Cada cadena HORECA cambia su carta varias veces al año: temporada, promociones, renovación de marca. El problema es que cada plato nuevo llega con cero datos históricos de venta. Tu sistema de predicción pierde su base de referencia y, durante las primeras semanas, compras a ciegas. El resultado: picos simultáneos de desperdicio y rotura de stock. Justo cuando necesitas que la operativa funcione mejor, es cuando peor lo hace.
El problema de la carta nueva
Los grupos de restauración organizados renuevan su carta con una cadencia más o menos definida. Algunos lo hacen por estacionalidad, adaptando platos a los ingredientes de temporada. Otros lo hacen por estrategia comercial, incorporando novedades que atraigan al cliente recurrente. Y otros simplemente necesitan refrescar la oferta porque las ventas de determinados platos han caído.
Sea cual sea el motivo, el resultado operativo es el mismo: los platos que desaparecen de la carta tenían semanas o meses de datos de venta acumulados. El sistema sabía cuántas raciones se vendían un martes de lluvia frente a un sábado de terraza llena. Sabía qué locales vendían más ensaladas y cuáles más carnes. Toda esa inteligencia desaparece en el momento en que el plato sale de la carta.
Y los platos que entran llegan en blanco. No hay historia. No hay patrón. No hay nada sobre lo que construir una previsión fiable. Es lo que en el ámbito de la prediccióning se conoce como el problema del arranque en frío o cold start: predecir la demanda de algo que nunca se ha vendido.
Las consecuencias operativas: caos en las primeras semanas
Las dos o cuatro semanas que siguen a un cambio de carta son, sistemáticamente, las de peor rendimiento operativo del ciclo. Y no es casualidad. Sin una predicción fiable para los platos nuevos, toda la cadena de decisiones que depende de esa predicción se rompe.
El módulo de Compras no sabe cuánto pedir de los ingredientes nuevos. Cocina no sabe cuánto preparar en el mise en place. Y el almacén acumula stock de ingredientes que ya no se necesitan porque pertenecían a platos descontinuados.
Lo paradójico es que el desperdicio y la rotura de stock coexisten. Se tira comida de referencias antiguas que se pidieron en exceso antes del cambio, y al mismo tiempo faltan ingredientes de platos nuevos cuya demanda se subestimó. El coste no es solo económico: los clientes que piden un plato nuevo y reciben un "lo siento, se ha agotado" no vuelven a pedirlo. La primera impresión de un plato nuevo se pierde, y con ella parte del potencial comercial de toda la carta.
Los parches habituales que no funcionan
Sobrecompra preventiva
La reacción más común es pedir de más de todo. Si no sé cuánto se va a vender, mejor que sobre. El resultado es predecible: exceso de stock, mermas elevadas y capital inmovilizado en cámaras frigoríficas. En cadenas de 15 o multi-local, la sobrecompra durante un cambio de carta puede representar decenas de miles de euros en producto no utilizado.
Intuición del encargado
Otro enfoque frecuente es delegar en la experiencia del jefe de cocina o del encargado de local. El problema es la inconsistencia. Cada persona interpreta la demanda potencial de un plato nuevo de forma diferente. Sin un criterio unificado, los multi-local de una cadena pueden tener 20 niveles de stock completamente distintos para el mismo plato nuevo.
Copiar datos de otro local
Algunas cadenas intentan reutilizar datos de un local piloto que probó el plato antes que el resto. Pero el contexto es distinto: ubicación, perfil de cliente, competencia en la zona, capacidad de terraza. Lo que funciona en un local céntrico de Madrid puede ser irrelevante para uno en una zona residencial de Valencia.
Esperar a que se acumulen datos
La opción más pasiva consiste en aceptar que las primeras semanas serán caóticas y esperar a tener suficiente histórico para que la predicción se estabilice. Puede parecer razonable, pero esas semanas de aprendizaje cuestan dinero real: mermas, roturas de stock, clientes insatisfechos y equipos de cocina frustrados que pierden la confianza en el sistema.
El cold start en prediccióning: un problema bien estudiado
El problema del arranque en frío no es exclusivo de la restauración. Los sistemas de recomendación de plataformas digitales llevan años enfrentándose a la misma pregunta: ¿cómo predecir el comportamiento frente a algo que no tiene historial? La solución nunca pasa por esperar. Pasa por transferir conocimiento de lo que ya se sabe hacia lo que es nuevo.
