Banyak pemilik cafe sudah punya data penjualan setiap hari, tetapi belum benar-benar memakainya untuk mengambil keputusan. Data itu berhenti sebagai laporan omzet, lalu diganti dengan perkiraan: menu ini sepertinya laku, jam segini biasanya ramai, atau stok bahan mungkin masih cukup.
Perkiraan memang membantu saat usaha masih sangat kecil. Namun ketika transaksi bertambah, jumlah menu makin banyak, dan tim mulai berganti-ganti shift, mengandalkan ingatan bisa membuat keputusan meleset.
Di sinilah data dari kasir bisa naik kelas. Bukan hanya untuk mencatat pembayaran, tetapi untuk membantu pemilik cafe memahami apa yang terjadi di bisnisnya. Dalam istilah yang lebih luas, proses ini sering disebut *business intelligence* atau BI: cara mengubah data mentah menjadi informasi yang bisa dipakai untuk mengambil keputusan.
Anda tidak perlu langsung membuat sistem rumit atau mempekerjakan analis data. Untuk cafe, langkah awalnya justru cukup sederhana: kumpulkan data yang rapi, baca polanya, lalu hubungkan dengan keputusan operasional sehari-hari.
Data kasir bukan sekadar angka omzet
Laporan omzet memberi tahu berapa uang yang masuk. Itu berguna, tetapi belum menjawab banyak pertanyaan penting.
Misalnya:
Jawaban atas pertanyaan tersebut biasanya sudah tersimpan dalam data transaksi. Hanya saja, datanya perlu dilihat dari beberapa sudut.
Contohnya, penjualan kopi susu yang tinggi belum otomatis berarti menu itu paling menguntungkan. Kalau penggunaan bahan bakunya besar, banyak pesanan yang memakai promo, atau proses pembuatannya memakan waktu, keputusan untuk terus mendorong menu tersebut perlu dilihat lebih lengkap.
Karena itu, pemilik cafe sebaiknya tidak berhenti pada angka penjualan harian. Mulailah melihat hubungan antara penjualan, waktu, produk, stok, dan pelayanan.
Jika ingin membuat kebiasaan pemantauan yang lebih teratur, Anda bisa mulai dari 10 data yang harus dipantau pemilik cafe setiap hari.
Empat lapisan data yang perlu dibaca pemilik cafe
Tidak semua data harus langsung dianalisis sekaligus. Agar tidak terasa berat, pecah data cafe menjadi beberapa lapisan.
1. Data transaksi
Ini adalah data paling dasar: tanggal, waktu, nomor transaksi, produk yang dibeli, jumlah item, metode pembayaran, diskon, dan nilai transaksi.
Dari sini Anda bisa melihat pola penjualan. Misalnya, pagi hari lebih banyak pesanan kopi dan pastry, sedangkan sore hari pelanggan cenderung memesan minuman dingin dan makanan ringan.
Jangan hanya melihat total per hari. Bandingkan beberapa hari dengan karakter yang sama. Senin mungkin tidak cocok dibandingkan langsung dengan Sabtu. Begitu juga hari hujan dan hari dengan acara khusus di sekitar cafe.
2. Data produk
Data ini membantu menjawab produk mana yang paling sering terjual, mana yang jarang dipesan, dan mana yang sering muncul dalam kombinasi pembelian.
Misalnya, data menunjukkan pelanggan yang memesan cappuccino sering menambahkan croissant. Informasi ini bisa dipakai untuk membuat rekomendasi paket, menempatkan kedua produk lebih berdekatan di menu, atau melatih kasir menawarkan pasangan tersebut pada waktu yang sesuai.
Produk yang jarang terjual juga perlu dibaca dengan hati-hati. Bisa jadi masalahnya bukan pada produknya, melainkan namanya kurang jelas, fotonya kurang menarik, harganya tidak sesuai dengan target pelanggan, atau staf jarang menawarkannya.
3. Data waktu dan kapasitas
Penjualan berdasarkan jam membantu Anda memahami kapan tenaga kerja, meja, dan bahan harus disiapkan lebih banyak.
Misalnya, cafe terlihat ramai pada jam makan siang, tetapi pesanan menumpuk karena hanya ada sedikit staf di area bar. Data transaksi per jam dapat menjadi dasar untuk menyesuaikan jadwal kerja, persiapan bahan, dan pembagian tugas.
