توقع مبيعات المطعم Sales Forecast: طريقة الحساب وربطه بالعمالة والمخزون

دليل عملي لتوقع مبيعات المطعم باستخدام بيانات POS والمبيعات السابقة والحجوزات والأحداث، وربطه بالعمالة والمخزون والشراء.

توقع مبيعات المطعم Restaurant Sales Forecast هو محاولة منظمة لتقدير حجم المبيعات والطلب المتوقع قبل أن يبدأ يوم أو أسبوع التشغيل، حتى يستطيع المدير اتخاذ قرارات أفضل بشأن العمالة والمشتريات والتحضير والمخزون.

الـForecast ليس وعدًا بأن المطعم سيحقق رقمًا محددًا، ولا هو مجرد Target تتمنى الإدارة الوصول إليه. هو تقدير مبني على البيانات المتاحة الآن، ثم يتم تعديله عندما تتغير الحجوزات أو الأحداث أو الطقس أو العروض أو ظروف التشغيل.

كلما تحسن توقع الطلب، أصبح من الأسهل الإجابة عن أسئلة عملية مثل: كم موظفًا نحتاج غدًا؟ ما كمية التحضير المناسبة؟ هل نحتاج إلى زيادة طلب خام معين؟ وهل نتوقع ضغطًا في Lunch أم Dinner؟

بيانات الـPOS هي نقطة البداية لبناء Forecast قابل للقياس.

ما هو Sales Forecast في المطاعم؟

هو تقدير لحجم المبيعات أو الطلب المتوقع خلال فترة مستقبلية محددة.

يمكن إعداد Forecast لـ:

• ساعة واحدة.
• Daypart مثل Lunch أو Dinner.
• يوم كامل.
• أسبوع.
• شهر.
• موسم معين.

وقد يكون التوقع في صورة قيمة مبيعات، أو عدد ضيوف، أو عدد طلبات، أو حتى كمية متوقعة من صنف محدد.

المطعم الذي يتوقع مبيعات اليوم فقط قد يعرف الإيراد المتوقع، لكن المطعم الذي يتوقع أيضًا Covers وProduct Mix يستطيع تحويل التوقع إلى خطة أكثر دقة للعمالة والتحضير والمشتريات.

الفرق بين Forecast وBudget وTarget

هذه المصطلحات تُستخدم أحيانًا كأنها شيء واحد، لكنها ليست كذلك.

المصطلح	السؤال الذي يجيب عنه
Budget	ما الخطة المالية المعتمدة للفترة؟
Target	ما النتيجة التي نريد الوصول إليها؟
Forecast	ما النتيجة التي نتوقع حدوثها وفق المعلومات الحالية؟
Actual	ما الذي حدث فعلًا؟

قد يكون Budget لمبيعات يوم معين 100,000، بينما تشير الحجوزات والبيانات الحالية إلى Forecast قدره 82,000 فقط.

إخفاء هذا الفرق والتمسك بالـBudget كأنه Forecast قد يؤدي إلى زيادة العمالة والتحضير والمشتريات عن الحاجة.

لماذا يحتاج المطعم إلى Forecast؟

لأن جزءًا كبيرًا من القرارات التشغيلية يتم اتخاذه قبل معرفة المبيعات الفعلية.

قبل أن يدخل أول ضيف إلى المطعم، تكون الإدارة قد قررت بالفعل:

• عدد الموظفين في الجدول.
• كمية التحضير.
• طلبات الموردين.
• المخزون المطلوب.
• عدد محطات التشغيل المفتوحة.
• الـPrep المطلوب للمطبخ والبار.

إذا كانت هذه القرارات مبنية فقط على الانطباع الشخصي، ترتفع احتمالات الـOverstaffing أو Understaffing، والهدر أو Stockouts.

ابدأ من بيانات POS وليس من الشعور

نظام نقاط البيع هو أحد أهم مصادر البيانات لتوقع المبيعات، لأنه يوضح ما حدث بالفعل خلال أيام وساعات وفترات تشغيل سابقة.

يمكن أن تستخرج منه:

• Net Sales.
• Guest Count أو Covers.
• Number of Checks.
• Average Check.
• Sales by Hour.
• Sales by Daypart.
• Sales by Channel.
• Sales by Menu Item.

