Como a IA está mudando a previsão de alimentos perecíveis

Prever a verdadeira demanda sempre foi um desafio, e é especialmente difícil para as empresas de alimentos que operam nas categorias de alimentos frescos e perecíveis. Ao mesmo tempo, uma previsão precisa é essencial para o planejamento e execução da cadeia de suprimentos a montante e para reduzir o desperdício financeiro e de alimentos.

Em tempos de inconsistência do mercado, como a pandemia de COVID-19, a maioria dos analistas se apegou à verdade - tentando equilibrar os padrões de demanda típicos com o impacto do pânico de compras, escassez de categorias e complexidades logísticas.

Mesmo em condições “normais” de mercado, sem alinhamento e visibilidade em torno de uma única previsão orientada para o consumo, os fornecedores upstream (varejistas, atacadistas e produtores) são deixados para gerar suas próprias previsões isoladas.

Quando as previsões são criadas independentemente, vieses, erros e estoques de segurança são compostos, porque cada previsão reflete apenas o histórico de pedidos, padrões, flutuações de preço e disponibilidade real ou percebida de insumos de seu parceiro imediato na cadeia.

Esse efeito chicote, no qual uma mudança de mais ou menos 5% na demanda real do consumidor impacta os fornecedores upstream em até 40% em qualquer direção, significa que manter um estoque consistente e preciso, mesmo nos melhores momentos, é um desafio. Hoje, durante a pandemia, é impossível.

A promessa está aqui

O uso de tecnologia para conectar parceiros em toda a cadeia de abastecimento não é novo, mas na última década não foi tão eficaz quanto o esperado.

No entanto, atingimos um novo ponto de inflexão em nossa capacidade de usar a tecnologia para incorporar com eficiência vários sinais de demanda. Plataformas de análise de big data, inteligência artificial (IA), aprendizado de máquina e modelos de previsão ágil, todos desempenham um papel importante na geração de previsões significativamente mais confiáveis. Finalmente, as ferramentas que alavancam essas tecnologias estão sendo testadas e somos capazes de olhar para a cadeia de abastecimento e usar todos os seus dados de uma forma que não era possível antes.

As plataformas de previsão de demanda impulsionadas por IA não dependem de modelagem histórica de vendas como muitas plataformas de demanda tradicionais. Em vez disso, eles usam influenciadores de demanda dinâmicos, algoritmos, dados em tempo real e tecnologia de nuvem para prever com precisão comportamentos e tendências.

Por exemplo, tendências demográficas e de estilo de vida do público, padrões de compra, eventos climáticos, tarifas comerciais e iniciativas de marketing de varejo, todos têm impactos significativos no comportamento do comprador e na precisão da demanda. Mas esses dados normalmente residem em vários repositórios desconectados.

Usando algoritmos e análises preditivas, as plataformas de previsão de demanda acionadas por IA e aprendizado de máquina analisam grandes volumes de dados, independentemente de onde estejam. Essa tecnologia pode identificar automaticamente os fatores mais relevantes que impactam a demanda do consumidor, antecipar mudanças na demanda e no comportamento do comprador, reduzir estornos e fornecer previsões probabilísticas imparciais sobre a demanda futura.

Desbloquear o potencial de todos esses dados não apenas permite previsões de demanda mais precisas, mas também oferece suporte a uma abordagem holística para o gerenciamento de estoque. À medida que aumenta a confiança na precisão das previsões, os saldos iniciais do estoque podem ser mantidos em níveis mais baixos - ao mesmo tempo em que atendem aos requisitos do cliente.

Além disso, como a IA e o aprendizado de máquina podem processar entradas tão rapidamente, o insight é entregue enquanto ainda é significativo. Ações podem ser tomadas para atender às mudanças na demanda ou disponibilidade de itens frescos ou perecíveis e necessidades de parceiros ou consumidores. Por exemplo, e se durante a pandemia, os fornecedores de produtos hortifrutigranjeiros e carnes tivessem sido capazes de reembalar mais rapidamente e transferir a entrega da distribuição no atacado do restaurante para as mercearias do consumidor?

A United Fresh Produce Association estimou que a indústria geral de produtos agrícolas perderá pelo menos 40% das vendas durante o surto de COVID-19. E embora nem tudo isso possa ser transferido para supermercados ou varejo, marcas que podem fazer a transição mais rapidamente do que seus concorrentes são capazes de proteger mais receitas e empregos.

Tecnologia mais inteligente

As plataformas de previsão baseadas em IA aplicam vários algoritmos para determinar automaticamente as métricas mais relevantes para cada produto ou SKU no sistema. O tempo gasto na coleta, atualização, integração e reconciliação de dados concorrentes de várias planilhas é eliminado, permitindo que os profissionais de previsão gastem seu tempo otimizando a demanda e coordenando-se com outros departamentos, como marketing, para encontrar novos fluxos de receita. O valor da colaboração entre departamentos e parceiros externos, operando a partir de uma única fonte de verdade, não pode ser subestimado.

Os resultados do uso de modelos baseados em IA são atraentes. A Nounós Creamery recentemente empregou essa ferramenta para automatizar a previsão de demanda e diminuir o tempo gasto na previsão de duas horas por semana para apenas 10 minutos. Os líderes da Nounós ficavam frustrados com a falta de um insight real e desperdiçavam horas e dinheiro valiosos ao comparar manualmente os dados de seu software de contabilidade e sistema de gerenciamento de estoque. Esse processo fornecia apenas uma vaga noção de quanto iogurte a empresa deveria fabricar e quais sabores priorizar.

Nounós conseguiu obter dados de todas as fontes relevantes e confiar nos algoritmos para fazer recomendações de previsão. As projeções são tão precisas que a empresa reduziu a superprodução em 40% quase que imediatamente, economizando receita significativa com perda de produto. Também permitiu que a Nounós antecipasse a demanda real esperada para cada sabor, gerando maior eficiência no processo de fabricação.

Esta nova abordagem para previsão de demanda está crescendo em adoção por razões financeiras, mas também porque é altamente escalonável. Funciona tão bem para marcas de alimentos especiais quanto para grandes marcas multinacionais. A previsão da demanda impulsionada pelo consumidor veio para ficar. Usar as análises e tecnologias mais recentes apresenta uma tremenda oportunidade de domar o efeito chicote e atender a demanda no ponto certo.

Are Traasdahl é cofundador e CEO da Crisp.