Saltar al contenido principal

Funcionalidades actuales

Eaternity Forecast ofrece capacidades integrales de previsión de demanda para cocinas profesionales. Esta página detalla todas las funcionalidades disponibles actualmente.

Funcionalidades principales de predicción​

Previsión de demanda diaria​

Descripción: Predicciones impulsadas por inteligencia artificial para cada artículo del menú, cada día

Capacidades:

  • Predicciones de cantidad para cada artículo del menú
  • Ventana de pronóstico de 7 días (predicciones de la próxima semana)
  • Pronóstico extendido de 14 días (para planificación avanzada)
  • Granularidad a nivel de artículo (platos individuales, no categorías)
  • Desgloses por período de servicio (predicciones de almuerzo vs cena)

Precisión:

  • Error porcentual absoluto medio: 12,8%
  • 25% mejor que pronosticadores humanos
  • Mejora continua a medida que el modelo aprende

Ejemplo de salida:

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

Intervalos de confianza​

Descripción: Rangos de predicción que muestran incertidumbre y fiabilidad

Cada predicción incluye un intervalo de confianza del 80% (percentil 10 al 90) para ayudaros a elegir estrategias de preparación:

ComponenteDescripción
Estimación puntualCantidad más probable
Límite inferior10% de probabilidad de vender menos
Límite superior10% de probabilidad de vender más

Más información sobre intervalos de confianza →

Seguimiento de precisión histórica​

Descripción: Monitorización en tiempo real del rendimiento de las predicciones

Métricas proporcionadas:

  • Error porcentual absoluto medio por artículo
  • Artículos dentro de ±10% recuento de precisión
  • Detección de grandes varianzas (error superior al 20%)
  • Análisis de tendencias (mejorando, estable, en declive)

Períodos de tiempo:

  • Precisión de los últimos 7 días
  • Precisión de los últimos 30 días
  • Precisión promedio de todo el tiempo

Vista del panel de control:

Artículo: Pasta Carbonara

Métricas de precisión:
  Últimos 7 días:   95,2% (Error porcentual absoluto medio: 4,8%)
  Últimos 30 días:  94,2% (Error porcentual absoluto medio: 5,8%)
  Todo el tiempo:   93,8% (Error porcentual absoluto medio: 6,2%)

Rendimiento reciente:
  ✅ Dentro de ±10%: 27 de 30 días
  ⚠️ Gran varianza: 1 día (evento especial)

Integración de factores externos​

Integración meteorológica​

Descripción: Integración automática de datos meteorológicos para predicciones sensibles a la temperatura

Fuentes de datos:

  • Temperatura (actual y pronóstico)
  • Precipitación
  • Condiciones meteorológicas (soleado, lluvioso, nevando, etc.)
  • Efectos estacionales

Ejemplos de impacto:

  • Días fríos → Mayor demanda de sopa y platos calientes
  • Días cálidos → Mayor demanda de ensaladas y bebidas frías
  • Días lluviosos → Menor volumen general (menos visitas sin reserva)
  • Clima extremo → Intervalos de confianza más amplios (incertidumbre)

Cobertura:

  • Detección automática de ubicación basada en la dirección de la cocina
  • Pronóstico meteorológico de 7 días integrado
  • Datos meteorológicos históricos para aprendizaje de patrones

Detección de festivos y eventos​

Descripción: Reconocimiento automático de festivos y eventos especiales

Eventos detectados:

  • Festivos públicos (Navidad, Semana Santa, Año Nuevo, etc.)
  • Vacaciones escolares (para comedores universitarios/escolares)
  • Eventos locales (si se proporcionan datos)
  • Patrones de día de la semana (viernes vs lunes)

Efectos:

  • Predicciones ajustadas para patrones festivos
  • Intervalos de confianza más amplios para eventos irregulares
  • Aprendizaje de patrones festivos históricos

Adición manual de eventos:

