Case study
Naszym Klientem była jedna z największych firm produkcyjnych w Europie Środkowo-Wschodniej, działająca w segmencie FMCG. Organizacja zarządza szerokim portfolio marek i kanałów dystrybucji, co generuje znaczące wolumeny danych sprzedażowych. Firma poszukiwała sposobu na usprawnienie procesu prognozowania sprzedaży i planowania produkcji, ograniczając ryzyko nadmiarowych zapasów oraz niedoborów magazynowych.
Celem projektu było opracowanie rozwiązania wykorzystującego uczenie maszynowe (Machine Learning) i sztuczną inteligencję (AI) do automatyzacji prognozowania sprzedaży wybranych kategorii produktów.
System miał na celu poprawę dokładności prognoz w cyklu tygodniowym, na poziomie produktu i rynku, z uwzględnieniem zmienności sezonowej, trendów rynkowych i specyfiki poszczególnych magazynów dystrybucyjnych.
Opracowaliśmy zestaw modeli Machine Learning do prognozowania sprzedaży i dystrybucji. Modele zostały oparte na danych historycznych oraz bieżących trendach, uwzględniając czynniki sezonowe i rynkowe.
Prognozy generowane są automatycznie w cyklu tygodniowym i obejmują:
Dzięki wprowadzeniu automatyzacji procesu analitycznego, rozwiązanie znacząco ograniczyło nakład pracy związany z ręcznym przygotowywaniem prognoz oraz zmniejszyło ryzyko błędnych decyzji produkcyjnych i logistycznych.
Projekt zakończył się pozytywnym wynikiem PoC, potwierdzającym możliwość skutecznej automatyzacji prognoz sprzedaży w oparciu o dane analityczne.
Firma planuje dalsze skalowanie rozwiązania na kolejne kategorie produktowe i rynki.
W ramach projektu zrealizowaliśmy:
Projekt pozwolił na znaczna poprawę wskaźników:
68,7%
poprawność tygodniowych prognoz sprzedaży
95,2%
poprawność prognoz dystrybucji
Kontakt
Z niecierpliwością czekamy
na wiadomość od Ciebie!
