UNIVERSIDADE PRESBITERIANA MACKENZIE CURSO DE PS-GRADUAO Tecnologia da Informao

DANIEL MONTEIRO VAZ

A Inteligncia Analtica na Gesto Eficiente de Promoes: uma Abordagem Prtica e Conceitual.

So Paulo 2008

DANIEL MONTEIRO VAZ

A Inteligncia Analtica na Gesto Eficiente de Promoes: uma Abordagem Prtica e Conceitual.

Monografia apresentada ao Curso de Tecnologia da Informao - Anlise de Sistemas da Universidade Presbiteriana Mackenzie. rea de concentrao: Anlise de Sistemas

Orientadora: Profa. Dra. lida Jacomini Nunes

So Paulo 2

2008

3

DEDICATRIA

Daniela, minha esposa, pelo incentivo e compreenso. Aos meus pais, pelo ensinamento dos valores que me permitiram a realizao deste trabalho.

RESUMO

O setor de varejo de alimentos no Brasil sofreu profundas mudanas aps a implementao do Plano Real, em Julho de 1994. A nivelao dos preos e o fim dos ganhos com especulao financeira obrigaram as companhias a melhorarem suas habilidades gerenciais para compensarem a perda financeira e melhorarem processos para se tornarem mais competitivas. Neste cenrio, a Tecnologia da Informao (TI) tem sido utilizada na automao de processos, proporcionando uma melhor gesto dos negcios atravs da reduo de custos dentro da cadeia de suprimentos. A promoo passou a ser utilizada mais freqentemente no s como principal estratgia para atrao de novos consumidores, mas tambm com a finalidade de aumentar as receitas atravs da locao de espaos em gndolas. O objetivo deste estudo analisar o processo de promoo dentro de uma companhia de varejo, concebendo um modelo para previso de demanda utilizando anlise de dados. Este modelo ser elaborado baseado nos conceitos e definies sobre Inteligncia Analtica e Data Mining apresentado por alguns autores. Para satisfazer o objetivo proposto, uma pesquisa de campo foi realizada dentro de uma empresa de supermercados, com lojas distribudas em partes do territrio nacional, buscandose conhecer processos especficos e conceitos sobre atividades do varejo.

Palavras-Chaves: Inteligncia Analitica, Previso de Demanda, Promoo

ABSTRACT

The retail sector in Brazil had suffered deep changes after Real plans implantation, in July 1994. The prices nivelation and the end of the profits with financial speculation forced companies to improve their management skills for compensating losses with financial profitability and improving process to become more competitive. In this scenario, the Technology of the Information (I.T.) had been used for process automation, improving business management through operational costs reduces inside the supply chain. The promotion had been used more frequently, not only as main strategy for new consumers attraction, but also to increase profits through spaces location. This study has the objective to analyze the promocional process inside a retail company, concepting a model for retail demad forecasting using data analysis. This model will be elaborated based on concepts and definitions about Analytical Intelligence and Data Mining presented by some authors. To satisfy the proposed objective, a field research was made in a supermarket company, with stores distributed in some parts of the country, searching to know specific processes and concepts about retail activities.

Keywords: Analitical Intelligence, Demand Forecasting, Promotion.