POST /v1/forecast/events
{
  "date": "2024-02-14",
  "name": "Menú especial de San Valentín",
  "expected_impact": "high_volume",
  "notes": "Paquetes de cena romántica, esperamos 2x sábado normal"
}

Gestión del menú​

Manejo de artículos nuevos​

Descripción: Predicciones inteligentes para artículos del menú recién lanzados

Enfoque:

  • Semana 1: Baja confianza, intervalos amplios (±30-40%)
  • Semana 2-3: Aprendizaje rápido, confianza mejorando
  • Mes 2+: Confianza normal, comparable a artículos establecidos

Estrategias:

  • Usar patrones de artículos similares como aproximación inicial
  • Recomendaciones de preparación conservadoras
  • Aprendizaje acelerado de ventas reales
  • Ajuste automático de confianza a medida que se acumulan datos

Ejemplo de curva de aprendizaje:

Nuevo artículo: Risotto de setas

Semana 1: Predicción 22 (Rango: 12-32, Error porcentual absoluto medio: 23%)
Semana 2: Predicción 25 (Rango: 18-32, Error porcentual absoluto medio: 17%)
Semana 3: Predicción 27 (Rango: 22-32, Error porcentual absoluto medio: 14%)
Semana 4: Predicción 28 (Rango: 24-32, Error porcentual absoluto medio: 11%)

Detección de artículos descontinuados​

Descripción: Detección y manejo automáticos de cambios del menú

Capacidades:

  • Detección automática cuando un artículo tiene cero ventas durante más de 7 días consecutivos
  • Eliminación gradual de predicciones
  • Preservación de datos históricos para referencia futura
  • Soporte de reactivación si el artículo vuelve al menú

Seguimiento de estado:

Artículo: Ensalada especial de verano

Estado: Descontinuado
Última venta: 10-01-2024
Razón: Cero ventas durante 14 días consecutivos
Acción: Predicciones detenidas
Reactivación: Disponible si el artículo vuelve al menú

Cambios de menú estacionales​

Descripción: Soporte para menús estacionales rotativos

Capacidades:

  • Aprender patrones estacionales año tras año
  • Detectar transiciones de menú automáticamente
  • Ajustar predicciones para ingredientes estacionales
  • Manejar ciclos de rotación del menú

Ejemplo:

Transición de menú otoño → invierno:

Eliminando gradualmente (Otoño):
  - Ensalada de verano: Declive de predicciones detectado
  - Verduras a la parrilla: Demanda en tendencia descendente

Introduciendo gradualmente (Invierno):
  - Sopa de calabaza: Artículo nuevo, fase de aprendizaje
  - Costillas estofadas: Datos del invierno anterior aplicados

Informes y análisis​

Informes de rendimiento diario​

Descripción: Informes matutinos comparando las predicciones de ayer con los valores reales

Incluye:

  • Resumen de precisión general
  • Artículos dentro de la precisión objetivo (±10%)
  • Grandes varianzas que requieren investigación
  • Artículos con mejor rendimiento
  • Artículos que necesitan atención

Opciones de entrega:

  • Correo electrónico (entrega programada)
  • Widget del panel de control
  • Notificación de aplicación móvil
  • Punto final de interfaz de programación de aplicaciones

Ejemplo de informe:

Informe de rendimiento diario
Fecha: 19 de enero de 2024

Precisión general: 91,2% ✅
Artículos dentro de ±10%: 58 de 65

Mejores resultados:
  1. Pasta Carbonara: 3,2% de error
  2. Ensalada César: 4,1% de error
  3. Pan de la casa: 2,8% de error

Necesita revisión:
  - Salmón a la parrilla: 28% de error (+8 porciones)
    Causa posible: Clima cálido inesperado

Resumen semanal del pronóstico​

Descripción: Perspectiva semanal completa para la planificación

Incluye:

  • Predicciones de 7 días para todos los artículos del menú
  • Días ocupados vs tranquilos esperados
  • Artículos de enfoque recomendados para promoción
  • Prioridades de preparación sugeridas

Casos de uso:

