王子欢：当大数据遇到快餐产业

近年来，美国餐饮业正受到科技驱动而不断演变，其中包括点餐机、在线订餐平台、自动烹饪设备和机器人技术的引入。这些创新在快餐行业最为显而易见。然而，在技术采用方面，或许最缺乏创新的快餐类别，正是那些遍布城乡的“夫妻店”（Mom-and-pop Chinese restaurant，MPR）。纽约的创业餐饮科技公司MiMap的首席食品科学家王子欢认为，这是一个亟待改变的契机。

　　王子欢表示，首先我们要认识到，MPR 的运营模式与上世纪 80 年代互联网普及之前并没有太大的区别。厨房通常配备传统燃气灶台，传统菜品在传统的炒锅中烹制。他们的菜单往往包含 90 到 100 道菜肴，种类繁多。这种菜品的多样性主要是为了通过扩大对消费者的菜品选择范围来增加潜在销售额。然而，如此多的菜单选项会给 MPR 带来库存管理的巨大负担——不仅增加了食品制备工作量，还会产生大量食物浪费。

　　作为一名食品科学家和厨师，王子欢的研究表明，是时候让大数据革命来拯救小型中餐馆了。大数据模型已被面向消费者的企业（如 Netflix）用于研究订阅者购买模式，并预测他们最有可能使用的内容。同样，它也可以用于合理化和优化 MPR 的菜单。

　　利用大数据模型，研究了世界不同地区和全国范围内人们对中餐的偏好。由此确定了 50 道最受欢迎、重复点餐率高的中餐菜肴。然后，根据当地和普遍的饮食偏好、过敏源以及食品安全风险进行二次筛选。接着按照菜肴的属性进行分类，并进行第三次筛选，以确保菜肴与智能烹饪机兼容（这是 MPR 现代化不可分割的另一项技术革新）。这一优化过程最终形成了包含 34 个 SKU（库存单位）的精简菜单。在菜单中，菜肴会根据受欢迎程度进一步分类为基本款和潮流款。基本款始终供应，而潮流款则会定期更新，为顾客提供新鲜感。这与流媒体服务等内容提供商保持内容可售性的做法类似。

　　这个最终菜单是由大数据的分析和预测能力设计和优化的，它减少了传统 MPR 菜单上近70% 的菜品。它还使用了部分共同的食材，也就是说，不同的菜肴使用了相同的元素，有效地减少了潜在的食物浪费。菜肴之间使用共同的食材可以帮助商家更好地预测食材的使用量，从而避免因为订购过多或日常餐损而产生的不必要的开支。王子欢估计这将直接减少最少20%的MPR食物浪费，帮助商店将每家店的年度食材费用减少约五万美元。

　　除了运营方面的优势之外，这种方法对消费者也具有价值。简化的菜单可以帮助顾客集中选择。通过提供具有局限定制性的菜品，可以加快用户点餐流程。此外，通过积累 MPR 门店的菜肴复购数据和顾客反馈，王子欢可以根据每个城市调整菜单，确保现有和即将推出的菜肴都能满足顾客的实际偏好。

　　王子欢表示，大数据模型具有 5V 特征：体积（Volume）、速度（Velocity）、价值（Value）、多样性（Variety）和准确性（Veracity）。其中的前三个特别适用于优化美国当前中餐夫妻店的生态系统。全美各地分布着成千上万个MPR，它们的经营活动以人类饮食习惯的规律性为特征：我们人类必须吃饭。现在，不应再将这些活动的体量视为零售活动的离散节点进行分析。通过在“幽灵厨房 （Ghost Kitchen）”等集中式框架内使用大数据进行系统思考，MPR 可以实现规模经济，并将其业务推向数字经济。