רשת קמעונאית גדולה בארה"ב הפסידה כסף בשני הקצוות: סחורה טרייה שנזרקה בארגזים מדי חודש, ומוצרי יסוד מבוקשים שחסרו על המדף בדיוק כשהקונים רצו אותם. החלפנו הזמנה לפי תחושת בטן בחיזוי ביקושים שקניין עדיין חותם עליו.
מלאי הוא המקום שבו רשת קמעונאית מפסידה הון בשקט. הרשת הזו הפסידה בשני הקצוות בבת אחת: סחורה טרייה שהוזמנה ביתר ונרקבה בפח, ורבי-מכר שאזלו מהמדף בשעות השיא ושלחו את הלקוחות היישר למתחרים.
מקור הבעיה היה פשוט: הקנייה התבצעה לפי תחושת בטן. קניינים ומנהלי מלאי עבדו מול גיליונות ישנים והזמינו לפי מה ש"הרגיש נכון" או לפי מה שהזמינו בשבוע שעבר, בלי לנתח לעומק את הביקוש שמולם. אחוזים דו-ספרתיים משורות המוצרים המתכלות ביותר (מוצרי חלב, מאפייה, פירות וירקות) הלכו ישר לפח כי הוזמן יותר ממה שאפשר למכור בזמן. ושום דבר לא חיבר את הקופות בסניפים (מה שנמכר עכשיו) למרכז הלוגיסטי ולספקים בזמן אמת.
והשארנו יד אנושית על כפתור ההזמנה, כך שאף אחד לא הזמין בעיוור.
במקום שכל סניף ומחלקה יעבדו לבד, חיברנו את נתוני הקופה ישר למערכת הלוגיסטיקה הקיימת של הרשת, וקיבלנו תמונה אחת בזמן אמת של מה שנמכר בפועל, ובאיזה סניף.
הזנו למודל את המשתנים החיצוניים שבאמת משפיעים על סל הקניות (ימי שיא, חגים ומזג אוויר) כך שהתחזית משקפת את השבוע שמגיע, ולא רק את השבוע שחלף.
במקום שקניין ינחש כמה ארגזים להזמין, המודל קורא את קצב המכירה בזמן אמת ומפיק המלצת הזמנה מדויקת ומותאמת לכל מוצר בכל סניף.
משקל מיוחד לשורות המוצרים קצרות החיים (מוצרי חלב, מאפייה, תוצרת) שבהן הזמנת יתר פירושה פח והזמנת חסר פירושה מדף ריק, והכמות הנכונה היא מטרה נעה.
לא נתנו ל-AI להזמין בעיוור. כל בוקר מנהל הרכש מקבל רשימת המלצות מסודרת בטלפון, סוקר אותה, ומאשר את ההזמנה לספק בהקשה אחת.
הכול רץ מול המערכות שהרשת כבר משתמשת בהן (קופות, לוגיסטיקה, ספקים) כך שהמערכת נעשתה חלק מהשגרה היומית, ולא עוד כלי מוברג בצד.
כבר ברבעון הראשון, שני קצוות ההפסד התחילו להיסגר.
סחורה שפגה והלכה לפח ירדה בכ-30% כבר ברבעון הראשון, וכך נחתך הפסד חודשי גדול שחזר על עצמו שוב ושוב. המקרים של מדף ריק במוצרים מבוקשים ירדו ב-60%, מה שהעלה את המחזור ישירות והשאיר את הלקוחות מרוצים יותר בחנות.
העבודה השוחקת של הקניינים סביב חישובי מלאי והזמנות התכווצה מכארבע שעות ביום לכחמש עשרה דקות, רק סקירה מהירה והקשה לאישור המלצות המערכת, ושאר היום מתפנה לעבודה שדורשת אדם.
זה מחזיק כי האדם אף פעם לא יצא מהתמונה. ה-AI עושה את הניתוח שגיליון לא יכול לעשות ומגיש המלצה ברורה; הקניין, שמכיר את השטח, עדיין מחליט ומאשר. האיזון הזה (חיזוי חד עם אדם על ההזמנה) הוא מה שהופך אותו לבטוח להרצה יומיומית, וזו אותה משמעת שמאחורי עבודת האינטגרציה למערכות ותיקות שלנו.
קמעונאי ישראלי הריץ מבצעים שהפסידו כסף בשקט. תמחור עלות שולית בזמן אמת עם רצפה קשיחה של 12% חוסם כל עסקה מפסידה עוד לפני שהיא מגיעה לקופה, ומעלה את הרווח הגולמי בכ-4%.
לפרויקט המלא ← קידום מכירות · מוצרי צריכהיצרן מזון ישראלי מוביל עמד בכל יעד כמות, אבל הרווח התפעולי נשחק בגלל מבצעים לפי תחושת בטן. סימולציית מבצעים ב-AI עם רצפת רווחיות העלתה את הרווח הגולמי ב-~3% וקיצצה את תכנון המבצעים משבועות לדקות.
לפרויקט המלא ←
Reef TRH