Fonctionnalités actuelles

Eaternity Forecast offre des capacités complètes de prévision de la demande pour les cuisines professionnelles. Cette page détaille toutes les fonctionnalités actuellement disponibles.

Fonctionnalités de prévision principales

Prévision de demande quotidienne

Description : Prévisions alimentées par l'intelligence artificielle pour chaque article du menu, chaque jour

Capacités :

• Prévisions de quantité pour chaque article du menu
• Fenêtre de prévision de 7 jours (prévisions de la semaine prochaine)
• Prévision etendue de 14 jours (pour la planification avancée)
• Granularité par article (plats individuels, pas de catégories)
• Ventilation par période de service (prévisions déjeuner vs diner)

Précision :

• MAPE moyen : 12,8 %
• 25 % meilleur que les previsionnistes humains
• Amélioration continue à mesure que le modèle apprend

Exemple de sortie :

{
  "date": "2024-01-20",
  "item": "Pasta Carbonara",
  "predicted_quantity": 52,
  "service_period": "lunch"
}

Intervalles de confiance

Description : Fourchettes de prévision montrant l'incertitude et la fiabilité

Chaque prévision inclut un intervalle de confiance de 80 % (du 10e au 90e percentile) pour vous aider à choisir vos stratégies de préparation :

Composant	Description
Estimation ponctuelle	Quantité la plus probable
Borne inférieure	10 % de chance de vendre moins
Borne supérieure	10 % de chance de vendre plus

En savoir plus sur les intervalles de confiance →

Suivi de la précision historique

Description : Surveillance en temps réel des performances de prévision

Métriques fournies :

• Erreur absolue moyenne en pourcentage (MAPE) par article
• Nombre d'articles dans ±10 % de précision
• Détection des grandes variances (erreur supérieure à 20 %)
• Analyse des tendances (en amélioration, stable, en déclin)

Périodes :

• Précision des 7 derniers jours
• Précision des 30 derniers jours
• Précision moyenne globale

Vue du tableau de bord :

Article : Pasta Carbonara

Metriques de precision :
  7 derniers jours :   95,2 % (MAPE : 4,8 %)
  30 derniers jours :  94,2 % (MAPE : 5,8 %)
  Globale :            93,8 % (MAPE : 6,2 %)

Performance recente :
  Dans ±10 % : 27 jours sur 30
  Grande variance : 1 jour (evenement special)

Intégration des facteurs externes

Intégration meteorologique

Description : Intégration automatique des données météorologiques pour les prévisions sensibles à la température

Sources de données :

• Température (actuelle et prévue)
• Précipitations
• Conditions météorologiques (ensoleille, pluvieux, neigeux, etc.)
• Effets saisonniers

Exemples d'incidence :

• Jours froids → Demandé accrue de soupes et plats chauds
• Jours chauds → Demandé accrue de salades et boissons fraîches
• Jours pluvieux → Volume global plus faible (moins de passage)
• Météo extreme → Intervalles de confiance plus larges (incertitude)

Couverture :

• Détection automatique de la localisation basée sur l'adresse de la cuisine
• Prévisions météo à 7 jours intégrées
• Données météorologiques historiques pour l'apprentissage des tendances

Détection des jours fériés et événements

Description : Reconnaissance automatique des jours fériés et événements spéciaux

Événements détectés :

• Jours fériés (Noel, Paques, Nouvel An, etc.)
• Vacances scolaires (pour cantines universitaires/scolaires)
• Événements locaux (si données fournies)
• Tendances par jour de la semaine (vendredis vs lundis)

Effets :

• Prévisions ajustées pour les tendances de jours fériés
• Intervalles de confiance plus larges pour les événements irreguliers
• Apprentissage des tendances historiques des jours fériés

Ajout manuel d'événement :

POST /v1/forecast/events
{
  "date": "2024-02-14",
  "name": "Menu special Saint-Valentin",
  "expected_impact": "high_volume",
  "notes": "Formules diner romantique, attendre 2× samedi normal"
}

Gestion du menu

Gestion des nouveaux articles

Description : Prévisions intelligentes pour les articles de menu récemment lances

Approche :

• Semaine 1 : Faible confiance, intervalles larges (±30-40 %)
• Semaines 2-3 : Apprentissage rapide, confiance en amélioration
• Mois 2+ : Confiance normale, comparable aux articles établis

Stratégies :

• Utiliser les tendances d'articles similaires comme approximation initiale
• Recommandations de préparation conservatrices
• Apprentissage accelere à partir des ventes réelles
• Ajustement automatique de la confiance à mesure que les données s'accumulent

Exemple de courbe d'apprentissage :