LISTA DE FIGURASFig. 1 Transformando Dados em Informao..........................................................24 Fig. 2 Viso da Empresa por Camadas de Informao Fonte: Laudon e Laudon (2001)..................................................................................25 Fig. 3 Arquitetura de um Sistema BI Fonte: BARBIERI, 2001..............................................................................................27 Fig. 4 Exemplo Arquitetura Star Schema Fonte: ORACLE...........................................................................................................29 Fig. 5 Representao Grfica do OLAP...................................................................31 Fig. 6 Anlise % da ruptura por Regio / Loja.........................................................33 Fig. 7 Agrupamento do % da ruptura por Regio....................................................34 Fig. 8 Viso detalhamento do produto / loja.............................................................34 Fig. 9 Software Modelo Rede Neural para Previso de Valores.............................41 Fig. 10 Clculo Composio Preo de Venda ........................................................47 Fig. 11 Demonstrativo Composio Preo de Venda .............................................47 Fig. 12 Exemplo tabela Classificao Mercadolgica..............................................49 Fig. 13 Exemplo Anlise Participao Famlias ......................................................50 Fig. 14 Exemplo Ao Cross Merchandising Fonte: www.editionsduboisbaudry.fr...........................................................................52 Fig. 15 Exemplo Alocao de Espao Promocional................................................53 Fig. 16 Exemplo Lmina Promocional.....................................................................53 Fig. 17 Registro vendas com variao Preo / Demanda ......................................54 Fig. 18 Aplicao clculo Elasticidade / Demanda .................................................55 Fig. 19 Sumarizao Desvio nas quantidades .....................................................57 Fig. 20 Minerao dados histrico de venda bombom Garoto ...............................58 Fig. 21 Anlise Elasticidade X Preo Mdio X Demanda Mdia ............................59 Fig. 22 Anlise de reposio da Demanda .............................................................63 Fig. 23 Integrao do Processo Promocional..........................................................67 Fig. 24 Demonstrao Tela de Incluso de Eventos...............................................71 Fig. 25 Seleo do evento e carregamento da planilha de produtos......................71 Fig. 26 Exemplo Estrutura para Armazenamento de Eventos.................................72 Fig. 27 Demonstrao Tabela Registro Histrico de Vendas..................................73 Fig. 28 Exemplo estrutura para Armazenamento Dados Venda por Eventos.........74 Fig. 29 Stored Procedure responsvel pela sumarizao Preo X Demanda........75 Fig. 30 Fluxo Processo Minerao e Transformao dos dados de Demanda.......76 Fig. 31 Estrutura da Tabela B_PROD_COMPLEMENTO com os dados completamente carregados.........................................................................................77 Fig. 32 Modelo para Previso de Vendas................................................................82 Fig. 33 Abordagens de previso de vendas com uso de dados individuais e modelagem de sries temporais.................................................................................82 Fig. 34 Abordagens de previso de vendas com utilizando RNAs..........................83

LISTA DE TABELASTabela 1 Sumarizao dados coletados amostra....................................................15 Tabela 2 Relao dos eventos disparados pelas Stored Procedures....................78 Tabela 3 Anlise alavancagem tipo de evento........................................................79 Tabela 4 Comparativo da Demanda Prevista X Realizada.....................................80

LISTA DE SIGLAS%REP BI CD CM DM DW EAN ECF ECR Ed EDI EP Percentual de Reposio Business Intelligence - Inteligncia nos Negcios Centro de Distribuio Classificao Mercadolgica Data Mining - Minerao de Dados Data Warehouse European Article Numbering - Numerao Europeu de Artigos Emissor de Cupom Fiscal Efficient Consumer Response - Resposta Eficiente ao Consumidor Elasticidade Preo da Demanda Eletronic Data Interchante - Transferncia Eletrnica de Dados Estoque Padro (ou Estoque Objetivo) Extract, Transformation and Load Extrao, Transformao e ETL Preparao GCP Gesto Central de Promoes IA Inteligncia Analtica IC Inteligncia Competitiva KPI Key Performance Indicators - Indicadores chave de performance MB Margem Bruta MC Margem Cadastrada NC Necessidade de Compra ODS Operation Data Store - Operao de Armazenamento de dados OLAP On-line Analytical Processing Processamento Analtico Online PC Pedido de Compra PDV Ponto de Venda PR Ponto de Reposio PV Preo de Venda RFID Radio-frequency identification - Identificao por Radio-Frequncia RNA Redes Neurais Artificiais SAD Sistemas Apoio Deciso SCM Supply Chain Management - Gerenciador da Cadeia de Suprimentos SGBDR Sistemas de Gerenciamento de Banco de Dados Relacionais SI Sistemas de Informao SIG Sistema de Informao Gerencial SPT Sistemas de Processamento Transacional VM Venda Mdia (ou Demanda Mdia) VMI Vendor Managed Inventory - Estoque Gerenciado pelo Fornecedor

