A importância de Data Science na indústria do retalho

Por Luís Vicente, Big Data & Data Science Director na Xpand IT

Numa era em que os dados têm o potencial de influenciar fortemente o rumo das empresas, onde a capacidade de trabalhar dados é uma vantagem competitiva capaz de diferenciar o negócio, organizações de todos os setores reconhecem a importância de integrar nas suas plataformas tecnológicas meios que lhes permitam gerar inteligência de negócio a partir dos dados.
O setor do retalho não é exceção e apresenta desafios específicos. Neste sentido, Data Science tem-se destacado enquanto ciência multidisciplinar, que agrega conhecimentos de computação, estatística, matemática e conhecimentos de negócio, e pode ser um aliado importante para as empresas do retalho, a vários níveis.
Comecemos pelo Computer Vision: o visual de um artigo é muitas vezes decisivo no momento da compra, particularmente no retalho online. Por esse motivo, poderá ser relevante uniformizar a apresentação e organização das imagens. Num website com dezenas ou centenas de produtos, a melhor forma para fazê-lo é através do reconhecimento visual que a inteligência artificial pode proporcionar, permitindo, por exemplo, identificar o posicionamento e orientação de um artigo em cada imagem, e ordenando para garantir coerência visual e, por conseguinte, um produto mais apelativo. Também neste âmbito, é possível desenvolver modelos que contribuam para a melhoria da disposição dos artigos expostos, identificando por exemplo prateleiras que já não tenham os artigos ou que os artigos não estejam visíveis, melhorando a eficiência da reposição e garantindo que os artigos expostos estão sempre visíveis.
É importante saber ler o consumidor e, neste caso, a tecnologia pode ajudar, através da análise de sentimento, com o desenvolvimento de uma análise às reviews e opiniões dos produtos ou da marca para melhor compreender a perceção dos consumidores. Esta análise pode focar-se não só em resultados mais tradicionais de NPS (promotores vs. detratores), mas também em compreender padrões ou a posição dos consumidores acerca de determinados tópicos como a sustentabilidade ou novas tendências e padrões de consumo.
O sistema de recomendação é um caso de uso frequente no setor, consiste na customização da oferta apresentada aos consumidores, ou na atribuição de promoções direcionadas a determinados produtos. Este tipo de análise pode ser orientado às preferências do utilizador, melhorando a capacidade de marketing direcionado ao produto, identificando que tipos de produtos são tipicamente comprados em conjunto, ou um misto das duas abordagens.
Cada vez mais essencial é o marketing personalizado. A personalização da experiência é fundamental na jornada dos clientes e, pode, muitas vezes, começar na comunicação, que é desenvolvida em função do histórico de navegação de cada utilizador, compras anteriores, gostos, etc.
Principalmente no retalho online, em que as transações não têm horário, a necessidade de existir uma análise em tempo real, que avalie a possibilidade de fraude, é mais notória. No entanto, também no retalho físico, por exemplo nas caixas de self-service, pode ser implementado um sistema de deteção de fraude, que bloqueie a compra e force a intervenção de um operador.
Quanto à questão da otimização de preços, há modelos baseados em mecanismos de otimização ajudam a definir o preço mais adequado, tanto para o cliente como para o retalhista. Estes modelos baseiam-se em dados provenientes de diversas fontes, como, por exemplo, as ofertas existentes no mercado, ou o custo de oportunidade da distribuição, por forma a definir a flexibilidade do preço.
E, quando é necessário fazer a gestão de inventário, há algoritmos de Machine Learning que podem identificar padrões e correlações nas cadeias de fornecimento. Com recurso a Data Science, também pode ser automatizada a previsão da procura de um produto, o que suporta a decisão e facilita a minimização dos custos de armazenamento. Assim, poderá ser definida uma estratégia de stock mais robusta na tomada de decisão.
Quanto maior a produção de dados, mais difícil e complexa se torna a sua análise por um ser humano. Por isso, a tecnologia pode ter um importante papel para ajudar as empresas do retalho a ser mais ágeis e eficientes. Desde análise de texto, imagens ou números, existem diversos desafios que podem ser respondidos por uma equipa de Data Science, juntando as capacidades tecnológicas às capacidades cognitivas e criativas do ser humano.