Nouvel article : Mushroom Risotto

Semaine 1 : Prevision 22 (Fourchette : 12-32, MAPE : 23 %)
Semaine 2 : Prevision 25 (Fourchette : 18-32, MAPE : 17 %)
Semaine 3 : Prevision 27 (Fourchette : 22-32, MAPE : 14 %)
Semaine 4 : Prevision 28 (Fourchette : 24-32, MAPE : 11 %)

Détection des articles retires

Description : Détection et gestion automatiques des changements de menu

Capacités :

• Détection automatique quand un article à zéro vente pendant 7 jours consecutifs ou plus
• Retrait progressif des prévisions
• Conservation des données historiques pour référence future
• Support de reactivation si l'article revient au menu

Suivi de statut :

Article : Summer Salad Special

Statut : Retire
Derniere vente : 10/01/2024
Raison : Zero vente pendant 14 jours consecutifs
Action : Previsions arretees
Reactivation : Disponible si l'article revient au menu

Changements de menu saisonniers

Description : Support pour les menus saisonniers rotatifs

Capacités :

• Apprendre les tendances saisonnières d'année en année
• Détecter automatiquement les transitions de menu
• Ajuster les prévisions pour les ingrédients saisonniers
• Gérer les cycles de rotation du menu

Exemple :

Transition menu Automne → Hiver :

En retrait (Automne) :
  - Summer Salad : Tendance a la baisse detectee
  - Grilled Vegetables : Demande en declin

En introduction (Hiver) :
  - Butternut Squash Soup : Nouvel article, phase d'apprentissage
  - Braised Short Ribs : Donnees hiver precedent appliquees

Rapports et analyses

Rapports de performance quotidiens

Description : Rapports matinaux comparant les prévisions de la veille aux reels

Inclut :

• Resume de précision global
• Articles dans la précision cible (±10 %)
• Grandes variances nécessitant investigation
• Articles les plus performants
• Articles nécessitant attention

Options de livraison :

• E-mail (livraison programmée)
• Widget du tableau de bord
• Notification application mobile
• Point d'accès de l'interface de programmation

Exemple de rapport :

Rapport de performance quotidien
Date : 19 janvier 2024

Precision globale : 91,2 %
Articles dans ±10 % : 58 sur 65

Meilleurs resultats :
  1. Pasta Carbonara : 3,2 % d'erreur
  2. Caesar Salad : 4,1 % d'erreur
  3. House Bread : 2,8 % d'erreur

A examiner :
  - Grilled Salmon : 28 % d'erreur (+8 portions)
    Cause possible : Temps chaud inattendu

Résumé des prévisions hebdomadaires

Description : Aperçu hebdomadaire complet pour la planification

Inclut :

• Prévisions à 7 jours pour tous les articles du menu
• Journées chargées vs calmes attendues
• Articles recommandés à mettre en avant
• Priorités de préparation suggerees

Cas d'utilisation :

• Commandes acheteur hebdomadaires
• Planification du personnel
• Décisions de planification du menu
• Stratégie promotionnelle

Options de format :

• Export Excel (feuilles de planification editables)
• Rapport PDF (impression pour la cuisine)
• Données via interface de programmation (intégration avec outils de planification)

Rapport mensuel d'impact commercial

Description : Resume exécutif de la valeur des prévisions

Métriques :

• Réduction du gaspillage alimentaire (portions et cout)
• Tendances de précision des prévisions
• Économies (gaspillage + temps)
• Qualité de service (suivi des ruptures)
• Incidence environnementale (CO2e évite)

Exemple de rapport :

Rapport mensuel : Janvier 2024

Impact financier :
  Economies gaspillage alimentaire :  1 045 EUR
  Valeur gain de temps :              715 EUR
  Reduction ruptures :                185 EUR
  Valeur totale creee :               1 945 EUR

Metriques operationnelles :
  MAPE moyen :              12,3 %
  Taux de gaspillage :      7,1 % (en baisse depuis 12,8 %)
  Ruptures :                2 incidents (en baisse depuis 14)
  Temps economise :         20 heures

Incidence environnementale :
  CO2e evite :              285 kg
  Gaspillage alimentaire prevenu : 2 450 portions
  Eau conservee :           32 000 litres

Tendance : En amelioration (vs mois precedent)

Fonctionnalités d'intégration

Interface de programmation REST

Description : Interface de programmation complète pour l'intégration système

Capacités :

• Soumettre les données de ventes (quotidien ou en masse)
• Recuperer les prévisions (requêtes par plage de dates)
• Modifier les prévisions manuellement
• Accéder aux analyses et rapports
• Gérer les articles du menu et les événements

Authentification :

• OAuth 2.0 (accès delegue par utilisateur)
• Clés d'interface de programmation (serveur à serveur)

Limites de débit :

• 100 requêtes/minute
• 10 000 requêtes/jour
• Limites personnalisées disponibles

