Je staat voor de koeling en vraagt je af: hoeveel zalm bestel ik voor komend weekend? Historische portiedata geven je het antwoord dat gokken nooit kan bieden. Door werkelijke uitdeelcijfers te analyseren, plan je inkoop die verspilling voorkomt én lege borden vermijdt.
Waarom historische data beter werkt dan inschatten
Veel keukenbazen baseren hun inkoop op gevoel of reserveringen. Maar gasten bestellen onvoorspelbaar, porties verschillen per chef, en weersomstandigheden sturen keuzes. Werkelijke verkoopdata onthullen wat er echt gebeurde.
💡 Voorbeeld:
Restaurant De Smaak dacht elke vrijdag 40 biefstukken te verkopen. De cijfers toonden:
- Afgelopen 8 vrijdagen: gemiddeld 32 biefstukken
- Inkoop gebaseerd op 40 stuks
- Verspilling: 8 × €18 = €144 per vrijdag
Jaarlijkse besparing: €144 × 50 weken = €7.200
Welke data heb je nodig
Voor nauwkeurige inkoopplanning verzamel je drie datatypes:
- Verkoopcijfers per gerecht: Exacte porties die de keuken verlieten
- Dagtype-patronen: Verschillen tussen maandag en zaterdag, feestdagen, vakantieweken
- Seizoensinvloeden: Meer soep tijdens koude maanden, meer salade bij zomerhitte
Je kassasysteem bevat deze informatie, maar structurele analyse maakt het verschil.
Berekenen van je gemiddelde behoefte
De basis: tel verkopen van afgelopen weken, deel door aantal weken. Maar verfijningen maken het verschil. Een fout die het gemiddelde restaurant EUR 200-400 per maand kost: uitschieters meetellen zonder context.
💡 Voorbeeld berekening:
Zalm verkoop vorige 6 zaterdagen:
- Week 1: 28 porties
- Week 2: 32 porties (zonnig weer)
- Week 3: 24 porties (regenachtig)
- Week 4: 30 porties
- Week 5: 26 porties
- Week 6: 34 porties (vakantieweek)
Gemiddeld: (28+32+24+30+26+34) ÷ 6 = 29 porties per zaterdag
Rekening houden met uitschieters
Bepaalde dagen wijken af van normaal. Feestdagen, lokale evenementen, weersextremen. Deze uitschieters behandel je apart.
⚠️ Let op:
Neem niet automatisch het gemiddelde. Bij verkopen van 20, 22, 45, 21 porties afgelopen 4 zaterdagen was die 45 waarschijnlijk uitzonderlijk. Reken met 21 porties, niet het gemiddelde van 27.
Van porties naar inkoophoeveelheden
Zodra je verwachte porties kent, reken je terug naar inkoophoeveelheden. Hierbij tel je mee:
- Portiegrootte: Grammen per bord
- Snijverlies: Hele vis wordt filet, rendement meestal 55-60%
- Veiligheidsmarge: 10-15% extra voor onverwachte drukte
💡 Voorbeeld berekening:
29 porties zalm voor zaterdag:
- Portiegrootte: 180 gram filet
- Benodigd filet: 29 × 180g = 5,22 kg
- Rendement hele zalm: 55%
- Inkoop hele zalm: 5,22 ÷ 0,55 = 9,5 kg
- Veiligheidsmarge 15%: 9,5 × 1,15 = 10,9 kg
Bestellen: 11 kg hele zalm
Seizoenspatronen herkennen
Gasten eten anders in winter dan zomer. Door seizoenspatronen te herkennen stem je inkoop nog beter af.
- Winter: Meer stoofschotels, soepen, zwaarder vlees
- Zomer: Meer vis, salades, lichtere gerechten
- Feestdagen: Traditionele gerechten winnen populariteit
Analyseer maandelijks je data voor deze patronen. Wat verkocht je januari versus juli?
Tools die helpen bij data-analyse
Kassasystemen bewaren verkoopdata, maar maken analyse niet gemakkelijk. Je hebt tools nodig die:
- Gemiddelden berekenen per weekdag
- Seizoenstrends tonen
- Van porties naar inkoophoeveelheden omrekenen
- Snijverlies en veiligheidsmarges meenemen
Tools zoals KitchenNmbrs automatiseren deze berekeningen op basis van recepten en historische verkoop.
