餐飲備料過量又缺貨：AI 銷量預測怎麼解兩難

備多了整桶報廢，備少了看客人掉頭離開，同一天內兩種損失可能一起發生。AI銷量預測要處理的核心，就是餐飲備料過量又缺貨。

直覺上以為「預測準一點」就解決了，其實再強的模型也不會每天精準命中，真正的問題是風險怎麼取捨：多備一單位的損失是報廢成本，少備一單位的損失是毛利與顧客印象，兩邊並不對稱。懂這件事，才知道預測該怎麼用。

▍兩邊的成本怎麼算

1、過量成本。食材報廢、倉儲占用與處理人力，效期越短的品項越高，生鮮甚至當天就歸零。

2、缺貨成本。少賣一份的毛利、現場催促與「下次先去別間」的印象，有些損失不會出現在帳面上。

3、憑經驗為何兩邊都犯。斷貨那幾天銷售歸零，事後看報表卻像商品不受歡迎，下次只會備得更少；怕缺貨的師傅又習慣性多備，浪費就被常態化。

▍AI怎麼給答案

富啟科技規劃的銷量預測，輸出的不是單一數字，而是附帶區間的建議與背後的成本邏輯。

1、區間取代鐵口直斷。給出可能範圍與建議備料量，尖峰、天氣與活動因子分開呈現，店長知道風險落在哪。

2、依品項設不同規則。效期短的趨向保守、缺貨成本高的招牌品趨向寬鬆，規格品可承擔少量安全庫存，不適用同一條公式。

3、規則先試行。讓建議量與實際備料平行比對數週，誤差和報廢、缺貨一起看，確認合理再正式上線。

4、人保留決定權。臨時團客、天氣驟變與食安事件無法預知，最終備料由店長與廚務加減，系統不自動下採購單。

上線後看的是長期平衡：整體報廢與缺貨是否雙雙下降，而不是某一天有沒有精準命中。新商品沒有歷史，先引用同型商品與同型店曲線，營業累積後再提高自身資料的權重。

備料節奏也要跟著改：時段曲線出來後，原本一次備足的量可以拆成好幾批，尖峰前補新、離峰收量，這比追求一個完美的總量數字，更能同時壓低報廢與缺貨。促銷與連假因子另外標記，事後歸因才分得清是天氣還是活動帶來的起伏。

▍銷量預測常見問題

Q1：生鮮效期這麼短，預測有用嗎？

正因效期短才更需要：生鮮的過量成本最高，重點不是猜中單日，而是把時段曲線抓出來，讓備料分次進行、出餐前再補新。富啟科技通常建議生鮮品項優先試行，因為這類品項的改善空間往往最大；就算預測偶爾偏高，分次備料也能讓報廢落在小份量。

Q2：為什麼上線後還是會缺、會多？

模型追求的是長期把兩種損失壓低，不是零失誤；遇到連假、突發團客或劇烈天氣，任何預測都會失準。若平常日也持續偏差，就是資料口徑或規則要檢查，而不是要求系統給一張保證書；模型的成績單是整體損失變化，不是單日命中率。

Q3：會不會取代師傅的判斷？

不會。預測承接重複的歷史型態，師傅掌握當下的備貨與多年手感，建議是基準、現場加減。真正的差別是經驗不再只留在一個人腦中，新人有了可以對話的起點，前輩的經驗也不會隨人流失；系統愈懂例行，師傅愈能專心在例外。

連續兩週記下報廢最多與缺貨最多的品項，若同一品項常在兩張名單出現，代表缺的不是更多經驗，而是會平衡兩邊成本的預測。

想評估餐廳的備料損益與預測可行性，歡迎聯繫富啟科技，由顧問檢視銷售欄位與備料習慣，提供餐飲AI銷量預測的導入規劃與報價。