Voir la documentation de l'interface de programmation →

Intégration Necta

Description : Intégration native avec le progiciel de gestion intégré Necta

Fonctionnalités :

• Synchronisation automatique des données depuis les ventes Necta
• Tableau de bord natif dans le module de planification Necta
• Flux de travail transparent (pas de changement de système)
• Export en un clic vers Excel depuis Necta

Avantages exclusifs :

• Zéro complexité de configuration
• Mises à jour automatiques du menu
• Calcul des couts de recettes intégré
• Support prioritaire

En savoir plus sur l'intégration Necta →

Support des webhooks

Description : Notifications en temps réel pour les événements importants

Événements disponibles :

• predictions.generated — Nouvelles prévisions pretes
• variance.large — Erreur de prévision significative détectée
• data.quality_issue — Problèmes de soumission de données
• model.retrained — Modèle mis à jour avec de nouvelles données

Cas d'utilisation :

• Declencher des flux de travail automatises
• Intégration avec les systèmes d'alerte
• Tableaux de bord en temps réel
• Systèmes de gestion d'inventaire

Exemple de webhook :

{
  "event": "predictions.generated",
  "timestamp": "2024-01-20T03:15:42Z",
  "data": {
    "date_range": {"start": "2024-01-20", "end": "2024-01-27"},
    "total_items": 65,
    "prediction_url": "/v1/forecast/predictions?date=2024-01-20"
  }
}

Capacités d'exportation

Description : Formats multiples pour l'exportation de données

Formats :

• Excel (.xlsx) avec tableaux et graphiques formates
• CSV (valeurs separees par des virgules) pour import dans d'autres systèmes
• PDF rapports pour impression et partagé
• JSON via interface de programmation pour accès programmatique

Portees d'exportation :

• Jour unique tous les articles
• Plage de dates articles spécifiques
• Prévision hebdomadaire complète
• Rapports de précision historique

Fonctionnalités de l'interface utilisateur

Tableau de bord

Description : Interface web pour les utilisateurs non techniques

Widgets :

• Resume des performances du jour
• Prévisions de demain
• Vue calendrier hebdomadaire
• Graphique des tendances de précision
• Tableau des articles principaux

Personnalisation :

• Disposition des widgets
• Filtrés par article
• Sélection de plage de dates
• Préférences de métriques

Modification manuelle

Description : Possibilite d'ajuster manuellement les prévisions

Cas d'utilisation :

• Événements connus absents des données historiques
• Promotions spéciales
• Perturbations d'approvisionnement
• Contraintes opérationnelles

Processus :

1. Sélectionner l'article et la date
2. Entrer la quantité de modification
3. Fournir la raison (documentée pour l'apprentissage)
4. Optionnel : Ajuster les articles associés proportionnellement

Suivi :

• Historique des modifications journalise
• Efficacité mesurée
• Raisons analysées pour l'amélioration du modèle

Exemple :

Modifier la prevision

Article : Pasta Carbonara
Date : Samedi 25 janvier
Prevision originale : 52 (48-56)

Quantite modifiee : 75
Raison : Reservation groupe conference (50 personnes, 60 % selectionnant pates)

☑ Appliquer ajustement de ratio aux articles associes
  - Caesar Salad : 31 → 45
  - Tiramisu : 18 → 26

[Annuler] [Enregistrer la modification]

Système de notifications

Description : Alertes et rappels pour les événements clés

Types de notification :

• Quotidien : Prévisions pretes
• Hebdomadaire : Resume des prévisions disponible
• Mensuel : Rapport de performance génère
• Ponctuel : Grandes variances, problèmes de qualité des données

Canaux de livraison :

• E-mail
• Notifications tableau de bord
• Push mobile (à venir T3 2024)
• Intégration Slack (à venir T3 2024)

Fonctionnalités de gestion des données

Surveillance de la qualité des données

Description : Détection automatique des problèmes de données

Vérifications :

• Exhaustivite : Dates ou articles manquants
• Cohérence : Variations de noms d'articles
• Exactitude : Valeurs aberrantes et anomalies
• Ponctualite : Soumissions en retard

Note de qualité :

Qualite des donnees globale : 92 %

Composants :
  Exhaustivite :  100 % (aucune date manquante)
  Coherence :     89 %  (problemes mineurs de denomination)
  Exactitude :    95 %  (peu de valeurs aberrantes)
  Ponctualite :   85 %  (quelques soumissions en retard)

Problemes :
  - 3 articles avec variations de nom (standardisation recommandee)
  - 2 soumissions en retard dans les 30 derniers jours

Gestion des données historiques

Description : Outils de gestion des données historiques de ventes

Capacités :

