晨枫精机一号试运行之后，出餐和品质都稳了下来。但林晨盯着财务报表，又盯出了一个漏水的桶——食材损耗。
以前——门店的补货，靠店长凭经验。经验准的时候，库存刚好够用。经验不准的时候，要么缺货，要么积压。缺货了，菜做不出来，顾客在门口干等，转头就走。积压了，食材放坏了，只能扔掉。林晨去后厨看过那些垃圾桶——大半个土豆、整盒没卖完的青菜、过期的小半桶酱料，白白扔掉，看着就心疼。
这些东西，都是钱。林晨蹲在垃圾桶边上，对身边的技术负责人说，更是顾客的信任。你把放了三天的青菜端上桌，顾客吃一口就明白了——以后就不来了。
可这个很难管。技术负责人挠头，每家门店的客流不一样，每个季节的菜品不一样，经验再足的店长，也有看走眼的时候。
所以——不能靠经验。林晨说，要靠数据。
他让技术团队开发了一套预测性补货算法。算法根据历史销售数据、天气数据、节假日数据——预测未来几天的销量。然后，自动生成补货建议。今天是晴天还是雨天，明天是周一还是周末，后天是不是节假日，附近是不是要办大型活动——这些因素，全部被算法考虑进去。
这不是拍脑袋。算法背后，是晨枫这几年积累的每一笔销售记录。同一个时段的客流、同一道菜的销量曲线、不同天气下的外卖占比——数据越攒越多，预测也越来越准。技术团队还特意接入了天气预报和城市活动日历，把变量做得更细。
刚上线的那几天，门店里其实闹过不少笑话。有位店长按老习惯，看系统建议的订货量比平时少了三分之一，担心不够卖，又悄悄多加了一倍的菜。结果那天下雨，外卖果然暴涨，他加的菜刚好兜底——可一算账，还是多进了二十多斤叶子菜，当晚就蔫了。第二天，他老老实实跟着系统走，一分没浪费，这才服了。原来它让我少订，是真有它的道理。这话后来在门店间传开，成了算法失灵的最好反例——不是算法失灵，是人没听算法的。
算法上线之后，效果惊人。
刚开始的半个月，数据还在磨合，损耗率起起伏伏。技术团队天天盯着后台，哪里不准，就调整哪里的参数。等到算法真正了，曲线才开始一路向下，最终稳稳地停在了一个让所有人都没想到的位置。
门店的食材损耗率——从百分之一，降到了百分之零点五。
百分之零点五——这个数字，在餐饮行业，是级别的。行业平均水平，是百分之三到百分之五。也就是说，行业里普遍每进一百块钱的食材，有三到五块钱会白白浪费掉；而晨枫，一百块钱里，只浪费五毛钱。五毛钱和五块钱之间，差的不是四块五，是背后一整套算得准的系统。按晨枫现在每天进多少货来算，这个零点五，一年替集团省下来的，是一笔足以让财务都咋舌的数字。
林晨在管理会上，把这个数据投到了大屏上。
百分之零点五的损耗率——意味着什么？林晨看着台下，意味着——我们几乎不浪费食材了。每一份食材，都变成了顾客桌上的菜。以前扔掉的那些土豆、青菜、酱料，现在全部省下来了。省下来的是什么？是利润，是成本优势。
台下静了一瞬，随即响起一片低声的议论。区域经理们交头接耳，脸上都是惊讶。
李店长第一个开口——林总，百分之零点五——怎么做到的？我管的那几家店，光损耗率一项，以前最头疼。天天跟店长说要省着点，可一到晚上，该扔的还是扔。
算法。算法根据历史数据，预测未来销量。预测准了，补货就准了。补货准了，就不会积压。不积压，就不会浪费。林晨顿了顿，你以前靠的是店长的，感觉是会骗人的。我靠的是数据，数据不会。
那——如果预测不准呢？李店长追问。
预测不准的时候，算法会自动调整。比如——如果明天突然下雨，算法会预测——外卖订单会增加，堂食订单会减少。然后，自动调整补货建议——多备打包盒和半成品，少备堂食的现切食材。雨停了，它又会变回来。
那要是下暴雨，骑手都不接单了呢？另一个区域经理追问。
那就更简单了——算法会预测外卖也会崩，干脆建议你少备货，甚至临时歇半天。宁可少卖，不能浪费。省下来的，就是赚的。
区域经理们点了点头。李店长又问了一个更实际的问题——林总，这套系统，我们店里的店长能看懂吗？他们年纪都不小了，有的连智能机都用不利索。
系统会替他们操心。林晨说，店长早上打开手机，就能看到今天的建议——订多少、备多少、几点该出什么。不用他们算，跟着做就行。省下来的脑子，去想想怎么把顾客服务好。
散会之后，一个上了年纪的老店长追上林晨，有些感慨——林总，我干了二十多年餐饮，以前总觉得，做菜是门手艺，靠的是手上功夫。今天才明白，做买卖，还得靠算得准。
以前我们丢的是看得见的菜。林晨说，现在连看不见的损耗，也一分一分抠回来了。这一来一回，一年下来，省下的钱够再开好几家店。
林晨拍了拍他的肩膀，笑了。手艺和算法，不打架。手艺让菜好吃，算法让店不亏。两个都要有。
他回到办公室，翻开笔记本，写下一行字——预测性补货，不是。是。数据，是算法的。数据越多，算法越准。算法越准，损耗越低。损耗越低，利润越高。