Sebaliknya, jika jam tertentu sepi, jangan langsung menambah promo. Cek dulu apakah masalahnya memang kurang pelanggan, atau kapasitas cafe sedang terbatas karena sebagian area dipakai untuk kebutuhan lain.
4. Data operasional
Data operasional berhubungan dengan apa yang terjadi setelah transaksi: waktu penyajian, pembatalan, retur, stok kosong, pesanan salah, dan keluhan pelanggan.
Data ini sering tidak tercatat dengan rapi, padahal dampaknya langsung terasa pada pelayanan. Cafe bisa terlihat memiliki penjualan baik, tetapi pelanggan kecewa karena menu sering habis atau waktu tunggu terlalu lama.
Mulailah mencatat kejadian yang berulang. Tidak harus memakai format rumit. Catatan sederhana per shift sudah cukup untuk menemukan pola yang perlu diperbaiki.
Dari laporan menjadi keputusan
Business intelligence bukan tentang membuat grafik sebanyak-banyaknya. Intinya adalah menghubungkan satu temuan dengan tindakan yang jelas.
Gunakan alur sederhana berikut:
Pertanyaan → Data → Temuan → Keputusan → Evaluasi
Misalnya, Anda ingin tahu mengapa penjualan sore menurun.
Dengan alur ini, keputusan tidak lagi berangkat dari perasaan semata. Pengalaman pemilik tetap diperlukan, tetapi data membantu menguji apakah dugaan tersebut benar.
Contoh keputusan cafe yang bisa dibantu data
Menentukan menu yang dipertahankan
Buat daftar menu berdasarkan dua hal: frekuensi terjual dan kontribusinya terhadap keuntungan. Jika belum memiliki perhitungan biaya yang rapi, mulai dari membandingkan jumlah terjual, harga jual, dan bahan utama yang digunakan.
Menu yang sering dibeli bisa menjadi produk andalan. Menu yang jarang terjual perlu dievaluasi sebelum langsung dihapus. Tanyakan apakah produk itu penting untuk variasi menu, punya pelanggan khusus, atau justru memakan stok dan waktu kerja tanpa hasil yang sepadan.
Mengatur pembelian bahan
Data penjualan membantu memperkirakan kebutuhan bahan dengan lebih masuk akal. Anda bisa melihat pola pemakaian bahan berdasarkan hari, musim, atau periode tertentu.
Contohnya, jika penjualan minuman dingin cenderung meningkat saat cuaca panas, persiapan bahan dan es perlu disesuaikan. Namun jangan hanya menambah pembelian karena satu hari ramai. Lihat pola beberapa periode agar tidak berakhir dengan stok berlebih.
Selisih stok juga perlu dikaitkan dengan data penjualan. Jika bahan yang seharusnya cukup ternyata cepat habis, penyebabnya bisa berupa takaran yang tidak konsisten, pencatatan bahan yang terlambat, produk rusak, atau transaksi yang tidak masuk sistem.
Pembahasan lebih jauh tentang hal ini bisa dilihat pada artikel cara aplikasi kasir membantu mengontrol inventory UMKM.
Menentukan jadwal staf
Jadwal kerja yang sama setiap hari belum tentu cocok dengan pola pelanggan. Lihat jumlah transaksi dan jenis pesanan di tiap jam. Jam dengan banyak pesanan kompleks mungkin membutuhkan lebih banyak staf di bar, meskipun jumlah transaksinya tidak paling tinggi.
Jangan lupa membedakan antara ramai dan sibuk. Dua puluh transaksi minuman sederhana bisa lebih cepat ditangani daripada jumlah transaksi yang sama dengan banyak makanan dan permintaan khusus.
Membuat promo yang lebih masuk akal
Promo sebaiknya menjawab masalah tertentu. Jika cafe sepi pada sore hari, data bisa membantu melihat apakah pelanggan memang tidak datang atau datang tetapi hanya membeli satu minuman.
Jika masalahnya jumlah pelanggan, promo berbasis waktu mungkin layak diuji. Jika masalahnya nilai transaksi rendah, paket makanan dan minuman mungkin lebih sesuai.
