Case skica · Regionální potravinový retail

Denní objednávání čerstvých potravin se druhým názorem AI

62 prodejen na Moravě a ve Slezsku, obrat 340 mil. €, zaměření na čerstvé potraviny a ESG cíl snížení odpadu do roku 2027.

Problém

Vedoucí prodejen denně odhadují přibližně 200 SKU podle toho, co je v regále. Při letákových akcích 40 % objednávek míjí poptávku. Když slevy padnou na 50 %, marže se hroutí k nule. Regionální manažer má 12 prodejen a žádný čas individuálně koučovat. Počasí a místní události — provoz o víkendu Formule 1, prázdniny — do objednávky nikdy nevstupují.

Co bychom dodali

Asistovaný objednávkový copilot kombinující POS data ze stávajícího Azure Synapse DWH se stavem zásob z Heliosu, akčními kalendáři, lokálním počasím a daty o událostech. Navrhuje denní objednávku po SKU, viditelně ukazuje tři hlavní faktory rozhodnutí a vedoucímu umožňuje jedním klepnutím rozhodnutí přebít. Postaveno jako doporučovač s limited-risk klasifikací podle EU AI Act s dohledovým fallbackem na původní chování.

Stack

Azure Machine Learning pro prognózu poptávky po SKU
Azure Synapse (stávající DWH) jako feature store
Integrace ERP Helios přes stávající pipeline
Azure Maps + weather API pro lokální kontextové signály
Mobilní Blazor PWA pro aplikaci vedoucího prodejny (domácí stack)

Pojistky a compliance

EU AI Act doporučovač s limited-risk klasifikací — každý návrh ukazuje tři hlavní faktory
Override jedním klepnutím vždy dostupný; žádné vynucené přijetí
A/B test 2× proti kontrolnímu chování v pilotních prodejnách
Pipeline ESG reportingu srovnaná s cílem snížení odpadu do roku 2027
Data z věrnostního programu v rámci GDPR — žádná osobní data v prognózách

Typický harmonogram

Week 0–4 Měření baseline a příprava dat
Instrumentovat metriky odpadu a výpadků pro každou prodejnu, vytáhnout feature set ze Synapse, definovat A/B metodiku.
Week 4–10 Pilot na čtyřech prodejnách
Vytrénovat modely pro každou prodejnu, nasadit PWA pro vedoucího, šest týdnů běžet kontrolu proti asistovanému provozu vedle sebe.
Week 10–22 Rollout na všech 62 prodejen
Postupné zapínání po regionech, školicí materiály pro vedoucí prodejen, předat pipeline ESG reportingu obchodnímu řediteli.

Cílové výsledky

Odpad −30 % směrem k ESG cíli pro rok 2027, výpadky zboží v akčních dnech zhruba na polovinu, hrubá marže u čerstvého zboží +2–3 procentní body.

Potravinový odpad −30 % do konce roku 2027 (ESG cíl)
Výpadky zboží v akčních dnech zhruba na polovinu
Hrubá marže u čerstvého zboží +2–3 procentní body
Čas vedoucího strávený objednávkami −40 %
Regionální koučing přesměrován na odchýlené prodejny, ne na běžné objednávání

Podobný tvar problému?

Pokud vám tahle skica připomíná váš problém, první rozhovor je na 30 minut. Žádné slidy.

Začít konverzaci Více k tématu Implementace a adopce AI