إذا كان نظامك يحتوي على تقارير جيدة، راجع أيضًا دليل نظام POS في المطاعم لفهم دوره في تجميع بيانات التشغيل والمبيعات.

استخدم أيامًا قابلة للمقارنة

من الخطأ أن تأخذ متوسط جميع أيام الأسبوع ثم تستخدمه لتوقع يوم الجمعة.

الأفضل أن تبدأ بأيام متشابهة.

إذا كنت تتوقع مبيعات الجمعة القادمة، راجع مثلًا:

• آخر أيام جمعة طبيعية.
• الفترة نفسها من الموسم السابق عندما تكون المقارنة مفيدة.
• أيام لها ساعات تشغيل متشابهة.
• أيام لم تتأثر بحدث استثنائي كبير.

الهدف ليس اختيار الأيام التي تعطي الرقم الذي تريده، بل بناء Baseline تمثل التشغيل الطبيعي قدر الإمكان.

لا تستخدم يومًا استثنائيًا كخط أساس

قد تحقق المنشأة مبيعات مرتفعة بصورة غير معتادة بسبب:

• مباراة كبيرة.
• حفل أو Conference.
• Promotion قوي.
• عطلة رسمية.
• Event محلي.

إذا استخدمت هذا اليوم كما هو لتوقع أسبوع عادي، ستبالغ في الطلب المتوقع.

والعكس صحيح أيضًا؛ يوم تأثر بعطل كهربائي أو إغلاق طريق أو طقس استثنائي قد يخفض Baseline بصورة غير واقعية.

طريقة بسيطة لحساب Sales Forecast

إحدى الطرق المبسطة عندما تستطيع توقع عدد الضيوف ومتوسط الإنفاق هي:

Forecasted Sales = Expected Guest Count × Expected Average Check

مثال:

• Expected Covers = 240 ضيفًا.
• Expected Average Check = 350 وحدة نقدية.

إذن:

240 × 350 = 84,000

فيصبح Forecast المبدئي للمبيعات 84,000 وحدة نقدية.

هذه المعادلة مفيدة كبداية، لكنها لا تعني أن جميع المطاعم يجب أن تعتمد عليها وحدها.

توقع المبيعات من Historical Sales

في مطعم لديه تاريخ تشغيل كافٍ، يمكن البدء بمتوسط أيام قابلة للمقارنة ثم تعديله وفق الظروف المعروفة.

مثال:

اليوم	Net Sales
الجمعة 1	91,000
الجمعة 2	87,000
الجمعة 3	94,000
الجمعة 4	88,000

المتوسط:

(91,000 + 87,000 + 94,000 + 88,000) ÷ 4 = 90,000

يمكن استخدام 90,000 كـBaseline أولي، ثم تعديله وفق الحجوزات والأحداث والعروض والظروف المتوقعة.

ما العوامل التي تعدل الـForecast؟

المبيعات التاريخية هي نقطة البداية، وليست نهاية الحساب.

الحجوزات Reservations

وجود حجوزات مؤكدة أكثر من المعتاد قد يكون إشارة إلى طلب أعلى، خصوصًا في Full-Service Restaurants.

لكن لا تحسب كل Reservation كمبيعات مضمونة؛ راقب أيضًا:

• Cancellation.
• No-show.
• Average Party Size.
• متوسط إنفاق المجموعات المشابهة.

الحفلات والمجموعات الكبيرة

Private Event أو Large Party يمكن أن تغير المبيعات والعمالة والتحضير بصورة واضحة.

اسأل:

• هل الإيراد محسوب ضمن Restaurant Sales أم Revenue Center آخر؟
• هل ستستخدم المجموعة الصالة المعتادة؟
• هل هناك Menu ثابتة؟
• هل ستؤثر في قدرة المطعم على استقبال Walk-ins؟

الطقس

لا توجد قاعدة تقول إن المطر يرفع أو يخفض المبيعات في كل المطاعم.

قد يقل Dine-in في منشأة بينما يرتفع Delivery في منشأة أخرى.

استخدم تاريخ مطعمك لمعرفة العلاقة بدل استخدام افتراض عام.

الإجازات والمناسبات

قد تختلف أنماط الطلب في:

• الأعياد.
• المواسم.
• الإجازات المدرسية.
• رمضان حسب السوق وطبيعة المنشأة.
• المناسبات الاجتماعية.

