📋 STRATEGY BRIEF — MACIERZ POPYTU

CORE

🎯 Co to pokazuje

Intensywność popytu obserwowana przez obłożenie miejsc — mapa cieplna korytarz × data, sygnały elastyczności cenowej, anomalie sezonowe. Odpowiada na pytanie „kiedy i gdzie popyt jest najwyższy" bez konieczności znajomości surowych liczb przez odbiorcę.

📊 Status danych

✅ Dane o obłożeniu zbierane przez koleo_api.py (PKP IC) i regiojet_api.py. Okno 30 dni do przodu, pokrycie ~80% pociągów na głównych korytarzach. Sygnał elastyczności cenowej oparty na 30 obserwacjach.

🛠️ Nakład pracy

Średni — heatmapa wymaga agregacji danych z wielu dat i przewoźników w jedno zapytanie SQL. UI: siatka z kolorami kondycji + panel kart sygnałów. Filtry po trasie i przewoźniku już zdefiniowane w mockupie.

👥 Rezonans z zarządem

Wysoki — macierz popytu jest intuicyjnie zrozumiała: gorące kolory = wysoki popyt. Umożliwia szybką identyfikację okien wysokiego popytu przed decyzjami cenowymi. Szczególnie wartościowa w kontekście wyjścia RegioJetu — pokazuje gdzie popyt nie ma obsługi.

💡 Moja rekomendacja

Priorytet wysoki — uzupełnia widok szacowanych przychodów o perspektywę popytu. Wdrożyć razem z mockupem 22 (Szacowane przychody) jako duet analityczny dla zarządu.

🔜 Kolejne kroki

1. Zbudować endpoint /api/demand/matrix zwracający agregaty obłożenia per korytarz/data. 2. Dodać nakładkę świąt i długich weekendów na heatmapę. 3. Rozszerzyć sygnał elastyczności o dane Leo Express po uzupełnieniu historii.

Demand Matrix — Observed Demand Intensity

Occupancy-based demand signals across routes, fare classes, and booking windows.
Route Warszawa → Krakow Gdynia → Krakow Warszawa → Poznan Warszawa → Praha Praha → Przemysl
Carrier RegioJet PKP IC Leo Express All
Window
Demand intensity — next 30 days
<30% (low) 30–50% 50–70% 70–85% 85%+ No data
Observed signal
Price elasticity signal
On Warszawa–Krakow Standard class, every 10% price increase correlates with occupancy dropping 6–8% (over last 30 days of observations). RegioJet appears most price-sensitive on weekday mid-day departures.
−6–8% occ. per +10% price · Standard class · 30d obs.
Observed signal
Demand substitution signal
When RegioJet Standard sells out, Leo Express Economy occupancy jumps by average 14% on same-day departures. Suggests Leo is the primary RegioJet alternative — not PKP IC — for price-sensitive travelers.
+14% Leo Economy occ. on RJ Standard sellout days
Observed signal
Advance purchase signal
73% of RegioJet Standard tickets observed are booked 7–30 days ahead. Inside 7 days, Business class becomes relatively more attractive as Standard sells down.
73% of Standard bookings land 7–30d before departure
How demand builds — by days before departure
All corridors × all fare buckets — weekday average
Corridor Low Cost Standard Business 2kl 1kl Leo Eco Leo Biz Leo Pre
Design Rationale — Demand Matrix

This view adapts Wiremind CAYZN's Demand Matrix pattern for an observational competitive intelligence tool. CAYZN uses the demand matrix as a forecasting trace — 'why does the optimizer recommend this fare?'. We don't forecast or optimize, so we use it as an observational lens into where demand has actually been concentrated.

CAYZN Demand Matrix patterns adopted:

  • O&D × fare-bucket grid — the canonical RM analyst view, ported to observational data
  • Price elasticity signals — derived empirically from price/occupancy correlation in our 442,193 observations, rather than from a demand model
  • Drill-down friendly — every cell can be explored for detail (this mockup shows the summary)
  • Booking pace (advance purchase curve) — adapted from aviation RM

Key adaptation:
CAYZN derives elasticity from an internal forecast model trained on their demand data. We derive 'elasticity signals' empirically — observing how occupancy actually moved when prices did. Cleaner for our purposes, doesn't pretend to forecast what we're not forecasting.

What makes this useful for the board:
Instead of showing prices over time (which the other mockups already do), this shows the demand pattern — where and when people actually want to travel, and how carriers' pricing strategies align with demand.

Source: Wiremind CAYZN product page (wiremind.io/passenger/cayzn), 'Demand Matrix' and 'price elasticity' sections in CAYZN AI transparency blog (wiremind.io/blog/cayzn-ai-for-passenger-transportation-transparent-forecasting-and-optimization).