ANÁLISE PREDITIVA: PREVENDO O FUTURO NO VAREJO SEM BOLA DE CRISTAL

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp

Primeiro, uma advertência, diante do forte crescimento dos sistemas inteligentes no ambiente empresarial: as ferramentas de analytics preditivas não são bolas de cristal para prever o futuro. E muito menos conseguem fazer todo o trabalho sozinhas. Mas podem, muito bem, identificar alguns cenários e tendências que os gestores devem analisar e decidir qual o melhor caminho a ser seguido.

O sucesso na utilização de modelos preditivos depende fundamentalmente da interpretação de dados e da capacidade decisória por parte dos gestores. Este tipo de solução é utilizada para fazer previsões sobre eventos futuros, a partir de uma combinação de técnicas de data mining, estatística, algoritmos matemáticos, modelagem de dados e até mesmo conceitos de inteligência artificial. Tomando por base padrões encontrados em dados históricos e tendências relacionadas com cada modelo de negócio, um gestor com conhecimento da estratégia da empresa e das principais tendências de negócios, consegue identificar riscos e oportunidades futuras.

Mas como isso pode ajudar os varejistas brasileiros? Por ser uma ferramenta preditiva, serve para antecipar situações e, com isso, permite que seja adotado um comportamento muito mais proativo.  Para começar a usar uma ferramenta deste tipo com êxito, o que primeiro deve ser definido é qual o problema que queremos resolver. E são vários os problemas que podem ser trabalhados por soluções preditivas no varejo. Entre eles, a abertura e fechamento de lojas.

Todos sabemos dos elevados valores que são necessários tanto na abertura quanto no fechamento de lojas. O biênio 2015 / 2016 foi um dos períodos com maior fechamento de lojas no Brasil e isso é um péssimo indicador. Como a análise preditiva pode ajudar? Um bom começo é a análise dos dados históricos de faturamento, ticket médio e rentabilidade, para identificar quais lojas com maior probabilidade devem ser fechadas. Com a ressalva de que sempre o gestor deve analisar este resultado e definir qual seria o momento mais adequado para se fazer isso.

Com a retomada do crescimento, a análise preditiva pode criar cenários que indiquem formatos, tamanhos e até locais onde podem ser abertas as novas lojas, com base em parâmetros como o faturamento por metro quadrado ou mesmo a rentabilidade total da loja.

O mesmo modelo preditivo é usado no entendimento de vendas cruzadas de produtos. É fato que os modelos descritivos já são utilizados por supermercados, drogarias e fast fashion, entre outros, que analisam com precisão os tickets gerados diariamente e conseguem identificar quais produtos puxam as vendas de outros artigos. Desta forma, ajudam o setor comercial a maximizar combos e promoções cruzadas.

O que o modelo preditivo pode fazer neste mesmo cenário e, com uso da mesma base de dados no modelo descritivo, é simular com maior assertividade como será a entrada de um novo produto ou mesmo uma nova categoria no portfólio. E de que forma pode-se esperar que este produto se comporte frente a promoções e até o que ele pode puxar de venda cruzada ou mesmo canibalizar.

E por falar em promoções, esta é seguramente uma das áreas que podem e devem ser muito exploradas por modelos preditivos. O nirvana em termos de promoção é a personalização total, a promoção one to one, mas isso está longe de ser uma realidade no momento. Evidente que fazer promoções massivas com baixa resposta e aceitação não é o que os varejistas desejam. A análise preditiva pode contribuir muito neste sentido, pois ajuda identificar quais grupos a aceitação de determinada promoção será maior ou mesmo onde será possível obter o melhor retorno nas promoções oferecidas. Isso com certeza aumenta a efetividade das promoções, além de trazer ganhos operacionais para os varejistas.

Claro que as perspectivas para utilização de modelos preditivos é muito promissora, mas mesmo com uma ferramenta poderosa como esta, nunca é demais lembrar que o resultado final depende diretamente daqueles que irão interpretar os dados. Além disso, quanto mais alta a qualidade dos dados e mais aderentes à realidade do negócio, melhor serão os resultados que podemos obter com a análise preditiva.

Fonte: ITForum 365