• Import en masse (CSV, Excel, JSON)
• Correction des données (corriger les erreurs dans les données soumises)
• Mappage d'articles (standardiser les noms incohérents)
• Export des données (sauvegarde et analyse)

Conservation :

• Minimum 90 jours actifs (pour l'entrainement)
• Maximum 365 jours initialement (extensible)
• Stockage d'archivage au-delà de 365 jours

Confidentialite et sécurité

Description : Protection des données et controle d'accès

Fonctionnalités :

• Chiffrement en transit (TLS 1.2+) et au repos
• Controle d'accès (permissions basées sur les roles)
• Journalisation d'audit (tout accès à l'interface de programmation trace)
• Isolation des données (vos données jamais melangees avec d'autres)

Conformité :

• Conforme au RGPD
• Accord de traitement des données disponible
• Droit à la suppression des données
• Support de portabilite des données

Fonctionnalités de la plateforme

Support multi-sites

Description : Gérer les prévisions pour plusieurs cuisines

Capacités :

• Modèle separe par site
• Apprentissage partage entre sites (optionnel)
• Rapports consolides
• Configurations spécifiques par site

Cas d'utilisation :

• Chaînes de restaurants
• Restauration d'entreprise (plusieurs sites)
• Réseaux hospitaliers
• Restaurants universitaires

Administration :

• Facturation centralisee
• Administration unifiée

Pour les informations tarifaires, visitez eaternity.org/pricing.

Gestion des utilisateurs

Description : Controle d'accès et permissions de l'équipe

Roles :

• Administrateur : Accès complet, facturation, gestion des utilisateurs
• Responsable : Voir les prévisions, modifier, rapports
• Personnel de cuisine : Voir les prévisions uniquement
• Lecture seule : Rapports et analyses uniquement

Fonctionnalités :

• Inviter les membres de l'équipe par e-mail
• Attribuer des roles et permissions
• Journalisation des activités
• Authentification unique (SSO) à venir T4 2024

Re-entrainement du modèle

Description : Amélioration continue du modèle

Fréquence :

• Re-entrainement hebdomadaire (chaque lundi à 4h00)
• Re-entrainement ponctuel (après changements de menu significatifs)

Processus :

• Incorporer les dernières données de ventes
• Optimiser les paramètres du modèle
• Valider les améliorations de précision
• Deployer si la performance s'améliore

Notifications :

• Resume par e-mail après re-entrainement
• Comparaison de précision (avant/après)
• Nouvelle référence établie

Exemple :

Modele re-entraine avec succes

Date : Lundi 22 janvier 2024
Donnees d'entrainement : 1er octobre 2023 - 19 janvier 2024

Ameliorations :
  MAPE precedent : 13,3 %
  Nouveau MAPE :   12,1 %
  Amelioration :   +1,2 %

Articles ameliores :
  - Grilled Salmon : 15,2 % → 12,8 %
  - Plats du jour : 19,5 % → 16,3 %

Deploye : Oui
Statut : Actif

Fonctionnalités de support

Documentation

Description : Guides et références complets

Disponible :

• Guides de démarrage
• Documentation de référence de l'interface de programmation
• Meilleures pratiques de mise en oeuvre
• Guides de dépannage
• Tutoriels video

Formats :

• Documentation en ligne (ce site)
• Téléchargements PDF
• Tutoriels video
• Exemples interactifs

Support technique

Description : Assistance experte pour les utilisateurs

Canaux :

• Support par e-mail
• Centre d'aide du tableau de bord
• Documentation de l'interface de programmation
• Support telephonique (niveau premium)

Delais de réponse :

• Critique : 4 heures
• Eleve : 24 heures
• Moyen : 48 heures
• Faible : 1 semaine

Support inclus :

• Assistance a l'intégration
• Consultation qualité des données
• Conseils d'optimisation de la précision
• Formation a l'utilisation des fonctionnalités

Demandes de fonctionnalités

Description : Développement produit guide par la communaute

Processus :

1. Soumettre la demande de fonctionnalite via le tableau de bord ou par e-mail
2. L'équipe Eaternity examine et priorisé
3. Vote de la communaute (clients)
4. Feuille de route de développement mise a jour
5. Notification quand la fonctionnalite est livree

Principales demandes actuelles (en développement) :

• Intégration de suivi visuel du gaspillage Orbisk
• Support de systèmes de caisse multi-sites
• Prévision d'ingrédients basée sur les recettes
• Tableau de bord d'analyses avancées

Voir la feuille de route complete →

Voir aussi

• Feuille de route — Fonctionnalités a venir et plans de développement
• Options d'intégration — Comment connecter vos systèmes
• Référence de l'interface de programmation — Documentation complete de l'interface de programmation
• Guide de mise en oeuvre — Meilleures pratiques d'utilisation quotidienne