📊 داشبورد پیشبینی
💡
این پیشبینیها بر پایه میانگین متحرک، الگوی روزهای هفته و عوامل قابل تنظیم محاسبه میشوند (هوشمند و دستیار تصمیم — نه جادو). هرچه داده فروش واقعی بیشتری وارد کنید، دقت تخمینها بالاتر میرود.
روند ۱۴ روز اخیر (مهمان در روز)
۵ روز پیشروی شلوغ
📈 پیشبینی فروش
📌
خط ممتد = فروش واقعی گذشته، خط نقطهچین = پیشبینی آینده. دقت مدل با ورود دادههای واقعی بهبود مییابد.
نمودار فروش واقعی و پیشبینی
فروش واقعی
پیشبینی
جدول پیشبینی روزانه
| تاریخ | روز هفته | مهمان پیشبینی | فروش پیشبینی (ریال) | سطح شلوغی | عوامل |
|---|
🛒 پیشنهاد خرید
🧮
پیشنهاد خرید بر اساس مجموع مهمان پیشبینیشده و میزان مصرف هر ماده محاسبه میشود.
لیست مواد اولیه پیشنهادی
| ماده | مصرف به ازای هر مهمان | نیاز کل دوره | موجودی فعلی | کسری / پیشنهاد خرید |
|---|
👥 پیشنهاد نیرو / شیفت
🧑🍳
تعداد پیشنهادی نیرو از روی سطح شلوغی پیشبینیشده هر روز محاسبه میشود (قاعده: تعداد مهمان ← آشپز و گارسون).
برنامه نیروی پیشنهادی روزهای پیشرو
| تاریخ | روز هفته | مهمان پیشبینی | سطح شلوغی | آشپز | گارسون | صندوق/سایر | کل نیرو |
|---|
🎛 عوامل و مفروضات
⚙️
برای هر روز پیشرو، شرایط آبوهوا و مناسبت/تعطیلی را تعیین کنید. این عوامل بهصورت ضریب در پیشبینی اعمال میشوند.
تنظیم عوامل روزانه
| تاریخ | روز هفته | آبوهوا | مناسبت / تعطیل | ضریب اعمالشده |
|---|
🗂 داده تاریخی فروش
✍️
دادههای اولیه بهصورت نمونه (مصنوعی) تولید شدهاند. با وارد کردن اعداد واقعی فروش و تعداد مهمان، بهتدریج داده مصنوعی جایگزین و دقت پیشبینی بهتر میشود.
تاریخچه روزانه
۰
| تاریخ میلادی | تاریخ شمسی | روز هفته | تعداد مهمان | فروش (ریال) | نوع | عملیات |
|---|
⚙️ تنظیمات
پارامترهای موتور پیشبینی
پنجره میانگین متحرک
تعداد روز اخیر برای محاسبه میانگین پایه
میانگین صورتحساب هر مهمان (ریال)
برای تبدیل تعداد مهمان به فروش (در صورت نبود داده)
☁ همگامسازی Azure
مدیریت داده
پشتیبانگیری از دادهها
دانلود فایل JSON
بازیابی دادهها
بارگذاری فایل JSON
بازتولید داده نمونه
داده تاریخی فعلی پاک و ۹۰ روز نمونه ساخته میشود