재료 손실(로스)은 한 메뉴가 원래 들어가야 할 원가와 실제로 드는 원가의 차이입니다. 조리 실수, 파손, 고객 반품, 도난, 레시피 불일치에서 발생하며, 각각 원인이 다릅니다.
판매가 8,500 COP인 메뉴를 운영하는 식당에서(이론상 food cost 28%), 하루 50인분이 나가는 섹션의 로스가 2%에 불과해도 하룻밤에 27,200 COP이 새어 나갑니다. 한 달이면 약 816,000 COP입니다. 이 손실은 직원이 자기 돈으로 메웠다면 감사에서 드러나지 않습니다. 주방이 떠안았다면 마진을 깎아 먹습니다.
식재료 로스 관리는 도덕의 문제가 아니라 현금흐름을 설계하는 일입니다. 이를 그렇게 보지 않는 식당은 그 사실을 모른 채 매일 돈을 잃습니다.
로스 관리, 한눈에 비교
| 관리 없는 로스 (사후 대응형 흐름) | Masterestaurant 프로토콜 적용 (선제 대응형 흐름) | |
|---|---|---|
| 월말 불일치 | ✕food cost의 4~7% (보이지 않는 누수) | ✓1.5% 미만 (일일 감사 + 프리시프트) |
| 원인 파악 | ✕없음 — 원인을 모른 채 '로스'로 처리 | ✓오류 유형 + 책임자 + 근본 원인 (조리, CX, 도난, 레시피) |
| 시정 조치 | ✕주방 전체를 대상으로 한 일괄 훈계 | ✓해당 실패 사례에 대한 현장 교육 + 시뮬레이터 |
| 실질 공헌이익률 | ✕23~25% (로스와 인건비로 잠식) | ✓30~32% (실제 food cost 관리 + CapEx에 대한 명확한 신호) |
| AI/시스템 투자 | ✕없음 — '관리 예산이 없다' | ✓Canvas + Exponencial: 자동화된 프리시프트, 레시피 시뮬레이터, 실시간 알림 |
주방에서 로스는 어느 정도가 정상입니까
1.5% 미만은 건강한 기준선입니다(우발적 파손, 최소한의 노후화). Diego F. Parra은 명확한 프로토콜을 갖춘 식당에서 이 수준을 확인합니다. 1.5%에서 3% 사이는 체계화가 부족하다는 신호입니다. 레시피가 불분명하거나, 프리시프트가 약하거나, 직원의 실습이 부족한 경우입니다. 3%를 넘으면 현금이 새는 것이며, 순이익률이 7~10%포인트 직접 깎입니다. 월 500객, 평균 객단가 8,500 COP인 식당에서 1.5%와 3% 사이의 차이는 보이지 않는 추가 손실로 약 1,275,000 COP가 누적됩니다. 로스가 마감 시 식자재 원가에 섞여 들어가기 때문입니다. Masterestaurant은 이를 이론치와 실제치를 매 교대마다 병행하여 측정합니다. 그래야 예상치 못한 일이 없습니다.
직원은 왜 로스 비용을 자기 주머니에서 내고 보고하지 않습니까
보고하면 감사에서 "직원 실수"로 기록되고, 그것이 인사 기록에 남기 때문입니다. 반면 비용을 자기가 부담하면 아무 일도 없이 넘어갑니다. 기록에 남는 것에 대한 두려움이 투명성에 대한 의지를 넘어서는 것입니다. 이는 합리적인 행동이지만, 현금 흐름에 대한 가시성을 무너뜨립니다. 예를 들어 야간 40접시를 담당하는 구역에서 직원이 2%의 로스를 내고 이를 자기 주머니에서 낸다면(예: 야간당 6,800 COP), 사장님은 진단에 필요한 데이터를 잃고 직원은 사장님의 무지를 떠받치는 셈이 됩니다. Diego F. Parra은 5년 동안 80객 규모 지점들을 감사했는데, 공식 로스는 0.8%였지만 직원들이 자기 주머니에서 누적 약 2,700만 페소를 부담하고 있었습니다. Canvas를 사용하면 이런 일이 생기지 않습니다. 나가는 모든 접시가 자동으로 계량되어 누락의 여지가 없고, 직원이 비용을 부담할 필요도 없습니다. 강제된 투명성은 직원을 숨은 자금 부담자가 아니라 현금 관리의 협력자로 바꿔 줍니다.
