A análise preditiva já é uma tecnologia amplamente testada pelas operações de varejo e, se deixou de ser o futuro, tornou-se fator de sobrevivência das marcas em um mercado pressionado pela confluência de duas forças competitivas: o poder financeiro das grandes organizações, que viabiliza investimentos pesados em tecnologia e marketing, e a capacidade de ações pontuais e bem direcionadas de empresas menores que também incorporam tecnologia às suas estratégias.
Em minha avaliação, algumas políticas de gestão ganham especial relevância com o uso de agentes de IA: a diminuição de estoques para reduzir a necessidade de capital de giro; compras alinhadas às vendas para acelerar o giro de mercadorias; ações de marketing personalizadas por nichos, com menor investimento total em comunicação; maior eficiência logística; e o fortalecimento do pós-venda.
A análise preditiva é o elemento que conecta todas essas frentes. Elas têm como base a previsão de vendas futuras, fundamental para o planejamento e para a tomada de decisão nas operações varejistas. Resultados positivos estão diretamente associados à precisão na previsão da demanda, que orienta produção, compras, logística, comunicação e formação de equipes.
A literatura acadêmica oferece diversos exemplos de avaliação de modelos testados com dados reais de empresas do varejo. Entre os métodos mais recentes baseados em agentes de IA, destacam-se Prophet, Memória de Longo Prazo, conhecida como LSTM, e Redes Neurais Convolucionais, chamadas CNN.
Seu desempenho costuma ser comparado às técnicas mais tradicionais, embora sofisticadas, de previsão de séries temporais, como Média Móvel Integrada Autorregressiva Sazonal, conhecida como SARIMA, e Suavização Exponencial Tripla. O que se observa, de forma recorrente, é um ganho relevante de acurácia quando dados de qualidade e governança adequada acompanham a tecnologia.
Previsões de vendas têm praticamente a mesma idade do comércio, iniciado por volta de 3.200 a.C. na Suméria, atual sul do Iraque. Meios de transporte primitivos, longas distâncias e riscos elevados exigiam estimar a demanda antes de carregar os camelos. Em outras palavras, sempre foi necessário algum sistema de análise da demanda futura.
A Suméria utilizava uma espécie de análise preditiva com os métodos disponíveis à época: não recorria a adivinhos, mas a especialistas treinados para a análise sistemática de sinais registrados pelos deuses, com o emprego de manuais de presságios para interpretação.
Foram séculos de evolução até chegarmos ao modelo original da Sears, que inicialmente comercializava seus produtos por meio de catálogos antes mesmo de comprá-los, enviando-os diretamente dos fabricantes e sem manter estoques. O sucesso do modelo, no entanto, ampliou erros logísticos e falhas de envio, levando a empresa a criar grandes centros de distribuição e a operar com estoques elevados, já que o prazo de entrega se tornara fator central de vendas.
Nas últimas décadas, a sociedade passou por transformações profundas. Novas tecnologias alteraram hábitos, comportamentos e critérios de decisão dos consumidores.
Nesse contexto, métodos tradicionais de previsão perderam eficiência, muitas vezes incapazes de capturar mudanças rápidas no humor do mercado. Gestores que confiaram exclusivamente em conhecimento institucional ou em séries históricas pouco atualizadas acabaram com estoques mal dimensionados, tanto em variedade quanto em volume.
Estudos relevantes da Kearney e da McKinsey & Company apontam ganhos significativos de acurácia com o uso de IA. A Kearney menciona aumentos entre 20% e 30% na precisão das previsões no varejo.
A McKinsey identifica melhorias entre 5% e 20% na assertividade das vendas futuras, reduções de 5% a 10% nos estoques de segurança e crescimento de até 10% nas vendas.
Os percentuais podem variar, especialmente em economias instáveis como a brasileira. Ainda assim, é difícil sustentar que a análise preditiva não represente um avanço concreto na performance das empresas.
Entendo, porém, que tecnologia não substitui governança. Sem dados consistentes, supervisão adequada da operação, acompanhamento dos resultados econômicos e atenção permanente ao feedback dos clientes, não há modelo preditivo capaz de gerar crescimento sustentável.
Como lembrou Graham Greene em The Human Factor, é preciso considerar sempre o fator humano. A análise preditiva reduz erros. Mas é a qualidade das decisões e das pessoas que as tomam que define o sucesso de longo prazo.
*Por Ricardo Lopes, Partner, Alliances & New Business da CBYK.