SUMRIO

12

1

CAPTULO 1: INTRODUO

O comrcio varejista sofreu profundas transformaes no Brasil a partir de 1995, quando as redes de supermercados passaram a enfrentar uma acirrada competitividade no setor. Esta concorrncia ocorreu, em primeiro lugar, em funo da entrada de novos grupos e investimentos estrangeiros no pas, motivados pela estabilizao econmica favorecida pelo Plano Real, e tambm pelo surgimento de um consumidor com maior poder de compra e hbitos de consumo diferenciado. Como conseqncia, empresas de auto-servio, em particular as grandes redes de supermercados, reforaram investimentos em Tecnologia da Informao (TI) buscando oferecer maior comodidade ao consumidor e auxiliando os gestores a buscar ganhos na gesto de produtos. Neste aspecto, destaca-se a importncia da identificao universal atravs do cdigo de barras (EAN-13), contribuindo para o incio da automao comercial, e, posteriormente, sua utilizao para integrao logstica entre Fornecedores, Supermercados e Centros de Distribuio. Desde ento, o setor vem se reinventando, beneficiando-se das informaes em seus repositrios de dados para compreender o comportamento do seu consumidor, projetar padres de tendncias e, desta forma, elaborar estratgias de negcio mais ousadas. O conceito Business Intelligence (BI), popularizado por Howard Dresner em 1989, permitiu o compartilhamento das informaes de diversos sistemas legados, agrupados e armazenados em estruturas especiais conhecidas como Data Warehouses (DW), sendo aos poucos incorporados no varejo, onde a anlise incansvel dos dados visava buscar potenciais de ganhos dentro da cadeia de suprimento. No presente estudo observar-se- como as empresas de varejo esto utilizando tecnologias baseadas em Inteligncia Analtica para estudar informaes

13

armazenadas em DWs na simulao de cenrios. Para isso, faz-se necessrio conceituar BI e Inteligncia Analtica, demonstrando sua aplicao prtica utilizando um processo de planejamento de demanda promocional em uma rede de supermercados. Observa-se a utilizao constante da promoo como um dos principais meios para os supermercados alavancarem suas vendas e fidelizarem seus clientes. Uma pesquisa realizada pela LatinPanel para a ABRASNET, em Maro de 2006, aponta que 23% das famlias faz suas compras com base nos produtos das promoes. Justifica-se tratar da questo da promoo neste estudo porque ela est associada diretamente imagem dos supermercados, e conforme ser observado no detalhamento deste processo, percebe-se que uma promoo no planejada criteriosamente pode surtir um efeito contrrio. Caso a demanda no seja estimada de maneira correta, o supermercadista corre o risco de ficar sem o produto durante a promoo, e com isto desapontar seus clientes. Por outro lado, a sobra de estoque dos itens que foram comprados em excesso compromete o capital de giro e causam impactos diretos nas perdas. A projeo de venda baseada em regras intuitivas dos negociadores, e no so realizados estudos complementares que comprovem se a promoo compensa ou no a eventual reduo das margens. Diante do problema exposto, sugere-se o desenvolvimento de um modelo de Inteligncia Analtica como forma de automao do processo de compras de produtos promocionais, permitindo a projeo da demanda de acordo com o preo ou margem de lucro a ser praticado. Com isso, pretende-se criar um modelo que possa ser aplicvel no somente ao setor varejista, mas em reas cujas caractersticas se assemelhem. O presente estudo se justifica por demonstrar conceitos de Business Intelligence e Inteligncia Analtica, e sua aplicao prtica na otimizao e reduo de custos operacionais em um processo j existente. Neste caso, estuda-se particularmente o emprego da Inteligncia Analtica para melhorar o processo de compras, baseado em equaes matemticas e anlise de um comportamento histrico de vendas, garantindo o abastecimento do produto durante a promoo com o menor nvel de estoque. Para a aplicao prtica destes conceitos, escolheu-se o abastecimento

