Indsamling af data
På hver aftalt dag henter flowet udtrækket af salg pr. time fra kassesystemet eller Poster POS, næste uges bookinger, rapporten over Wolt-ordrer og kalenderen over arrangementer. Medarbejdernes navne og lønoplysninger hentes ikke.
Vagtplanen laves ud fra hukommelsen og mavefornemmelse, så der om lørdagen mangler tjenere, og om tirsdagen står de uden opgaver, selv om kassesystemet har kvitteringerne for hver eneste time. Løsningen forbereder en ugentlig belægningsprognose og et forslag til antal medarbejdere pr. time ud fra salg i kassesystemet eller Poster POS, bookinger og Wolt-ordrer, og lederen laver vagtplanen.
Lever op til ISO 27001NIS2 DORA
Hver uge laver lederen af en restaurant eller café vagtplanen ud fra det, vedkommende husker fra sidste uge, hvem der kan arbejde, og hvornår et arrangement nærmer sig. Kassesystemet eller Poster POS har imens hele historikken: hvor mange kvitteringer der var hver time, den gennemsnitlige regning, hvor mange af dem der var ordrer fra Wolt, som belaster køkkenet, men ikke spisesalen, og hvordan trafikken ændrede sig på helligdage, i regnvejr eller under arrangementer i byen. Bookingsystemet viser allerede næste uges selskaber, og kalenderen viser brylluppet og firmafesten. Ingen sætter disse kilder sammen, så der i nogle timer mangler hænder, og gæsterne venter, mens personalet i andre timer står uden opgaver, og lønbudgettet overskrides.
Vi samler udtrækket af salg pr. time fra kassesystemet eller Poster POS, bookingsystemet, rapporterne over Wolt-ordrer og kalenderen over arrangementer. Hver uge analyserer Claude via API de foregående ugers salg pr. time og dag, adskiller kvitteringer fra spisesalen fra leveringsordrer, anvender de kendte bookinger og arrangementer, tager højde for helligdage og eventuelle usædvanlige begivenheder, I angiver, og forbereder derefter en prognose for næste uges belægning og et forslag til bemandingsbehovet for hver time efter jeres nøgletal (for eksempel hvor mange borde der er pr. tjener, og hvor mange Wolt-ordrer i timen køkkenet kan klare). Resultatet leveres i en Power BI-rapport og et kort resumé: hvilke timer der bliver travle, hvorfor, og hvor mange personer der foreslås i spisesalen, i baren og i køkkenet. Lederen kan se begrundelsen, laver vagtplanen i sit vante system og afgør undtagelserne. Systemet tildeler ingen medarbejdere, ændrer ingen vagtplan og kommunikerer ikke med personalet. Modellen kører på Anthropic API eller Amazon Bedrock i en EU-region, og medarbejdernes personoplysninger sendes ikke til modellen, fordi prognosen kun bruger tal for salg og belægning.
Fire trin fra input til en registrering i jeres system – med godkendelse fra et menneske, hvor der er en risiko.
På hver aftalt dag henter flowet udtrækket af salg pr. time fra kassesystemet eller Poster POS, næste uges bookinger, rapporten over Wolt-ordrer og kalenderen over arrangementer. Medarbejdernes navne og lønoplysninger hentes ikke.
Claude analyserer de foregående ugers trafik fra kassesystemet, adskiller kvitteringer fra spisesalen fra ordrer fra Wolt, anvender kendte bookinger, arrangementer og helligdage og beregner efter jeres nøgletal et forslag til antal medarbejdere for hver time i spisesalen, i baren og i køkkenet.
Lederen får en Power BI-rapport og et resumé, der forklarer, hvilke timer der bliver travle og hvorfor, for eksempel på grund af bookede selskaber eller fredagens spids på Wolt. Lederen laver vagtplanen i sit vante system og kan acceptere, ændre eller afvise forslaget.
Hver måned sammenligner vi prognosen med den faktiske trafik fra kassesystemet eller Poster POS og forfiner nøgletallene eller reglerne for sæsonudsving. Vi kobler nye kilder på efter behov, for eksempel vejrudsigter eller arrangementer i byen.
Automatisk indsamling af udtræk af salg fra kassesystemet eller Poster POS, bookinger, rapporter over ordrer fra Wolt og kalenderen over arrangementer, uden manuel kopiering.
Beregning af belægning og bemandingsbehov ud fra de nøgletal, I fastsætter for spisesalen, baren og køkkenet, med leveringsordrer adskilt og med hensyn til helligdage og sæsoner.
En ugentlig belægningsrapport med det foreslåede behov pr. time og et kort resumé til lederen, med forklaringer hentet fra historikken i kassesystemet.
Sammenligning af prognosen med de faktiske tal, forfining af nøgletallene og vores support, når kassesystemet, Poster POS eller bookingsystemet ændrer sig.
Claude via API + udtræk af salg fra kassesystemet eller Poster POS, rapporter over ordrer fra Wolt, rapport i Power BI. Vi henter salgsdata via systemets rapportudtræk eller API, alt efter jeres version. Læs mere om ydelsen og dens begrænsninger på ydelsessiden.
Ja, begge kan eksportere salg pr. time til en fil, og begge har også en API, som vi bruger, hvis jeres version og jeres leverandørs aftale tillader det. Vi vælger integrationsmetoden efter en gennemgang, og vi udgiver os ikke for at være officiel partner for disse systemer. Ordrer fra Wolt henter vi fra rapporterne i partnerportalen.
Nej. Prognosen har kun brug for salg fra kassesystemet, bookinger, Wolt-ordrer og tal for arrangementer. Medarbejdernes navne, løn og tidsregistrering sendes ikke til modellen, og lederen laver vagtplanen i sit eget system.
Efter vores erfaring er nogle måneders data pr. time fra kassesystemet eller Poster POS nok, og for sæsonudsving er et år bedre. I begyndelsen støtter prognosen sig mere til bookinger, Wolt-ordrer og arrangementer og senere til historikken.
En gæst spørger, om en sauce indeholder nødder, og en ny tjener løber ud i køkkenet eller gætter.
Bookingforespørgsler kommer ind på Messenger, Instagram, e-mail og Google Business Profile, og lederen svarer mellem bordene, ofte for sent.
Anmeldelser lander på Google Business Profile, i bedømmelser på Wolt og på Facebook og Instagram, og lederen får først tid til at svare sent om…
Hver dag kommer der varer fra flere leverandører med følgesedler på papir, fakturaer kommer pr. e-mail, og bogholderen taster det hele ind i SAP…
Denne ydelse leveres af specialister med gyldige internationale certificeringer. Deres kompetencer er bekræftet af uafhængige organisationer og ikke af os.
AI-systemer indføres med beskyttelse mod datalæk og misbrug af modeller.
Sikkerhedsprogrammet for AI og dets kontroller styres efter ISACA's metode.
AI-risici identificeres og håndteres som alle andre IT-risici.
Vi svarer inden for 1 hverdag