AI w hurtowni: wykrywanie strat, niskich marż i zalegającego towaru
AI w praktyce · Kacper Bernecki
Podłączenie bazy do modelu językowego nie wystarczy. Najpierw potrzebujesz poprawnych obliczeń i definicji wskaźników.
Dane i reguły
Zbierz sprzedaż, koszty nabycia, zwroty, rabaty, koszty logistyczne oraz aktualne stany. Zdefiniuj marżę i jednostkę miary.
Nie traktuj brakującego kosztu jako zera. W przypadku błędnych danych każda analiza może wskazywać fałszywe możliwości.
Co powinien liczyć SQL
Silnik analityczny może wykrywać ujemne marże, rosnący koszt dostawcy, spadek marży przy wzroście obrotów i produkty zalegające ponad ustalony próg.
AI może uporządkować alarmy i wytłumaczyć ich znaczenie. Nie powinno samo wymyślać kwoty «odnalezionych pieniędzy».
Pilotaż bez zmian cen
Sprawdź alerty na historii kilku miesięcy z właścicielem lub analitykiem. Dokumentuj fałszywe alarmy i poprawiaj reguły.
Na pierwszym etapie rekomendacje wymagają zatwierdzenia przez człowieka. Popyt i sezonowość nie zawsze wynikają z danych magazynowych.