The Challenge
A leading FMCG manufacturer in Saudi Arabia operating 7 warehouses and a nationwide network of distribution branches was losing revenue to chronic stockouts of fast-moving lines while simultaneously overstocking slow-moving items, with no scientific basis for pricing decisions. With 5 years of fragmented sales and retail sell-out data spanning thousands of SKUs, the team relied on spreadsheets and intuition for forecasting, replenishment and pricing. There was no central demand forecasting system, no S&OP process in place, and no visibility into branch-level demand patterns. Executive leadership recognized the need for a transformation: from gut-feel decisions to AI-powered supply chain management across forecasting, inventory and pricing.
Our Approach
- Opened with a one-week assessment of forecasting, inventory and pricing practices that scoped the transformation before the main engagement
- Built ML-powered demand forecasting with model comparison across ANN, XGBoost, Prophet and polynomial regression at product-family and SKU level
- Optimized inventory across 7 warehouses and dozens of branches with location-level safety stock, reorder points and service level targets
- Developed AI pricing optimization using price elasticity modeling on retail sell-out data across product families and outlets
- Integrated 5 years of fragmented sales and EPOS sell-out data into a single forecasting-ready dataset
- Deployed interactive Dash and Streamlit dashboards to the cloud for real-time monitoring and decision support
- Implemented S&OP process with executive alignment meetings and structured demand review cycles
- Trained commercial and planning teams on forecasting methodology, inventory control and data-driven pricing
- بدأ المشروع بأسبوع تقييم لممارسات التنبؤ والمخزون والتسعير حدّد نطاق التحول قبل المشروع الرئيسي
- بناء تنبؤ بالطلب مدعوم بتعلم الآلة مع مقارنة النماذج عبر الشبكات العصبية الاصطناعية وXGBoost وProphet والانحدار متعدد الحدود على مستوى العائلة والصنف
- تحسين المخزون عبر 7 مستودعات وعشرات الفروع مع مخزون أمان ونقاط إعادة طلب وأهداف مستوى خدمة لكل موقع
- تطوير تحسين تسعير بالذكاء الاصطناعي باستخدام نمذجة مرونة الطلب السعرية على بيانات البيع بالتجزئة عبر عائلات المنتجات والمنافذ
- دمج 5 سنوات من بيانات المبيعات وبيانات البيع المجزأة في مجموعة بيانات واحدة جاهزة للتنبؤ
- نشر لوحات معلومات تفاعلية Dash وStreamlit على السحابة للمراقبة في الوقت الفعلي ودعم القرارات
- تنفيذ عملية S&OP مع اجتماعات الموائمة التنفيذية ودورات مراجعة الطلب المهيكلة
- تدريب فرق المبيعات والتخطيط على منهجية التنبؤ والتحكم في المخزون والتسعير المستند إلى البيانات
Analytical Methods Used
ML Demand Forecasting (ANN, XGBoost, Prophet)
AI Pricing Optimization (Price Elasticity Modeling)
Multi-Location Inventory Optimization (Safety Stock, ROP, EOQ)
Time Series Analysis & Regression
SKU & Family-Level Demand Disaggregation
Sell-Out / EPOS Data Analysis
S&OP Process Implementation
Interactive Dashboard Development (Dash/Streamlit)
التنبؤ بالطلب بتعلم الآلة (الشبكات العصبية، XGBoost، Prophet)
تحسين التسعير بالذكاء الاصطناعي (نمذجة مرونة الطلب السعرية)
تحسين المخزون متعدد المواقع (مخزون الأمان، نقطة إعادة الطلب، كمية الطلب الاقتصادية)
تحليل السلاسل الزمنية والانحدار
تفكيك الطلب على مستوى الصنف والعائلة
تحليل بيانات البيع بالتجزئة (EPOS)
تنفيذ عملية S&OP
تطوير لوحات المعلومات التفاعلية (Dash/Streamlit)
Key Outcomes & Results
- Delivered production-grade ML demand forecasting processing 5 years of multi-location sales and sell-out data
- Optimized inventory across all warehouses and branches with location-level safety stock and reorder policies
- Enabled data-driven pricing decisions from price elasticity insights on retail sell-out data
- Built interactive dashboards for real-time demand and inventory monitoring across locations
- Established S&OP process with structured executive review cycles
- Trained the organization on forecasting, inventory and pricing analytics best practices
- تقديم تنبؤ طلب بإنتاجية عالية بتعلم الآلة يعالج 5 سنوات من بيانات المبيعات والبيع متعددة المواقع
- تحسين المخزون عبر جميع المستودعات والفروع مع مخزون أمان وسياسات إعادة طلب على مستوى كل موقع
- تمكين قرارات تسعير مستندة إلى البيانات من رؤى مرونة الطلب السعرية على بيانات البيع بالتجزئة
- بناء لوحات معلومات تفاعلية لمراقبة الطلب والمخزون في الوقت الفعلي عبر المواقع
- وضع عملية S&OP مع دورات مراجعة تنفيذية مهيكلة
- تدريب المنظمة على أفضل ممارسات تحليلات التنبؤ والمخزون والتسعير