  • Pedidos semanales de compras
  • Programación de personal
  • Decisiones de planificación del menú
  • Estrategia promocional

Opciones de formato:

  • Exportación a Excel (hojas de planificación editables)
  • Informe en PDF (imprimir para la cocina)
  • Datos de interfaz de programación de aplicaciones (integración con herramientas de planificación)

Informe mensual de impacto empresarial​

Descripción: Resumen ejecutivo del valor del pronóstico

Métricas:

  • Reducción del desperdicio de alimentos (porciones y coste)
  • Tendencias de precisión del pronóstico
  • Ahorro de costes (desperdicio + tiempo)
  • Calidad de servicio (seguimiento de agotamientos)
  • Impacto ambiental (CO₂e evitado)

Ejemplo de informe:

Informe mensual: Enero 2024

Impacto financiero:
  Ahorro por desperdicio de alimentos:  1.045 €
  Valor del ahorro de tiempo:           715 €
  Reducción de agotamientos:            185 €
  Valor total creado:                   1.945 €

Métricas operativas:
  Error porcentual absoluto medio:      12,3%
  Tasa de desperdicio:                  7,1% (bajando desde 12,8%)
  Agotamientos:                         2 casos (bajando desde 14)
  Tiempo ahorrado:                      20 horas

Impacto ambiental:
  CO₂e evitado:                         285 kg
  Desperdicio de alimentos evitado:     2.450 porciones
  Agua conservada:                      32.000 litros

Tendencia: Mejorando (vs mes anterior)

Funcionalidades de integración​

Interfaz de programación de aplicaciones REST​

Descripción: Interfaz de programación de aplicaciones completa para integración de sistemas

Capacidades:

  • Enviar datos de ventas (diarios o en masa)
  • Recuperar predicciones (consultas por rango de fechas)
  • Anular predicciones manualmente
  • Acceder a análisis e informes
  • Gestionar artículos del menú y eventos

Autenticación:

  • OAuth 2.0 (acceso delegado por usuario)
  • Claves de interfaz de programación de aplicaciones (servidor a servidor)

Límites de tasa:

  • 100 solicitudes/minuto
  • 10.000 solicitudes/día
  • Límites personalizados disponibles

Ver documentación de la interfaz de programación de aplicaciones →

Integración con Necta​

Descripción: Integración nativa con el sistema de planificación de recursos empresariales Necta

Funcionalidades:

  • Sincronización automática de datos desde ventas de Necta
  • Panel de control nativo en el módulo de planificación de Necta
  • Flujo de trabajo fluido (sin cambio de sistema)
  • Exportación con un clic a Excel desde Necta

Beneficios exclusivos:

  • Cero complejidad de configuración
  • Actualizaciones automáticas del menú
  • Costes de recetas integrados
  • Soporte prioritario

Más información sobre la integración con Necta →

Soporte de ganchos web​

Descripción: Notificaciones en tiempo real para eventos importantes

Eventos disponibles:

  • predictions.generated — Nuevos pronósticos listos
  • variance.large — Error de predicción significativo detectado
  • data.quality_issue — Problemas de envío de datos
  • model.retrained — Modelo actualizado con nuevos datos

Casos de uso:

  • Activar flujos de trabajo automatizados
  • Integración de sistemas de alertas
  • Paneles de control en tiempo real
  • Sistemas de gestión de inventario

Ejemplo de gancho web:

{
  "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"
  }
}

Capacidades de exportación​

Descripción: Múltiples formatos para exportación de datos

Formatos:

  • Excel (.xlsx) con tablas y gráficos formateados
  • CSV (valores separados por comas) para importar a otros sistemas
  • PDF informes para imprimir y compartir
  • JSON vía interfaz de programación de aplicaciones para acceso programático

Alcances de exportación:

  • Un solo día todos los artículos
  • Rango de fechas artículos específicos
  • Pronóstico semanal completo
  • Informes de precisión histórica