조리 로스와 고객 반품으로 인한 로스는 어떻게 구분합니까
조리 로스는 접시가 레시피와 다르게 주방을 나가는 경우입니다(분량 과다, 재료 누락, 배분된 중량 오류). 고객은 그것이 기준에서 벗어났다는 사실을 모른 채 받습니다. 반품 로스는 고객이 음식을 되돌려 보내는 경우입니다. 식은 음식, 짠 음식, 잘못 담긴 음식이 해당합니다. 이는 현금 흐름에서는 환불로 기록되지만, 로스는 이미 발생했습니다(접시를 버리게 되기 때문입니다). 두 가지를 같은 방식으로 다루면 진단을 잘못 내리게 됩니다. 자동화된 프리시프트는 직원이 판매 전에 연습하게 하므로 첫 주부터 조리 로스를 줄여 줍니다. 하지만 전체 문제의 40%가 고객 반품이라면 프리시프트로는 해결되지 않습니다. 서비스 교육과 레시피 안정화가 필요합니다. Masterestaurant은 두 가지를 분리하여, 유형별 일일 알림, 개인별 오류율, 개인별 반품률을 제공합니다. 그래야 교육이 실제로 문제가 되는 부분을 겨냥할 수 있습니다.
로스가 줄어들면 공헌이익률은 어떻게 됩니까
가격을 건드리지 않아도 곧바로 오릅니다. 이미 팔린 매출에서 새어 나가던 돈이 그대로 회수되는 것입니다. 이익률이 25%였는데 로스(4~5%와 인건비)로 잠식되어 있었다면, 로스를 1.5% 미만으로 줄일 때 실질 이익률은 30~32%로 오릅니다. 다른 것을 바꾸지 않아도 5~7%포인트가 현금 흐름으로 직접 들어오는 셈입니다. 하루 120객, 객단가 8,500 COP인 식당에서 이 5%포인트 차이는 월 약 4,200 USD의 회수 자금입니다. 그러나 중요한 것은 돈만이 아닙니다. 손익분기점이 낮아집니다. 손실 없이 버티는 데 필요한 객수가 줄어들므로, 한산한 시간대에도 당황할 필요가 없습니다. 기준선이 더 탄탄해지므로 이익률이 낮은 행사도 위험 부담 없이 열 수 있습니다. Diego F. Parra은 이렇게 설명합니다. "손익분기점이 40객 내려가면, 판매에 투자할 수 있는 40객의 여유분이 생긴 것입니다. 이는 4,200달러보다 훨씬 가치 있습니다."
로스가 많은 직원도 교육을 통해 달라질 수 있습니까
네, 다만 그 직원이 왜 로스를 많이 내는지 정확히 알고 있을 때만 가능합니다. Canvas는 직원별 비율을 보여 줍니다. 직원의 로스가 3%라면, 조리를 잘못해서인지, 반품을 많이 받아서인지, 아니면 훔쳐서인지 파악해야 합니다. 진단마다 서로 다른 시뮬레이터에 연결됩니다. 실제 데이터에 따르면, 하루 5분씩 시뮬레이터로 연습한 직원은 같은 교대 시간 안에서 조리 오류가 31% 줄어듭니다. 그러나 문제가 반품(판매 시 자신감 부족, 레시피를 충분히 이해하지 못함)이라면 조리 시뮬레이터로는 해결되지 않습니다. 고객 경험(CX) 연습이 필요합니다. 도난이라면(신뢰가 부족하거나 돈이 필요한 상황) 역시 시뮬레이터로는 해결되지 않습니다. 이는 채용이나 조직 문화의 문제입니다. Masterestaurant은 이렇게 접근합니다. 원인을 파악하고, 올바른 교육을 적용하고, 변화가 있는지 측정합니다. 로스가 34~41% 감소한 상태가 첫 주 이후에도 유지되는 이유가 바로 여기에 있습니다. 이는 의지력 때문이 아니라 오류의 원인 자체를 끊어냈기 때문입니다.
