Clique e visite a landing do Congresso ClienteSA 2022

O canal para quem respira cliente.

BRF usa machine learning para melhorar experiência de clientes corporativos

Share on facebook
Share on whatsapp
Share on twitter
Share on linkedin
Antonio Cesco, diretor de tecnologia da BRF

Companhia passou a oferecer recomendações cada vez mais assertivas aos varejistas

A BRF anunciou que passou a utilizar tecnologia para melhorar a eficiência operacional e fazer recomendações de compras para seus milhares de clientes corporativos. A base dessa estratégia orientada por dados da BRF está no COE – Center of Excellence in Advanced Analytics -, localizado em Curitiba (PR), que adotou o Microsoft Azure Machine Learning para desenvolver e treinar modelos de aprendizado de máquina para melhorar os resultados de negócios e o relacionamento com a base de clientes B2B.

De acordo com Antonio Cesco, diretor de tecnologia da BRF, “a empresa conta com uma equipe de analistas que buscam padrões de compra de clientes como mercearias, mini mercados e padarias.E essas informações são compartilhadas com as equipes de vendas para contato com recomendações personalizadas para cada cliente. No Brasil, a empresa oferece mais de 650 SKUs para perfil, o que torna esse processo complexo”. 

O executivo explica que, para automatizar os recursos de machine learning da empresa e criar processos replicáveis, as equipes de ciência e engenharia de dados da BRF implementaram, em três meses, três modelos usando ferramentas no Azure. O COE também usa recursos de operações de aprendizado de máquina (MLOps) para automatizar todos os estágios do desenvolvimento de seu modelo, desde o treinamento até a implantação.

“Antes da adoção da solução Microsoft, a obtenção de insights demorava, em média, dez dias, e não conseguíamos entregar as informações comerciais para nossa equipe de vendas em tempo hábil. Mas, com o Azure Machine Learning, estamos unindo diferentes grupos de clientes e conjuntos de habilidades para que eles possam obter acesso rápido a dados valiosos”, explicou Alexandre Biazin, gerente executivo de tecnologia da BRF. Segundo ele, o acesso aos modelos e resultados para tomar decisões melhora a lucratividade, agilidade, eficiência e satisfação do cliente, uma vez que quanto mais assertivas forem as recomendações, mais rápida é a operação e a lucratividade. “Quando os clientes seguem pelo menos 70% das nossas recomendações, temos uma melhoria significativa nas vendas”, afirma.

Ganhos com ciência dos dados
O projeto teve início em 2021, quando a BRF começou a realizar um teste piloto de um sistema de recomendação para os analistas em sete de suas organizações de vendas. A equipe de ciência de dados realizou cálculos considerando os dados da cidade, histórico de compras e semelhanças entre os vários clientes e, em seguida, criou o mecanismo de recomendação.

“A primeira versão do sistema baseado no Azure Machine Learning foi construída em poucos dias, quando já ficou evidente os ganhos de usabilidade, em design e com os recursos para ajustar rapidamente vários conjuntos de dados, criar algoritmos e disponibilizar o sistema de recomendação para nossa equipe de vendas”, explica Biazin.

A BRF está democratizando e ampliando o alcance da Inteligência Artificial ​​em toda a empresa como resultado do aprendizado de máquina ágil e confiável em todas as unidades de negócios. “Reduzimos o tempo necessário para implantar novos modelos, o que aumentou a produtividade”, explica Cesco. “Com isso, a Companhia está cumprindo seu objetivo de monitorar sua cadeia de suprimentos, prever produtos e obter insights sobre os hábitos de compra dos clientes”, completa.Enquanto para Ricardo Fernandes, vice-presidente de Enterprise Business da Microsoft Brasil, “uma estratégia baseada em dados e na utilização de mecanismos como inteligência artificial e aprendizado de máquina se tornou um imperativo para a inovação nos negócios. Os resultados da BRF mostram como a adoção de tecnologia é uma aliada na estratégia de agilidade e lucratividade dos negócios”.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Rolar para cima