虎嗅智库荐语：
随着数字化时代进步，餐饮业在拥抱机遇的同时也面临着许多挑战：在工作中积累的海量数据，易陷入 “数据洪流” ；面对复杂多变的市场环境和激烈的竞争，易处于 “决策饥渴” 。
针对不同岗位角色构建用户画像体系并制定差异化数据推送策略，需考虑哪些关键因素？餐饮企业在生成式BI应用初期，推荐选择哪些高频刚需场景进行试点？怎样从成本、市场及客户等方面助力餐饮消费类企业应对市场不确定性？
本文将分享与西贝XIBEI数智化副总裁的对话，深入思考西贝在生成式BI应用方面的探索，为餐饮行业在数字化转型道路上提供参考与启示。
出品丨虎嗅智库
作者丨刘越
当餐饮业陷入“数据洪流”与“决策饥渴”的双重困境时，AI大模型等技术的发展，正逐渐为解决问题带来新的可能性。
比如，借助自然语言对话让AI穿透千万条订单记录、天气数据甚至小红书上的“爆款”讨论，向门店输出精准的备货建议——这不仅是技术想象，更是西贝XIBEI正在构建的智能决策中枢。
作为年服务超千万家庭的中式正餐领军品牌，西贝的数字化征程始于2010年信息化战略的启航。历经十四载深耕，已构建起贯通“从草原到餐桌”的全产业链数字化网络。
数字化一端链接供应链源头，一端链接服务终端。在企业沉淀了海量数据之后，如何唤醒沉睡的数据金矿，如何更好地去应用这些数据反哺业务？基于这种需求，西贝XIBEI选择以生成式BI为钥匙，并不断深入场景化应用，开启从数据可视化到决策智能化的跃迁之路。
西贝XIBEI数智化副总裁坦言，当下整个餐饮行业对于生成式BI的应用仍处在不断摸索过程中。西贝XIBEI以数据治理为基础，通过BI和AI逐步优化业务流程，逐步探索生成式BI的应用场景。其核心目标是将“正确的数据在正确的时间以正确的方式推送给正确的人”，并推动从“数据呈现”到“智能决策”的跨越。
在这一探索过程中，如何破解数据价值转化密码?生成式BI与业务深度耦合面临哪些现实挑战？西贝XIBEI又是如何看待生成式BI在餐饮行业应用发展趋势？带着这些问题，我们与西贝XIBEI数智化副总裁聊了聊，如实呈现西贝XIBEI对于生成式BI的思考与实践，希望能给业内带来更多启发和借鉴。
以下是对话部分：
数据治理是前提，“四个正确”是目标
1、虎嗅智库：作为数字化转型中的一环，西贝XIBEI在生成式BI应用中确立的核心目标是什么？
西贝XIBEI：在正确的时间、以正确的方式、把正确的数据推送给正确的人。这四个“正确”一直是我们追求的目标，但说起来容易，但在实际落地过程中却颇具挑战性。
核心难点在于信息密度难以把握。过多则会造成干扰，过少则不足以支撑决策。如何在动态平衡中实现数据智能分发，同时又不会对接收者造成过度干扰，团队目前仍在不断探索中。
2、虎嗅智库：怎么判断正确的数据推送给了正确的人？
西贝XIBEI：我们对用户进行分级和分层处理后，建立起三级用户画像体系，针对不同角色设计差异化推送策略。重点服务对象覆盖门店经营层，包括门店店长、厨师长等，以及区域管理层和决策层。
以门店场景为例，店长更关心与经营相关的事项如客流量与翻台率等，厨师长则更关注菜品的制作效率、沽清情况以及顾客评价。不同角色有不同的关注点，希望看到的也是不同的数据，这是业务的基本逻辑。
目前团队也正在进一步探索大模型在数据关联分析及智能算法优化方面的赋能价值。
3、虎嗅智库：在生成式BI落地实施前，数据治理为何成为首要任务？
西贝XIBEI：数据治理是BI实施的前提条件。如果不能保证数据质量，大模型的准确性和可靠性就很难保证。西贝XIBEI已经花费了一年半的时间进行数据治理，目前数据质量有了很大提升。
