Sentralisert rapportering for en kjede med 12 kaffebarer: samme latte, 9 byer

En third-wave kaffekjede i Kronotrop-stil med 12 filialer i 9 byer: forskjellige baristaer, samme meny, samme latte-SKU. Regionsjefen vil mandag morgen ha ett foreldre-dashbord, ikke 12 faner. Her er multi-tenant Looker Studio-oppsettet med anomalideteksjon.

Arkitektur: filial → BigQuery → Looker

Hver filial slipper en daglig JSON-fil til Cloud Storage kl. 00:30 UTC. En BigQuery scheduled query kl. 03:00 UPSERTer til den partisjonerte tabellen orders_daily. Looker Studio kobles til den ene tabellen — ingen stitching mellom 12 kilder.

Fire sider: oversikt, filialsammenligning (heatmap), produkt-drilldown, anomalier. Filtre overlever mellom sider.

Granularitet: produkt × filial × time × uke

Uten riktig granularitet kan du ikke si at latte falt denne uken. Skjema:

• Time: (branch_id, sku, time, ukedag) — peak hour anomali
• Daglig: (branch_id, sku, dato) — Z-score grunnlinje
• Ukentlig: (branch_id, sku, iso_uke) — uke mot uke

12 filialer × 60 SKU × 365 dager ≈ 263k rader/år. BigQuery holder det under 0,02 $/måned.

Z-score anomali: latte -2σ → Slack-varsel

Spørringen beregner kl. 04:00 i et 28-dagers glidende vindu μ og σ per (filial, produkt). Dagens verdi (i dag - μ) / σ er Z-score. Ved |Z| ≥ 2 rad i anomalies, Cloud Function trigger Slack #ops-alerts.

Eksempel: "Kadıköy Flat White Z=-2,4 (i dag 18, snitt 47). Sannsynlig årsak: bytte av barista eller espresso-kalibrering." Supervisor ringer innen 30 minutter. Falsk-positiv ~12% — akseptabelt.

FAQ

Er Looker Studio gratis for 12 filialer? Ja. Looker Studio er gratis; bare BigQuery koster — under 5 $/måned ved dette volumet.

Vi har ingen POS, kun thMenu. Funker det? Ja. Nightly eksport fra D1 til R2, deretter til BigQuery. Pro+ tier eksponerer analytics-feeden.

Hvorfor 2σ og ikke 3σ? 3σ er for konservativt — reelle driftsdupp ville slippe gjennom. 2σ gir 88% presisjon med god recall.

Var dette nyttig? Del det.