İçeriğe atla
ÖzelliklerFiyatlandırmaİş OrtaklığıBlogYardımHakkımızdaİletişim
BaşlaGiriş Yap
Bloga Dön
guides2026-08-197 dk okuma

12 Şubeli Kahve Zincirinde Merkezi Raporlama: Aynı Latte 9 Farklı Şehirde

İstanbul merkezli third-wave kahveci için 12 şube × Looker Studio multi-tenant kurulumu. Z-score anomaly alert, ürün × şube × saat granularity.

th

thMenu Team

thmenu.com

Kronotrop tarzı 12 şubeli third-wave kahveci zincirinde her şube farklı şehirde, farklı barista, farklı müşteri profili — ama aynı menü, aynı latte SKU'su. Bölge müdürü pazartesi sabahı 12 ayrı dashboard değil, tek bir parent dashboard'a bakmak istiyor. Multi-tenant Looker Studio kurulumu, anomaly detection ve granularity stratejisi.

Mimari: Şube → BigQuery → Looker Studio

Her şubenin POS/menü sistemi günlük JSON dosyasını Cloud Storage'a atar (00:30 UTC). BigQuery scheduled query 03:00'te bunları orders_daily partitioned table'a UPSERT eder. Looker Studio bu tabloya bağlanır — 12 ayrı veri kaynağı değil, tek branch_id filtreli view.

Parent dashboard'da 4 sayfa: Genel Bakış (zincir toplamı), Şube Karşılaştırma (heatmap), Ürün Drill-down (latte 12 şube), Anomali. Filtre kontrolü tüm sayfalarda persisted — bölge müdürü "Anadolu Yakası" seçince tüm sayfalar filtrelenir.

Granularity: Ürün × Şube × Saat × Hafta

Doğru granularity olmadan "bu hafta latte düştü" diyemezsin. Şema:

  • Saatlik: (branch_id, product_sku, hour_of_day, weekday) — peak hour anomaly
  • Günlük: (branch_id, product_sku, date) — trend + Z-score baseline
  • Haftalık: (branch_id, product_sku, iso_week) — week-over-week %

Bu üçlü beslenir orders_fact tablosundan — partitioned by date, clustered by branch_id. 12 şube × 60 ürün × 365 gün ≈ 263k satır/yıl. BigQuery bunu $0.02/ay altında tutar.

Z-Score Anomaly: Latte 2σ Düştü → Slack Alert

BigQuery scheduled query her gün 04:00'te trailing 28-day pencerede her (branch, product) için μ ve σ hesaplar. Bugünkü satış (today - μ) / σ = Z-score. |Z| ≥ 2 ise anomalies tablosuna kayıt + Cloud Function tetiklenir, Slack #ops-alerts kanalına post atar.

Örnek alert: "Kadıköy şubesinde Flat White satışı Z=-2.4 (bugün 18, ortalama 47). Olası neden: barista değişikliği, espresso makinesi kalibrasyon, vitrin düzeni." Süpervizör 30 dakikada arar, sorunu yakalar. False-positive %12 — kabul edilebilir.

FAQ

12 şube için Looker Studio ücretsiz mi? Evet, Looker Studio (eski Data Studio) ücretsiz. Maliyet BigQuery tarafında — bu hacim aylık $5 altı.

POS sistemi bizde yok, sadece thMenu kullanıyoruz. Yapabilir miyim? Evet. thMenu siparişlerini D1'den nightly export ile R2'ya, oradan BigQuery'ye yükleyebilirsin. Pro+ tier analytics export sağlar.

Anomaly threshold 2σ neden 3σ değil? 3σ kahve perakendesi için fazla muhafazakar — gerçek operasyonel düşüşleri kaçırır. 2σ ile recall yüksek, precision %88. Kritik ürünlerde (latte, americano) 1.5σ kullanılabilir.

Faydalı buldunuz mu? Paylaşın.