Com o aumento do volume de dados gerados diariamente, em praticamente todos os setores da economia, organizações são forçadas, cada vez mais, a melhorar a análise de seus dados como forma de vantagem competitiva. A extração de informações para embasar a tomada de decisão, a partir de um vasto banco de dados, vem crescendo ao longo dos anos, e se tornando cada vez mais popular. Com isso, destaca-se a importância da análise dos dados das organizações, para formulações de modelos de previsão que auxiliem na tomada de decisão.

O BA (Business Analytics) é um campo de estudo emergente e capaz de fornecer ganhos, no que diz respeito a performance da organização, aumentando o entendimento da dinâmica do negócio e guiando para tomadas de decisões mais assertivas. Mais especificamente no setor varejista, existe potencial para crescimento e exploração do BA como forma de alcance de vantagem competitiva.

O processo de compra de um produto gera diversos tipos de informações ao varejista, como preço pago, quantidade comprada, ticket médio, composição dos produtos comprados, entre outros. E com o BA, varejistas conseguem extrair informações de casualidade entre as variáveis, possibilitando a análise de como elas estão se relacionando.

Usualmente a maioria das variáveis coletadas de um banco de dados pode ser considerado irrelevante para previsão, sendo consideradas apenas ruído. Desta forma, determinadas variáveis podem ser identificadas como redundantes, enquanto outras não contribuem para a explicação da variável dependente. Assim sendo, apenas algumas podem ser consideradas realmente importantes. Esta seleção de quais variáveis irão compor o modelo e quais serão retiradas é de suma importância para acurácia da previsão.

Como forma de ilustrar uma das possibilidades de utilização do Business Analytics no varejo, os exemplos a seguir foram realizados a partir de dados reais de uma rede supermercadista. Desta forma, apresento um diagrama interativo para demonstração da correlação entre os produtos. Cada ponto do diagrama representa um produto, e as linhas representam como eles estão relacionados. Então fica demonstrado de forma didática quais produtos possuem influência sobre seus complementares ou substitutos. Esta é uma poderosa ferramenta que pode influenciar a tomada de decisão estratégica em diferentes áreas incluindo marketing, aquisições, operações de produção e logística.

Com a identificação de quais produtos podem influenciar seus pares, a previsão de demanda pode ser melhorada. No gráfico a seguir, os resultados das previsões apontam que a previsão realizada pelo algorítimo LASSO, para um horizonte de 10 dias à frente, consegue reduzir de forma significativa o erro da previsão quando comparado ao Holt-Winters, previsão largamente utilizada no varejo.

Na previsão realizada como exemplo o algoritmo alcançou MAPE (Mean Absolute Percentage Error) de 2.28% e o Holt-Winters de 46.03%.

## Loading required package: HDeconometrics

Resultado da previsão

##              MAPE (Mean Absolute Percentage Error)
## LASSO                                         2.28
## Holt-Winters                                 46.03

A melhoria de gestão de estoque é somente uma das muitas possibilidades do Business Analytics. Essa e muitas outras possibilidades você encontra com a implementação desse tipo de ferramenta.

Os exemplos mostrados foram para somente um SKU, do banco de dados de vendas diárias de um supermercado. Esse tipo de análise estende-se a um banco de dados com um número muito elevado de variáveis.

Todos os cálculos e a publicação foram realizados utilizando o software R.

Dúvidas ou sugestões, fico a disposição. contatos na aba Home.