Hoe gebruik je historische data voor inkoopplanning? (stap voor stap)
Verzamel je verkoopdata van de afgelopen 6-8 weken
Haal uit je kassasysteem hoeveel porties van elk gerecht je per dag hebt verkocht. Focus eerst op je 5 best-verkopende gerechten. Noteer ook bijzonderheden zoals feestdagen of evenementen.
Bereken gemiddelden per dagtype
Deel je data op per dag van de week. Bereken voor elke dag (maandag t/m zondag) het gemiddelde aantal porties per gerecht. Laat uitschieters (zoals feestdagen) buiten de berekening.
Reken terug naar inkoophoeveelheden
Vermenigvuldig het verwachte aantal porties met je portiegrootte. Reken snijverlies mee (deel door rendement percentage). Voeg 10-15% veiligheidsmarge toe voor onverwachte drukte.
✨ Pro tip
Analyseer eerst je 12 meest verkochte gerechten van afgelopen 8 weken - deze vertegenwoordigen 70-80% van je omzet. Focus hier je energie op voor maximale impact op verspilling en winstgevendheid.
Рассчитать самому?
В приложении KitchenNmbrs это делается за несколько кликов. 7 дней бесплатно, без кредитной карты.
Была ли эта статья полезной?
Часто задаваемые вопросы
Hoeveel weken data heb ik nodig voor betrouwbare gemiddelden?
Minimaal 6 weken, bij voorkeur 8-10 weken. Voor seizoensgebonden gerechten heb je data van hetzelfde seizoen vorig jaar nodig. Anders mis je belangrijke patronen die je inkoop kunnen verstoren.
Hoe ga ik om met nieuwe gerechten zonder historische data?
Schat voorzichtig in op basis van vergelijkbare gerechten uit je kaart. Begin met kleine hoeveelheden en pas na 2-3 weken aan op werkelijke verkoop. Beter te weinig dan te veel bij nieuwe items.
Moet ik rekening houden met het weer bij mijn inkoopplanning?
Voor seizoensgerechten absoluut. Warme dagen betekenen meer salade, minder soep. Check het weerbericht en pas inkoop van temperatuurgevoelige gerechten aan.
📚 Использованные источники
- EU Verordening 852/2004 — Levensmiddelenhygiëne (2004) — Официальный источник
- EU Verordening 853/2004 — Hygiënevoorschriften voor levensmiddelen van dierlijke oorsprong (2004) — Официальный источник
- EU Verordening 1169/2011 — Voedselinformatie aan consumenten (2011) — Официальный источник
- NVWA — Hygiënecode voor de horeca (2024) — Официальный источник
- NVWA — Allergenen in voedsel (2024) — Официальный источник
- Codex Alimentarius — International Food Standards (2024) — Официальный источник
- FSA — Safer food, better business (HACCP) (2024) — Официальный источник
- BVL — Lebensmittelhygiene (HACCP) (2024) — Официальный источник
- Warenwetbesluit Bereiding en behandeling van levensmiddelen (2024) — Официальный источник
- WHO — Foodborne diseases estimates (2024) — Официальный источник
Роспотребнадзор — https://www.rospotrebnadzor.ru
Стандарты ХАССП, представленные в этом приложении, носят исключительно информационный характер. KitchenNmbrs не гарантирует актуальность или полноту представленных значений. Всегда обращайтесь в Роспотребнадзор или местные органы за действующими нормативами.
Автор
Jeffrey Smit
Основатель и CEO KitchenNmbrs
Джеффри Смит создал KitchenNmbrs на основе 8 лет практического опыта работы менеджером кухни в 1NUL8 Group в Роттердаме. Его миссия: дать каждому владельцу ресторана контроль над себестоимостью продуктов.
Стандартизируйте порции, стабилизируйте маржу
Разные порции означают разные затраты. KitchenNmbrs фиксирует точные количества по рецепту. Попробуйте бесплатно 14 дней.
Начать бесплатную пробную версию →