| # Python | # Spark | # Flask | # MySQL | # AWS |
| # SQL | # Hadoop | # Django | # PostgreSQL | # Azure |
| # VBA | # Kafka | # SQLite | # GCP | |
| # Flink | # MongoDB | # cloud on-premises |
| time: | January 2011- April 2018 |
| role: | Data Scientist |
| company: | LAB148 |
The Markpol supermarket chain, with which I worked, consisted of 86 stores of various sizes. These stores offered fresh, perishable goods. The store’s operating system did not contain information about delivery times, only data on stock levels and sales volumes.
Based on this, I developed an algorithm that determined how much expired stock was present in each store’s warehouse. This system detected the quantity of expired products in each store and in each category, such as meat, fish, and fruit. Twice a day, the system sent each store a list of products and their quantities that should immediately be removed from the sales offer.
This system effectively prevented the sale of expired fresh products across the entire network of 86 stores.
PROJEKT: SYSTEM POWIADAMIANIA O PRZETERMINOWANIACH
Sieć supermarketów Markpol, z którą współpracowałem, składała się z 86 sklepów o różnej wielkości. Sklepy te posiadały między innymi świeży, łatwopsujący się towar. System operacyjny sklepów nie zawierał informacji na temat czasu dostawy, a jedynie dane dotyczące stanu magazynowego oraz wielkości sprzedaży.
Na podstawie tych danych opracowałem algorytm, który określał, ile przeterminowanego asortymentu znajdowało się w magazynach sklepów. System ten wykrywał ilość przeterminowanego towaru w każdej kategorii – mięso, ryby, owoce – dla każdego sklepu. Dwa razy dziennie system wysyłał do każdego sklepu listę produktów oraz ich ilości, które natychmiast powinny zostać zdjęte z oferty sprzedaży.
Dzięki temu systemowi skutecznie przeciwdziałałem sprzedaży przeterminowanych produktów świeżych w całej sieci 86 sklepów.