菜品选择：要吃要换什么，数据比你更了解顾客口味
通过数据决策，这套分析系统除了在选址上能够有提前预判和决策的功能外，还带来一种餐饮老板都很期待的优势，那就是通过数据的共享模式和共赢模式，给实际运营带来非常大的便利，比如说是菜品的选择。
数据需要积累，积累的越久，效果也更显著。对于餐饮行业来讲，传统ERP虽然有菜品的简单数据，门店也会记录来分析菜品滞销和畅销，这都不难。但是，如果实际上需要替换某个菜品的时候，连餐饮老板都没办法把握，以为实在不知道该怎么去替换才是最佳选址，要不靠蒙，要不全靠过去经验。而对于这套系统来讲，则是当有两个菜品滞销需要替换其他菜品时，可以告诉你，去选择较合适的替换方案。
例如在遇见小面的实际运营中，需要新增一款配菜，但是选择爆款型配菜臭豆腐，还是大众口味的卤蛋，老板迟迟难以做出判断，通常这种情况，都是由全店成员一起投票决定，很难避免自己的主观臆断成分，从客观的角度来讲并不能代表目标用户实际的需要。但是你只要把数据传到我们的云数据上，我们有的是整个行业餐饮同行的销售排行。在不会告诉你单独某个同行的数据上，但我们会把整个同行所有的数据里面的总排行呈现给你，把你没有的产品告知你，帮助你更好的决策。80%的同行销售好的、区域的菜品等是靠大家一起建设的。所以现在早一点加入款易分析师，其实就是提前布局，获得未来大数据的使用资格。
直达人性：阿尔法狗战胜棋手后，将学习战胜餐饮大佬
任何数据是人的消费认识，未来数据分析的趋势就是分析人，深度学习。但是，不少人可能会说，分析人的数据还是一个新兴产物，似乎成功的例子很少。不久前，相信大家都曾关注过这个杰出案例，就是用算法击败人类的智能系统阿尔法围棋(AlphaGo)。2016年3月对战世界围棋冠军、职业九段选手李世石，这套智能系统以4:1的总比分获胜。看上去，阿尔法围棋好像只带来了打败人类这个结果，但对于人们来说，更应该看到其身上数据决策的力量。
因为阿尔法围棋主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”。
而回到餐饮行业来讲，根据餐饮行业的特点，和餐饮人共建、共享数据，其实已经是系统在进行面对“人”的“深度学习”。只要收集足够多的数据，就能通过分析帮助餐饮老板节省很多市场调研的步骤和精力，在运营中也可以得到有效的决策方案支持，从而利用数据分析和决策的优势，构建更多适合自己的新型餐饮场景，切切实实给经营者带来更多的好处。
纵观中国餐饮业的发展，其实是从以前的只关注于食物本身，转而发展为围绕人全面的体验服务。现在如雨后春笋般茁壮成长的新型餐饮代表，其实一直在强调这一点——让顾客的体验更好，制造更多舒适的餐饮消费场景。但在设定体验和场景设立中，利用数据精准决策，将是重要的一环，也是在餐饮发展趋势性下的一种必然存在。(来源：头条号 作者：款易 )
