التحدي
كان عملاء التجزئة يطلبون كميات زائدة من المنتجات بطيئة الحركة وتنفد منهم الأكثر مبيعًا، وكانت التوقعات في جداول بيانات تستغرق أسبوعًا للتحديث.
الحل
- بنينا خطوط تنبؤ تجمع نماذج التعزيز التدرجي مع إشارات الموسمية والعروض.
- أنشأنا طبقة استعلام باللغة الطبيعية ليطرح المخططون أسئلتهم ببساطة.
- نشرنا الحل على Kubernetes مع إعادة تدريب ليلية ومراقبة لانحراف البيانات.
- صممنا مستودع بيانات PostgreSQL بجداول حقائق مقسمة لتحليلات سريعة.
النتيجة
انخفض نفاد المخزون 31%، وتراجع المخزون الزائد 22%، وأصبحت التوقعات تتحدث يوميًا بدلًا من أسبوعيًا.
التقنيات المستخدمة
- Python
- Claude
- PostgreSQL
- Kubernetes
- AWS
- Next.js
الخدمات: الذكاء الاصطناعي والأتمتة · DevOps والبنية السحابية · هندسة قواعد البيانات
