餐饮行业案例

最近更新时间:2023-09-11 09:57:22

我的收藏

客户介绍

国内某连锁餐饮企业,目前在深圳、广州、上海、苏州、佛山、惠州、东莞、昆明、重庆等地拥有140多家直营门店。同时也是红杉资本成员企业,是红杉资本在中国投资的餐饮企业之一。

客户痛点

2017年,企业业务系统信息孤岛严重,有二次开发困难,大量用户用的系统语言和接口都不一样。
2017年底,团队自研推出了小程序点餐系统,和后台业务系统打通,亟待解决多个系统之间的互联互通问题。另外业务系统耦合度高、业务拆分困难、系统稳定性差,各种紧急的业务需求和活动无法及时满足。



新餐饮介绍

在上述痛点下,企业开始对数字化新餐饮进行调研,新餐饮本身也是人货场的重构,主要为实现日常经营管理所有的数据能够全流程在线化,主要分为以下四块:
点餐、下单、支付、制作、出品实现实时在线化。
用餐评价,会员管理可以在线化,支持数字化营销。
供应链订货、收获、盘点、损耗等流程在线,数据打通。
人事、考勤、成本核算等在线化、工具化、高效化。新餐饮转型需要进行全方面的数字化改造。
经过一系列调研分析,企业决定向云上进行业务迁移,并采用腾讯云 Serverless 云函数承载业务。

腾讯云 Serverless 解决方案

使用 Serverless 云函数可以实现的业务功能非常多,例如:
微信小程序的服务应用,云函数提供计算支持。
公众号消息推送服务。
实时通讯服务。
不同的业务系统数据同步,例如,金蝶的 ERP 系统以及 WMS 系统的对接和数据同步,SOS 餐饮系统和金蝶 ERP 数据接口的同步。
统一的支付服务、订单的付款、订单的支付,定时异常数据邮件提醒。
第三方外卖平台,第三方系统的数据抽取及处理入库。需要临时上线的功能需求或接口对接。

使用 Serverless 的优势

Serverless 云函数是天然微服务的架构 一个函数可以看作一个服务。微服务本身能解决很多数据耦合度的问题。
适合处理大量零散的定时任务 例如,可以极大的减少部署独立的定时器服务,解决集群服务的定时任务管理问题,尤其是并发的集群定制任务。
更低的开发难度,更高的开发效率 资源可以直接使用,针对不同的业务场景,可以借助不同语言特性,结合研发团队的能力,更快速的实现对应的需求。利用研发人员熟悉的语言去做业务场景,而非需要团队使用统一的技术架构,团队可以更灵活快速推进需求。
更低的运维成本 云函数的计费方式为按量计费,且未运行时不产生费用,同时支持自动扩缩容。大大降低了资源和人力运维成本。

案例一:云打印服务

传统架构

用云函数 SCF 实现云打印服务。云打印是一个小型的打印系统,用来解决用户在门店下单之后,打印机打印小票的业务流程。
在传统架构环境中,每一个门店都需要准备以下硬件:
部署一个本地服务器,这个本地服务器提供一个本地服务
一个交银机
一个一体机
一个打印机
这些硬件通过本地服务器进行管控。总部也需要有服务进行数据的整合。下文以美团订单为例进行简单介绍: 1. 美团的订单会先将订单下发到总部的服务器上。 2. 总部服务器会将订单数据推送到门店。 3. 门店服务器接到数据之后,通知到打印机进行打印小票。
目前,大量的订单皆为线上下单,无论是小程序订单或是其他平台订单,都主要是通过网上下单,传统架构信息传递链路长,非常依赖网络链路的稳定性。传统架构如下图所示:


传统架构存在以下痛点:
硬件及维护成本非常高。门店需要部署独立的本地服务器。
总部对于门店的服务情况无法快速掌控,由于数据每隔一段时间才会通讯,很难做到数据的实时同步。
收银电脑普遍配置极低,订单数据无法实时上传汇总,数据同步存在时间差。

新的 Serverless 云服务架构

新的 Serverless 服务架构,取消了本地服务器,转为在原本配置比较低的收银电脑或 SDK 上部署轻量级客户端,通过 SCF 为客户端提供计算资源。
打开浏览器,即可实时传回所有订单数据,企业可以追踪所有的服务状态。
打印机部署在门店的局域网内部,所以单独在云端的服务就是 SOS 收银系统。
通过云打印服务连接本地的收银机客户端,通过该客户端来定制的打印机可实现实时通讯,随时知道门店的打印机是否能正常功能。



案例二:会员画像标签运算系统

用云函数结合 CMQ 、API 网关,完成会员画像标签运算系统。
会员系统比较重要的一项数据即会员画像。要基于会员消费行为消费轨迹生成用户会员画像,包括会员爱好、消费频率、消费档次等。企业希望能够快速实时的跟踪这些数据,通过 SCF 可以用极低的成本完成整个过程。
这个过程如何实现?以下为您简单介绍整个会员画像实时计算系统的运行逻辑:
1. 用户产生的购买消费行为数据推送到柜员系统,通过消费订单产生统计数据。
2. 数据统计完之后将写入数据库,同时数据信息会推送到消息队列 CMQ 中,CMQ 调用 API 网关触发用户画像功能的云函数执行。
3. 每一个用户画像功能的云函数会对应一类标签,包括消费频次、消费偏好等,这类云函数对其进行标签的实时运算:
如果消费过程中产生错误,会将这个消息反馈给 CMQ,CMQ 反馈消费失败。
如果消费正常,会将计算完成的标签保存入库,最终生成用户画像。


说明
目前会员画像实时计算系统从2019年上线至今已完成3000多万会员用户画像。

案例三:营业额智能预测

通过云函数 SCF + 机器学习完成营业额智能预测。拉取近两年门店的营业额,最长两年,最少是一到两个月,每天滚动生成每一家门店接下来30天的营业额预测。
通过 SCF 完成如下:
抽取数据处理:对营业额的数据做抽取,做相关的异常处理。
生成训练特征:为数据组合特征。
定期训练模型:使用 LightGBM 模型训练多个模型,多个模型预测数据加权融合,使用已有模型集预测数据特征值预测数据。通常两周到一个月做一次训练,到目前运行下来有接近半年的时间,目前营业额单店预测平均准确度高达87%。



腾讯云 Serverless 云函数的价值

上述三个应用案例中云函数主要价值点体现如下:

云打印服务

通过使用腾讯云提供的 Websocket 服务,减少了底层框架的开发难度,研发人员只需关注业务开发即可。
一位研发大概2周多时间就可完成,人力和时间成本节省至少50%。

会员画像标签运算系统

通过使用 CMQ,API 网关和云函数快速搭建起来一个高质量稳定的计算服务架构。目前从上线运行到现在0故障,运行稳定,且无需考虑服务器资源问题。
一位中级研发工程师三年的经验,从研究使用到搭建框架到开发完成不到2周时间。

智能营业额预测

通过使用函数的分层管理,减少了代码管理和调试难度。
用较低的成本和更高的效率实现了机器学习的智能应用。
整体来看,服务运维及成本、服务稳定性和性能都有较好的保障,而且费用投入远低于自建服务的方式,至少节省了3台4核8G内存的服务器。
开发环境
传统开发环境
云函数开发环境
开发周期
100%
55%
研发难度
100%
45%
成本
100%
30%