لا تقارن يومًا موسميًا بيوم عادي دون تعديل.

الأحداث المحلية

مباراة، معرض، مؤتمر، حفل أو Festival قريب من الموقع قد يغير Traffic بصورة كبيرة.

Promotions

إذا كان لديك عرض لم يتم تشغيله في الأيام المستخدمة لبناء Baseline، يجب إدخال أثره المتوقع بحذر.

ولا تفترض أن خصم 20% سيزيد عدد الطلبات 20%؛ اختبر النتيجة الفعلية ثم استخدمها في Forecasts التالية.

تغير الأسعار

رفع أسعار القائمة قد يزيد Sales Value حتى لو ظل Guest Count ثابتًا.

لذلك فرّق دائمًا بين:

• نمو المبيعات الناتج عن زيادة Traffic.
• النمو الناتج عن Average Check.
• النمو الناتج عن تغير الأسعار.

ساعات التشغيل

إذا كان المطعم سيفتح ساعة أقل أو أكثر، فلا تستخدم مبيعات يوم كامل قديم كما هي دون تعديل.

قسّم Forecast حسب Daypart

توقع 100,000 لليوم بالكامل لا يخبر مدير التشغيل متى يحتاج إلى الموظفين.

الأفضل عند الإمكان تقسيم الرقم إلى:

• Breakfast.
• Lunch.
• Afternoon.
• Dinner.
• Late Night.

مثال:

Daypart	Forecast Sales
Lunch	25,000
Afternoon	10,000
Dinner	55,000
إجمالي اليوم	90,000

بهذا يعرف المدير أن Peak الأساسية في Dinner بدل توزيع العمالة بالتساوي على اليوم.

قسّم المبيعات حسب Channel

مطعم يعمل عبر Dine-in وTakeaway وDelivery قد يحتاج Forecast مستقلة لكل قناة.

فمثلًا:

• الأمطار قد تؤثر في Dine-in بصورة مختلفة عن Delivery.
• Promotion على منصة توصيل قد يرفع Delivery فقط.
• Event قريب من المطعم قد يرفع Walk-in Traffic.

إجمالي المبيعات وحده قد يخفي هذا التغيير في Mix.

Forecast لمطعم جديد بلا بيانات تاريخية

المطعم الجديد لا يملك بيانات POS سابقة، لذلك يحتاج إلى Initial Forecast مبني على افتراضات واضحة يمكن تحديثها بسرعة بعد الافتتاح.

يمكن البدء من عناصر مثل:

• عدد المقاعد.
• عدد مرات دوران الطاولة المتوقع.
• متوسط إشغال متحفظ.
• Average Check المتوقع.
• ساعات التشغيل.
• Takeaway وDelivery المتوقعان بصورة منفصلة.

مثال مبسط:

• 80 مقعدًا.
• 1.5 Table Turns في Dinner.
• Average Check = 300.

إذا افترضنا إشغال المقاعد كاملة في هذا المثال التوضيحي:

80 × 1.5 × 300 = 36,000

لكن هذا ليس Forecast نهائية تلقائيًا، لأنك تحتاج إلى تعديل الافتراض وفق Occupancy الحقيقي والسوق والموقع والطلب.

بعد أسابيع التشغيل الأولى، يجب تقليل الاعتماد على Benchmark خارجي وزيادة الاعتماد على بيانات المنشأة نفسها.

اربط Sales Forecast بجدول العمالة

أحد أهم استخدامات Forecast هو تحديد حجم العمالة المتوقع.

إذا كان المدير يعرف المبيعات المتوقعة لكل Daypart، يصبح من الأسهل تحديد:

• متى يبدأ كل Shift.
• عدد موظفي FOH.
• عدد موظفي Kitchen.
• هل نحتاج Staggered Shifts.
• أين يمكن أن يظهر Overtime.

إحدى طرق التخطيط المالي المبسطة:

Labor Budget = Forecasted Sales × Target Labor Cost %

مثال:

• Forecasted Sales = 100,000
• Target Labor Cost = 25%

إذن:

Labor Budget = 25,000

لكن لا تستخدم الناتج وحده لتحديد عدد الموظفين؛ يجب الحفاظ على الحد الأدنى التشغيلي والسلامة وجودة الخدمة.

راجع دليل Labor Cost Percentage في المطاعم للتوسع في الجدولة والإنتاجية وScheduled مقابل Actual Labor.

