Os avanços na área de analytics vêm contribuindo cada vez mais na elaboração de estratégias que privilegiem o bom relacionamento com os clientes. Uma dessas contribuições está se dando nos setores de varejo e bens de consumo com soluções, se utilizando da análise de dados, para estruturar melhor os processos. Essas novas tecnologias permitem entender melhor a demanda e suas previsões, além de ajudar a solucionar os desafios tradicionais da indústria relacionados ao controle de estoque, como a falta do produto ou o excesso dele, e à otimização em redes de distribuição. “Vejo um foco bem forte dos varejistas no intuito de entender as necessidades dos consumidores e seus hábitos de compra. Ao mesmo tempo, a crise econômica está indicando que há perdas para muitas empresas. Por isso, o momento atual é, mais do que nunca, importante para se pensar em formas inovadoras de previsão de demanda e de otimização de estoques”, comenta Christoph Hartmann, líder global de prática SAS para varejo e manufatura e previsão de demanda.
Ele comenta que as soluções analíticas automatizam o processo de geração de previsões estatísticas precisas para todo o portfólio dos mercados de varejo e bens de consumo. “Elas passarão a criar modelos mais precisos para cada combinação de produtos, fazendo a entrega das previsões com base em estatísticas precisas para o negócio. Elas serão um fator relevante para que se façam cálculos automatizados de reposição, que vão transformar a previsão em uma redução significativa de estoque, mantendo altos níveis de serviço.” Em entrevista exclusiva, o executivo fala mais sobre o uso dessas tecnologias, como ela pode ser utiliza, quais os ganhos que podem trazer e detalha um case da Electrolux.
ClienteSA – Quais são as oportunidades nessa área?
Hartmann: Em todos os canais, a previsão de demanda e a gestão do inventário são trabalho difícil para os mercados de varejo e bens de consumo. Ciclos de vida mais curtos, mudanças frequentes de preços e promoções fazem parte dos desafios que as empresas estão enfrentando com as disrupções geradas pelo comércio eletrônico. Com uma solução de previsão de demanda e otimização, é possível simplificar o processo e criar um planejamento integrado que dê suporte aos múltiplos métodos de previsão, com uma visão sincronizada e oferta para cada tipo de consumidor. Com isso, prever o futuro fica muito mais fácil e preciso do que antes.
Outro ponto que eu gostaria de destacar é o conceito do aprendizado de máquina (machine learning). Ele vem tendo um papel significativo em muitas das iniciativas que envolvem o Big Data hoje em dia. Grandes empresas de varejo e de bens de consumo estão usando o machine learning com a análise preditiva como uma forma de ajudá-las a melhorar o engajamento do consumidor e criar previsões mais precisas conforme vão se expandindo para outros canais de vendas, como o omni-channel. O machine learning permite que supercomputadores aprendam com grandes volumes de dados sem a intervenção humana, de modo a gerar insights sobre as demandas dos consumidores.
De que forma a falta de atenção com essa questão pode prejudicar o relacionamento com os clientes?
O ponto-chave aqui é o nível de atendimento, assim como o grau de satisfação dos consumidores. Eles querem um atendimento de alto nível e sem atraso no processo de compra. A combinação entre a previsão e a otimização do inventário garante a entrega do produto certo no lugar certo e na hora certa, o que leva a um alto grau de satisfação do cliente. As empresas que não investem em melhorias nessa área, mais cedo ou mais tarde vão perder para a concorrência em marketshare, pois os clientes insatisfeitos vão buscar outras opções. Tenho a impressão de que o mercado está ciente dessa situação e que muitas empresas estão se educando quanto às oportunidades que as soluções de previsão de demanda podem oferecer.
Poderia contar um case nessa área?
A Electrolux vinha trabalhando bastante para colocar em prática um processo multifuncional de vendas e operações, mas que tinha previsões cuja precisão variava entre 50% e 60%. Os níveis de atendimento ao cliente eram de cerca de 80% e os níveis de estoque eram muito elevados, ao mesmo tempo em que outros produtos tiveram suas vendas perdidas. Dez meses depois, depois da implementação da solução SAS DDPO, o nível do serviço saltou de 65% para 95% e as vendas perdidas tiveram redução de 8% para 2%.
Como o Brasil está em relação a outros países no uso de tecnologias para esse tipo de planejamento?
As oportunidades que as soluções atuais têm trazido não são bem aproveitadas pela indústria. Isso significa que existem tecnologias de software disponíveis para cobrir partes do processo de planejamento de demanda. No entanto, os benefícios dessas soluções, que garantem automação de processos e redução de inventários, só são aproveitados por algumas empresas pioneiras.
