每天闭店前，店长和厨师长都要面对同一组问题：明天有多少客人来，能做多少流水；今晚解冻多少肉、订多少菜；明天前厅排几个班。
答得准，第二天从容；答不准，第二天就是救火。
这次秋季发布，“天财商龙AI营业额预估正式发布：用一家门店自己的经营数据，算出它未来七天的营业额，整体综合预估准确率约90%，每天滚动更新。”这篇文章，把它怎么算、门店怎么用，讲清楚。
未来7天营业额预估：多估三千，少估三千，两头都是钱
按牛肉每千元营业额用量1公斤算，多估3000元，可能就多解冻3公斤。当天没用完、又不能留到第二天，仅这一项就可能报损200多元；如果因此多排一个人，人力成本还要再加一层。
少估3000元是另一头：备料不足、菜品沽清、出品超时。招牌菜沽清了，客人到店点不到，那一桌的客单价也跟着下来。
所以准确率不只是一个技术指标，它直接对应着第二天的损耗、体验和营收。
本店专属模型:学的是自己的历史，算的是自己的生意
每家门店都有一个自己的模型：输入本店历史周期与近期变化，多种模型共同评估，输出未来七天，每天滚动更新——今天真实做完的生意，明天就会进入模型，重新修正后面的预估。
之所以一定要用本店数据，是因为同一道题换家店答案就不同：同样是七夕，有的店涨得很高，有的店几乎没动静，甚至还会降。
时间规律与节日库：同样是周六，是三种生意
普通周六是家庭聚餐，长假里的周六是假日客流，补班的周六是工作日节奏。补班日期餐饮人最容易忽略，一旦漏掉，就是照着周末的量备了货。
节日也不只法定节假日。元宵、520、七夕、母亲节、父亲节、重阳、跨年夜，餐饮自己的消费节点都在算；节前节后也在算——放假前那两天即使是工作日，客流往往也有一波抬升，收假之后则有一段回落。
有充分的历史依据，才做调整。
分渠道预估与排除配置：堂食外卖分开算，偶然收入不进备料
比如在下雨天，堂食的生意会变差，外卖的生意反而增多——两类渠道混在一起算，两边都不准，所以堂食和外卖分别预估。
贵价酒水、宴会桌位这类偶然收入可以排除，营业额和菜品需求保持同一个口径：排除什么，两头都排除，不会把备料量一起放大。
天气建议与人机协同：系统给参考，决定权在店长
天气是影响餐饮营业额的重要外部变量之一，但它对不同门店、不同经营渠道的影响并不相同。考虑到天气预报存在不确定性，系统提供天气影响参考，由门店结合实际经营情况决定是否调整。
比如遇到中雨、大雨、暴雨，系统按门店地址匹配天气，给出参考倍数：堂食0.85倍，外卖1.1倍。是否采用由门店判断——预报说中雨、实际没下，改回1倍就行。
天气数据覆盖3,411个行政区划，包含中国内地及港澳台；凌晨下雨和午高峰下雨影响完全不同，所以还要结合营业时段看。附近常有展会、演唱会的门店，可以按单店需求定制接入。
系统算规律，店长补现场，这条边界我们一直没有越过。
动态千元用量与时段拆分：从营业额，到15分钟的备货量
营业额是钱，门店要的是量。
结合本店最近4周的营业额分布和菜品销售，把整天预估拆到经营时段，最细到15分钟；再叠加动态千元用量，就得到每个时段的菜品需求。
厨师长按时段安排制备，前厅按忙闲安排人手，外部系统也可以通过API直接取结果。
商龙云2.0落地动线：四项配置，五步用起来
启用前四件事：填完整门店地址（才有天气数据）、设置排除的菜品或桌位、维护菜品成本卡BOM（才能拆到原材料）、设置并启用预估方案。
之后每天五步：看预估营业额、人工介入调整、确认菜品数量、安排订货与制备、差异归因复盘。
不看系统也能用，直接拿营业额去订货制备；但我们更推荐人工介入——最近做了什么活动，只有门店自己知道。
归因这一步值得单独说：系统分别给出堂食和外卖的差异，提示线索是客流变了还是单均变了；店长对着现场核实——天气、活动、断货——记录下来，改进下一次。
AI给线索，人核实事实。
结语
从昨晚的一次订货，到今早的一批备料，再到明天的排班表，AI营业额预估把「明天做什么」从经验判断变成数据推演。
