تحسين سلاسل الإمداد والتنبؤ بالطلب المدعوم بالذكاء الاصطناعي

The Challenge

Our Approach

• Conducted comprehensive data transformation integrating 5 years of monthly and weekly branch-level sales data across all SKUs
• Developed forecasting models using multiple ML approaches: ANN, XGBoost, Prophet, and polynomial regression for family and SKU-level predictions
• Built inventory optimization models with safety stock, reorder points, and service level targets per branch
• Created interactive Dash and Streamlit dashboards deployed to Heroku for real-time monitoring and decision support
• Implemented S&OP process with executive alignment meetings and structured demand review cycles
• Delivered commercial training program covering forecasting methodology, inventory control, and data-driven decision making
• Conducted geospatial analysis of branch network performance and demand distribution

• إجراء تحويل شامل للبيانات يتكامل مع 5 سنوات من بيانات المبيعات الشهرية والأسبوعية على مستوى الفرع عبر جميع الأصناف
• تطوير نماذج تنبؤ باستخدام نهجات تعلم الآلة المتعددة: الشبكات العصبية الاصطناعية وXGBoost وProphet والانحدار متعدد الحدود للتنبؤات على مستوى العائلة والصنف
• بناء نماذج تحسين المخزون مع مخزون الأمان ونقاط إعادة الطلب وأهداف مستوى الخدمة لكل فرع
• إنشاء لوحات معلومات تفاعلية Dash وStreamlit منشورة على Heroku للمراقبة في الوقت الفعلي ودعم القرارات
• تنفيذ عملية S&OP مع اجتماعات الموائمة التنفيذية ودورات مراجعة الطلب المهيكلة
• تقديم برنامج تدريب تجاري يغطي منهجية التنبؤ والتحكم في المخزون واتخاذ القرارات المستندة إلى البيانات
• إجراء تحليل مكاني لأداء شبكة الفروع وتوزيع الطلب

Analytical Methods Used

Tools Used

Key Outcomes & Results

• Delivered production-grade ML forecasting pipeline processing 5 years of multi-branch data
• Built interactive dashboards enabling real-time branch-level demand monitoring and inventory decisions
• Established S&OP process with structured executive review cycles
• Trained organization on forecasting methodology and inventory management best practices
• Created scalable forecasting framework with model comparison across ANN, XGBoost, Prophet, and regression approaches
• Deployed decision-support tools accessible to business users across the organization

• تقديم خط أنابيب تنبؤ بالإنتاج بتعلم الآلة يعالج 5 سنوات من بيانات الفروع المتعددة
• بناء لوحات معلومات تفاعلية تمكن المراقبة في الوقت الفعلي للطلب على مستوى الفرع وقرارات المخزون
• وضع عملية S&OP مع دورات مراجعة تنفيذية مهيكلة
• تدريب المنظمة على منهجية التنبؤ وأفضل ممارسات إدارة المخزون
• إنشاء إطار تنبؤ قابل للتوسع مع مقارنة النماذج عبر نهجات الشبكات العصبية وXGBoost وProphet والانحدار
• نشر أدوات دعم القرارات المتاحة لمستخدمي الأعمال عبر المنظمة