A IA como aliada na redução de perdas de estoque
A Inteligência Artificial como aliada na redução de perdas de estoque
Compartilhe:
Assine nossa newsletter

Fique por dentro das melhores notícias, eventos e lançamentos do mercado




    A Inteligência Artificial como aliada na redução de perdas de estoque

    Publicado em: 25 de agosto de 2022

    Prevenção de perdas é um tema recorrente nos setores cujo uso de estoque é intensivo. Este é o caso de indústrias de bens de consumo, alimentos e têxtil, varejo e comércio eletrônico. Os dados comprovam a necessidade de prestar atenção a essa questão, recentemente a consultoria global Planet Retail RNG divulgou uma pesquisa, a qual revelou que as perdas entre os varejistas giram em torno de 1,99% do faturamento.

    Redução de perdas é um tema recorrente nos setores cujo uso de estoque é intensivo. Este é o caso de indústrias de bens de consumo, alimentos e têxtil, varejo e comércio eletrônico. Os dados comprovam a necessidade de prestar atenção a essa questão, recentemente a consultoria global Planet Retail RNG divulgou uma pesquisa, a qual revelou que as perdas entre os varejistas giram em torno de 1,99% do faturamento. Estudo semelhante realizado anualmente pelo Labfin/Provar, da Fundação Instituto de Administração (FIA), apontou número semelhante, de 1,96%, em 2017.

    O mais preocupante é que em setores, como por exemplo o varejo alimentar, nos quais as margens são apertadas, a perda pode ser proporcionalmente igual ao lucro líquido do negócio, por isso, é comum que as empresas mantenham áreas dedicadas a resolver este problema. Ocorre que, contrário ao que pensa o senso comum, furtos e roubos, apesar de representativos, não são as principais causas das perdas em estoque. Os grandes vilões são vencimento e a avaria em produtos, que, somente no setor supermercadista, são responsáveis por 75% das perdas totais. No setor farmacêutico este índice chega a 60%.

    Vale questionar as razões da recorrência de vencimento e deterioração de produtos. A partir de experiência em projetos com foco em resolver a questão da redução de perdas em estoque, em diferentes empresas e setores, observamos que as principais causas são: (I) Má organização dos estoques e não cumprimento do PVPS (Primeiro a Vencer é o Primeiro a Sair); (II) Compras acima da demanda para aproveitar descontos na aquisição de grandes volumes; (III) Algoritmos de reabastecimento e lot sizing obsoletos.

    No primeiro caso, o realinhamento dos processos internos e a capacitação da equipe mitigam o problema. Quanto às compras acima da demanda, o varejo passou a adotar a negociação de reembolso das perdas de avaria e vencimento junto aos fornecedores, por meio de ressarcimento financeiro, o que abate os resultados negativos. Já o terceiro item, é um problema estrutural e, atualmente, pode ser resolvido com as tecnologias disruptivas, como o Machine Learning.

    No cenário atual, os algoritmos de reabastecimento e lot sizing dos varejistas geralmente vêm embarcados dentro dos sistemas de gestão, conhecidos como ERPs, como um módulo do sistema. Por não ser a principal especialização dos desenvolvedores de sistemas de gestão, as soluções geralmente são alicerçadas em alguns modelos estatísticos simplificados que são utilizados para uma infinidade de itens. Modelos simplificados que consideram poucas variáveis, geram sugestões de reabastecimento com baixa precisão, o que pode levar ao excesso de estoque – causa das avarias e vencimentos ou falta de estoque – causadora da ruptura de vendas.

    Para calcular o tamanho desse problema, suponha um varejista com 200 lojas e 10.000 tipos de produtos. Cada produto possui um comportamento distinto de venda por loja. Logo, temos 2 milhões de comportamentos distintos que deveriam ser tratados. Se este varejista tiver, na melhor das hipóteses, 100 modelos de reabastecimento e for aplica-los ao seu ambiente, seriam 200 milhões de testes. Na prática, a solução adotada é agregar os comportamentos, reduzir as variáveis analisadas e, por consequência, reabastecer mal os pontos de venda, gerando perdas e rupturas.

    Modelos de inteligência artificial aplicados ao reabastecimento permitem que cada produto, de cada loja tenha uma análise única e customizada, baseada em variáveis endógenas e exógenas, gerando uma previsão de abastecimento singular e muito mais alinhada à realidade. Uma solução de Machine Learning apresentada pela Protiviti, em parceria com a empresa TEVEC conseguiu reduzir 15% do estoque de um varejista, trazendo redução de 20% das perdas por vencimento e 30% das rupturas. Estes números podem representar a diferença entre a perda e a lucratividade do negócio.

    Os números mostram que esta solução está sendo implementada com grande sucesso e que gera diferencial competitivo para o varejista, em relação a seus concorrentes, a partir de melhor gestão de perdas, rupturas e controle no volume de estoque. Porém, como toda a nova tecnologia, gera incertezas e desconfianças. Confiar na inteligência das máquinas ainda traz desconforto. A análise mais efetiva das técnicas, metodologias e tecnologias a utilizar deve considerar os resultados, afinal, os números falam por si só.

    * Rodrigo Castro é diretor executivo da Protiviti, empresa especializada em soluções para gestão de riscos, compliance, auditoria interna, investigação, proteção e privacidade de dados.

    Compartilhe:

    Publicações relacionadas

    E-commerce: principais tendências para o mercado brasileiro nos próximos anos

    18 de junho de 2024

    Conheça algumas das principais tendências e entenda como elas vão impactar o setor de e-commerce.

    Leia mais

    ICTS leva sua experiência em redução de perdas no varejo para o Next by Apas

    18 de agosto de 2023

    Empresa aposta nos 25 anos de atuação com o setor varejista para lançar Profit Shield, solução de prevenção de perdas pioneira no mercado

    Leia mais

    O que é Data Loss Prevention e como implantar na sua organização por meio de serviços gerenciados

    4 de janeiro de 2023

    A Protiviti é parceira da Safetica no Brasil, permitindo acesso a uma das melhores soluções de Data Loss Prevention (DLP) do mercado.

    Leia mais

    Fraudes na saúde: do desperdício ao crime organizado

    12 de dezembro de 2022

    O desperdício e as fraudes na saúde são doenças crônicas do sistema, que precisam ser endereçadas e prevenidas.

    Leia mais