Optimalizace přípravy cenových nabídek pro výrobce kartonových obalů

Klient čelil dlouhému a neefektivnímu procesu přípravy cenových nabídek, který zatěžoval 3-7 zaměstnanců napříč 3 odděleními. Tvorba nabídky tak trvala až 2 dny, přičemž dlouhodobá úspěšnost nabídek byla pouze 8 % – týmy tedy z 92 % případů pracovaly na nabídce, které se v zakázky nikdy neproměnily. V konkurenčním prostředí, kde je rychlost a přesnost nabídky klíčová, znamenal stávající komplikovaný proces ušlé zisky i vyšší provozní náklady.

Vytvořili jsme AI řešení, které automatizuje přípravu cenových nabídek na základě historických dat, parametrů zakázky a interních cenových modelů. Systém doporučuje optimální cenu, generuje podklady pro obchodníky a umožňuje rychlejší rozhodování. Tím se minimalizuje manuální práce, zkracuje reakční doba a roste přesnost kalkulací. Díky přehlednému a jednoduchému prostředí webové aplikace nyní celý proces obslouží jediný obchodník, který zadá několik základních parametrů zakázky a výsledek obdrží v řádu několika sekund. Aplikace navíc pro zvýšení věrohodnosti zobrazuje také výčet nejpodobnějších již realizovaných zakázek, aby si obchodník mohl snadno validovat výsledek, pokud má jakékoli pochybnosti.

Obchodní oddělení, management.

6

Python, ML frameworky (scikit-learn, TensorFlow/PyTorch), databázové systémy, integrace s ERP

Vedoucí IT / dat / technologií

Kompletní realizace

Provoz zajišťuje Gauss Algorithmic ve vlastní MLOps cloudové platformě a poskytuje dlouhodobou podporu i průběžný retraining modelu.

IT/ERP specialisté, obchodní oddělení jako uživatelé a validátoři výstupů.

Standardní databázová a serverová infrastruktura, cloudové prostředí pro trénink modelů, integrace s ERP systémem. Náklady na provoz se drží v řádu jednotek procent původních nákladů na manuální proces, přetrénování modelu probíhá cca 2-3x ročně.

Proces přípravy cenových nabídek se výrazně zrychlil a zpřesnil. Obchodníci mají k dispozici doporučené ceny podložené daty z výroby již realizovaných zakázek, což zvyšuje jejich důvěru v nabídkový proces a také pomáhá odhalovat souvislosti, které při dřívějším způsobu naceňování nebyly zřejmé. Došlo k odstranění silně frustrující rutinní manuální práce a především uvolnění cenných kapacit specialistů oddělení vývoje a kontroly kvality, kteří nově naceňování věnují minimum času a mohou se tedy plně věnovat své primární náplni práce.

Redukce týmu potřebného k přípravě nabídky z 3-7 lidí z celkem 3 oddělení na 1 obchodníka, zkrácení doby přípravy nabídky z 1-2 dnů na několik sekund, přesnost modelu 96+ %

„V dnešní dynamické době naši zákazníci očekávají, že své nabídky dostanou bez zbytečných prodlev. Implementace AI modelu pro vytváření cenových nabídek nám tak přinesla zásadní zvýšení efektivity a rychlosti. AI model přispěl i k tomu, že se naši vývojáři a technologové mohou soustředit na inovace a kreativitu, místo aby trávili čas rutinními úkoly. Tento posun nám otevírá nové možnosti a přispívá k dalšímu růstu naší společnosti.” – Martin Hejl, jednatel společnosti THIMM

Kvalitní datová příprava a integrace s existujícím ERP systémem, úzká spolupráce s IT a obchodním týmem klienta a postupný iterativní vývoj umožňující rychlou zpětnou vazbu. Otevřená podpora projektu ze strany nejvyššího managementu.

Heterogenní a neúplná data z minulých zakázek, která bylo nutné čistit a strukturovat – teprve na 6. pokus se klientovi podařilo úspěšně exportovat potřebná data. Překážkou byla také změnová křivka u obchodníků, kteří se museli naučit důvěřovat AI doporučením – zprvu systému nevěřili, protože počítal cenu jinak než oni a zahrnoval do ní rovnou další náklady, které se dříve dopočítávaly dodatečně, pokud byly vůbec zahrnuty. Obě překážky jsme překonali díky průběžné komunikaci s klientem a společnými workshopy nad výsledky.

Začněte pilotním projektem s jasně definovaným use-casem, kde má AI největší dopad na obchodní výsledky. Věnujte dostatek času přípravě a čištění dat a nezapomeňte na zapojení koncových uživatelů od začátku – jejich důvěra a přijetí řešení je klíčem k úspěchu.