14

das promoes por se tratar de uma atividade foco para o varejo de alimentos, e por estar associada diretamente competitividade das empresas do setor. O presente estudo tem como objetivo analisar, em primeiro momento, como as mudanas polticas ocorridas em 1995 contriburam para a reestruturao do setor, onde a forte competitividade obrigou as empresas a diversificar seus servios e aprimorar tcnicas de gesto para reduzir custos operacionais. Neste ponto, abordase a importncia da T.I., em particular na automao comercial, trazendo benefcios tanto para o consumidor quanto para os gestores do negcio. Esta anlise se faz necessria para que se possa compreender que: primeiro: as promoes so indispensveis no processo de competitividade, exigindo um pr-planejamento criterioso, e segundo: demonstrar o aprimoramento deste processo atravs do uso de novas tecnologias. Aps a compreenso dos conceitos, sero identificadas as premissas bsicas para elaborao de um modelo de previso de demanda, utilizando dados provenientes do registro das vendas de itens promocionais armazenados em um repositrio de dados. Quanto aos objetivos especficos, busca-se: Apresentar conceitos e exemplos de ferramentas utilizadas

especificamente no tratamento e garimpo de grandes volumes de dados; Abordar o processo de abastecimento promocional dentro da cadeia logstica, apresentando as tecnologias atualmente empregadas; Elaborar as teorias e memrias de clculo necessrias a serem aplicadas no modelo de Inteligncia Analtica de projeo de demanda; Compor uma base de estudo, atravs da extrao de dados transacionais de uma base histrica de vendas real, analisando o comportamento de um grupo de 6.163 itens; Projetar o comportamento de venda destes itens, considerando a margem de lucro a ser empregada e o tipo de anncio; Propor a elaborao de uma ferramenta para tratamento da gesto promocional dentro de uma cadeia de suprimentos. Os conceitos, assim como a pesquisa histrica do texto, foram realizados com base em referncias bibliogrficas extradas de fontes primrias e secundrias, de autores

15

nacionais, internacionais e tambm de publicaes especializadas do setor. Informaes complementares e estatsticas foram extradas de associaes de supermercados, representada pela ABRAS e a APAS. Informaes tcnicas relacionadas T.I. e sua aplicao no ramo varejista foram extradas de entidades como o grupo GSI BRASIL (antiga EAN BRASIL, responsvel pela implantao do padro EAN) e ECR BRASIL. Quanto ao estudo de caso, foi realizada uma pesquisa utilizando-se uma base de dados extrada da filial de um grande grupo varejista, com mais de 100 pontos de venda espalhados em territrio nacional. Foi desenvolvida uma estrutura TI que permitisse a aplicao dos conceitos de Inteligncia Analtica que sero abordados no decorrer deste estudo. Os processos de ressuprimento, precificao e gesto das promoes foram realizados atravs de observaes in loco em procedimentos atuais adotados pela rede de supermercados. Os dados apresentados neste estudo foram extrados de uma base real de uma das filiais do grupo. Foram coletados dados relativos s vendas do perodo de Janeiro de 2008 a Julho de 2008, totalizando 07 meses. Posteriormente, foram identificados e catalogados todos os eventos promocionais deste perodo, permitindo conhecer os impactos causados por uma promoo sobre o preo e demanda, influenciando o comportamento das vendas de um produto. A tabela 1 indica informaes especficas da amostragem recolhida.Nmero de Registros de Venda Quantidade de Itens Nmero Registros Venda Promocional Quantidade de Itens Promocionais

