AI rješenja za veleprodaju
Smart replenishment za 10K+ SKU katalog sa multi-warehouse optimizacijom i B2B price matrix engine sa contract pricing waterfalls - integrisano sa SAP-om i Pantheon-om bez disrupcije postojećih procesa.
Operativni izazovi u industriji
- ● Hierarhijski forecasting - top-down (kategorija) vs. bottom-up (SKU) reconciliation za 12.000+ aktivnih SKU-ova
- ● Lead time variability od dobavljača - od 5 do 47 dana sa varijansom koja gradi safety stock previše konzervativno
- ● Cold start za nove SKU-ove (200-400 mjesečno) bez historije prodaje, similarity-based bootstrap
- ● Multi-tier B2B segmentacija - različiti customer ima 4-7 nivoa popusta, plus rebate, plus trade promo, plus pojedinačne ugovore
- ● Approval workflow za special pricing - 38% requests-a iziskuje 3+ koraka odobrenja sa SLA pritiscima
Demo case studies
Smart replenishment za 10K+ SKU katalog sa multi-warehouse stochastic optimizacijom
Veliki regionalni veletrgovac građevinskim materijalom i hidrauličnom opremom (Bosna i Hercegovina, Srbija, Sjeverna Makedonija, Crna Gora). 4 centralna skladišta i 11 cross-dock punktova. Aktivni katalog 12.400 SKU-ova, godišnji promet 78 miliona EUR. Postojeći ERP (SAP S/4HANA) imao je standard MRP sa fiksnim safety stock pravilima koja nisu reflektovala stvarnu varijabilnost potražnje ni lead time-a.
Tri klase problema. Prvo, hijerarhijski forecasting - kategorija nivo (npr. PVC cijevi DN50-DN200) bio je predvidiv, ali pojedinačni SKU varijetet su pokazivali high noise sa neusklađenim agregacijama. Top-down i bottom-up reconciliation bilo je netrivijalno. Drugo, lead time variability - kineski dobavljači hidrauličnih komponenti imali su lead time od 28 do 47 dana, a evropski 5-12 dana, sa različitim raspodjelama. Standard ROP formula sa fiksnim safety stockom rezultirala je 18% prekomjernih zaliha na A-klasi i 11% stockout-a na B/C klasi. Treće, novi SKU-ovi (200-400 mjesečno kroz katalog ekspanziju) nisu imali istoriju, a poslovni proces zahtijevao je da budu dostupni sa kompetitivnim service level-om od dana 1.
Arhitektura ima tri sloja - forecasting, optimization, integration. Forecasting sloj kombinuje Prophet model za sezonalne SKU-ove (građevinski materijal sa proljeće/jesen vrhuncima) sa Temporal Fusion Transformer (PyTorch Forecasting) za SKU-ove sa eksternim driver-ima (cementni promet sa otvaranjem velikih projekata). Hijerarhijska reconciliacija radi se kroz MinT (Minimum Trace) optimal reconciliation algoritam koji čuva konzistentnost između kategorija i SKU nivoa. Cold start za nove SKU-ove koristi similarity bootstrap - kroz product embedding (text + atributi + slike kroz CLIP-derivative model), nađemo k najsličnijih historijskih SKU-ova i koristimo njihov early-life pattern kao prior, pa Bayesian update kroz prvih 8 sedmica. Optimization sloj formuliran je kao stochastic MILP u Pyomo-u koji uzima u obzir lead time distribuciju (ne samo mean), holding cost po skladištu, transfer cost između skladišta, i target service level po ABC/XYZ klasi (A-X = 98%, A-Z = 92%, C-Z = 85%). Solver radi noćno za regularnih SKU-ova, intra-day za top 300 movera. Cross-warehouse transferi predlažu se kao draft purchase order-i koje review-uje supply planner. ABC/XYZ klasifikacija nije statična - rolling 90d sa hysteresis-om da se SKU-ovi ne flickaju između klasa. Integration sloj radi sa SAP S/4HANA kroz OData v4 servise (čitanje stock pozicija, master data, otvorenih PO-ova) i IDoc-e (pisanje predloženih PO-ova kao DRAFT status). Vendor managed inventory partneri (3 ključna dobavljača cijevi) imaju direktan API access kroz separate OAuth2 endpoint za consigment stock vidljivost.
Python (Prophet, PyTorch Forecasting TFT, scikit-learn), Apache Airflow + dbt, Snowflake, Pyomo stochastic MILP, SAP S/4HANA OData v4 + IDoc integracija, MinT hijerarhijska reconciliacija, CLIP-based product embeddings
Demo primjer baziran na stvarnoj inženjerskoj praksi. Identitet klijenta povjerljiv prema NDA.