Funcionalidades de interfaz de usuario​

Panel de control​

Descripción: Interfaz web para usuarios no técnicos

Widgets:

  • Resumen del rendimiento de hoy
  • Pronóstico de mañana
  • Vista de calendario semanal
  • Gráfico de tendencias de precisión
  • Tabla de artículos principales

Personalización:

  • Disposición de widgets
  • Filtros de artículos
  • Selección de rango de fechas
  • Preferencias de métricas

Anulación manual​

Descripción: Capacidad de ajustar predicciones manualmente

Casos de uso:

  • Eventos conocidos no en datos históricos
  • Promociones especiales
  • Disrupciones de suministro
  • Restricciones operativas

Proceso:

  1. Seleccionar artículo y fecha
  2. Introducir cantidad de anulación
  3. Proporcionar razón (documentado para aprendizaje)
  4. Opcional: Ajustar artículos relacionados proporcionalmente

Seguimiento:

  • Historial de anulaciones registrado
  • Efectividad medida
  • Razones analizadas para mejora del modelo

Ejemplo:

Anular predicción

Artículo: Pasta Carbonara
Fecha: Sábado, 25 de enero
Predicción original: 52 (48-56)

Cantidad de anulación: 75
Razón: Reserva de grupo de conferencia (50 personas, 60% seleccionando pasta)

☑ Aplicar ajuste proporcional a artículos relacionados
  - Ensalada César: 31 → 45
  - Tiramisú: 18 → 26

[Cancelar] [Guardar anulación]

Sistema de notificaciones​

Descripción: Alertas y recordatorios para eventos clave

Tipos de notificaciones:

  • Diaria: Predicciones listas
  • Semanal: Resumen del pronóstico disponible
  • Mensual: Informe de rendimiento generado
  • Ad-hoc: Grandes varianzas, problemas de calidad de datos

Canales de entrega:

  • Correo electrónico
  • Notificaciones del panel de control
  • Push móvil (próximamente T3 2024)
  • Integración con Slack (próximamente T3 2024)

Funcionalidades de gestión de datos​

Monitorización de calidad de datos​

Descripción: Detección automática de problemas de datos

Verificaciones:

  • Completitud: Fechas o artículos faltantes
  • Consistencia: Variaciones en nombres de artículos
  • Precisión: Valores atípicos y anomalías
  • Puntualidad: Envíos retrasados

Puntuación de calidad:

Calidad general de datos: 92% ✅

Componentes:
  Completitud:  100% ✅ (sin fechas faltantes)
  Consistencia:  89% ✅ (problemas menores de nomenclatura)
  Precisión:     95% ✅ (pocos valores atípicos)
  Puntualidad:   85% ✅ (algunos envíos tardíos)

Problemas:
  - 3 artículos con variaciones de nombre (se recomienda estandarización)
  - 2 envíos tardíos en los últimos 30 días

Gestión de datos históricos​

Descripción: Herramientas para gestionar datos históricos de ventas

Capacidades:

  • Importación masiva (CSV, Excel, JSON)
  • Corrección de datos (corregir errores en datos enviados)
  • Mapeo de artículos (estandarizar nombres inconsistentes)
  • Exportación de datos (copia de seguridad y análisis)

Retención:

  • Mínimo 90 días activos (para entrenamiento)
  • Máximo 365 días inicialmente (ampliable)
  • Almacenamiento de archivo más allá de 365 días

Privacidad y seguridad​

Descripción: Protección de datos y control de acceso

Funcionalidades:

  • Cifrado en tránsito (TLS 1.2+) y en reposo
  • Control de acceso (permisos basados en roles)
  • Registro de auditoría (todo acceso a la interfaz de programación de aplicaciones rastreado)
  • Aislamiento de datos (vuestros datos nunca se mezclan con otros)

Cumplimiento:

  • Cumple con el RGPD
  • Acuerdo de procesamiento de datos disponible
  • Derecho a la eliminación de datos
  • Soporte de portabilidad de datos

Funcionalidades de la plataforma​

Soporte multiubicación​

Descripción: Gestionar pronósticos para múltiples cocinas

Capacidades:

  • Modelo separado por ubicación
  • Aprendizaje compartido entre ubicaciones (opcional)
  • Informes consolidados
  • Configuraciones específicas por ubicación

Casos de uso:

  • Cadenas de restaurantes
  • Catering corporativo (múltiples sedes)
  • Redes hospitalarias
  • Comedores universitarios

Administración:

  • Facturación centralizada
  • Administración unificada

Para información de precios, visitad eaternity.org/pricing.

