ │
│ ├─ 事实表: │
│ │ └─ fact_sale (销售事实) │
│ │ └─ 店铺ID, 销售金额, 订单数 │
│ │ │
│ ├─ 计算逻辑 (DWS层): │
│ │ dws_shop_daily: │
│ │ ├─ 日销售额 = SUM(sale_amount) BY shop_id │
│ │ ├─ 营业面积 = MAX(shop_area) FROM dim_shop │
│ │ ├─ 日坪效 = 日销售额 / 营业面积 │
│ │ ├─ 座均产值 = 日销售额 / 座位数 │
│ │ └─ 翻台率 = 日订单数 / 座位数 │
│ │ │
│ └─ 展示维度 (ADS层): │
│ ads_spe_dashboard: │
│ ├─ 门店排行: 坪效排名 TOP 20 & BOTTOM 10 │
│ ├─ 地区对标: 同城市门店坪效对比 │
│ ├─ 同店对比: 季度环比、年同比 │
│ ├─ 成本关联: 坪效 vs 租赁成本 │
│ └─ 盈利分析: 坪效 × 毛利率 = 日毛利/面积 │
│ │
│ ───────────────────────────────────────────────── │
│ │
│ 3. 单店综合评分: │
│ │
│ 指标定义: 单店评分 = 多维加权评分 │
│ 数据模型: │
│ ├─ 维度表: │
│ │ ├─ dim_shop (门店信息) │
│ │ └─ dim_indicator_weight (权重配置) │
│ │ └─ 指标ID, 权重, 目标值范围, 评分算法 │
│ │ │
│ ├─ 事实表: │
│ │ └─ fact_shop_indicator (每日指标) │
│ │ ├─ 销售额, 客流量, 成本率等 │
│ │ └─ 日期, 店铺ID │
│ │ │
│ ├─ 计算逻辑 (DWS/ADS层): │
│ │ ├─ 标准化指标值 = (实际值 - 最小值) / │
│ │ │ (最大值 - 最小值) │
│ │ ├─ 单维评分 = 标准化值 * 100 │
│ │ ├─ 综合评分 = SUM(单维评分 × 权重) │
│ │ └─ 等级划分 = IF(综合评分>=85, 'A', 'B', ...) │
│ │ │
│ └─ 展示维度: │
│ ads_shop_scorecard: │
│ ├─ 店铺排行: 按评分排名 │
│ ├─ 等级分布: A/B/C/D级门店数量分布 │
│ ├─ 趋势分析: 评分环比变化 │
│ ├─ 详细项: 各维度得分拆解 │
│ └─ 预警: 评分下降超过10分的门店 │
│ │
└──────────────────────────────────────────────────────┘
5.2 数据血缘与计算规则
sql
复制代码
数据血缘示意图:
源系统 (POS, 考勤系统)
│
├─→ ODS原始表
│ ├─ ods_pos_order (订单)
│ ├─ ods_attendance (考勤)
│ └─ ods_shop_info (门店信息)
│
├─→ DWD细节表
│ ├─ dwd_fact_sale
│ │ ├─ 包含: 订单ID, 店铺ID, 销售额, 订单时间
│ │ └─ 清洗: 去重、缺失值填补、异常值处理
│ │
│ ├─ dwd_fact_attendance
│ │ ├─ 包含: 员工ID, 班次, 工作时长
│ │ └─ 清洗: 考勤规则应用、加班判定
│ │
│ └─ dwd_dim_*
│ ├─ 包含: 员工、门店、菜品等维度数据
│ └─ 清洗: 维度关联、历史追踪
│
├─→ DWS汇总表
│ ├─ dws_employee_daily
│ │ ├─ 计算: 日销售额, 当班人数, 日人效
│ │ ├─ 计算: SUM(fact_sale.amount) BY shop_id, date
│ │ ├─ 计算: COUNT(fact_attendance.employee) BY shop_id, date
│ │ └─ 计算: 销售额 / 人数 = 人效
│ │
│ └─ dws_shop_daily
│ ├─ 计算: 日销售额, 日客流, 日成本
│ ├─ 计算: 坪效 = 日销售额 / 面积
│ ├─ 计算: 客单价 = 日销售额 / 客流
│ └─ 计算: 毛利 = 销售 - COGS
│
└─→ ADS应用表
├─ ads_rpe_ranking
│ ├─ 排序: ORDER BY 日人效 DESC
│ └─ 过滤: 只显示昨天数据
│
├─ ads_spe_ranking
│ ├─ 排序: ORDER BY 日坪效 DESC
│ └─ 对标: 同地区门店对比
│
└─ ads_shop_scorecard
├─ 综合评分 = (人效评分*0.25 + 坪效评分*0.25 + ... ) * 100
└─ 趋势: 周期环比、年同比
计算规则示例:
SQL示例 - 日人效计算:
CREATE TABLE dws_employee_daily AS
SELECT
shop_id,
order_date,
SUM(order_amount) as daily_sales,
COUNT(DISTINCT employee_id) as staff_count,
SUM(order_amount) / COUNT(DISTINCT employee_id) as daily_rpe
FROM fact_sale
WHERE order_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
GROUP BY shop_id, order_date;
SQL示例 - 坪效计算:
CREATE TABLE dws_shop_daily AS
SELECT
fs.shop_id,
fs.order_date,
SUM(fs.order_amount) as daily_sales,
ds.shop_area,