1.175.286

17.044

129.683

11,03%

6.163

36,16%

Tabela 1 Sumarizao dados coletados amostra

Existem alguns aspectos que devem ser considerados quanto aplicao prtica do modelo de Inteligncia Analtica que aqui ser abordado. Primeiramente, parte do sucesso de qualquer modelo BI provm do grau da qualidade e integrao de dados corporativos; O sistema funcionar de forma ineficaz caso a aplicao dos algoritmos propostos ocorra sobre uma base com dados de baixa qualidade. Em segundo lugar, nunca ser descartada a interveno humana, e esta se far sempre quando necessria, principalmente na especificao de regras ou parmetros de fatos que possam influenciar o comportamento das projees (por exemplo,

16

sazonalidades de venda de determinados produtos, abertura de novos concorrentes, etc). Outro aspecto, de natureza prtica, est relacionado aos problemas logsticos e distribuio tanto do fornecedor quanto do varejista. Neste caso, problemas tcnicos relacionados ao nvel de servio de ressuprimento (ineficincia nas entregas, atrasos ou problemas de produo) podem comprometer a eficcia do modelo analtico. No estaremos considerando tais fatores logsticos neste estudo, por se tratar de um tema que merea ateno parte, e partiremos da pressuposio de uma reposio linear e perfeita dos produtos. Entretanto, falhas de entregas ou nvel de servio do fornecedor podem ser incorporados ao clculo, para projeo futura de estoque de segurana. O ltimo ponto a ser considerado que na maioria das vezes a compra de produtos promocionais vem atrelada a um volume extra de compra, uma prtica comum no varejo denominado BONIFICAO. A bonificao acertada mediante a negociao entre o fornecedor e o varejista, podendo ser concedida em mercadoria ou abatimento de preo, permitindo ao varejista vender o produto por um preo abaixo do normal sem causar danos em sua margem de lucro. Nas negociaes de itens promocionais, quanto maior for o volume de compra negociado, maior ser o valor da bonificao concedida pelo fornecedor. Para atingir os objetivos propostos, ser necessrio dividir este estudo em seis captulos. Na introduo, contextualizado o tema do estudo e feita a exposio do problema, da hiptese, justificativa, objetivos e metodologia, alm da apresentao da estrutura do trabalho. O Captulo 2, intitulado Concorrncia e Informatizao do Varejo no Brasil, traa um panorama dos acontecimentos polticos e econmicos ocorridos na dcada de 1990 que obrigaram os supermercados a mudar de postura no s para atender um consumidor mais exigente, mas tambm melhorar processos de gesto, com a finalidade de reduzir custos operacionais. importante conhecer a histria do varejo no Brasil por dois motivos: Demonstrar a importncia da TI como mecanismo fundamental para automao e gesto eficiente, e por destacar a importncia do Plano Real como ponto de partida para o movimento de grande competitividade no

