{"id":2326,"date":"2026-04-02T12:29:47","date_gmt":"2026-04-02T10:29:47","guid":{"rendered":"https:\/\/cogita.ai\/?post_type=case-study&#038;p=2326"},"modified":"2026-04-02T12:29:47","modified_gmt":"2026-04-02T10:29:47","slug":"3-people-4000-decisions-a-day-and-excel-we-replaced-it-with-one-algorithm","status":"publish","type":"case-study","link":"https:\/\/cogita.ai\/pl\/case-study\/3-people-4000-decisions-a-day-and-excel-we-replaced-it-with-one-algorithm\/","title":{"rendered":"3 osoby, 4000 decyzji dziennie i Excel. Zast\u0105pili\u015bmy je jednym algorytmem."},"content":{"rendered":"<p><strong>\u015aredniej wielko\u015bci sie\u0107 piekarni zautomatyzowa\u0142a codzienne planowanie dostaw dla tysi\u0119cy kombinacji sklep\u2013produkt, zast\u0119puj\u0105c r\u0119czny, podatny na b\u0142\u0119dy proces modelem statystycznym dost\u0119pnym jako prosta aplikacja webowa.<\/strong><\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Problem<\/h3>\n\n\n\n<p>Piekarnia obs\u0142uguje sie\u0107 kilkudziesi\u0119ciu punkt\u00f3w sprzeda\u017cy i codziennie dostarcza \u015bwie\u017ce produkty - w tym pieczywo i wyroby o bardzo kr\u00f3tkiej trwa\u0142o\u015bci.<\/p>\n\n\n\n<p>Ka\u017cdego dnia kto\u015b musia\u0142 zdecydowa\u0107, ile dok\u0142adnie ka\u017cdego produktu trafi do ka\u017cdego sklepu na kolejny poranek.<\/p>\n\n\n\n<p>\u201eKto\u015b\u201d oznacza\u0142 w praktyce trzy osoby pracuj\u0105ce na pe\u0142en etat, kt\u00f3re przegl\u0105da\u0142y arkusze Excel i r\u0119cznie wpisywa\u0142y ilo\u015bci dla ok. 4000 kombinacji klient\u2013produkt. Ka\u017cdego dnia.<\/p>\n\n\n\n<p>Koszt nie ko\u0144czy\u0142 si\u0119 na pracy ludzi. Przy takiej liczbie decyzji b\u0142\u0119dy by\u0142y nieuniknione - niedoszacowanie oznacza\u0142o braki na p\u00f3\u0142kach, a przeszacowanie - zwroty i straty. R\u00f3\u017cne osoby stosowa\u0142y w\u0142asne heurystyki, co powodowa\u0142o niesp\u00f3jne wyniki. A przy dodaniu nowych klient\u00f3w lub produkt\u00f3w jedyn\u0105 odpowiedzi\u0105 by\u0142o zatrudnienie kolejnych os\u00f3b do kolejnych arkuszy.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Wyzwanie<\/h3>\n\n\n\n<p>Kluczowym problemem by\u0142o stworzenie modelu, kt\u00f3ry wiarygodnie prognozuje dzienne zapotrzebowanie dla tysi\u0119cy kombinacji o r\u00f3\u017cnych wzorcach popytu. Rozwi\u0105zanie musia\u0142o by\u0107 wystarczaj\u0105co dok\u0142adne, proste w u\u017cyciu i szybkie w codziennym dzia\u0142aniu bez zmiany istniej\u0105cych proces\u00f3w.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Rozwi\u0105zanie<\/h3>\n\n\n\n<p>Opracowali\u015bmy <strong>statystyczny model prognostyczny, kt\u00f3ry automatycznie generuje rekomendacje dostaw na kolejny dzie\u0144 dla ka\u017cdej pary klient\u2013produkt<\/strong>.<\/p>\n\n\n\n<p>Model zosta\u0142 wdro\u017cony jako API webowe z prostym interfejsem przegl\u0105darkowym. U\u017cytkownik wgrywa aktualny plik Excel z danymi, a system zwraca go z uzupe\u0142nion\u0105 kolumn\u0105 dostaw na jutro - gotow\u0105 do u\u017cycia.<\/p>\n\n\n\n<p>Skuteczno\u015b\u0107 zosta\u0142a zweryfikowana na danych historycznych przy u\u017cyciu standardowych metryk prognozowania.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Wyniki<\/h3>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><th>Parametr<\/th><th>Wp\u0142yw<\/th><\/tr><\/thead><tbody><tr><td><strong>Praca manualna<\/strong><\/td><td>Zast\u0105pione 3 etaty<\/td><\/tr><tr><td><strong>Decyzje dziennie<\/strong><\/td><td>~4000 par klient\u2013produkt, przetwarzane w kilka sekund<\/td><\/tr><tr><td><strong>Sp\u00f3jno\u015b\u0107<\/strong><\/td><td>Jedna logika dla wszystkich przypadk\u00f3w - brak r\u00f3\u017cnic wynikaj\u0105cych z \u201eintuicji\u201d<\/td><\/tr><tr><td><strong>Dost\u0119pno\u015b\u0107<\/strong><\/td><td>24\/7 przez przegl\u0105dark\u0119, bez konieczno\u015bci gimnastyki w Excelu<\/td><\/tr><tr><td><strong>Walidacja<\/strong><\/td><td>Testy na danych historycznych z u\u017cyciem standardowych metryk<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p><strong>Porozmawiajmy o procesie, kt\u00f3ry Tw\u00f3j zesp\u00f3\u0142 nadal robi w Excelu.<\/strong><\/p>\n\n\n\n<p><a href=\"https:\/\/cogita.ai\/pl\/contact\/\">Zarezerwuj rozmow\u0119 \u2192<\/a><\/p>","protected":false},"excerpt":{"rendered":"<p>A mid-sized bakery network automated daily delivery planning for thousands of store-product combinations - replacing a manual, error-prone process with a statistical forecasting model available as a simple web app. Problem The bakery operates a network of several dozen retail points and delivers fresh products daily - including bread, rolls, and pastries with very short [&hellip;]<\/p>\n","protected":false},"featured_media":0,"template":"","meta":{"_acf_changed":true},"class_list":["post-2326","case-study","type-case-study","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/cogita.ai\/pl\/wp-json\/wp\/v2\/case-study\/2326","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cogita.ai\/pl\/wp-json\/wp\/v2\/case-study"}],"about":[{"href":"https:\/\/cogita.ai\/pl\/wp-json\/wp\/v2\/types\/case-study"}],"wp:attachment":[{"href":"https:\/\/cogita.ai\/pl\/wp-json\/wp\/v2\/media?parent=2326"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}