Web razvoj Završeno eCommerce platforma — RetailHR Izgradnja moderne B2C eCommerce platforme za jednog od vodećih maloprodajnih lanaca u Hrvatskoj s više od 150.000 SKU-a. Projekt je uključivao dizajn korisničkog iskustva, integraciju PIM sustava i implementaciju višejezičnog sučelja za tržišta EU-a. React Node.js PostgreSQL AWS +43% Konverzija 2,1s Brzina učitavanja
Oblak i infra Završeno Migracija oblaka — FinanceGroup Zagreb Kompleksna migracija on-premises infrastrukture financijskog holdinga na Azure cloud okruženje. Projekt je uključivao sigurnosnu reviziju, implementaciju DevOps pipeline-a, CI/CD automaciju i GDPR-usklađenu pohranu podataka prema europskim propisima. Azure Kubernetes Terraform Docker -38% IT troškovi 99.97% Dostupnost
Podaci i analitika Završeno Podatkovna platforma — LogisCro Izgradnja centralnog data warehouse-a i BI dashboarda za vodeću logističku kompaniju u regiji. Rješenje integrira podatke iz 12 različitih izvora u real-time, omogućujući menadžmentu donošenje odluka temeljenih na podacima s latencijom ispod 3 sekunde. Python Apache Spark Power BI Snowflake 12 Izvora podataka <3s Real-time latencija
Automatizacija Aktualno RPA Automatizacija — ManuCro Industries Implementacija RPA (Robotic Process Automation) rješenja za proizvodnu tvrtku s više od 400 zaposlenika. Automatiziraju se procesi fakturiranja, kontrole zaliha i izvještavanja prema ERP-u, čime se uklanjaju ručni zadaci koji su prethodno zahtijevali 3 FTE zaposlenika tjedno. UiPath SAP Python REST API 3 FTE Ušteda rada -92% Pogrešaka unosa
Web razvoj Završeno SaaS Portal za upravljanje nekretninama Razvoj višekorisničkog SaaS portala namijenjenoga agencijama za nekretnine u Hrvatskoj i Bosni i Hercegovini. Portal uključuje modul za upravljanje ugovorima, automatsku izradu e-računa sukladno Zakonu o PDV-u i naprednu pretragu s geolokacijskom kartom. Vue.js Laravel MySQL Google Maps API 87 Agencija korisnika 4,8/5 Ocjena korisnika
Podaci i analitika Aktualno AI model predviđanja potražnje — FoodTech d.o.o. Razvoj machine learning modela za predviđanje potražnje u prehrambenom sektoru. Model analizira sezonske trendove, marketinške kampanje i vremenske prilike kako bi optimizirao narudžbe sirovina i smanjio otpad. Projekt je sufinanciran kroz EU fond za digitalizaciju SME-a. TensorFlow Python MLflow Azure ML -27% Otpad sirovina 94% Točnost modela