Gestión de usuarios​

Descripción: Acceso del equipo y control de permisos

Roles:

  • Administrador: Acceso completo, facturación, gestión de usuarios
  • Gerente: Ver predicciones, anular, informes
  • Personal de cocina: Solo ver predicciones
  • Solo lectura: Solo informes y análisis

Funcionalidades:

  • Invitar miembros del equipo por correo electrónico
  • Asignar roles y permisos
  • Registro de actividad
  • Inicio de sesión único (SSO) próximamente T4 2024

Reentrenamiento del modelo​

Descripción: Mejora continua del modelo

Frecuencia:

  • Reentrenamiento semanal (cada lunes a las 4 AM)
  • Reentrenamiento ad-hoc (después de cambios significativos del menú)

Proceso:

  • Incorporar últimos datos de ventas
  • Optimizar parámetros del modelo
  • Validar mejoras de precisión
  • Implementar si el rendimiento mejora

Notificaciones:

  • Resumen por correo electrónico después del reentrenamiento
  • Comparación de precisión (antes/después)
  • Nueva línea base establecida

Ejemplo:

Modelo reentrenado con éxito

Fecha: Lunes, 22 de enero de 2024
Datos de entrenamiento: 1 de octubre de 2023 - 19 de enero de 2024

Mejoras:
  Error porcentual absoluto medio anterior: 13,3%
  Nuevo error porcentual absoluto medio:   12,1%
  Mejora:                                  +1,2%

Artículos mejorados:
  - Salmón a la parrilla: 15,2% → 12,8%
  - Especiales del día: 19,5% → 16,3%

Implementado: Sí
Estado: Activo

Funcionalidades de soporte​

Documentación​

Descripción: Guías y referencias completas

Disponible:

  • Guías de inicio
  • Documentación de referencia de la interfaz de programación de aplicaciones
  • Mejores prácticas de implementación
  • Guías de resolución de problemas
  • Tutoriales en vídeo

Formatos:

  • Documentación en línea (este sitio)
  • Descargas en PDF
  • Tutoriales en vídeo
  • Ejemplos interactivos

Soporte técnico​

Descripción: Asistencia experta para usuarios

Canales:

  • Soporte por correo electrónico
  • Centro de ayuda del panel de control
  • Documentación de la interfaz de programación de aplicaciones
  • Soporte telefónico (nivel premium)

Tiempos de respuesta:

  • Crítico: 4 horas
  • Alto: 24 horas
  • Medio: 48 horas
  • Bajo: 1 semana

Soporte incluido:

  • Asistencia de integración
  • Consultoría de calidad de datos
  • Orientación para optimización de precisión
  • Formación en uso de funcionalidades

Solicitudes de funcionalidades​

Descripción: Desarrollo de producto impulsado por la comunidad

Proceso:

  1. Enviar solicitud de funcionalidad a través del panel de control o correo electrónico
  2. El equipo de Eaternity revisa y prioriza
  3. Votación de la comunidad (clientes)
  4. Hoja de ruta de desarrollo actualizada
  5. Notificación cuando la funcionalidad se lanza

Solicitudes principales actuales (en desarrollo):

  • Integración de seguimiento visual de desperdicios con Orbisk
  • Soporte de sistemas de punto de venta multiubicación
  • Pronóstico de ingredientes basado en recetas
  • Panel de análisis avanzado

Ver hoja de ruta completa →

Ved también​