中国IDC圈3月25日报道，中国餐饮市场这几年似乎进入了黄金发展期，在北上广深这样的一线城市里，每天都有150 家新开业的餐厅。他们的出现就是为了满足中国老百姓们变化多端的味蕾需求。但是，很少人观察到每天倒闭的餐厅也不在少数，毕竟商铺空间就那么些，旧的不去，新的不来。
作为美国硅谷回来的海归学子，大数据营销和人工智能从业者，连续创业爱好者(对未成功创业者的比较委婉的说法)，我们看到餐饮行业是最不能被电商平台冲击的巨无霸领域。无论出于社交、商务还是娱乐休闲等原因，我们每天都有必要走进餐饮。挖掘(餐饮)大数据并用高性价比的方式传递给实体商家是我们的使命，也给我们提供了一片广阔的发展空间。
简单说说大数据是什么
先简单说说对大数据的认识，美国领先的信息技术研究和咨询公司Gartner 在2001 年就对大数据有过一个定义。之后，著名的商业分析软件公司SAS 增加了两项，大致理解如下：
1. 大量来源的数据：交易数据，非结构化的社交媒体数据，传感器、机器之间的交互数据等都是来源不同的大数据;
2. 高速更新的数据：大数据发生的场景和时间都是瞬息万变。引用传感器、智能检测方式、RFID 的标记将可以用于记录这样高速更新的数据。
3. 多形式的数据：结构化的数据经常以数字化的形式在数据库中，但是还有文件、邮件、视频、金融交易、社交媒体帖子、顾客的喜好意见等非结构化的数据;
4. 随时变化的数据：数据很有可能是高度不连续的，因为有阶段性的影响。餐厅中忙碌的时候，大量数据发生，但是非忙碌的时候很多数据就停止更新了。
5. 复杂的数据整合：数据来自多个渠道，要将数据关联、匹配、清洗和转变形式是非常大挑战。
餐饮大数据的挑战会比线上更加艰巨，因为非结构化的数据占比非常大。顾客的一言一行都是对商家产品和服务的态度，消费行为也就是在这些态度中表现出来的。支付、点单、评价、拍照分享、使用打折优惠、顾客(会员)管理CRM 等等只是(餐饮)大数据的一些数据节点即决策结果。产生这些数据节点的决策过程更有挖掘价值，能够反映顾客自身条件，并可以指导如何用产品和服务更好地满足顾客。
餐饮大数据怎么玩
要充分挖掘产生数据节点的决策过程，有一个最实用和简单的方式：将数据节点做更细的分类，找出决策过程中的次级数据节点。
大众点评已经将原本简易的总体打分、平均消费、照片的评价体系做的越来越细分，增加了关键字可选项评价、推荐菜品评价，门店环境照片、菜品照片、价目表。美国的同类型服务Yelp也将评分应用到了菜品分量(Portion size)、质量和口味(Quality/Flavor)、价位(Price)、服务(Service)、菜单可选性(Menu options)、地理位置(Location)、气氛(Ambience)、噪声程度(Noise Level)多个维度。
看到餐饮大数据的玩法如此日新月异，应用大数据做营销的我们这批创业者感到异常兴奋。不过，兴奋之余还是会面临很大的挑战。大家是否考虑过，这样复杂和完整的数据有这么容易采集到么?即使大众点评和Yelp 这样的平台也不能让顾客自愿、完整、连续地完成评价数据的录入。退一步说，即使这些数据的采集达到我们满意的程度(实际上完全不切实际)，我们又应该如何使用呢?
一次性提出这么多问题，感觉头脑要爆炸了，还是一个个来讨论吧。
完善数据采集体系永远是第一步。要采集这么多决策过程中的次级数据节点既是技术问题、产品问题，又是商业模式问题：
1. 让顾客自愿录入数据，背后的逻辑是数据是相对真实反映顾客自身条件;
2. 让顾客完整录入数据，背后的逻辑是产品体验是符合顾客使用需求和让顾客感兴趣的;
3. 让顾客连续录入数据，背后的逻辑是需要有一定的激励机制对应合适的商业模式。天下有免费午餐，但是没有永远免费的午餐;
中国有评价数据平台如大众点评，支付交易数据平台如支付宝、微信支付、点评闪惠以及和他们对接的POS 产品;还有数百家从事(移动)点单、小票处理业务和提供顾客(会员)管理CRM 产品服务的公司。他们正在为餐饮大数据体系带来各种尝试，相信数据采集问题在这样的竞争环境中一定会很快找到最适合各类业态的解决方案。
那么问题又来了，大家都在从产品体验和竞争角度攻克数据采集这个大问题，一旦这个问题被很好的解决，他们又应该如何使用这些大数据呢?大数据应该用来提供更有价值的服务，帮助商家提高运营效率、服务水平和市场营销水平。