اربط Forecast بالمخزون

إذا كنت تتوقع عددًا أكبر من الضيوف، فأنت لا تحتاج فقط إلى مزيد من الموظفين؛ ستحتاج أيضًا إلى كميات مناسبة من الخامات.

لكن تحويل Sales Forecast إلى Purchasing Plan يحتاج مستوى أعمق من مجرد قول:

«المبيعات ستزيد 10%، إذن اشترِ كل شيء بنسبة 10%.»

الأفضل دراسة:

• Menu Mix المتوقع.
• Recipe Usage.
• Stock on Hand.
• Open Purchase Orders.
• Lead Time.
• Par Levels.
• Shelf Life.
• Safety Stock.

راجع دليل إدارة مخزون المطعم والجرد وPar Levels.

Forecast لا يعني زيادة المخزون بلا حدود

إذا بالغ المدير في توقع الطلب، فقد ينتج عن ذلك:

• Over-ordering.
• Overproduction.
• Spoilage.
• زيادة Waste.
• تجميد سيولة في المخزون.

أما إذا كان Forecast أقل كثيرًا من الطلب الفعلي، فقد تظهر:

• Stockouts.
• 86 Items.
• طلبات توريد طارئة.
• ضغط على الفريق.
• تراجع تجربة الضيف.

لهذا فإن الهدف ليس Forecast مرتفعة ولا منخفضة، بل Forecast أقرب للواقع.

ويمكن مراجعة دليل التحكم في الهدر بالمطاعم لفهم أثر الإفراط في الإنتاج وسوء التخطيط.

إعلان مدفوع

اكتشف عالم كولونيا للعطور والعناية الشخصية.

اكتشف Colonia

من Weekly Forecast إلى Daily Forecast

الأفضل ألا تكون Forecast رقمًا يُكتب في بداية الشهر ثم لا يتغير.

يمكن العمل بنظام Rolling Forecast.

مثال عملي:

قبل بداية الأسبوع

• حدد Forecast لكل يوم.
• راجع الحجوزات.
• راجع الأحداث المحلية.
• راجع الطلبات الكبيرة.
• ابنِ Labor Schedule.
• حدد Purchasing وPrep.

قبل كل يوم

حدث Forecast باستخدام أحدث المعلومات.

مثلًا:

• ارتفاع الحجوزات.
• إلغاء Event.
• تغير الطقس.
• زيادة Online Orders المجدولة.
• تغيير ساعات التشغيل.

أثناء اليوم

قارن Actual Sales بالـForecast خلال Dayparts.

إذا كان Lunch أقل كثيرًا من المتوقع، لا تنتظر نهاية اليوم دائمًا لاتخاذ القرار؛ قد تستطيع تعديل Prep أو Staffing أو Ordering للفترات التالية وفق صلاحيات التشغيل.

كيف تقيس دقة Forecast؟

لا يمكن تحسين التوقع إذا لم تقارن الرقم المتوقع بما حدث فعلًا.

أبسط مقياس:

Forecast Variance = Actual Sales − Forecasted Sales

إذا كان:

• Forecast = 100,000
• Actual = 92,000

فالفرق:

92,000 − 100,000 = -8,000

وهذا يعني أن Forecast كانت أعلى من النتيجة الفعلية بمقدار 8,000.

Forecast Error Percentage

يمكن أيضًا استخدام:

Forecast Error % = |Actual − Forecast| ÷ Actual × 100

في المثال السابق:

|92,000 − 100,000| ÷ 92,000 × 100 ≈ 8.7%

لا تجعل هدف الفريق مجرد الحصول على أقل Error بأي طريقة؛ الأهم أيضًا معرفة لماذا حدث الخطأ.

Overforecast وUnderforecast

Overforecast

يعني أن التوقع كان أعلى من النتيجة الفعلية.

قد يؤدي إلى:

• عمالة زائدة.
• تحضير زائد.
• Overstock.
• Waste.

Underforecast

يعني أن الطلب الفعلي تجاوز التوقع.

قد يؤدي إلى:

• نقص موظفين.
• ضغط في Kitchen.
• Stockouts.
• تأخر الخدمة.
• فرص مبيعات ضائعة.

تتبع الاتجاهين بصورة منفصلة؛ فقد يكون Average Error مقبولًا بينما تميل Forecast دائمًا إلى المبالغة أو التقليل.