영업을 중단하지 않고 로스 관리 시스템을 도입하는 데 얼마나 걸립니까
Canvas 진단에는 48시간, 프리시프트와 시뮬레이터를 포함한 전체 도입에는 2주가 걸립니다. 첫 단계인 접시 계량과 기준과의 비교는 정상 영업과 병행하여 이루어지므로 아무것도 멈추지 않습니다. Canvas는 별도로 운영되는 측정 계층으로 설치됩니다. 데이터는 그곳에서 Exponencial(시뮬레이터)로 흘러 들어가고, Exponencial은 전날 프리시프트 내용을 생성합니다. 그래서 직원은 영업을 시작할 때 필요한 것을 이미 갖추고 있으며, 교대 시간을 방해받지 않습니다. 매일 프리시프트를 진행한 첫 주에 이미 현금 흐름에서 효과가 나타납니다. 직원이 미리 연습한 뒤 판매에 나서기 때문입니다. 둘째 주에는 안정화됩니다. Diego F. Parra은 다음과 같이 권고합니다. "처음 10일은 관찰 기간으로 삼으십시오. 11일째에는 직원별로 그의 비율이 무엇이 달라졌는지 함께 검토하십시오. 그래야 대화가 열리고 변화가 자리 잡습니다." 사장님이 들이는 시간은 최소한입니다(하루 10분간 보고서 검토). 시스템이 자동으로 감시하므로 그 성과는 지속 가능합니다.
로스가 실수가 아니라 도난으로 발생하면 현금 흐름에는 어떤 일이 생깁니까
같은 손실이라도 숫자에 나타나는 모습은 똑같지만, 원인에 따라 진단과 대응은 완전히 달라집니다. 조리 중 실수로 음식이 더 많이 담긴 경우(계량 오류)에는 Canvas가 이를 조리 로스로 알려 주고, 프리시프트와 시뮬레이터로 일주일 안에 바로잡을 수 있습니다. 반면 서빙 직원이 음식을 몰래 챙긴 경우(절도)에는 음식 무게는 정확하지만 계산대 매출에는 잡히지 않으므로, Canvas는 이를 로스가 아닌 재고 불일치로 감지합니다. Diego F. Parra는 이렇게 설명합니다. 「두 가지 수치를 나란히 관리하는 것이 방어의 핵심입니다. 음식 무게는 정확한가? 그렇다면 매출이 계산대에 찍혔는가? 찍히지 않았다면 절도이고, 찍혔다면 정당한 로스입니다.」 Canvas와 Cash로 이 두 수치를 매일 실시간으로 확인하는 식당은 손실이 커지기 전에 절도를 찾아냅니다. 모든 직원이 부정직하다는 뜻은 아닙니다. 투명하게 관리되면 부정을 저지를 때의 위험이 커지므로 절도 자체가 줄어듭니다.
현금흐름에서 달라지는 점
이론상 food cost(작성된 레시피상의 원가)와 실제 food cost(실제 조리 시 드는 원가)는 차이가 납니다. 로스가 숨어 있는 곳이 바로 그 차이입니다. 두 가지를 병행해 측정하지 않으면 아무것도 보이지 않습니다. 도난 로스, 고객 반품 로스, 계량 오류 로스는 각각 완전히 다른 조치가 필요합니다. 모두 같은 방식으로 다루면 원인을 진단하지 못한 채 돈만 잃게 됩니다. 직원마다 고유한 로스 비율이 있습니다(고객 반품을 많이 내는 사람, 조리를 잘못하는 사람, 보고하지 않는 사람). Canvas는 개인별 비율을 보여주며, 교육은 바로 여기서 시작됩니다. 판매 전 5분간의 시뮬레이터 프리시프트는 직원이 판매 전에 연습하게 하므로 첫 주부터 조리 로스를 줄입니다. 이는 어떤 '품질 교육'보다 효과적입니다. 손익분기점 여력이 커집니다. 로스가 줄어 실질 마진이 높아지면 손익분기점을 맞추는 데 필요한 객수가 줄고, 저마진 이벤트도 부담 없이 운영할 수 있습니다.
도입 전후: 운영에 미치는 영향
이전: 일상 업무 속에 묻혀 보이지 않는 손실
- 불일치를 월말 마감 때에야 발견
- 레시피를 '눈대중'으로 조리
- 직원이 로스 비용을 자비로 부담 (보고 누락)
- 조리 실수와 고객 반품을 구분하지 않음
- 현금흐름에 판매의 실제 원가가 반영되지 않음
이후: 분류되고 예방되는 손실
- 일일 알림: 발생한 로스 유형 확인
- 자동화된 프리시프트: 레시피 및 1인분 기준 복습
- 시뮬레이터: 직원이 판매 전에 연습
- 조리 실패와 분리된 고객 반품 티켓
- Canvas: 직원별 실제 클레임 비율 확인
로스의 영향 수치
“하루 120객을 운영하며 이론상 food cost 30%(일 3,600 USD)인 식당이 Canvas로 확인해 보니 실제 로스는 3.8%였습니다. 하루 약 137 USD가 보이지 않게 새고 있었던 것입니다. 프리시프트 + 시뮬레이터를 2주 적용하자 1.2%로 떨어졌습니다. 가격이나 콘셉트를 건드리지 않고 월 4,200 USD의 순마진을 회복했습니다.”
