Toast POS ETL: Menüdaten ins Analytics-Warehouse extrahieren

Das italienische Restaurant Quartino in Chicagos River North mit 120 Sitzplätzen stieß an die Grenzen der vorgefertigten Toast-Analytics-Dashboards. Der CFO wollte Dine-in, Takeout und Caviar-Delivery-Daten in einem BigQuery-Warehouse mit dbt-Semantic-Layer zusammenführen. Wir analysieren die Pipeline, die Kosten und die ehrliche Antwort auf "Sollten wir Toast Analytics verlassen?".

Airbyte-Connector und Toast-API

Quartino nutzt einen Airbyte Cloud-Connector für Toast POS, der nachts um 02:00 EST die Endpunkte /orders, /menus, /labor und /cash-management abruft. Die durchschnittliche Sync-Dauer beträgt 7 Minuten 12 Sekunden.

Wegen des Toast-API-Limits von 1.000 Anfragen pro Stunde wurde die Batch-Size auf 500 gesetzt. Fehlgeschlagene Syncs lösen PagerDuty-Alarme aus — in 90 Tagen nur zwei Retries, null Datenverlust.

dbt-Modelle und Semantic Layer

BigQuery enthält ein raw_toast-Dataset für Airbyte-Daten, eine stg_toast_*-Staging-Schicht für Typkonvertierung und UTC-Normalisierung sowie marts/finance und marts/menu_engineering für die Geschäftslogik. dbt-Tests prüfen not_null, unique, relationships und einen Freshness-Check.

Die wichtigste Tabelle fct_daily_sales hat 14 Dimensionen und 28 Metriken bei 0,04 $/Tag BigQuery-Slot-Kosten. Die dim_menu_item-Tabelle ist SCD Type 2 und verfolgt Preisänderungen.

POS-Only vs Warehouse

Toast Analytics ist sofort einsatzbereit und in Echtzeit verfügbar, kann aber keine Cross-Channel-Joins oder ML-Pipelines bedienen. Quartino konnte Delivery-Marketplace-Daten nicht in Toast bringen — das war der Auslöser für das ETL.

Monatskosten: Airbyte Cloud 120 $, BigQuery 45 $, dbt Cloud 100 $ — gesamt 265 $/Monat. Ersparte Analystenkosten: 1.800 $/Monat. ROI nach 7 Monaten erreicht.

FAQ

Toast Analytics komplett kündigen? Nein. Manager nutzen Toast für Intraday-Sicht weiter, das Warehouse für strategische Analyse.

Fivetran statt Airbyte? Möglich. Fivetran ist stabiler, aber 40 % teurer. Für 1-2 Filialen bleibt Airbyte vorne.

Snowflake statt BigQuery? In Restaurantgrößen kaum Unterschied. BigQuery gewinnt bei niedrigem Volumen.

Hilfreich? Teilen Sie es.