A IA e o machine learning agora estão revolucionando a forma como as empresas gerenciam tudo, desde as operações da cadeia de suprimentos até a previsão da demanda. As ferramentas de previsão baseadas em IA no varejo podem prever as necessidades dos clientes, otimizar o gerenciamento de estoque e aumentar os lucros. Não é surpresa que a previsão da demanda futura esteja crescendo tão rapidamente, com um CAGR de 45,8% de 2024 a 2029.
De fato, pesquisas de mercado mostram que os mecanismos de previsão de demanda baseados em IA podem automatizar até 50% das tarefas de gerenciamento da força de trabalho, resultando em reduções de custos de 10 a 15%. Mas isso é apenas uma pequena parte dos indicadores de negócios mais importantes que são influenciados pelo uso de tecnologias modernas de previsão.
Neste artigo, falaremos sobre tarefas, problemas e questões do varejo que podem ser resolvidos com a ajuda de modelos de planejamento de demanda baseados em aprendizado de máquina. Também exploraremos as especificidades dos modelos mais eficazes de previsão da demanda do cliente e maneiras de medir sua precisão.
Principais conclusões
O planejamento da demanda afeta todos os principais departamentos do varejo, desde o comercial até a logística e o marketing.
Os modelos de ML superam os métodos tradicionais em escalabilidade, automação e adaptabilidade.
O LightGBM se destaca como um dos melhores em tarefas de previsão de demanda.
A previsão precisa dos picos sazonais depende muito da sofisticação do modelo.
A precisão da previsão depende do horizonte temporal correto, do nível de agregação e da métrica de erro.
Os indicadores financeiros são essenciais para avaliar o impacto real das ferramentas de previsão.
Por que as ferramentas e técnicas de planejamento da demanda são importantes no varejo
Muitos departamentos da empresa dependem de previsões de uma forma ou de outra. A natureza específica da empresa e o objetivo do departamento em questão determinam em quais previsões eles se baseiam.
Departamentos comerciais
Esses departamentos trabalham principalmente com previsões de vendas em termos monetários e por categoria para avaliar se as metas de vendas serão atingidas, e é assim que o S&OP começa.
Seções operacionais
Previsões diárias precisas da demanda em termos de quantidades são cruciais para o planejamento estratégico de recursos e para garantir operações diárias tranquilas.
Departamentos de compras
As previsões da demanda dos clientes no nível de item-localização são vitais. O horizonte da previsão é flexível e depende do tempo de entrega da cadeia de suprimentos. Às vezes, os departamentos de compras dependem das previsões de vendas para entender e planejar adequadamente suas atividades promocionais, juntamente com os departamentos comerciais.
Seções de logística e transporte
Esses departamentos se concentram em métricas downstream derivadas das previsões de demanda dos clientes, como remessas recebidas, remessas enviadas, quantidades, volumes e paletes. Isso ajuda no planejamento de recursos e no gerenciamento da carga do armazém.Eles precisam disso para entender tanto a capacidade do armazém central quanto a capacidade de transporte, a fim de evitar interrupções na cadeia de suprimentos. De fato, de acordo com o estudo da McKinsey, as empresas viram os custos logísticos caírem 15% e os níveis de estoque melhorarem em até 35% com a ajuda de modelos de previsão da cadeia de suprimentos com IA.
Departamentos de desenvolvimento de marketing
Os departamentos de marketing também são influenciados pelas previsões de demanda. Eles podem ser responsáveis pelo processo de previsão promocional em nível de item para períodos de campanha específicos ou previsões de vendas para novas lojas.
Comparando modelos de ML e métodos estatísticos no processo de planejamento da demanda
Existe uma diferença entre os métodos tradicionais (estatísticos) de previsão da demanda e os métodos de aprendizado de máquina. Os modelos estatísticos são baseados em dados históricos e métodos de análise estatística. Eles ajudam a analisar dados usando estruturas matemáticas estabelecidas, permitindo identificar padrões simples, testar hipóteses e fazer previsões informadas.
As técnicas de planejamento de demanda baseadas em IA e ML utilizam inteligência artificial e aprendizado de máquina para prever a demanda futura por produtos. Algoritmos avançados permitem a análise de dados complexos, como tendências de mercado, tendências de consumo e dados de vendas anteriores, além da identificação de padrões complexos.
Do ponto de vista dos custos, as tecnologias de ML são um pouco mais caras do que as técnicas tradicionais de previsão. No entanto, a precisão da previsão, a capacidade de adaptação às mudanças nos dados e as complexas interdependências entre os diferentes tipos de dados e categorias considerados pelo aprendizado de máquina justificam o custo adicional.
Além disso, o aprendizado de máquina oferece escalabilidade, automação, flexibilidade e explicabilidade dos resultados. Embora, ao usar métodos estatísticos tradicionais, as empresas estejam acostumadas a uma maior explicabilidade dos resultados — uma fórmula simples que fornece uma compreensão clara das dependências e dos resultados esperados. No entanto, os modelos de aprendizado de máquina usam uma abordagem diferente, mas igualmente intuitiva, para visualizar os resultados e explicá-los.