ابحث عن سبب الـVariance

لا تكتب فقط:

Forecast: 90,000 — Actual: 75,000.

اسأل لماذا.

قد يكون السبب:

• Guest Count أقل من المتوقع.
• Average Check أقل.
• Delivery أقل.
• حجوزات تم إلغاؤها.
• Event لم يحدث.
• Weather.
• Promotion لم تحقق النتيجة المتوقعة.
• صنف رئيسي أصبح 86.
• ساعات تشغيل أقل من المخطط.

هذه المعلومة هي التي تجعل Forecast الأسبوع التالي أفضل.

اربط Forecast بالتقرير التشغيلي اليومي

الـForecast ينظر إلى الأمام، بينما التقرير التشغيلي يسجل ما حدث بالفعل.

لذلك الاثنان يكملان بعضهما.

في نهاية اليوم يجب مقارنة:

المؤشر	Forecast	Actual	Variance
Sales	—	—	—
Covers	—	—	—
Labor Hours	—	—	—

راجع دليل تقرير التشغيل اليومي للمطعم لبناء هذه المراجعة ضمن نظام الإدارة اليومية.

مثال كامل على Forecast يوم تشغيل

لنفترض أن مدير مطعم يخطط للجمعة القادمة.

بياناته:

• متوسط آخر 4 أيام جمعة = 90,000.
• الحجوزات أعلى من المعتاد قليلًا.
• لا توجد Promotion جديدة.
• لا يوجد Event استثنائي في المنطقة.
• ساعات التشغيل طبيعية.

بعد مراجعة البيانات، يقرر المدير Forecast بقيمة 95,000 بدل استخدام 90,000 كما هو.

ثم يبني عليها:

• Labor Schedule.
• Prep Quantities.
• طلبات الموردين.
• Par Levels لبعض المنتجات السريعة.
• توزيع الفريق بين Lunch وDinner.

بعد نهاية اليوم كانت Actual Sales = 97,000.

الفرق صغير، لكن المدير لا يكتفي بذلك؛ يراجع:

• هل Covers كانت متوقعة بصورة صحيحة؟
• هل Average Check أعلى من المتوقع؟
• هل Product Mix تغير؟
• هل تم تحقيق Labor Target؟
• هل حدث Waste بسبب Over-prep؟

بهذه الطريقة يصبح الـForecast جزءًا من دورة إدارة، وليس تمرينًا حسابيًا منفصلًا.

نموذج Weekly Sales Forecast

اليوم	Historical Baseline	Adjustments	Forecast	Actual	Variance
السبت	—	—	—	—	—
الأحد	—	—	—	—	—
الاثنين	—	—	—	—	—
الثلاثاء	—	—	—	—	—
الأربعاء	—	—	—	—	—
الخميس	—	—	—	—	—
الجمعة	—	—	—	—	—

من المسؤول عن إعداد Forecast؟

يعتمد ذلك على حجم المنشأة.

قد يشارك:

• Restaurant Manager.
• General Manager.
• Operations Manager.
• F&B Manager.
• Finance أو Cost Control.
• Kitchen Manager عند تحويل الطلب إلى Production Plan.

لكن يجب أن يكون هناك Owner واضح للرقم النهائي المستخدم في التشغيل.

راجع مهام مدير المطعم ومسؤولياته التشغيلية والمالية.

Forecast آلية أم تقدير المدير؟

البرنامج يستطيع تحليل بيانات كثيرة بسرعة، لكن هناك معلومات قد يعرفها المدير قبل أن تظهر في البيانات.

مثلًا:

• شارع سيُغلق غدًا.
• مجموعة كبيرة تواصلت مع المطعم.
• مورد أخبرك بنقص منتج.
• Event محلي جديد.
• Promotion تم إطلاقها للتو.

لذلك الأفضل غالبًا الجمع بين:

Historical Data + System Forecast + Manager Adjustment

مع تسجيل سبب أي Manual Adjustment حتى يمكن تقييمه لاحقًا.

لا تعدل Forecast دون كتابة السبب

إذا أعطى النظام Forecast قدرها 80,000 ورفعها المدير إلى 100,000، يجب تسجيل السبب.

مثل:

+20,000 بسبب حجز شركتين بإجمالي 55 Guest.

