現役データサイエンティストが2025年にデータで友人のレストランを救った実体験

店舗データの収集と分析

まずはPOSレジのデータをCSVでもらって、Pythonで読み込み。

pandasで整形して、売上・客数・時間帯・メニュー別の注文傾向を可視化した。

すると、以下の課題が見えてきた。

平日ランチの客数が極端に少ない（1日平均3人）

ディナーは週末に集中、平日は閑散

人気メニューは「鴨のコンフィ」やけど、原価率が高すぎて利益が出てへん。

ワイはmatplotlibでヒートマップを作って、時間帯別の客数を視覚化。

ユウスケは「うわ、こんなに偏ってるんか…」と驚いとった。

SNS分析とターゲット再定義

次に、Instagramで「#下北沢ランチ」「#ビストロ」「#鴨のコンフィ」などのハッシュタグを収集。

Instagram Graph APIを使って投稿内容を取得し、自然言語処理で感情分析を実施。

使用技術：transformersのBERTモデルでポジネガ判定、wordcloudでキーワード可視化

結果：「映える」「コスパ」「隠れ家」「女子会」などのキーワードが浮上

ワイは「この店、女子会向けにブランディングした方がええ」と提案。ユウスケは「なるほど、料理の見せ方も変えなあかんな」と納得。

メニュー構成と利益率の最適化

次に、メニューの原価と売上を分析。Excelで管理されてた原価表をPythonで読み込み、利益率を計算。

scikit-learnのKMeansでメニューをクラスタリングして、以下の3群に分類。

高利益・低人気（例：豚肩ロースのロースト）

低利益・高人気（例：鴨のコンフィ）

中利益・中人気（例：季節のポタージュ）

ワイは「鴨のコンフィは看板メニューとして残しつつ、セットメニューで高利益商品を組み合わせる」戦略を提案。

結果、客単価が3,200円→3,800円に上昇。

予約予測モデルの構築

ユウスケは「仕込みの量が読めへん」と悩んでた。

そこで、ワイは予約データと天気・曜日・イベント情報を使って、予約数の予測モデルを構築。

使用技術：XGBoostで回帰モデル、特徴量は曜日・天気・SNS投稿数・過去の予約数。

精度：RMSE 1.8人、MAE 1.2人

このモデルを使えば、仕込み量を最適化できて、食品ロスが30%削減された。

ユウスケは「これ、マジで助かるわ…」と感動しとった。

成果とその後

一連の施策で、月間来店数は150人→320人に増加。Instagramのフォロワーも1,200人→4,500人に。

ユウスケは「ワイの料理が、やっと人に届くようになった」と言うてくれた。

今では、下北沢の隠れ家ビストロとして雑誌にも取り上げられるようになった。

ワイは月1回のデータレビューと、季節メニューの価格調整を担当しとる。

料理とデータの共演

この経験で思ったんは、職人の技術とデータの力は対立せえへん。むしろ、補完し合える。

ユウスケの料理は芸術やけど、それを届けるには数字の力が要る。

ワイのスキルが、誰かの情熱を現実に変える手助けになったこと。それが、ワイにとっての最高の報酬や。