Convencido de que ERPs, ferramentas baseadas apenas na média de venda histórica dos produtos, já não davam conta da logística e do abastecimento, Fabiano Ramiro, diretor de tecnologia e inovação da rede gaúcha  Imec , correu atrás de uma solução mais sofisticada. A empresa tem 21 estabelecimentos de grande e médio porte – entre lojas de varejo e atacado –, distribuídos em 14 municípios, e atende cidades com população e comportamento de compra variados.

[noticiasRelacionadas]

“O cenário desafiava a companhia a atuar com maior eficiência nos estoques e na reposição de produtos a fim de reduzir custos e oferecer melhor atendimento ao consumidor”, explica o diretor, também responsável pela logística da companhia. Em consenso com seus pares das áreas comercial e operacional, Ramiro entendeu que era preciso criar um modelo capaz de identificar a jornada de itens similares, a variabilidade de venda em momentos promocionais e o impacto da elasticidade de preço na demanda. Foi aí que entrou uma inteligência nada nada artificial – o reconhecimento de que era preciso investir em inteligência artificial e em pessoas que entendem do assunto. O Imec contratou a consultoria de Rodrigo Dalla Vecchia, doutor na área de modelagem matemática e especialista na aplicação de técnicas de Machine Learning e Big Data, e os trabalhos foram iniciados. O projeto está em fase de testes em duas lojas e sua conclusão deverá ocorrer no primeiro semestre de 2020. Os ganhos previstos envolvem o que o varejo sempre persegue e nem sempre alcança: controle de estoques, redução de ruptura, melhoria do ciclo financeiro, clientes satisfeitos.

Entenda o que a rede fez

01- Pesquisa do ambiente apropriado para trabalhar o conjunto de recursos:
Big Data, Machine Learning (uma das pontas da inteligência artificial) e modelagem matemática. O Imec contratou consultoria

02- Escolha do ambiente R
Linguagem de programação e ambiente computacional para análise estatística e produção de gráficos. Capaz de suportar o esforço computacional exigido: operação de grande volume de dados e de operações matemáticas complexas, que tratam do comportamento de cada um dos milhares de itens de cada uma das filiais

03- Criação dos algoritmos
Sequências lógicas, com instruções para gerar os cálculos e apontar as soluções

04- Estruturação dos algoritmos para correlacionar as diversas variáveis ligadas à decisão de compras:
Volume de estoques, preço, período do mês, grupo de produtos, volume de armazenagem nos depósitos das lojas, capacidade de recebimento de cada unidade, entre outros pontos

05- Definição de algoritmos com elevada capacidade preditiva:
Habilidade de antecipar necessidades futuras e indicar a melhor embalagem de movimentação para cada produto, a partir do custo do estoque

06- Testes em duas unidades
Os testes permitirão correções, adaptações e novos aprendizados

07- Conclusão do projeto em 2020
A rede espera reduzir estoques e ruptura, melhorar o ciclo financeiro e a satisfação do cliente

Resultados ao alcance no mundo todo

15% de aumento médio nas vendas
é o que já foi alcançado por varejistas de todo o mundo com a aplicação da inteligência artificial (IA) em marketing e vendas. O percentual foi apurado em pesquisa da consultoria Capgemini, feita com 400 varejistas de 10 países

340 bilhões de dólares
é a economia que se pode obter nos próximos anos com IA aplicada às operações de estoque e logística

Fonte: Retail Superstars– How Unleashing AI Across
Functions Offers a Multi-billion Dollar Opportunity