La mayoría de hosteleros compran a ojo, y luego se preguntan por qué les sobra salmón el lunes y les falta el sábado. Tus datos de venta guardan patrones que convierten tu compra en algo preciso, no en una lotería. Yo me pasé dos años comprando "lo que me sonaba" hasta que un proveedor me dijo: "Javi, llevas tres semanas pidiendo el doble de gambas los martes y no vendes ni la mitad." Tenía razón.
Por qué los datos históricos valen oro
Tus cifras de venta cuentan historias que de otra forma nunca verías. ¿Qué platos funcionan los lunes? ¿Cuánto más pescado vendes en días de calor? Estos ciclos se repiten cada año y puedes aprovecharte.
💡 Ejemplo:
Un restaurante de Madrid analiza sus ventas de salmón:
- Enero 2024: 45 raciones de salmón por semana
- Julio 2024: 78 raciones de salmón por semana
- Enero 2025: 48 raciones de salmón por semana
Patrón: 70% más salmón en meses de verano
Qué datos necesitas
No hace falta recopilar todo para empezar. Céntrate en lo esencial:
- Raciones vendidas por plato al día/semana
- Facturación total por día (para ver patrones estacionales)
- Número de cubiertos por día (para prever la afluencia)
- Eventos especiales (festivos, eventos, mal tiempo)
Esta información la sacas de tu TPV o con registro manual. Mira al menos 12 meses atrás para detectar patrones fiables.
Reconocer patrones estacionales
Casi todos los restaurantes tienen oscilaciones estacionales claras. Puedes usarlas para comprar más inteligentemente:
💡 Ejemplos de patrones:
- Verano: +40% ensaladas, +60% pescado, -30% guisos
- Invierno: +50% caza, +30% vino tinto, -40% rosado
- Festivos: +200% ingredientes premium (bogavante, champán)
Documenta estos porcentajes y ajusta tu compra en consecuencia. No compres ingredientes de invierno en pleno verano, ni siquiera con precios tentadores.
⚠️ Ojo:
Los eventos puntuales distorsionan tus datos. Filtra los picos antes de analizar patrones. Esa boda de 200 personas no representa un sábado normal.
Usar patrones por día de la semana para productos frescos
No solo las estaciones, también los días de la semana siguen patrones predecibles. Según KitchenNmbrs, este es un patrón que se repite una y otra vez en las finanzas de restaurantes, y es crítico para productos frescos con vida útil limitada:
- Lunes normalmente un 40-60% menos que el fin de semana
- Viernes/sábado suelen ser las noches fuertes
- Domingo depende del concepto (comida vs. cena)
Aplica esto a pescado, carne y verdura fresca. Pide menos el lunes, más el jueves para preparar el fin de semana.
Predecir con factores de corrección
Los datos históricos son tu base, no una garantía. Corrige siempre por:
- Tiempo: lluvia = menos comensales, calor = más terraza
- Eventos cercanos: festivales, partidos, ferias
- Acciones propias: nueva carta, campañas de marketing
- Situación económica: en crisis, los platos económicos ganan
💡 Ejemplo de corrección:
Previsión según datos: 60 cubiertos el sábado
Correcciones: final de fútbol (-20%), buen tiempo (+15%)
Previsión ajustada: 57 cubiertos
Herramientas para organizar datos
Excel funciona, pero se vuelve caótico rápido. Alternativas mejores:
- Informes del TPV: la mayoría exportan ventas por plato
- Apps de hostelería: herramientas como KitchenNmbrs conectan ventas y compras
- Hoja de cálculo sencilla: por semana, por plato, unidades vendidas
Lo importante es que realmente lo uses. Una base de datos perfecta que ignoras no le sirve a nadie.
De datos a acción
Recopilar datos es la fase 1. La fase 2 es ajustar tu compra:
- Pide el 80% de tu previsión para perecederos (puedes hacer pedido extra)
- Pide el 100-110% para productos no perecederos (tener stock es aceptable)
- Mantén margen para platos populares (peor quedarte sin que tener un poco de más)
Prueba tus predicciones durante un mes y ajusta. La predicción perfecta no existe, pero un 80% de acierto ya es un avance brutal.
Cómo ajustar tu compra con datos históricos (paso a paso)
Reúne 12 meses de datos de venta
Exporta desde tu TPV: raciones vendidas por plato a la semana. Mínimo un año entero para captar los patrones estacionales. Filtra los datos atípicos (eventos, días de cierre).
Calcula medias por estación y día de la semana
Haz resúmenes: cuánto vendes de media por plato en invierno/verano, por día de la semana. Anota los porcentajes de diferencia entre estaciones para tus 10 platos estrella.
Predice la próxima semana y pide en consecuencia
Usa tus medias, ajusta por tiempo/eventos/acciones. Pide el 80% de la previsión para frescos, el 100% para no perecederos. Compara después de una semana: ¿acertaste?
✨ Pro tip
Analiza tus datos de venta de las últimas 8 semanas e identifica los 3 ingredientes que más desperdicias por exceso de pedido. Ajusta tus cantidades un 15-20% a la baja solo en esos productos.
¿Calcularlo tú mismo?
En la app de KitchenNmbrs lo haces en unos pocos clics. 7 días gratis, sin tarjeta de crédito.
¿Te resultó útil este artículo?
Preguntas frecuentes
¿Cuántos meses de datos necesito como mínimo?
¿Cómo gestiono platos nuevos sin historial de ventas?
¿Debo tener en cuenta las tendencias y los cambios de gusto?
¿Cada cuánto debería revisar mis previsiones de compra?
Fuentes consultadas
- EU Verordening 852/2004 — Levensmiddelenhygiëne (2004) — Fuente oficial
- EU Verordening 853/2004 — Hygiënevoorschriften voor levensmiddelen van dierlijke oorsprong (2004) — Fuente oficial
- EU Verordening 1169/2011 — Voedselinformatie aan consumenten (2011) — Fuente oficial
- NVWA — Hygiënecode voor de horeca (2024) — Fuente oficial
- NVWA — Allergenen in voedsel (2024) — Fuente oficial
- Codex Alimentarius — International Food Standards (2024) — Fuente oficial
- FSA — Safer food, better business (HACCP) (2024) — Fuente oficial
- BVL — Lebensmittelhygiene (HACCP) (2024) — Fuente oficial
AESAN (Agencia Española de Seguridad Alimentaria y Nutrición) — https://www.aesan.gob.es
Las normas HACCP mostradas en esta aplicación son meramente informativas. KitchenNmbrs no garantiza que los valores mostrados estén actualizados o sean completos. Consulte siempre la AESAN o su autoridad local para la normativa vigente.
Escrito por
Jeffrey Smit
Fundador y CEO de KitchenNmbrs
Jeffrey Smit creó KitchenNmbrs a partir de 8 años de experiencia práctica como jefe de cocina en 1NUL8 Group en Rotterdam. Su misión: dar a cada dueño de restaurante control sobre el coste alimentario.
Preguntas relacionadas
Explorar más temas
Compra más inteligente con información en tiempo real
Los precios de temporada fluctúan — tus costes de receta también. KitchenNmbrs recalcula automáticamente tus márgenes cuando cambian los precios. Comienza gratis.
Iniciar prueba gratuita →