Base de dados e aplicação de Machine Learning e IA pode ser uma saída para um atendimento de demanda efetivo
A transformação digital trouxe mudanças irreversíveis para o setor de varejo. Hoje, os clientes conseguem fazer uma pesquisa rápida entre as marcas concorrentes de um mesmo produto (TVs, por exemplo) e encontrar aquela que entrega o melhor conjunto de atributos para suas necessidades. Ou seja, se você quer garantir a sobrevivência de seu negócio de varejo, é preciso entender que a tecnologia é um enabler fundamental da visão estratégica de seu negócio.
De modo geral, o que tenho observado no Brasil é que a evidência que a “onda” de Transformação Digital tomou o meio dos negócios e gerou a consciência da necessidade de usar as novas ferramentas tecnológicas disponíveis para buscar produtividade e eficiência nos processos de planejamento e execução do Supply Chain. Porém, o que se observa é que a grande maioria das organizações ainda dependem de planilhas e ferramentas de tecnologia ultrapassadas para fazer o planejamento da demanda e operações (processo de S&OP) e para realizar análises para tomada de decisão. De acordo com uma pesquisa realizada pela Associação Brasileira de Automação para o Comércio (Afrac), apenas 35% do varejo brasileiro adota estratégias digitais em seus negócios.
Um exemplo é o uso corrente das ferramentas de planejamento de demanda que utilizam modelos estatísticos, tipicamente baseado em análise de séries históricas. O uso de ferramentas que usam Machine Learning ainda é insipiente.
Os diagnósticos baseados em séries históricas são naturalmente superiores a não usar nada (plano de demanda baseado no “entendimento” da força de vendas), mas com as ferramentas disponíveis hoje, que nos permitem combinar dados e entender de fato o nosso público, por que não ir além?
Ferramentas mais modernas abandonam a abordagem do entendimento do passado histórico dos produtos e focam no entendimento do comportamento dos atributos dos produtos. Para exemplificar, atributos de uma calça jeans podem ser tonalidade do tecido, altura da cintura, se tem rasgos ou não. Com o modelo de atributos a demanda é estimada com base em como comporta-se a combinação destes atributos em um produto. Ou seja, o que se estima é a venda de uma combinação de atributos, que pode ser semelhante para SKUs distintos. Uma camisa diferente, numa nova coleção, porém com conjunto de atributos semelhantes a uma camisa da coleção passada, deve ter uma demanda semelhante. A não ser que haja uma tendência de queda de demanda de um atributo específico. Modelos de Machine Learning não apenas entendem como os atributos se relacionam, mas também qual a tendência de demanda destes atributos. Isto possibilita criação de modelos preditivos muito mais precisos e flexíveis. Este modelo naturalmente exige a criação de uma base de dados mais ampla e complexa.
A tecnologia também pode endereçar desafios no que tange à localização dos pontos de venda. Uma rede de farmácias, por exemplo, que possui unidades em diferentes zonas de São Paulo, com dinâmicas de demanda e perfis de consumo completamente distintos. A localização da loja e seu entorno é analisado com base nos atributos de localização: poder aquisitivo do bairro, lojas da concorrência e próprias no raio de atuação do ponto de venda. Agora pode-se não só prever a demanda dos produtos, mas sua demanda por tipo de localidade.
O objetivo do supply chain é disponibilizar e entregar o produto certo, no momento certo, no local correto, a baixo custo. Com o incremento do uso de Inteligência Artificial, modelos matemáticos sofisticados e Machine Learning é possível incrementar significativamente o desempenho operacional do varejo.
Um exemplo recente, vindo dos EUA, foi a compra pela IBM da The Weather Channel. Com a aquisição, a gigante de tecnologia pretende usar sua base de dados climáticos para ir além de dizer as atuais condições climáticas atuais numa localidade e prever o tempo. Um exemplo é oferecer os dados a uma loja que vende artigos de cama, mesa e banho, o que permitirá usar a previsão de variações climáticas para ajustar o plano de vendas e reabastecimento, antecipando-se à mudanças de demanda por questões meteorológicas.
Agora que ficou claro a importância de adotar inovação em seu negócio, o primeiro passo é entender onde sua empresa quer chegar. Saiba a direção que seu negócio precisa tomar e defina quais as ferramentas que irão gerar diferenciais competitivos. Isso vai contribuir para levar o desempenho operacional a um nível significativamente superior que o atual.
Uma outra questão que precisa ser avaliada é se a sua empresa possui os profissionais corretos para o novo momento do negócio. Uma vez traçado o caminho, é preciso que haja comprometimento da gestão e engajamento dos times. A questão de Change Management torna-se vital.
As mudanças em processos e atividades baseadas em Transformação Digital são enormes, o que pode causar grande desconforto entre os colaboradores, gerando reatividade e medo. O tema do impacto de novas tecnologias no emprego hoje é discutido amplamente. Isto faz com que as mudanças sejam vistas com desconfiança. Portanto é preciso fazer as pessoas entenderem que com os novos modelos e ferramentas, aliado à disponibilidade e interesse pelo aprendizado, elas irão realizar trabalhos mais interessantes e com maior valor agregado.
A Era Digital impõe à área de varejo uma renovação, com clientes mais exigentes, com poder de influência que nunca se viu antes. Investir na tecnologia para otimizar o supply chain é fator chave para garantir ao varejo um lugar ao sol nesse momento disruptivo.
*Ricardo Ekerman, Principal Digital & Value Engineering da Infor