Comparando modelos de ML com métodos estatísticos na previsão da demanda:
- Vendas da semana passada
- Faturamento das últimas 4 semanas
- Vendas no mesmo período do ano anterior
- Quantidade máxima de vendas
- Vendas atípicas
- OOS (opcional)
Fatores do calendário
A demanda por determinados produtos varia de acordo com a estação do ano, o dia da semana e até mesmo a hora do dia. Compreender esses padrões e ciclos ajuda os varejistas a garantir que tenham estoque suficiente disponível quando necessário e a evitar interrupções na cadeia de suprimentos.
Os fatores do calendário a serem considerados ao fazer uma previsão são:
- Número de semanas no ano
- O dia da semana
- O número de semanas em um mês
- Feriados e feriados com datas variáveis
Fatores promocionais/preços
A elasticidade dos preços tem um impacto significativo na previsão da demanda. Mesmo que não haja campanhas promocionais, simples flutuações nos preços podem afetar significativamente a demanda.
Os fatores promocionais e de preço que devem ser considerados são:
- Marca promocional (Sim/Não)
- A quantidade de SKUs na promoção para uma data específica
- A variação no preço de venda do SKU em relação ao preço médio de venda da semana anterior.
- Preço médio da SKU
- A quantidade de dias promocionais durante a última semana
- A quantidade de dias promocionais durante as últimas 4 semanas
- Análogos promocionais
Características do SKU
Ao prever a demanda, várias características de cada SKU são consideradas pelo sistema para criar previsões precisas:
- Categoria
- Peso líquido
- Marca
- Características adicionais do produto
Como medir a precisão das previsões
A precisão das medições das previsões depende da seleção do horizonte de avaliação, do nível de agregação e do método de cálculo de erros corretos. Essas escolhas são adaptadas às necessidades do varejista para garantir insights mais relevantes e acionáveis.
Os resultados da precisão da previsão serão significativamente diferentes, por exemplo, nos níveis diário e mensal. Obviamente, no nível mensal, podemos obter uma precisão de previsão muito melhor em comparação com os dados reais. Quanto maior o nível de agregação usado para medir a precisão da previsão, melhores serão os resultados obtidos.
O tamanho do erro
Em geral, existe uma variedade de métricas para calcular o erro de previsão:
- PE — erro percentual
- MAE — erro absoluto médio
- BIAS — viés na previsão
- WMAPE — erro percentual absoluto médio ponderado
- RMSE — erro quadrático médio
«Se estamos falando sobre WMAPE, os benchmarks em diferentes setores mostram que a variação começa entre 10% e 25%. Isso é em nível de empresa, dependendo do horizonte, mas geralmente é um resultado semanal ou mensal. É melhor comparar os resultados reais e os benchmarks para entender se há lacunas nas previsões e se essas lacunas podem ser melhoradas com a ajuda das tecnologias mais recentes», disse Helen Kom, COO da LEAFIO AI, especialista em otimização de inventário.
O Planejamento Financeiro
Os indicadores financeiros fornecem uma visão abrangente do desempenho dos negócios, além de apenas erros de previsão. É importante acompanhar os seguintes indicadores e sua influência nas previsões:
- Plano de vendas vs. Realidade
- Excedentes
- Volume de negócios
- Disponibilidade% e OOS
Mesmo que um varejista tenha um nível muito alto de precisão nas previsões, por exemplo, cerca de 95%, ele ainda pode obter resultados ruins em termos de execução. É preciso examinar os processos em profundidade, não apenas a precisão das previsões, mas também entender como elas são utilizadas e quais resultados financeiros você está obtendo com a solução.
Previsão da demanda com IA da LEAFIO: impulsionando a eficiência do varejo por meio de previsões precisas
O software de planejamento de demanda com inteligência artificial da LEAFIO leva o planejamento eficaz da demanda a um novo patamar, utilizando modelos avançados de aprendizado de máquina, como o LightGBM. Usando inteligência artificial, o sistema analisa uma ampla variedade de fontes de dados, levando em consideração fatores internos e externos. O sistema fornece as previsões de demanda mais confiáveis, que já ajudaram centenas de empresas a melhorar seus resultados de vendas. Ao contrário dos métodos tradicionais, o sistema é aprimorado em tempo real, adaptando-se às mudanças no mercado, às tendências econômicas e ao nível de satisfação do cliente.
Conclusão
A previsão da demanda impulsionada por IA não se trata apenas de melhores previsões, mas de reformular a maneira como as empresas de varejo pensam, planejam e executam. A capacidade de capturar mudanças sutis na demanda, responder instantaneamente aos sinais do mercado e coordenar ações entre departamentos transforma a previsão em um motor estratégico para o crescimento. Ferramentas como o LightGBM não apenas processam números, mas revelam padrões invisíveis ao olho humano e estabelecem as bases para decisões mais inteligentes, rápidas e lucrativas para atender à demanda dos clientes.
Se você está pronto para passar de relatórios estáticos para previsões inteligentes, solicite uma demonstração. O LEAFIO AI Demand Planning não é apenas um software — é uma mudança em termos de capacidade, mentalidade e resultados.
Tem alguma pergunta?
Tem dúvidas sobre automação ou otimização de varejo? Fale com nossos especialistas para obter soluções!
Helen Kom
Inventory Optimization Product Director
.webp "Conheça o software de gestão de fornecedores da LEAFIO AI: reinventando as compras no varejo")
