Fourth 是餐饮业的人力与库存管理平台，把招募、薪资、排班与进销存整合在一起，并用 Fourth iQ 这套 AI 做需求预测，决定该排几个人、进多少货。
功能特色与适用场景
餐厅老板最难的两个决定其实是同一类问题：明天要排几个人、这批食材要进多少。排少了现场爆掉，排多了人事成本吃掉利润；进多了food cost 变成厨余，进少了热门品项卖完。这两件事的本质都是需求预测，而这正是 Fourth iQ 的切入点——用 AI 预测人力与库存需求，把班表与进货从老板的直觉变成有数据支撑的决策。平台主要模组包括 HotSchedules（这是餐饮业相当知名的排班系统，含排班、打卡与劳动法遵）、库存管理（含配方管理、动态生产规划与厨余减量）、人力资本管理（招募、人资、薪资与 PEO 服务）。整合能力是它的强项之一：串接 Toast、SpotOn 等 POS，Sysco、US Foods 等供应商，以及 Indeed、Snagajob 等征才平台。客户包含 Taco Bell、Dunkin'、KFC、Pizza Hut、Culver's 等连锁品牌，官方表示服务超过 12 万个据点。官网未公开定价。
适合从单店到大型连锁的餐饮营运者，特别是人事成本与食材成本占比高、需要精准控管的品牌；台湾餐饮集团可参考其排班与预测的整合思路。
主要功能
- HotSchedules：排班、打卡与劳动法遵
- 库存管理：进销存、配方管理与动态生产规划
- 人力资本管理：招募、人资、薪资与 PEO 服务
- Fourth iQ：AI 预测人力与库存需求
- 厨余与浪费减量分析
- 整合 Toast、SpotOn 等 POS 系统
- 整合 Sysco、US Foods 等供应商
- 整合 Indeed、Snagajob 等征才平台
常见用途
- 依预测客流自动产生建议班表
- 预测食材需求以降低厨余与缺货
- 多店连锁的人事成本横向比较
- 整合 POS 销售资料做配方成本分析
- 招募到到职的流程数位化
主要功能
- HotSchedules：排班、打卡与劳动法遵
- 库存管理：进销存、配方管理与动态生产规划
- 人力资本管理：招募、人资、薪资与 PEO 服务
- Fourth iQ：AI 预测人力与库存需求
- 厨余与浪费减量分析
- 整合 Toast、SpotOn 等 POS 系统
- 整合 Sysco、US Foods 等供应商
- 整合 Indeed、Snagajob 等征才平台
优点
- 人力与库存两大成本中心整合在同一套系统
- HotSchedules 在餐饮排班领域累积深、员工接受度高
- 整合生态丰富，POS 与供应商串接现成
- 已被多家大型连锁品牌采用，规模验证充分
缺点
- 官网未公开定价
- 薪资与劳动法遵模组绑定美国法规，台湾不适用
- 功能庞大，小型餐厅导入可能过重
- AI 预测需要足够的历史营运资料才准
使用场景
- 依预测客流自动产生建议班表
- 预测食材需求以降低厨余与缺货
- 多店连锁的人事成本横向比较
- 整合 POS 销售资料做配方成本分析
- 招募到到职的流程数位化
编辑点评
我一直觉得餐饮业是 AI 最该落地、却最少被好好服务的行业——毛利薄、决策频繁、资料其实很多。Fourth 把排班跟进货这两个最耗心力的决定交给预测模型，方向完全正确。台湾要用得先绕开薪资模组这块，但「用资料排班」这件事，本土连锁真的可以开始想了，毕竟缺工不会自己好转。
常见问题
Fourth iQ 的预测需要多久资料才会准？
这类需求预测通常需要至少数月到一年的历史营运资料，才能学到周期性、节庆与天气的影响。新开店缺乏历史资料时，预测价值有限，得靠同品牌其他店的资料做参考基准。
台湾餐饮业能用吗？
排班与库存的核心逻辑通用，但薪资与劳动法遵模组是照美国法规设计，台湾的劳基法、加班费计算与投保规则完全不同，那部分无法沿用。要导入的话，实务上会是只用排班与库存，薪资另外处理。
跟一般的排班 App 差在哪？
一般排班 App 解决的是「把班表做出来」，Fourth 多了「该排几个人」这一层预测，并且把库存与销售资料串在一起。差别在于前者是工具，后者试图成为营运决策系统。
