ÚLTIMAS NOTÍCIAS
10/07/2025
Previsão de vendas: solução faz erros caírem pela metade
POR Reportagem SA+ Conteúdo
EM 14/01/2019
US$400 mil/CD é a economia obtida, logo no início da implementação da solução, com redução de estoque de segurança – cerca de R$ 1,6 milhão
Com o uso de inteligência artificial e machine learning, a previsão de demanda pode se tornar cada vez mais precisa. Uma das ferramentas que utilizam essas tecnologias é o SR Demand ForecastingAI, da Symphony RetailAI , que já está disponível para o mercado brasileiro. Em uso por redes nos Estados Unidos e na Europa, a solução tem gerado bons resultados. Entenda a ferramenta.
Como funciona:
- Conforme informações da Symphony, a ferramenta é capaz de realizar previsões robustas em grandes volumes de dados e garantir ao varejista um feedback imediato
- Considera lançamentos, itens de baixo giro e venda regular nas estimativas
- Tem capacidade de lidar, no caso dos produtos perecíveis, com aspectos específicos, como validade reduzida e previsões diárias ou até em períodos menores
- A Symphony afirma que o SR Demand ForecastingAI não se limita a uma previsão estatística, mas analisa todo o histórico, incluindo o comportamento e o padrão de vendas
- Devido à capacidade de aprendizagem contínua (machine learning), incorpora todos os fatores que possam trazer algum impacto em vendas, seja positivo ou negativo. Dessa forma, diz a empresa, consegue “responder” a perguntas muito específicas para o varejista, como “O que vai acontecer com a demanda se chover no parque da Disney no dia mais movimentado do ano?”
[noticiasRelacionadas]
Benefícios para o varejo
- Reduz significativamente a intervenção manual
- Minimiza erros típicos do processo de previsão
- Otimiza o tempo no planejamento de demanda
- Diminui a ruptura
- A partir da análise de dados do consumidor, aponta tendências e anomalias antes ocultas, pois considera fatores como clima, promoções, sazonalidade e características locais, etc.
- Reduz perdas, sobretudo nos perecíveis – produtos que, segundo o fornecedor, não são contemplados nos modelos tradicionais de previsão
Pré-requisitos para o uso
- O sistema pode funcionar com volume pequeno de dados, por exemplo, acumulados em 20 semanas
- O melhor, contudo, é acima de três anos, pois esse histórico traz mais benefícios para análises sazonais
- No caso de itens sem histórico algum, como os lançamentos, a solução associa o produto a outros similares, permitindo conhecer melhor o padrão de compras
Quer ter acesso a mais conteúdo exclusivo da SA Varejo? Então nos siga nas redes sociais:
LinkedIn
,
Instagram
Notícias relacionadas

Estudo aponta baixa maturidade no uso de IA para desenvolvimento de talentos

Varejo aposta em inteligência artificial para mapear comportamento de consumidores

Grupo Pereira desenvolve ferramenta própria de IA generativa com base no ChatGPT