SUM(fs.order_amount) / ds.shop_area as daily_spe,
COUNT(fs.order_id) as order_count,
SUM(fs.order_amount) / COUNT(fs.order_id) as aop
FROM fact_sale fs
JOIN dim_shop ds ON fs.shop_id = ds.shop_id
WHERE fs.order_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
GROUP BY fs.shop_id, fs.order_date, ds.shop_area;
SQL示例 - 单店综合评分:
CREATE TABLE ads_shop_scorecard AS
SELECT
shop_id,
order_date,
ROUND(
IF(daily_rpe < 2500, 40,
IF(daily_rpe < 3500, 60,
IF(daily_rpe < 4500, 80, 100))) * 0.25 +
IF(daily_spe < 400, 40,
IF(daily_spe < 600, 60,
IF(daily_spe < 800, 80, 100))) * 0.25 +
... (其他维度)
, 0) as total_score,
CASE
WHEN total_score >= 85 THEN 'A'
WHEN total_score >= 70 THEN 'B'
WHEN total_score >= 60 THEN 'C'
ELSE 'D'
END as shop_grade
FROM dws_shop_daily
WHERE order_date = DATE_SUB(CURDATE(), INTERVAL 1 DAY);
5.3 数据使用场景示例
vbnet
复制代码
场景1: 店长查看昨日业绩
查询: SELECT * FROM ads_shop_scorecard WHERE order_date = '2025-11-29'
结果呈现:
┌─────────────────────────────────────┐
│ 我的门店昨日成绩单 │
├─────────────────────────────────────┤
│ 日销售额: ¥5200 (目标: ¥5000) │ ✓ 目标达成
│ 日人效: ¥3680 (目标: ¥3500) │ ✓ 超目标
│ 日坪效: ¥720 (目标: ¥600) │ ✓ 超目标
│ 毛利率: 62% (目标: 60%) │ ✓ 目标达成
│ │
│ 综合评分: 88分 → 等级: A级 │ ✓ 优秀门店
│ │
│ 对标分析: │
│ • 人效排名: 全区TOP 3 ↑ │
│ • 坪效排名: 全区中等水平 → │
│ • 毛利率: 区域平均以上 ↑ │
│ │
│ 预警信息: 无 │
│ 建议: 继续保持，冲刺下周TOP 2 │
│ │
└─────────────────────────────────────┘
场景2: 区域经理发现问题门店
查询: SELECT * FROM ads_shop_scorecard
WHERE order_date = CURDATE()-1 AND shop_grade = 'D'
结果呈现:
┌─────────────────────────────────────┐
│ 问题门店预警 (3家) │
├─────────────────────────────────────┤
│ 店铺: 廈門中山路店 │
│ 综合评分: 45分 (D级) ↓↓↓下降18分 │
│ │
│ 问题诊断: │
│ • 日销售↓25% 原因: 客流↓20% │
│ • 日人效↓30% 原因: 超编人员 │
│ • 毛利率↓5pp 原因: 采购成本↑ │
│ │
│ 建议干预措施: │
│ 1. 深度诊断 (本周) │
│ 2. 派驻支持团队 (1周) │
│ 3. 快速改进计划 (2周) │
│ 4. 每日跟进复评 │
│ │
│ 责任人: 王经理 (已通知) │
│ 下次复评: 2025-12-07 │
│ │
└─────────────────────────────────────┘
场景3: 总部监控全公司运营
查询: SELECT store_grade, COUNT(*) as store_count,
AVG(total_score) as avg_score
FROM ads_shop_scorecard
WHERE order_date = CURDATE()-1
GROUP BY store_grade
结果呈现:
┌─────────────────────────────────────┐
│ 全公司门店评分分布 │
├─────────────────────────────────────┤
│ A级优秀: 35家 (17.5%) 平均88.5分 │ ⬆️ +2家
│ B级良好: 140家 (70%) 平均75.2分 │ → 稳定
│ C级一般: 18家 (9%) 平均64.3分 │ → 稳定
│ D级问题: 7家 (3.5%) 平均42.1分 │ ⬆️ +2家
│ │
│ 公司平均: 73.8分 (环比↑1.2分) │
│ 同比: 去年同期71.2分 (↑2.6分) │
│ │
│ 关键指标: │
│ • 公司平均人效: ¥3680 (目标↑10%) │
│ • 公司平均坪效: ¥620 (目标达成) │
│ • 整体毛利率: 61.5% (↓0.5pp) │
│ • 新增客户: 12.3% (目标15%) │
│ │
│ 月度目标进度: │
│ □ 人效提升 60% (需加速) │
│ ✓ 坪效达成 100% (已完成) │
│ □ 新客获取 82% (接近目标) │
│ │
└─────────────────────────────────────┘