12店舗コーヒーチェーンの集中レポーティング:同じラテ、9都市

Kronotrop風の12店舗third-waveコーヒーチェーン、9都市に分散、バリスタは違うが同じメニュー、同じラテSKU。エリアマネージャーは月曜朝に12タブではなく親ダッシュボード一つを見たい。マルチテナントLooker Studioと異常検知のセットアップを紹介します。

アーキテクチャ:店舗 → BigQuery → Looker

各店舗が日次JSONをUTC 00:30にCloud Storageへ投入。BigQueryのスケジュールクエリが03:00にパーティション表orders_dailyへUPSERT。Looker Studioはこの一つの表に接続 — 12ソースを継ぎはぎする必要なし。

親ダッシュボードは4ページ:概要、店舗比較(ヒートマップ)、商品ドリルダウン、異常。フィルターはページ間で保持されます。

粒度:商品×店舗×時間×週

適切な粒度がないと「今週ラテが落ちた」とは言えません。スキーマ:

• 時間別:(branch_id, sku, 時, 曜日) — ピーク時間異常
• 日次:(branch_id, sku, 日付) — Zスコア基準
• 週次:(branch_id, sku, ISO週) — 前週比

12店×60 SKU×365日≈26.3万行/年。BigQueryコストは月0.02ドル未満。

Zスコア異常:ラテ-2σ → Slackアラート

毎朝04:00、過去28日のスライディングウィンドウで(店舗、商品)ごとにμとσを計算。本日値(今日-μ)/σがZスコア。|Z|≥2ならanomalies表に書込み、Cloud FunctionがSlack #ops-alertsへ送信。

例:「カドキョイ店 Flat White Z=-2.4(本日18、平均47)。バリスタ交代やエスプレッソ校正の可能性」。スーパーバイザーは30分以内に連絡。誤検知率約12% — 許容範囲。

FAQ

Looker Studioは12店舗で無料ですか?はい。Looker Studioは無料、BigQueryのみ課金 — この規模で月5ドル未満。

POSなし、thMenuのみでも可能?はい。D1から夜間にR2へエクスポートしBigQueryへロード。Pro+ tierが分析エクスポートを提供。

なぜ2σで3σではない?3σはスペシャルティコーヒーには保守的すぎ、実際の落ち込みを見逃します。2σは精度88%でリコールも高い。

お役に立ちましたか?シェアしてください。