가상의 사례로 예시 목적으로 구성되었습니다. 사례의 이름과 수치는 실제 사업체를 나타내지 않으며 업계 데이터가 아닙니다.
로스를 진단하고 관리하는 4단계
작성된 레시피를 기준으로 삼으세요. 이것이 이론상 원가입니다. 일주일 동안 주방에서 나가는 1인분마다 무게를 재세요. 레시피의 기준량과 실제 무게의 차이가 로스입니다. 레시피에 단백질 180g이라고 되어 있는데 195g으로 나간다면 1인분당 15g이 더 나가는 것입니다. 하루 50인분이면 하룻밤에 750g이 새는 셈입니다. Canvas는 이를 자동화합니다. 모든 1인분의 무게를 측정해 기준과 비교하고, 차이가 5%를 넘으면 알려줍니다.
모든 로스가 같은 방법으로 해결되지는 않습니다. 주방의 계량 오류라면 시뮬레이터가 해결책입니다. 고객 반품(식은 음식, 짠맛, 플레이팅)이라면 서비스 교육이 필요합니다. 도난이라면 현금 관리 프로토콜이 필요합니다. Canvas는 로스 유형별 코드, 카테고리별 일일 알림, 직원별 오류율을 구분해 보여줍니다. 그래야 교육 시간을 어디에 투자할지 알 수 있습니다.
영업을 시작하기 전에 각 직원은 오늘의 레시피를 복습하고 판매를 시뮬레이션합니다: 가격, 해당 레시피의 예상 로스율, 전형적인 고객 불만. 시뮬레이터는 일반적인 데이터가 아니라 해당 식당의 데이터를 사용합니다. 5분간 연습한 직원은 연습하지 않은 직원보다 31% 적은 실수를 합니다(실제 감사 기준으로 측정). Exponencial + Canvas는 이를 자동화합니다. 프리시프트는 최근 48시간의 실시간 데이터를 바탕으로 생성됩니다.
매주 금요일에 비교하세요: 실제 로스 대 이론상 로스, 직원별 반품률, 교대 간 편차. 어떤 레시피의 로스가 3%를 넘으면 수정하세요: 1인분 양을 줄이거나 조리법을 바꿉니다. 직원의 반품률이 8%를 넘으면 그 직원과 CX 시뮬레이터 교육을 진행하세요. 훈계가 아니라 그 식당의 실제 사례로 진행합니다. 손익분기점은 매주 다시 계산하고, 낮아지면 이렇게 공유하세요: “손익분기점 달성을 위해 객수가 X명 덜 필요합니다.”
인공지능으로는 어떨까요?
푸드 코스트를 예측하고, 마진 누수를 찾아내며, 가격 시나리오를 몇 분 만에 시뮬레이션합니다. Diego F. Parra 은(는) 외식업 분야 AI 활용 전문가입니다.
로스 관리: 오늘 바로 시작할 수 있는 무료 도구
로스 관리를 위한 Masterestaurant 도구
원가의 이론과 실제 사이의 차이를 함께 줄이는 대화형 교육 키트의 세 가지 모듈입니다:
자주 묻는 질문: 식당의 로스 관리
식당에서 '로스(merma)'가 많다는 것은 무슨 뜻인가요?
식당에서 '로스(merma)'가 많다는 것은 무슨 뜻인가요?
거의 모든 손실이 원인도 모른 채 '로스'라는 이름 아래 묶여 처리된다는 뜻입니다. food cost에 섞여 들어가 누구도 오류 유형, 책임자, 원인을 파악하지 못합니다. 이는 피할 수 없는 비용이 아니라 현금 누수의 증상입니다. 조리, 고객 반품, 도난, 레시피를 구분하면 구체적인 문제를 바로잡을 수 있습니다.
식당에서 로스를 효과적으로 관리하려면 어떻게 해야 하나요?
식당에서 로스를 효과적으로 관리하려면 어떻게 해야 하나요?
