Como a previsão de demanda alimentada por IA pode ajudar os varejistas a equilibrar estoques

Varejistas estão recorrendo à tecnologia alimentada por IA para gerenciar estoques, mas ainda precisam de melhores dados para que funcione, segundo artigo publicado no Retail Brew.

Com a aproximação da temporada de festas, os varejistas estão em uma corrida para ter o montante certo de inventário em lojas e armazéns, de modo a atender a demanda dos clientes sem cair no excesso de pedidos que prejudicou empresas em 2021 e 2022.

Grandes varejistas fizeram progresso significativo na redução de níveis de estoque este ano, mas a temporada festiva representa outra oportunidade para potencialmente errar, e isso está levando alguns operadores a adotar novas soluções tecnológicas para gestão de inventário.

Walmart, por exemplo, está apostando em um algoritmo de aprendizado de máquina para prever necessidades de inventário em suas 4.700 lojas pelo país. Provedores deste setor também estão ganhando atenção de capitalistas de risco. Centro, que fornece controle automatizado de inventário, arrecadou $2 milhões em financiamento pré-semente na semana passada.

O crescente interesse em tecnologia de ponta para ajudar na gestão de inventário chega em um ponto de virada para os varejistas. Antes da pandemia, as cadeias de suprimentos "just-in-time" ajudaram empresas a manter estoques enxutos. No entanto, isso as deixou sem uma margem quando as cadeias começaram a falhar, explicando por que muitos adotaram uma abordagem "just-in-case" nos anos recentes.

Agora, o just-in-time está voltando, e a tecnologia pode ser a chave para seu sucesso.

Sentindo a tensão

Remington Tonar, co-fundador da Cart.com, um provedor logístico terceirizado com clientes como Pacsun e Toms, disse ao Retail Brew que há uma "tensão percebida entre abordagens de inventário just-in-time ou just-in-case" entre os comerciantes nesta temporada festiva, e que softwares de previsão de demanda poderiam ajudar empresas a evitar excessos em qualquer direção.

"Uma de nossas principais competências é realmente o inventário preditivo e o planejamento de demanda", ele disse. "Todas essas ferramentas estão disponíveis para nossos clientes de logística, e acredito que muitos encontram extremo valor nisso."

Ele explicou que o software alimentado por IA e aprendizado de máquina usa uma combinação de dados históricos e sinais anteriores, como taxas de cliques em anúncios e impressões no site, para antecipar melhor a demanda futura.

"Usando algoritmos avançados e análise de dados, tecnologias de IA/ML aumentam a precisão da previsão de demanda, permitindo que empresas antecipem tendências de mercado, flutuações e preferências dos clientes com precisão sem precedentes", escreveu Jonathan Colehower, líder global de prática de estratégia de cadeia de suprimentos na UST, no Harvard Business Review.

Ele também mencionou um relatório de 2022 da McKinsey & Co, que descobriu que o controle de inventário alimentado por IA, em contraste com métodos analíticos baseados em planilhas, pode reduzir erros entre 20% e 50%.

Dados ruins

No entanto, esse tipo de software de previsão ainda enfrenta sérios limites, de acordo com Fabricio Miranda, CEO e co-fundador da Flieber, que oferece serviços de planejamento de demanda.

"Cada vez mais empresas estão começando a entender o poder, especialmente com IA, de ter ferramentas para ajudá-las", ele disse. "Mas a maioria das ferramentas não consegue resolver o problema."

Ele adicionou que o maior desafio é a falta de dados confiáveis e consistentes para alimentar os algoritmos alimentados por IA, o que significa que muitas empresas ainda recorrem à entrada manual de dados.

"Há muitos canais diferentes e todos têm fontes de dados distintas", ele disse. "Essa é a principal razão pela qual a maioria ainda confia em planilhas Excel."