|
 |
|
|||||||||||||||||||||||||||||||||
| 热门搜索关键字： 采购流程 | 生产管理 | 劳动法 | 销售| 酒店成本 | 培训管理 | 商务礼仪 | 文秘 | 执行力 | 郑健 | 薪资 |
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
数据库简介
1、 数字数据
数据数字指由数字码和小数点组合的数据。如测量得到的1次、2条与5分等。服务业习惯称之为量化。
2、非数字数据
非数字数据指由语言和文字组成的数据，如信息、意见、反映、议题、设想等。服务业习惯称之为非量化或软性数据。
非数字数据不能通过测量获得，而是通过广泛、深入地调查研究得到的。
3、硬数据
硬数据是工作改进的主要衡量标准，以比例形式出现，是易于收集、无可争辩的事实，是最需收集的理想数据。
衡量管理有效度最终标准取决于投资回报率、营业额、利润、成本和质量控制等硬数据。
业绩评估中对软数据如态度、积极性、满意度、新技能运用等，进行临时分析，以便对硬数据进行补充，非常有效。但软数据较难收集、分析，只有在得不到硬数据的情况下才使用。
（2）餐饮业绩效评估硬数据举例
l 完成营业额数量 l 接待顾客数量
l 续酒次数 l 换骨碟次数
l 回答客人问题的数量 l 平均推荐的有效次数
l 月度培训次数 l 客人投诉次数
l 退菜数量 l 换菜数量
l 单位营业额投诉比率 l 单位营业额退菜比率
l 奖金额 l 加班工资额
l 高价位菜品推荐数量 l 罚款额
l 项目成本节约比例 l 运行时间
l 投诉应答时间、次数 l 加班时间
l 每日各项工作内容平均用时 l 完成工作所需时间
l 培训时间 l 待客时间
l 开会时间 l 工作中断时间
l 记录延误时间 l 缺勤时间
l 迟到时间 l 晚报告时间
l 出错比率 l 事故次数
l 平均成本节约率 l 毛利率
l 原料重量 l 原料配比
l 人均消费 l 桌均消费
l 男女客人比例 l 问候次数 问候率
l 折让率 l 折让人数
l 营销折扣 l 万元产值消耗率
l 百人接待消耗率 l 万人营业额消耗量
l 白人接待消耗量 l 顾客资讯建档率
l 百人接待投诉率 l 饱和量工作时间
l 半饱和量工作时间 l 闲置工作时间
l 加工时间 l 传递时间 l 桌均用餐时间
4、餐饮业绩效评估软数据举例
l 工作习惯 l 消极怠工
l 看病次数 l 旷工
l 过多的休息 l 怠慢客人
l 问候的诚意 l 委屈的次数
l 工作满意度 l 工作态度
l 对工作责职的理解 l 员工忠诚度
l 信心的增加 l 客户满意度
l 问题解决 l 冲突避免
l 委屈的解决 l 倾听理解能力
l 阅读能力 l 对新技能的运用
l 对新技能的运用频率 l 发展
l 工作效率提高程度 l 主动性
l 设定目标 l 语言表达能力
l 微笑程度 l 热情度
l 技能熟练程度 l 及时性
l 快速反应 l 随机应变能力
l 观察力 l 成就感
l 应付 l 推荐的语言表现
l 举例 l 劝说方式 l 情绪控制
建立数据的比对和可衡量性
服务业是质量指标非量化值很多的行业，意味着我们通过更多的事实调查才能寻找出规律和找到事实。
在实际操作中还应关注和总结出非数字数据转化成数字数据的方法。比如我们常说的态度、心态、执行力都是非数字信息，那它是否有办法转化成数字数据呢？
经验告诉我们组合数据可以确定一个参考的量值。比如，要求将一个有关态度的比对量值，我们通过设计多重变量来确定：
|
项目 |
变量项 |
权重 |
分值 |
得分 |
备注 |
|
工 作 态 度 |
迟到、早退次数 早到晚退次数 问候客人次数 建议次数 表扬次数 …… |
|
|
|
|
数据可能是训练经理人搏击能力的泳池，可能被淹死，也可能被激活而乘风破浪，管理中最重要的是数据管理，也是重要资汛管理，最有趣而乐此不疲的也是数据，难怪有人说生意经就是对数字保持敏感，我们可以提出一串的数字问题。
一年十二个月营业额是如何变化的，营业额与温度有无关系，营业额与阴晴圆缺有什么关系？
女性客人与忠诚度有无关系？女性客人增加客流是否会加大？女性客增加酒水消费额是否会下降？人均消费是否会增加？
客人的平均年龄波动是否与营业额波动一致？
客人的平均年龄是否会产生桌均消费的金额变化？哪个区域的桌均消费最高？他们都是我们的核心客人吗？
冷菜消费额增加是否酒水也会增加？冷菜消费额下降是否意味客人滞留时间下降？
退菜数量的增加与厨房员工投诉是否量一致的关系，退菜数量的增加与老客人数量是否有关系？
奖金数量的增加与高价位菜品推荐数量有什么关系？罚款的增加与客人投诉的增加有没有关系？
员工缺勤的增加与事故数量有什么联系？
数据的内涵太丰富，它所影射出来的其他问题也帮助着我们进行决策，一定要对数据保持敏感。
| 广告服务 | 设为首页 | 加入收藏 | 关于我们 | 更多友情链接 | 版权申明 | | |||||||||||||||||||||
|
|||||||||||||||||||||
 |
公开课程搜索：