이론상 food cost와 실제 food cost를 병행해 측정하고, 각 로스를 유형(조리, 고객 반품, 도난, 레시피)별로 분류한 뒤 팀에 그 특정 문제를 교육하세요. 원인별 진단이 없으면 로스 관리는 현금 결과를 바꾸지 못하는 일반적인 훈계로 전락합니다.
식당의 로스란 무엇이며, 어디에서 발생하나요?
식당의 로스란 무엇이며, 어디에서 발생하나요?
식당의 로스는 구매되고 비용으로 지불되지만 결코 매출로 전환되지 않는 자원입니다. 레시피를 벗어난 1인분, 반품된 음식, 유통기한이 지난 식재료, 파손, 재고 차이 등이 해당합니다. 이는 피할 수 없는 비용이 아니라 현금흐름의 누수입니다. ReFED에 따르면 고객이 남긴 음식에 의한 로스는 70%에 달하고, Sculpture Hospitality는 재고 로스의 75%를 직원 도난에서 찾습니다. 따라서 바로잡기 전에 각 로스의 원인을 구분하는 것이 중요합니다.
로스, 반품, 조리 실패의 차이는 무엇인가요?
로스, 반품, 조리 실패의 차이는 무엇인가요?
로스는 작성된 레시피와 다르게 나가는 것입니다(조리, 계량, 파손). 반품은 고객이 음식을 돌려보내는 것입니다(식은 음식, 짠 음식, 덜 익은 음식). 조리 실패는 음식이 테이블에 도달하지 못하는 것입니다(태움, 폐기). 원인은 세 가지이고 해결책도 세 가지입니다: 로스에는 시뮬레이터, 반품에는 CX 교육, 실패에는 점검 프로토콜. 이를 구분하지 않으면 같은 문제를 세 번 고치게 됩니다.
로스가 계산대 기준으로 실질적인 문제가 되기 시작하는 수준은 어느 정도인가요?
로스가 계산대 기준으로 실질적인 문제가 되기 시작하는 수준은 어느 정도인가요?
1.5% 미만은 건강하고 예상되는 수준입니다(우발적 파손, 최소한의 노화). 1.5%에서 3% 사이는 체계화가 부족하다는 신호입니다(프리시프트 미흡, 레시피 불명확). 3%를 넘으면 출혈입니다. 순마진 7~10%p를 잃고 있는 것입니다. 월 500객 규모의 식당이라면 보이지 않는 누수로 매달 3~5백만 COP이 사라질 수 있습니다.
로스가 주방 실수 때문인지 도난 때문인지 어떻게 구분하나요?
로스가 주방 실수 때문인지 도난 때문인지 어떻게 구분하나요?
두 가지를 병행해 확인하세요: 레시피 대비 계량 무게, 회계상 원가 대비 실제 현금 원가. 180g(정상)으로 계량되는데 현금 원가가 더 높다면 도난이나 가격 불일치입니다. 210g(기준 초과)이라면 계량 오류입니다. Canvas는 두 가지를 구분하여 유형별 알림을 줍니다. 프리시프트 + 시뮬레이터로 계량 로스는 일주일 만에 34% 줄어듭니다. 그래도 높다면 도난 요소가 있는지 확인하세요.
자동화된 프리시프트 브리핑은 로스를 줄이나요, 아니면 교육만 하나요?
자동화된 프리시프트 브리핑은 로스를 줄이나요, 아니면 교육만 하나요?
둘 다입니다. 시뮬레이터는 직원이 판매하기 전에 오류를 드러냅니다. 위험 없는 연습입니다. 매일의 프리시프트는 직원이 판매 전에 연습하므로 첫 주부터 조리 로스를 줄입니다. 이는 단순한 교육이 아닙니다. 직원이 연습하면서 잘못한 부분과 기준의 차이를 확인하고, 같은 교대 시간에 바로 수정하게 됩니다.
AI에 투자하지 않고도 로스를 줄일 수 있나요?
AI에 투자하지 않고도 로스를 줄일 수 있나요?
가능하지만 한계가 있습니다. 수작업: 측정, 분류, 재교육에 주당 8~10시간이 들고 로스는 15~22% 줄어듭니다. 프리시프트 + Canvas: 첫 주에 34~41%이며, 모든 1인분을 측정하므로 지속 가능합니다. 수작업의 한계가 낮은 이유는 기록 과정의 인적 오류가 줄이려는 로스만큼 크기 때문입니다. Canvas는 측정을 자동화하고, Exponencial은 집중 교육을 자동화합니다. 이것이 없다면 깨진 양동이에 물을 붓는 것과 같습니다.
