Cadeias de suprimentos (supply chain) são sistemas complexos, nos quais os riscos estão diretamente associados às entidades envolvidas (internas e externas). A cadeia de suprimentos precisa ser confiável. Portanto, no ambiente de negócios altamente competitivo de hoje, trabalhar com riscos é parte do “job description” de quem lidera a cadeia de suprimentos.
Produção, demanda, insumos, logística… as trajetórias de empresas de diferentes portes e verticais de mercado convergem invariavelmente para um mesmo ponto: como garantir que o planejamento e a expectativa de vendas de seus produtos se concretizem (ou sejam superadas), mesmo com milhares de variáveis que podem ser afetadas na jornada.
Gerenciar e prever os riscos e ameaças da cadeia de suprimentos tornou-se uma prioridade. O “plano B” precisa existir sempre, porque mesmo pequenos desvios podem resultar em perda de receita, clientes insatisfeitos e danos à sua marca.
A análise preditiva surgiu como um divisor de águas para a gestão de supply chain, permitindo tomar decisões baseadas em dados com a rapidez que o negócio exige. Ela usa aprendizado de máquina, modelos matemáticos e análise estatística para identificar padrões e tendências nos dados da cadeia de suprimentos, analisando milhares de variáveis, e gerar previsões sobre desempenho, resultados futuros e rotas para correção de riscos.
Antecipar o inesperado
Na pandemia, a cadeia de suprimentos de diferentes verticais foi afetada, gerando problemas com entrega de insumos ou mesmo com o escoamento da produção para os pontos de venda, afetando o consumidor final e as receitas das empresas.
O stockout – quando um determinado estoque de produto esgota mais rápido que a capacidade de reposição da empresa – foi (e continua sendo) um dos pesadelos dos negócios. A venda pode ser maior do que foi previsto, o fornecedor de um insumo crítico pode deixar de entregar o prometido, ou um equipamento da linha de produção pode ter um problema que exija a interrupção do processo.
Como projetar os riscos, e o que fazer para mitigá-los? A 7D Analytics usou advanced analytics, modelagem matemática e machine learning para criar uma ferramenta inédita de “Supply Chain Risk Analytics”, que resolve desafios desse tipo.
Diante do problema apresentado por uma empresa do mercado CPG, a ferramenta da 7D Analytics foi capaz de identificar riscos reais de stockouts futuros, com visibilidade para 9 meses de vendas, e analisar desvios possíveis em 15 mil cenários diferentes para cada produto estratégico. Ela se mostrou assertiva em 90% dos cenários projetados e permitiu que 85% dos riscos identificados fossem tratados e mitigados.
“A ferramenta tira a empresa de um modelo de planejamento determinístico para um planejamento probabilístico, proporcionando a identificação de riscos relevantes e a tomada de atitude antecipada para a mitigação. Foi desenhada com a intenção de ser de fácil uso para que as equipes pudessem lidar com ela diariamente”, conta Matheus Ferreira, sócio-fundador da 7D Analytics.
Do determinístico para o probabilístico
“Criamos uma solução inédita para um desafio enfrentado por empresas de diversos setores e portes. O planejamento que as empresas fazem, geralmente considera um ambiente determinístico: partindo de um determinado valor projetado de venda para o futuro, elas planejam a distribuição, níveis de estoque, produção e compras. O problema é que estas funções possuem um risco inerente de não sair conforme o planejado”, explica Ferreira.
Quando uma empresa muda para um modelo probabilístico, ela passa a analisar, com ferramentas que utilizam estatísticas avançadas, possíveis cenários de mudança na curva de demanda e de disponibilidade dos produtos. Isso faz com que as equipes de produção, venda e até marketing, possam avaliar os produtos que possuem um maior risco de falta, diminuindo assim o índice de ruptura, principalmente dos itens que têm mais volume de vendas ou mais impacto na receita.
A ferramenta da 7D Analytics foi criada em linguagem open source para entender padrões de comportamento dos indicadores analisados. Com base em fundamentos de análise probabilística, a ferramenta pode ainda ser aplicada em diferentes contextos para auxiliar empresas de diversos portes a prever possíveis cenários futuros, pautados em incertezas na demanda e disponibilidade de produtos.
Esse projeto demonstrou que, por meio da ciência de dados, é possível antever com maior precisão possíveis ameaças de desabastecimento que, se ocorressem, impactariam a receita de uma companhia. Cada vez mais, trabalhar com probabilidade, ao invés de cenários determinísticos, e olhar para a cadeia de ponta a ponta de forma holística, traz mais condições de ajustes e melhores apostas no planejamento da cadeia. O risk analytics tende a ser a grande ferramenta para auxiliar numa maior compreensão de todas as variáveis que afetam o sucesso do atendimento da cadeia de abastecimento.
Para conhecer mais detalhes do caso de CPG atendido pela 7D analytics, baixe o PDF. Tem um problema para resolver? Fale conosco.