B2B price matrix engine sa contract pricing waterfalls i approval workflow automatizacijom
Veletrgovac elektroinstalacionim materijalom i industrijskom rasvjetom sa 1.800 aktivnih B2B kupaca u 5 zemalja. Customer baza heterogena - od malih elektroinstalatera (5-20 narudžbi godišnje) do velikih EPC kontraktora (volumeni preko 2 miliona EUR/god sa custom kontraktima). Pricing tim (6 ljudi) provodio je oko 60% vremena na quote generation i special pricing approval, sa SLA-om od 4h koji se često probijao.
Pricing struktura imala je 6 nivoa: list price → customer tier discount (4-7 nivoa) → volume break → contract override → trade promotion → end-of-quarter rebate. Svaki nivo kontrolisan je od strane različite role (category manager za list, sales za tier, finance za contract). Kompozicija nije bila kodifikovana u sistemu - bila je u Excel matricama i institutivnom znanju sales tima. Special pricing requests (38% upita) zahtijevali su lanac odobrenja sa 3-5 koraka, koji se vodio kroz email i ručno praćenje. Rezultat: 12% quote-ova kasnilo iznad SLA-a, 8% imalo greške u finalnom pricing-u, gubici marže oko 1.1 milion EUR godišnje na nepotrebnim popustima jer pricing tim nije imao margin visibility prilikom odobrenja.
Arhitektura ima dva sloja - pricing engine i workflow orchestration. Pricing engine je Python servis sa REST API-jem koji prima customer_id, SKU, quantity, requested_date i vraća kalkulisanu price waterfall sa svakim korakom (list, tier, volume, contract, promo, rebate) eksplicitno breakdown. Logika je kodifikovana kao decision graph (DAG) gdje svaki čvor primjenjuje pravilo iz Snowflake pricing master tabela, sa precedence rules kad se više pravila preklapaju. ML komponenta predlaže optimalni discount za long-tail SKU-ove gdje contract pricing nije eksplicitan - regressor (LightGBM) treniran na historijskim quote acceptance/rejection podacima daje preporučeni rang sa win probability. Workflow orchestration je Laravel (PHP 8.2) servis koji prima special pricing requests i ruta ih kroz approval graph baziran na (margin impact, customer tier, deal size). Workflow state drži se u Redis-u + PostgreSQL audit log, async events kroz RabbitMQ za notifikacije (email, Slack, mobile push). Margin analysis pre-approval: kada approver dobije request, vidi predikciju marže pre/post promjene plus benchmark sa sličnim historijskim deal-ovima (cosine similarity nad customer i product embeddings). CRM integracija (Salesforce + HubSpot) omogućava da se quote vrati nazad u opportunity record-u sa svim tračnostima. Long-tail SKU automation: za 4.200 sporo-kretajućih SKU-ova bez ekvivalentnog contract pricing-a, sistem automatski predlaže price na osnovu kategorije, brand tier-a i customer history-a, sa human review samo ako je outside expected range-a. ERP integracija sa SAP S/4HANA (kroz OData) i Microsoft Dynamics 365 BC (kroz API v2.0) za firmane koje koriste različite ERP-ove.
PHP 8.2 (Laravel 11) za workflow servis, Python ML servisi (LightGBM), REST API gateway, Redis cache, RabbitMQ, PostgreSQL audit, Snowflake za pricing master, SAP S/4HANA + Microsoft Dynamics 365 BC integracije, Salesforce + HubSpot CRM sync
Demo primjer baziran na stvarnoj inženjerskoj praksi. Identitet klijenta povjerljiv prema NDA.
Tehnologije koje koristimo
Kako radimo
Discovery
Audit ERP-a (SAP/Dynamics/Pantheon), CRM-a, postojećih pricing matrica i forecast procesa, KPI baselining (service level, holding cost, quote SLA).
Pilot
Pilot na jednoj kategoriji ili customer segmentu, paralelno sa postojećim procesom za A/B usporedbu.
Implementacija
Roll-out kroz cijeli katalog/customer bazu, ERP/CRM integracija, training supply planner-a i sales tima, fallback procedure.
Operacija
Mjesečni retraining forecasting modela, kvartalni review ABC/XYZ klasifikacije i pricing waterfall pravila.
Razgovarajmo o pilotu za vašu firmu
Discovery sesija je 60 minuta - razumijemo vaš problem i predlažemo konkretan pilot pristup.
Kontaktirajte nas