Tetapkan ukuran keberhasilan sebelum promo berjalan. Misalnya, Anda ingin meningkatkan jumlah transaksi sore, menaikkan nilai rata-rata transaksi, atau menghabiskan bahan tertentu yang stoknya terlalu banyak. Tanpa ukuran yang jelas, promo mudah terlihat berhasil hanya karena ada transaksi tambahan, padahal margin justru menurun.
Untuk contoh penerapan berdasarkan jam ramai dan sepi, baca cara menggunakan data penjualan untuk menentukan strategi promo cafe.
Cara mulai tanpa membuat tim kewalahan
Kesalahan yang sering terjadi adalah ingin mengukur semuanya sejak hari pertama. Akibatnya, staf merasa pekerjaannya bertambah dan data yang dikumpulkan malah tidak konsisten.
Mulailah dengan lima indikator yang benar-benar dipakai untuk mengambil keputusan:
Tentukan siapa yang memeriksa data dan kapan pemeriksaan dilakukan. Misalnya, kepala shift melihat laporan singkat setiap tutup kasir, lalu pemilik membandingkan rangkumannya setiap minggu.
Gunakan periode yang konsisten. Membandingkan penjualan hari ini dengan kemarin bisa menyesatkan jika karakter harinya berbeda. Untuk keputusan operasional, perbandingan mingguan atau bulanan sering lebih membantu, selama kondisi khusus tetap dicatat.
Buat satu catatan untuk setiap keputusan yang diambil dari data. Tulis masalahnya, tindakan yang dicoba, dan hasilnya. Dengan begitu, cafe tidak mengulang promo yang sama tanpa tahu dampaknya atau mengubah menu hanya karena satu hari penjualan turun.
Peran tim: data harus dipahami, bukan ditakuti
Data yang bagus tetap tidak berguna jika hanya dipahami pemilik. Kasir, barista, dan kepala shift perlu tahu mengapa pencatatan harus rapi.
Jelaskan dampaknya dalam bahasa operasional. Transaksi yang tidak tercatat bisa membuat pembelian bahan meleset. Catatan pesanan yang tidak lengkap bisa menyulitkan evaluasi menu. Kesalahan memasukkan varian produk dapat membuat laporan penjualan tidak mencerminkan kondisi sebenarnya.
Tidak perlu menyalahkan staf saat ada data yang berantakan. Cari bagian proses yang membuat kesalahan mudah terjadi. Apakah tombol produk terlalu mirip? Apakah prosedur pembatalan belum jelas? Apakah ada transaksi yang dilakukan di luar alur kasir?
Ketika tim melihat bahwa data dipakai untuk memperbaiki jadwal, mengurangi stok kosong, dan mempercepat pelayanan, mereka lebih mudah ikut menjaga kualitas pencatatan.
Jangan mengejar laporan yang terlihat canggih
Dashboard dengan banyak warna dan grafik bisa terlihat meyakinkan, tetapi belum tentu membantu. Ukuran keberhasilan yang lebih sederhana adalah: setelah membaca laporan, apakah Anda tahu tindakan apa yang perlu dilakukan?
Jika jawabannya belum, mungkin data yang ditampilkan terlalu banyak atau pertanyaannya belum jelas.
Pemilik cafe tidak harus menjadi ahli analitik. Yang dibutuhkan adalah kebiasaan bertanya dengan tepat, memeriksa data secara rutin, dan menguji keputusan dalam skala yang aman. Coba perubahan pada satu periode, satu jam operasional, atau beberapa menu terlebih dahulu. Setelah hasilnya terlihat, baru perluas penerapannya.
Kesimpulan
Perjalanan dari kasir ke business intelligence dimulai dari hal yang dekat dengan kegiatan cafe: transaksi yang tercatat rapi, produk yang terukur, stok yang diawasi, dan waktu pelayanan yang dicatat.
Data tidak menggantikan pengalaman pemilik. Data membantu pengalaman itu menjadi lebih terarah. Anda bisa mengetahui kapan harus menambah staf, menu mana yang layak didorong, bahan apa yang perlu dikendalikan, dan promo mana yang pantas diteruskan.
Mulailah dari satu pertanyaan bisnis yang sedang Anda hadapi. Ambil data yang relevan, cari polanya, lakukan perubahan kecil, lalu ukur hasilnya. Kebiasaan sederhana ini akan membuat keputusan cafe lebih tenang dan tidak selalu bergantung pada tebakan.