Bagaimana Chain F&B Bali Memangkas Limbah Inventaris 22% Lewat Dashboard

Manajer operasi di chain F&B berbasis Bali dengan tujuh lokasi membuat panggilan setelah bulan yang sangat buruk. Limbah inventaris mereka mencapai Rp 95 juta — produce busuk, hidangan yang sudah disiapkan dibuang di akhir service, bahan dipesan untuk menu yang tidak laku. Pola itu tidak baru; magnitudonya yang baru.

Tiga bulan kemudian, limbah bulanan turun ke Rp 62 juta. Perubahannya bukan reformasi dapur dramatis — tapi visibilitas. Berikut yang kami bangun dan apa yang dimunculkan.

Gambaran awal

Diagnostik dua minggu menunjukkan biaya lebih presisi:

• Limbah inventaris bulanan rata-rata: Rp 78 juta di semua tujuh lokasi.
• Pola: Dua lokasi menyumbang 51% dari limbah total. Tidak ada yang sadar karena setiap lokasi melapor terpisah.
• Alasan invisibilitas: Setiap manajer lokasi menyimpan catatan sendiri. Kantor pusat chain hanya melihat agregat bulanan.
• Ritme pengambilan keputusan: Order inventaris untuk setiap lokasi dibuat oleh manajer lokasi itu berdasarkan intuisi. Tidak ada loop feedback data.

Limbah bukan masalah dapur. Itu masalah koordinasi yang menyamar sebagai masalah dapur.

Apa yang kami bangun

Dashboard dengan tiga view, dimakan oleh lapisan data kecil yang menarik dari POS mereka, sistem ordering mereka, dan aplikasi penghitungan inventaris harian manual yang kami bangun untuk dapur.

View 1 — Pelacak limbah harian, per lokasi

Limbah harian setiap lokasi, dipisah per kategori (protein, produce, hidangan disiapkan). Manajer chain membuka ini setiap pagi. Dua lokasi outlier jadi langsung terlihat — keduanya konsisten 2–3x rata-rata chain.

View 2 — Velocity item menu

Item menu mana terjual di lokasi mana, dan bagaimana itu bervariasi per hari minggu dan musim. Manajer lokasi telah memesan jumlah bahan yang sama untuk item yang terjual sangat berbeda antar lokasi.

View 3 — Forecast inventaris

Memakai data velocity, jumlah order yang disarankan untuk bahan utama setiap lokasi. Manajer lokasi bisa override (dan sering melakukan di awal), tapi saran memberikan baseline yang mereka tidak punya.

Build total: Rp 85 juta selama 9 minggu.

Apa yang berubah di tiga bulan pertama

Pola yang dashboard munculkan mengubah perilaku:

Lokasi 4 membuat keputusan protein yang salah

Dashboard menunjukkan Lokasi 4 memesan 18kg daging sapi per minggu terhadap velocity yang menyarankan 11kg. Manajer lokasi telah over-order selama hampir setahun karena tidak ingin risiko habis di akhir minggu. Mereka tidak sadar betapa konsistennya over-ordering.

Setelah percakapan data, order daging sapi mingguan turun ke 13kg. Limbah dari daging sapi saja turun Rp 4 juta/bulan.

Lokasi 7 punya masalah bauran menu

Pelanggan Lokasi 7 memesan hidangan berbeda dari lokasi lain — lebih berat di plant-based, lebih ringan di seafood. Ordering inventaris mereka tidak mencerminkan ini; mereka stocking proporsional ke rata-rata chain. Data membuatnya terlihat. Rotasi menu mereka juga disesuaikan, menjatuhkan dua item seafood yang konsisten terjual buruk di sana.

”Promo of the day” level-chain over-stock

Chain punya promosi rotasi. Setiap lokasi memesan untuk promosi berdasarkan pedoman chain-wide. Data menunjukkan adopsi bervariasi 4x antar lokasi. Lokasi dengan adopsi rendah memesan 4x yang dibutuhkan dan membuang sisanya.

Fix-nya adalah target order promosi per lokasi berdasarkan adopsi historis. Sekitar Rp 7 juta/bulan dihemat.

Angka di bulan 3

• Limbah bulanan rata-rata: turun dari Rp 78 juta ke Rp 61 juta. Pengurangan 22%, atau kira-kira Rp 200 juta penghematan tahunan.
• Dua lokasi outlier membawa limbah mereka ke dalam 30% rata-rata chain (turun dari 2–3x).
• Akurasi order: manajer lokasi melaporkan mereka habiskan lebih sedikit waktu meragukan order karena dashboard memberikan rekomendasi baseline.

Apa yang kami salah

Dua hal, layak jujur.

Yang pertama aplikasi penghitungan inventaris harian. Kami mengasumsi staf dapur akan log limbah real-time selama service. Mereka tidak — mereka sibuk. Kami harus mendesain ulang sehingga logging terjadi di akhir setiap shift, dalam proses batch 5 menit. Ini menunda go-live tiga minggu.

Yang kedua memperlakukan manajer lokasi sebagai grup uniform. Beberapa memeluk data; lain merasa diawasi. Kami harus menghabiskan waktu individu dengan yang resisten, memframing data sebagai tool untuk mereka alih-alih cek pada mereka. Framing lebih penting dari yang awalnya kami budget.

Berapa biaya proyek seperti ini

Untuk chain F&B Indonesia dengan 5–15 lokasi:

• Build: Rp 60–150 juta, 8–14 minggu
• Berkelanjutan: Rp 2–5 juta/bulan (hosting + maintenance sesekali)
• Payback: biasanya 3–6 bulan dari pengurangan limbah saja

Biaya upfront terasa signifikan. Biaya limbahnya lebih besar dan berulang.

Apa yang kami rekomendasikan ke operasi serupa

Tiga pola dari kasus ini yang generalisasi:

1. Jangan percaya rata-rata antar lokasi. Angka agregat menyembunyikan di mana masalah sebenarnya. Selalu lihat detail per lokasi.
2. Buat data mengalir kembali ke orang yang keputusannya seharusnya menginformasikan. Dashboard yang manajer lokasi tidak bisa akses tidak mengubah perilaku.
3. Framing visibilitas sebagai tool untuk tim, bukan cek pada mereka. Data sama, framing berbeda, adopsi sangat berbeda.

Kalau Anda menjalankan operasi multi-lokasi dan limbah inventaris atau koordinasi menggigit, satu jam percakapan biasanya menjernihkan apakah proyek dashboard serupa akan cocok. Kami melakukannya tanpa biaya.