الطازج لا يغفر أي تقريب.
عملية وجبات طازجة تحيا أو تموت على رقم الغد: اطبخ أكثر من اللازم فتذهب الأرباح إلى سلة المهملات، واطبخ أقل من اللازم فتبقى الثلاجات فارغة عند الظهيرة. كان التخطيط يقوم على الخبرة وجداول البيانات — حدس جيد، بلا ذاكرة، وبلا وسيلة للتوسّع عبر شبكة ثلاجات متنامية.
بنينا المنصة التي تتذكّر كل شيء: عامان من تاريخ المبيعات، والموسمية، والطقس، والإشارات الحية من أسطول الثلاجات، مُقطَّرة إلى تنبؤات بالطلب لكل موقع ولكل طبق. يُخطَّط الآن للمخزون والعمالة والإنفاق على رقم اكتسب الثقة — 98% دقة في الإنتاج.
في الإنتاج، يخطّط النموذج لليوم قبل أن يبدأه المطبخ: 98% دقة في التنبؤ، انخفاض نفاد المخزون بنسبة 58%، وانخفاض المخزون الفائض بنسبة 41% — مع مراقبة الانحراف وإعادة تدريب مجدولة للبقاء موثوقًا حين يتحرّك الطلب.
الحدس لا يتوسّع.
كان مخطّطون جيدون يديرون العملية بالخبرة — وهي خبرة لا تُنسخ إلى المواقع العشرة التالية.
كان رقم الغد مجرد تخمين.
الطازج يعاقب على الخطأ في الاتجاهين، كل يوم، بلا استثناء.
- الإفراط في الإنتاج: أرباح تُرمى حرفيًّا في سلة المهملات في نهاية كل يوم.
- نفاد المخزون: ثلاجات فارغة عند الظهيرة تعني إيرادًا وثقةً ضائعين.
- ذاكرة جدول بيانات: لم يكن للتخطيط أي استذكار منهجي للموسمية.
- حدس محلّي: تبقى الخبرة لدى مخطّط واحد، في موقع واحد.
رقم اكتسب الثقة.
تنبؤات بالطلب لكل موقع ولكل طبق، مُقطَّرة من التاريخ والموسمية وإشارات الأسطول الحية.
- 98% دقة: بجودة الإنتاج، مقيسة باستمرار.
- إشارات في المدخلات: تاريخ المبيعات، والطقس، والموسمية، وقياسات الثلاجات عن بُعد.
- عروض تخطيط في المخرجات: المخزون والعمالة والإنفاق متوائمة على رقم واحد.
- تصحيح ذاتي: إعادة التدريب المؤتمتة تُبقي النموذج صادقًا مع نمو الشبكة.
من الإشارات إلى خطة.
الحلقة الكاملة — الاستيعاب، والتنبؤ، وعروض التخطيط، وإعادة التدريب التي تُبقي كل ذلك صادقًا.
استيعاب الإشارات
تاريخ المبيعات، والموسمية، وآثار التقويم، وقياسات الأسطول الحية عن بُعد، عبر مسارات معالجة محكمة.
نماذج التنبؤ بالطلب
تنبؤات لكل موقع ولكل طبق، مضبوطة على الأفق الذي يشتري عنده المخطّطون فعلًا.
عروض تخطيط المخزون
تنبؤات مترجَمة إلى كميات طلب وخطط إنتاج — لا منحنيات خام.
تخطيط العمالة والإنفاق
منحنى الطلب نفسه يقود جداول الفرق وميزانيات الشراء.
مراقبة الانحراف
الدقة متتبَّعة باستمرار في مواجهة الواقع، مع تنبيهات عندما يتحرّك العالم.
إعادة تدريب مجدولة
تُعيد النماذج تدريب نفسها تلقائيًّا على بيانات حديثة — تنجو الدقة إلى الربع القادم، وما بعده.
كسب ثقة المخطّطين.
أربع مراحل — منها أشهر من العمل بصمت إلى جانب البشر.
بلورة الفكرة
تأطير دالة الكلفة مع المشغّلين: وجبة مُهدَرة مقابل ثلاجة فارغة.
التصميم
عروض تخطيط تقول ماذا تطبخ — لا لوحات تحكم تجيب «حسب الحال».
التطوير
الاستيعاب، ومسار الميزات، والنماذج، وحلقة إعادة التدريب المؤتمتة.
النشر
تجربة في الوضع الظلّي مقابل خطط البشر، ثم التحوّل موقعًا تلو الآخر.
أحضر نسختك من مشكلة Forecasting Model. أربع ساعات، مجاناً، مع الفريق الذي أنجز هذا المشروع.
احجز ورشة العمل المجانيةما أرّقنا ليلًا.
المشكلات التي كانت تقرر ما إذا كان المنتج يعمل من الأساس.
الثقة قبل الأتمتة
يتجاهل المخطّطون الصندوق الأسود. عمل النموذج في الوضع الظلّي مقابل خطط البشر إلى أن كسب سجلّ إنجازه — لا رياضياته — النقاش.
مواقع تبدأ من الصفر
المواقع الجديدة بلا تاريخ. النقل من مواقع مشابهة يمنح تنبؤات من اليوم الأول، تتقارب مع تدفّق البيانات المحلية.
الانحراف في شبكة متغيّرة
القوائم تتبدّل، ومواقع تُفتتح، والمواسم تتغيّر. إعادة التدريب المؤتمتة ومراقبة الدقة تُبقيان نسبة الـ98% صادقة على المدى.
حزمة التقنيات.
حلقة تعلّم تمتد على كامل شبكة الثلاجات.
أرقام يراقبها الملّاك.
النتائج في FeelEat.
رقم إنتاجي، مقيس في مواجهة ما بِيع فعلًا — لا تباهٍ على مجموعة اختبار.
انهارت لحظات الثلاجة الفارغة؛ الغداء حاضر حين يحضر العميل.
طازج أقل يُطبخ للمهملات — الربح والاستدامة، الرافعة نفسها.
كان التخطيط في السابق يقوم على العادة والتخمين. أما الآن فيخبرنا التنبؤ، ثلاجةً بثلاجة، بالأطباق التي نرسلها وبكمياتها، بناءً على من يعمل في كل شركة وما يشترونه فعلًا. فريقي يراجع الخطة بدل أن يبنيها من الصفر.
واصل الاستكشاف.
كل مشروع هنا قيد التشغيل ومدفوع الثمن ويدرّ إيرادًا لأصحابه.
أسئلة شائعة
ضعه في موجز. مهندس أقدم — لا مندوب مبيعات — يردّ خلال يوم عمل واحد.
What does the demand forecasting platform do?
It is a machine-learning platform, built by CODT Technologies, that turns past sales into a plan for what to cook and stock next. Its forecasts are 98% accurate and drive FeelEat’s ordering and restocking.
What business results did the forecasting model achieve?
Stockouts fell by 58% and excess stock by 41%. That means less food thrown away and fewer empty fridges.
Is the model the hard part of a forecasting platform?
No. The model itself was the smaller part of the work. Most of the effort went into the data pipelines, the checks that warn when accuracy slips, and the planning screens people look at each morning.
هل لديك مشكلة تستحق
حلًّا متقنًا؟
حدّثنا عن منتجك وجدولك الزمني وقيودك. نردّ خلال يوم عمل واحد بقراءة صادقة حول الملاءمة والنطاق والفريق المناسب.