Wir haben 14 manuelle Tabellenberichte durch ein einziges intelligentes Dashboard ersetzt, das natürlichsprachliche Fragen beantwortet und den Lagerbedarf 3 Wochen im Voraus prognostiziert.
BrightMart betrieb 28 Einzelhandelsstandorte im Südosten der Vereinigten Staaten mit einem zentralen Einkaufsteam, das auf 14 verschiedene Tabellenberichte angewiesen war, die jeden Montag manuell zusammengestellt wurden. Die Berichte umfassten Verkäufe nach Standort, Lagerbestände, saisonale Trends, Lieferzeiten der Lieferanten, Werbeaktionsleistung und Kundendemografie.
Die Datenzusammenstellung verschlang wöchentlich 22 Stunden Arbeitszeit von Analysten. Bis das Einkaufsteam die Berichte am Dienstagnachmittag erhielt, waren die Daten bereits 48-72 Stunden veraltet. Noch schlimmer war, dass jeder Bericht leicht unterschiedliche Berechnungsmethoden verwendete, was zu widersprüchlichen Zahlen führte, die wiederkehrende Streitigkeiten zwischen den Merchandising- und Betriebsteams auslösten.
Die tatsächlichen Kosten waren nicht die Arbeitszeit der Analysten — es waren die verzögerten Entscheidungen. BrightMart schätzte 1,4 Mio. $ an entgangenen Einnahmen durch Lagerengpässe bei Trendartikeln, weil das Einkaufsteam Nachfragespitzen erst in der Folgewoche identifizieren konnte. Sie benötigten Echtzeit-Transparenz, die ein Team von Analysten nicht manuell bereitstellen konnte.
Wir entwickelten eine einheitliche Analytics-Plattform mit drei Ebenen: eine Echtzeit-Datenpipeline, die POS-, Lager- und Lieferantendaten von allen 28 Standorten erfasst; ein PostgreSQL-Data-Warehouse mit materialisierten Ansichten für Abfrageleistung in Sekundenbruchteilen; und ein Next.js-Dashboard mit einer intelligenten natürlichsprachlichen Abfrageschnittstelle.
Die natürlichsprachliche Funktion nutzt die Claude API, um Fragen wie "Welche Filialen hatten die höchste Margenverbesserung im letzten Monat?" oder "Zeige mir Artikel, die in Miami im Trend liegen, aber in Atlanta rückläufig sind" in SQL-Abfragen zu übersetzen, auszuführen und die Ergebnisse mit automatisch generierten Visualisierungen darzustellen. Wir trainierten das System mit 200+ gängigen Abfragemustern, die speziell auf BrightMarts Datenmodell zugeschnitten sind.
Das prädiktive Lagermodul analysiert 18 Monate historischer Verkaufsdaten kombiniert mit externen Signalen (Wetter, lokale Veranstaltungen, Konkurrenzpreise), um die Nachfrage auf SKU-Standort-Ebene 3 Wochen im Voraus zu prognostizieren. Benachrichtigungen werden automatisch ausgelöst, wenn die prognostizierte Nachfrage den aktuellen Bestand plus eingehende Bestellungen übersteigt.
Prüfung aller 14 Berichte, Vereinheitlichung der Berechnungsmethoden, Entwurf des Warehouse-Schemas und Einrichtung von Echtzeit-Datenpipelines aus POS- und Lagersystemen.
Entwicklung des Next.js-Dashboards mit rollenbasierten Ansichten für Führungskräfte, Einkäufer und Filialleiter. Entwicklung der Claude-basierten natürlichsprachlichen Abfrage-Engine.
Training von Nachfrageprognosemodellen mit 18 Monaten historischer Daten. Validierung der Prognosen anhand von 3 Monaten Holdout-Daten mit einer Genauigkeit von 92 %.
Ausrollung an allen 28 Standorten in Wellen zu je 7. Schulung von 45 Benutzern in 4 Rollen. Paralleles Reporting für 2 Wochen zur Validierung der Datengenauigkeit.
Innerhalb des ersten Quartals nach dem Start traf das Einkaufsteam von BrightMart Lagerentscheidungen 41 % schneller — Reaktion auf Trends innerhalb von Stunden statt auf den Bericht der nächsten Woche zu warten.
Keine Verpflichtungen. Sagen Sie uns, was Sie brauchen, und wir sagen Ihnen, wie wir es lösen würden.
“Früher wartete ich bis Dienstag auf Zahlen, die bereits veraltet waren. Jetzt stelle ich dem Dashboard um 7 Uhr morgens eine Frage und treffe eine Einkaufsentscheidung vor meinem zweiten Meeting. Dieser Geschwindigkeitsvorteil ist über ein Jahr gesehen Millionen wert.”
— Chief Merchandising Officer, BrightMart Retail
Wenn Ihr Team noch immer Berichte manuell zusammenstellt, können wir ein KI-gestütztes Dashboard entwickeln, das Ihnen Antworten in Sekunden statt in Tagen liefert.
Kostenlose Beratung · Antwort in der Regel innerhalb von 24 Stunden