En el contexto de una cadena HORECA, esto significa que un plato nuevo no es realmente un desconocido total. Tiene características medibles: rango de precio, tipo de proteína, estilo de cocina, posición en la carta, si es entrante o principal, si lleva ingredientes de temporada. Y la cadena ya tiene datos de platos anteriores con características similares.
Cómo Controliza resuelve el arranque en frío
El motor de Predicción de Controliza está diseñado específicamente para operar en entornos donde la carta cambia con frecuencia. En lugar de tratar cada plato nuevo como una incógnita total, el sistema aplica varias estrategias complementarias para generar una predicción útil desde el primer día.
Transferencia de patrones desde platos similares
Cuando se registra un plato nuevo en el sistema, Controliza analiza sus características (categoría, precio, ingrediente principal, tipo de cocción) y las compara con el histórico de platos similares que han pasado por la carta. Un nuevo tartar de atún puede heredar el patrón de demanda del tartar de salmón anterior, ajustado por las diferencias de precio y posición en carta. No es una copia directa: es una transferencia de la estructura del patrón, incluyendo la estacionalidad semanal, la distribución por turno y la sensibilidad al día de la semana.
Variables categóricas como predictores
El sistema utiliza atributos del plato como variables predictivas independientes: rango de precio (bajo, medio, alto), familia de proteína (vacuno, ave, pescado, vegetal), estilo de preparación (frío, caliente, horno, plancha) y función en la carta (entrante, principal, postre). Cada combinación de atributos tiene un comportamiento estadístico asociado que el modelo conoce por los miles de platos que ha procesado en ciclos anteriores.
Perfil de gustos por local
No todos los locales de una cadena venden los mismos platos en la misma proporción. Controliza construye un perfil de preferencias por ubicación que captura sesgos locales: locales donde el pescado siempre supera a la carne, zonas donde los platos vegetarianos tienen mayor tracción, centros donde los entrantes fríos se venden más en horario de mediodía. Ese perfil local se aplica a la predicción del plato nuevo, de modo que la previsión no es genérica sino contextualizada para cada centro.
Aprendizaje acelerado con intervalos de confianza
A partir del primer día de venta del plato nuevo, el sistema incorpora los datos reales con una ponderación alta. En los primeros 5 a 7 días, el modelo combina la predicción inicial (basada en transferencia) con los datos reales observados, reduciendo progresivamente el peso de la estimación inicial. El resultado es una predicción que converge hacia la precisión habitual en menos de dos semanas, frente a las cuatro o seis que necesitaría un sistema sin gestión de cold start. Los intervalos de confianza más amplios al inicio evitan que el sistema genere pedidos demasiado ajustados cuando la incertidumbre es mayor.
La transición gestionada: planificar el cambio, no solo el plato
Controliza no solo resuelve la predicción del plato nuevo. También ayuda a planificar operativamente la transición completa de una carta a otra. Esto incluye varios elementos que habitualmente se gestionan de forma improvisada.
El sistema genera cronogramas de descontinuación para los platos salientes: cuándo dejar de comprar cada ingrediente específico, cuántas raciones quedan por agotar con el stock existente y cuándo se puede retirar el plato de la carta sin generar merma. Para los platos entrantes, calcula niveles de stock inicial basados en la predicción de cold start y establece umbrales de alerta más amplios durante el período de aprendizaje, para evitar falsas alarmas mientras el modelo se calibra.
El módulo de Compras recibe directamente estas previsiones ajustadas y genera pedidos automáticos coherentes con la fase de transición. Cocina recibe planes de producción que reflejan la nueva carta desde el primer turno. El resultado es que el cambio de carta deja de ser un evento caótico para convertirse en un proceso planificado con visibilidad sobre cada paso.
Impacto medible
Los grupos HORECA que utilizan Controliza para gestionar cambios de carta reportan mejoras consistentes en los indicadores operativos del período de transición:
Datos medidos en clientes activos de Controliza.
En cadenas con cambios de carta trimestrales, esto equivale a eliminar cuatro períodos anuales de inestabilidad operativa. Para un grupo de multi-local, el ahorro acumulado en mermas evitadas y ventas no perdidas puede superar los 100.000 euros al año.
¿Tu próximo cambio de carta te preocupa?
Descubre cómo el motor de Predicción de Controliza genera predicción fiable para platos nuevos desde el primer día de servicio. Solicita una demo personalizada y planifica tu próxima transición de carta sin sorpresas.