在数据治理中面临的首要挑战是业务数据的标准化问题。AI能力再强，底层数据质量和治理不佳依然会导致输出结果不可靠。例如，同一菜品“羊肉串”在不同场景下存在“单串卖”“按份卖”等多种销售方式，若数据未统一标准，统计结果将严重失真。
同时，数据治理不仅是技术问题，更需要流程与工具的协同优化。比如菜品上下架、原料投料要做到标准化，才能保证连锁餐饮的售卖菜品及口味的一致性。
为此，西贝协同财务、业务人员等，成立跨部门项目组，梳理业务标准，从具体问题切入治理，建立标准流程，确保从源头准确录入数据，再把数据质量进行周期验证。首先在北京单店试点推广，然后拓展到5到10家店逐步验证，接着覆盖整个大区。
从“高频刚需”场景切入，将系统深嵌入业务流
4、虎嗅智库：当下西贝XIBEI在生成式BI应用的场景有哪些？
西贝XIBEI：现阶段聚焦门店智能客服与活动效果预测等场景试水。目前西贝与火山引擎、豆包等厂商成立专项试验小组，重点评估不同模型在回复问题及活动效果预测等场景的适配性。
5、虎嗅智库：在整个实施过程中，面临的最大挑战是什么？
西贝XIBEI：标准的落地执行是挑战。以门店盘点环节为例：需先定义食材存放位置、并设定“先进先出”规则，然后通过“系统管控+人工巡检”双机制保障执行。系统会设置智能报货阈值触发自动报货订单，但同时保留人工修正权限。
我们与业务部门合作，确保门店按照标准操作。更关键是将操作规范深度嵌入业务流程，形成可量化的执行评估体系。只有这样，才能确保工具的有效使用。
6、虎嗅智库：在选择合作伙伴和具体技术方案时，有哪些考量因素?
西贝XIBEI：在选择合作伙伴或技术方案时，西贝XIBEI主要考量三大能力维度:基础数据解析精度、多维分析灵活度、自动化替代效能。
数据方面，是否能够满足我们对数据的基本需求，比如能否准确地统计出某项产品的销售情况。
灵活性上，是否支持“度量与维度”自由组合来降低业务人员使用门槛；提效维度是否能够替代传统人工报表，实现常用报表自动化生成，释放出一定人力资源。
但目前大模型还不能智能到完全理解业务需求并提供准确数据，还需要不断打磨。
7、虎嗅智库：未来西贝XIBEI在AI应用上，有哪些迭代计划？
西贝XIBEI：构建两大智能中枢。“营销活动库”实现活动ROI预判，“运营AI系统”提供实时策略建议。
首先，建立一个能够清晰分析各类活动的系统，最终构建起西贝门店的活动库。在员工开展任何活动之前，AI将提供建议，告知哪些活动值得投入，哪些可能效果欠佳。这样做的核心价值在于，所有活动都能被系统地记录和积累下来，为西贝的营销活动提供强有力支持。
其次，运营AI系统对于所有涉及分析的工作，例如：对外卖投放策略分析，提供精准指导。基于历史数据动态优化资源分配，避免无效投入。
8、虎嗅智库：您如何看待生成式BI在餐饮行业应用前景?有哪些可借鉴的经验和建议？
西贝XIBEI：我建议，切忌盲目追新，先解决数据准确性再谈大模型。同时，测算投入产出比。可以将线上高频刚需场景(如自动报表)作为突破点，并建立小步快跑试点机制，比如新工具最好可以在3-5家店完成小范围效果验证后再大规模推广。
当下，生成式BI通过构建“数据→洞察→行动”的闭环，正在成为餐饮消费类企业应对市场不确定性的有力工具，其价值不仅在于助力企业实现降本增效，更在于推动行业从经验驱动转向数据驱动的转型。未来，随着模型泛化能力的提升，生成式BI或将成为餐饮消费企业的“数字大脑”，助力企业实现从局部优化到全局智能的跨越。
