{"id":2326,"date":"2026-04-02T12:29:47","date_gmt":"2026-04-02T10:29:47","guid":{"rendered":"https:\/\/cogita.ai\/?post_type=case-study&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":"

\u015aredniej wielko\u015bci sie\u0107 piekarni zautomatyzowa\u0142a codzienne planowanie dostaw dla tysi\u0119cy kombinacji sklep\u00f3w i produkt\u00f3w - zast\u0119puj\u0105c r\u0119czny, podatny na b\u0142\u0119dy proces statystycznym modelem prognozowania dost\u0119pnym jako prosta aplikacja internetowa.<\/strong><\/p>\n\n\n\n

Problem<\/h3>\n\n\n\n

Piekarnia prowadzi sie\u0107 kilkudziesi\u0119ciu punkt\u00f3w sprzeda\u017cy detalicznej i codziennie dostarcza \u015bwie\u017ce produkty - w tym chleb, bu\u0142ki i ciastka o bardzo kr\u00f3tkim terminie przydatno\u015bci do spo\u017cycia.<\/p>\n\n\n\n

Ka\u017cdego dnia roboczego kto\u015b musia\u0142 decydowa\u0107, ile dok\u0142adnie ka\u017cdego produktu nale\u017cy dostarczy\u0107 do ka\u017cdego sklepu nast\u0119pnego dnia rano.<\/p>\n\n\n\n

Tym \"kim\u015b\" by\u0142y w rzeczywisto\u015bci trzy osoby, pracuj\u0105ce w pe\u0142nym wymiarze godzin, przewijaj\u0105ce arkusze kalkulacyjne Excel i r\u0119cznie wprowadzaj\u0105ce ilo\u015bci dostaw dla oko\u0142o 4000 kombinacji kontrahent-produkt. Ka\u017cdego dnia.<\/p>\n\n\n\n

Kosztem by\u0142y nie tylko p\u0142ace. Przy tak wielu r\u0119cznych decyzjach b\u0142\u0119dy by\u0142y nieuniknione - niedoszacowanie oznacza\u0142o braki magazynowe u klienta, przeszacowanie oznacza\u0142o zwroty i marnotrawstwo. R\u00f3\u017cne osoby stosowa\u0142y r\u00f3\u017cne heurystyki przeczu\u0107, wi\u0119c wyniki by\u0142y niesp\u00f3jne. A je\u015bli firma dodawa\u0142a nowych klient\u00f3w lub produkty, jedyn\u0105 odpowiedzi\u0105 by\u0142o zatrudnienie wi\u0119kszej liczby os\u00f3b do przewijania wi\u0119kszej liczby arkuszy kalkulacyjnych.<\/p>\n\n\n\n

Wyzwanie<\/h3>\n\n\n\n

G\u0142\u00f3wn\u0105 trudno\u015bci\u0105 by\u0142o stworzenie modelu, kt\u00f3ry m\u00f3g\u0142by niezawodnie prognozowa\u0107 ilo\u015bci dostaw nast\u0119pnego dnia w tysi\u0105cach kombinacji o bardzo r\u00f3\u017cnych wzorcach popytu. Rozwi\u0105zanie musia\u0142o by\u0107 na tyle dok\u0142adne, aby mo\u017cna by\u0142o mu zaufa\u0107, na tyle proste w u\u017cyciu i na tyle szybkie, aby mo\u017cna je by\u0142o uruchamia\u0107 codziennie bez zak\u0142\u00f3cania istniej\u0105cych przep\u0142yw\u00f3w pracy.<\/p>\n\n\n\n

Rozwi\u0105zanie<\/h3>\n\n\n\n

Opracowali\u015bmy Model prognozowania statystycznego, kt\u00f3ry automatycznie generuje zalecenia dotycz\u0105ce dostawy nast\u0119pnego dnia dla ka\u017cdej pary klient-produkt.<\/strong>.<\/p>\n\n\n\n

Model jest wdra\u017cany jako web API z przejrzystym interfejsem przegl\u0105darki. U\u017cytkownik przesy\u0142a aktualny plik Excel z dzisiejszymi danymi i otrzymuje go z powrotem z wype\u0142nion\u0105 kolumn\u0105 jutrzejszej dostawy - gotowy do dzia\u0142ania.<\/p>\n\n\n\n

Wydajno\u015b\u0107 jest weryfikowana na podstawie danych historycznych przy u\u017cyciu standardowych wska\u017anik\u00f3w prognozowania.<\/p>\n\n\n\n

Wyniki<\/h3>\n\n\n\n
Metryczny<\/th>Wp\u0142yw<\/th><\/tr><\/thead>
Zast\u0105piono prac\u0119 r\u0119czn\u0105<\/strong><\/td>3 zautomatyzowane role w pe\u0142nym wymiarze godzin<\/td><\/tr>
Decyzje dziennie<\/strong><\/td>~4 000 par klient-produkt, obs\u0142ugiwanych w ci\u0105gu kilku sekund<\/td><\/tr>
Sp\u00f3jno\u015b\u0107<\/strong><\/td>Ta sama logika zastosowana we wszystkich kombinacjach - koniec z r\u00f3\u017cnicami wynikaj\u0105cymi z przeczucia.<\/td><\/tr>
Dost\u0119pno\u015b\u0107<\/strong><\/td>24\/7 przez przegl\u0105dark\u0119 internetow\u0105, bez konieczno\u015bci gimnastyki w Excelu<\/td><\/tr>
Walidacja<\/strong><\/td>Backtested na danych historycznych ze standardowymi wska\u017anikami prognozowania<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Porozmawiajmy o procesie, kt\u00f3ry Tw\u00f3j zesp\u00f3\u0142 nadal wykonuje w programie Excel.<\/strong><\/p>\n\n\n\n

Zarezerwuj rozmow\u0119 \u2192<\/a><\/p>","protected":false},"excerpt":{"rendered":"

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 […]<\/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}]}}