بعد انتهاء اليوم تستطيع الإدارة معرفة هل كان التعديل منطقيًا أم لا.

أما إذا غُيّر الرقم بلا سبب مسجل فلن تتعلم المنشأة شيئًا من الخطأ أو النجاح.

أخطاء شائعة في Restaurant Forecasting

استخدام Budget باعتبارها Forecast

Budget هدف مالي، بينما Forecast يجب أن تتغير وفق الواقع.

استخدام متوسط جميع أيام الأسبوع

الإثنين والجمعة قد يكون لهما سلوك مختلف تمامًا.

تجاهل Dayparts

الرقم اليومي لا يساعد كثيرًا في جدولة الموظفين إذا لم تعرف متى يأتي الطلب.

تجاهل الحجوزات والأحداث

Historical Data وحدها لا تعرف كل ما سيحدث في المستقبل.

عدم فصل قنوات البيع

Dine-in وDelivery وTakeaway قد تتحرك باتجاهات مختلفة.

عدم مقارنة Forecast بالـActual

هذا يحول العملية إلى تخمين متكرر لا يتحسن.

تغيير Forecast بعد معرفة النتيجة

احتفظ بالرقم الذي كان مستخدمًا قبل التشغيل حتى تستطيع قياس الدقة الحقيقية.

السعي إلى رقم مثالي بدل نطاق منطقي

كل Forecast تحتوي على عدم يقين؛ المطلوب اتخاذ قرار جيد بالمعلومات المتاحة، وليس الادعاء بمعرفة المستقبل بدقة كاملة.

روتين Forecast أسبوعي بسيط

1. استخرج مبيعات الأيام والفترات القابلة للمقارنة.
2. حدد Historical Baseline لكل يوم.
3. راجع Covers وAverage Check.
4. راجع Reservations والحجوزات الكبيرة.
5. راجع Holidays وEvents والعروض والطقس عند تأثيرها.
6. حدد Forecast لكل يوم وDaypart.
7. حوّل Forecast إلى Labor Plan.
8. حوّل توقع الطلب إلى Purchasing وPrep Plan.
9. راجع Actual Results يوميًا.
10. سجل أسباب الـVariance.
11. استخدم النتائج لتحسين الأسبوع التالي.

Checklist قبل اعتماد Forecast الأسبوع

• هل البيانات التاريخية صحيحة؟
• هل استخدمنا أيامًا قابلة للمقارنة؟
• هل توجد عطلة أو Event غير معتاد؟
• هل Reservations محدثة؟
• هل توجد Large Parties أو Catering Orders؟
• هل تغيرت ساعات التشغيل؟
• هل تغيرت الأسعار أو المنيو؟
• هل توجد Promotion جديدة؟
• هل توقعنا Dayparts وليس إجمالي اليوم فقط؟
• هل تم فصل Channels المهمة؟
• هل Labor Schedule مبنية على Forecast؟
• هل Purchasing وPrep متوافقتان معها؟
• هل تم تسجيل أي Manual Adjustment وسببه؟
• هل سنقارن النتيجة بالـActual بعد التشغيل؟

Forecast الجيدة لا تتنبأ بالمستقبل؛ بل تحسن قرارات اليوم

لا يستطيع مدير المطعم معرفة المبيعات المستقبلية بدقة كاملة، لكن يمكنه اتخاذ قرارات أفضل بكثير من الاعتماد على الشعور فقط.

ابدأ ببيانات POS وأيام قابلة للمقارنة، ثم عدّل Baseline وفق الحجوزات والأحداث والطقس والعروض وساعات التشغيل. بعد ذلك استخدم Forecast لبناء جدول العمالة وخطة المخزون والتحضير.

وفي نهاية كل يوم، قارن التوقع بما حدث فعليًا من خلال تقرير التشغيل اليومي، ثم حلل أسباب الفرق.

بهذه الدورة:

Forecast → Plan → Operate → Measure → Learn → Forecast Again

يتحول توقع المبيعات من رقم تقريبي إلى أداة تشغيل تساعد مدير المطعم على السيطرة بصورة أفضل على العمالة والمخزون والهدر والتكاليف.

للتوسع في منهجيات Restaurant Forecasting يمكن مراجعة دليل Forecasting من Toast وشرح استخدام بيانات POS في Sales Forecast من Restaurant365.