Nous avons remplacé 14 rapports manuels sur tableur par un seul tableau de bord intelligent qui répond à des questions en langage naturel et prédit les besoins en inventaire 3 semaines à l'avance.
BrightMart exploitait 28 points de vente dans le sud-est des États-Unis avec une équipe centrale d'approvisionnement qui s'appuyait sur 14 rapports différents compilés manuellement chaque lundi. Ces rapports couvraient les ventes par point de vente, les niveaux de stock, les tendances saisonnières, les délais de livraison des fournisseurs, les performances promotionnelles et les données démographiques des clients.
Le processus de compilation des données consommait 22 heures de travail d'analyste par semaine. Au moment où l'équipe d'approvisionnement recevait les rapports le mardi après-midi, les données avaient déjà 48 à 72 heures de retard. Pire encore, chaque rapport utilisait des méthodes de calcul légèrement différentes, générant des chiffres contradictoires qui déclenchaient des litiges récurrents entre les équipes merchandising et opérations.
Le coût réel n'était pas le temps d'analyste — c'était le retard dans les décisions. BrightMart estimait à 1,4 million de dollars la perte de revenus due aux ruptures de stock sur les articles en forte demande, car l'équipe d'approvisionnement ne pouvait identifier les pics de demande que la semaine suivante. Ils avaient besoin d'une visibilité en temps réel qu'une équipe d'analystes ne pouvait fournir manuellement.
Nous avons construit une plateforme analytique unifiée à trois niveaux : un pipeline de données en temps réel ingérant les données de point de vente, d'inventaire et de fournisseurs des 28 points de vente ; un entrepôt de données PostgreSQL avec des vues matérialisées pour des performances de requête en une fraction de seconde ; et un tableau de bord Next.js avec une interface de requête intelligente en langage naturel.
La fonctionnalité de langage naturel utilise l'API Claude pour traduire des questions comme "Quels magasins ont connu la plus forte amélioration de marge le mois dernier ?" ou "Montrez-moi les articles en hausse à Miami mais en baisse à Atlanta" en requêtes SQL, les exécuter et présenter les résultats avec des visualisations générées automatiquement. Nous avons formé le système sur plus de 200 modèles de requêtes courants spécifiques au modèle de données de BrightMart.
Le module d'inventaire prédictif analyse 18 mois de données historiques de ventes combinées à des signaux externes (météo, événements locaux, tarification des concurrents) pour prévoir la demande au niveau SKU-point de vente 3 semaines à l'avance. Des alertes se déclenchent automatiquement lorsque la demande prévue dépasse le stock actuel plus les commandes en cours.
Audit des 14 rapports, unification des méthodes de calcul, conception du schéma d'entrepôt et mise en place de pipelines de données en temps réel depuis les systèmes de point de vente et d'inventaire.
Construction du tableau de bord Next.js avec des vues basées sur les rôles pour les dirigeants, acheteurs et responsables de magasin. Développement du moteur de requête en langage naturel alimenté par Claude.
Entraînement de modèles de prévision de la demande sur 18 mois de données historiques. Validation des prédictions sur 3 mois de données de contrôle, atteignant une précision de 92 %.
Déploiement dans les 28 points de vente par vagues de 7. Formation de 45 utilisateurs sur 4 rôles. Rapports parallèles pendant 2 semaines pour valider la précision des données.
Dès le premier trimestre suivant le lancement, l'équipe d'approvisionnement de BrightMart prenait des décisions d'inventaire 41 % plus rapidement — réagissant aux tendances en quelques heures au lieu d'attendre le rapport de la semaine suivante.
Sans engagement. Dites-nous ce dont vous avez besoin et nous vous dirons comment nous le résoudrions.
“J'attendais jusqu'au mardi pour des chiffres déjà obsolètes. Maintenant je pose une question au tableau de bord à 7 heures du matin et je prends une décision d'achat avant ma deuxième réunion. Cette différence de rapidité vaut des millions sur une année.”
— Directrice Générale du Merchandising, BrightMart Retail
Si votre équipe compile encore des rapports manuellement, nous pouvons construire un tableau de bord alimenté par l'IA qui vous donne des réponses en secondes au lieu de jours.
Consultation gratuite · Nous répondons généralement sous 24 heures