Semana passada saiu um artigo maravilhoso na Wired (www.wired.com/business/2013/06/ups-astronomical-math) relatando a implantação do novo algoritmo de otimização usado pela empresa de logística UPS para melhorar o desempenho de entregas dos 55 mil motoristas. O desafio é muito significativo: eles precisaram desenvolver uma nova abordagem para achar roteiros e arrumação da carga para, em média, cada motorista realizar 120 entregas por dia. Esse é um problema conhecido no mundo da computação como “o problema do caixeiro viajante”, cuja complexidade é altíssima: o número de combinações disponíveis, sem contar com nenhuma outra restrição, é de 120 X 119 X 118 X 117 X … X 2 X 1, o que dá um alguns trilhões de combinações possíveis para cada motorista.Obviamente, não há tempo hábil computacional para fazer todos os cálculos diariamente para cada motorista, e são adotadas heurísticas, ou seja, estratégias de cálculo que buscam uma resposta “suficientemente boa” a partir de dicas dadas ao programa computacional e fundamentadas na experiência. A heurística contorna a excessiva carga de trabalho de uma solução ótima baseada em tentativa e erro, que exigiria o teste de todas as possibilidades. Fora o interesse científico e a imensa curiosidade que a notícia provoca, a empresa estima que há uma economia de 30 milhões de dólares ao ano por cada milha a menos que cada motorista conduz (e um custo adicional do mesmo tamanho por cada milha dirigida a mais). Estamos falando de um grande impacto em custo e, claro, lucro.
O caso é ilustrativo do novo papel que a matemática e a estatística tomam nos negócios atuais, aliado aos desafios técnicos de usar essas ciências na prática. Considerando o aumento da quantidade dos dados disponíveis, há uma enorme quantidade de situações onde raciocínios equivalentes podem ser aplicados, desde entender melhor perfis de clientes e detectar variações comportamentais, reduzir riscos de crédito ou fraude ou otimizar o uso de recursos, como é o caso da UPS. Em todas essas situações, é marcante a presença de elementos analíticos aliada a mecanismos de entrega automatizada dessa inteligência na operação. Esse último desafio é ajudado por motores de regras, eventos e muita integração entre as tecnologias analíticas e os sistemas transacionais, inclusive nos múltiplos canais de relacionamento usados pelas empresas.
Mãos à obra!
Leonardo Vieiralves Azevedo é diretor da Habber Tec Brasil.