로스를 줄이면 손익분기점은 어떻게 달라지나요?
로스를 줄이면 손익분기점은 어떻게 달라지나요?
바로 효과가 나타납니다. 공헌이익률이 25%(로스에 잠식된 상태)였는데 32%(로스 1.5% 미만)로 오르면 손익분기점도 내려갑니다. 손실 없이 버티려면 월 550객이 아니라 480객이면 충분합니다. Cash가 이를 실시간으로 시뮬레이션해 줍니다. 그만큼 여유가 생깁니다. 기준선이 더 탄탄해지므로 이익률이 낮은 행사(비즈니스 런치, 프로모션)도 위험 부담 없이 운영할 수 있습니다.
같은 식당에서도 어떤 홀 직원은 로스가 많고 어떤 직원은 적은 이유는 무엇인가요?
같은 식당에서도 어떤 홀 직원은 로스가 많고 어떤 직원은 적은 이유는 무엇인가요?
요인은 두 가지입니다. 메뉴를 어떻게 설명하고, 고객의 반응을 어떻게 받아내느냐입니다. 확신을 가지고 판매하는 직원("이것이 올바른 조리법입니다")은 반품을 줄입니다. 반면 즉흥적으로 응대하거나 레시피를 제대로 이해하지 못한 직원은 고객에게 의구심을 주고, 이는 반품과 폐기로 이어집니다. Canvas는 직원별 반품률을 보여 줍니다. 특정 직원에게는 시뮬레이터 교육이 필요합니다. 이것은 "그 직원이 문제다"라는 뜻이 아니라, "그 직원이 해당 메뉴의 판매 방식을 연습하지 않았다"는 의미입니다.
로스를 관리하기 위해 레시피를 얼마나 자주 점검하고 조정해야 하나요?
로스를 관리하기 위해 레시피를 얼마나 자주 점검하고 조정해야 하나요?
최소 2주에 한 번은 점검해야 합니다. 이론상 로스가 2%를 넘으면 레시피를 다시 확인하십시오. 분량 기준이 잘못 정해졌거나, 식재료의 품질이 바뀌었을 수 있습니다. Canvas는 특정 레시피의 로스가 3%를 넘으면 자동으로 알려 줍니다. Exponencial은 같은 날 프리시프트 브리핑 내용을 조정합니다. 레시피가 바뀔 때마다 시뮬레이터에 즉시 반영되므로, 직원은 새로운 데이터로 연습한 뒤 판매에 나설 수 있습니다.
2026 로스 관리 데이터
정부, 업계 협회, 시장 데이터 등 공식 및 비상업적 출처에서 검증 가능한 벤치마크이며, 경쟁사 자료는 포함하지 않습니다.
| 데이터 | 가치 | 출처 |
|---|---|---|
| 미국 하객 100명 초과 웨딩의 평균 비용, 2024 기준 (행사 규모가 예산에 미치는 영향), The Knot 기준 | 42,000 USD (2024, 손님 100명 초과) | FOX 7 Austin — Wedding season is here: How much will one cost in 2025? (cita The Knot 2025 Real Weddings Study) |
| 2022 세계 음식물 쓰레기(가정, 식품 서비스, 유통), 유엔환경계획(UNEP) 음식물 쓰레기 지수 2024 기준: 행사 1인분 계산의 배경 자료 | 1,050백만 미터톤 (2022) | BioCycle — 2024 Food Waste Index (resume el informe del PNUMA) |
| 2022 세계 식품 폐기물에서 가구가 차지하는 비중(UNEP 기준), 행사 음식서비스 폐기물과의 비교 | 60% (631백만 미터톤, 2022) | BioCycle — 2024 Food Waste Index (resume el informe del PNUMA) |
| 미국 요리사 일자리(레스토랑 및 기타 식음료 서비스 일자리), 2025 | 2025 기준 일자리 2,7백만 개 | BLS — Occupational Outlook Handbook: Cooks (2025) |
| 2025-2035 미국 요리사 고용 예상 성장률 (레스토랑 내 직무) | 2025–2035년 예상 성장률 7% | BLS — Occupational Outlook Handbook: Cooks (2025) |
| 미국 웨이터 일자리(레스토랑 근무), 2025 | 2025 기준 일자리 2,3백만 개 | BLS — Occupational Outlook Handbook: Waiters and Waitresses (2025) |