17

setor, que perdura at os dias atuais. Em relao a sistemas, destaca-se a importncia da implantao do padro EAN de identificao de mercadorias permitindo a integrao da cadeia logstica com fornecedores, e o surgimento de sistemas orientados deciso estratgica. O Captulo 3, intitulado Utilizao De Sistemas Estratgicos X Sistemas Analticos, apresenta um breve relato histrico sobre evoluo dos sistemas corporativos e sua atual importncia para elaborao de estratgias. Conceitua-se tambm o nvel da informao por camadas dentro da empresa (camadas de informao) e apresenta a arquitetura do modelo Business Intelligence. introduzido o conceito de Inteligncia Analtica (IA), e sinalizado cases de sua utilizao para otimizao de custos e eficincia na cadeia de distribuio das grandes corporaes, baseando-se em projees e estimativas de demanda futura. O captulo 4, intitulado Gesto de Preos No Varejo aborda a atividade do varejo em si, e detalha a importncia da promoo como principal ferramenta utilizada pelos supermercados para atrao de consumidores em um ambiente de forte competitividade. Conceitua-se o modelo de gesto de preos, apresentando composio de preo de venda, mark-up e custo. Conceitua-se a classificao mercadolgica e sua utilizao na gesto de produtos. Estes pressupostos serviro como base para compreenso da atividade promocional em si, tais como anlises sobre impactos no mix de produtos e conceitos de elasticidade-preo da demanda e sensibilidade de produtos; a compreenso destes conceitos fundamental para elaborao das variveis de um modelo de previso de demanda. O captulo 5, intitulado Gesto de Abastecimento No Varejo demonstra conceitos utilizados no varejo para reposio automtica de mercadorias e clculos utilizados para ressuprimento automtico. A finalidade de se conhecer este processo de analisar a sua eficcia sobre o abastecimento dos produtos que fazem parte de uma promoo. Por fim, no captulo 6, intitulado Modelo de Previso Promocional apresentado a estrutura do prottipo desenvolvido com base nos referenciais tericos demonstrados nos captulos anteriores.

18

2

CAPTULO 2: INFORMATIZAO DO VAREJO NO BRASIL

Pode-se concluir que o grande impulso para a revoluo do setor varejista ocorrida no Brasil deve-se reforma monetria imposta pelo Plano Real, lanado em Julho de 1994 pelo governo Itamar Franco. O Plano Real permitiu a estabilizao da economia, quebrando quase um quarto de sculo de inflao elevada, e o consumidor brasileiro, acostumado a uma taxa mdia de inflao em torno de 50% ao ms, subitamente viu-se diante de taxas de 1,7% nos primeiros seis meses de 1995. Em tempos de inflao alta, o consumidor via-se obrigado a fazer grandes volumes de compra uma nica vez durante o ms para evitar a desvalorizao salarial. A estabilizao da economia permitiu ao consumidor comprar mais vezes ao longo do ms, garantindo-lhe um tempo maior para pesquisar preos e servios. Se por um lado o aumento do poder de compra contribua positivamente para o crescimento da economia brasileira, por outro trazia uma mudana radical nos hbitos de consumo, visto que o consumidor se tornara mais exigente e passava a valorizar aspectos relacionados qualidade ou convenincia dos servios, atendimento e conforto. Alm do mais, o consumidor estava se conscientizando sobre seus direitos, garantidos pelo Cdigo do Consumidor. Diante deste novo cenrio, o varejo teve que se readaptar para atender os diferentes perfis e hbitos de consumo, buscando melhorias em seu negcio visando manter a fidelidade do cliente. Exemplos de melhorias realizados nas lojas de supermercados: limpeza e organizao da loja, empacotador, etiqueta de preos nos produtos, folhetos de ofertas e promoes, entrega a domiclio, estacionamento, horrios especiais, entre

19

outros. A adequao do sortimento de mercadorias e ajuste da poltica de preos de acordo com os preos praticados pelos concorrentes mais prximos tornou-se essencial, em funo do preo ser o diferencial que pesava mais no momento de deciso do consumidor. Paralelamente, intensificou-se a entrada de grandes grupos e capital estrangeiro no pas, que viam no cenrio de estabilizao o ambiente ideal para expanso de seus negcios. Como exemplo, pode-se citar a entrada da rede norte-americana WalMart, em 1995, o grupo holands Royal Ahold, em 1996, grupo portugus Jernimo Martins, em 1997, e o grupo francs Casino, em 1999 (CARVALHO, 2006, p.24). Os grupos estrangeiros j instalados no Brasil, como o grupo francs Carrefour (1975) e a rede portuguesa Sonae (1989), receberam investimento de seus pases de origem para expandirem suas operaes dentro do Brasil, motivados pelo potencial do crescimento da economia. O investimento estrangeiro trouxe consigo um imperativo tecnolgico e de profissionalizao, atravs de prticas modernas de gesto empresarial, alm de inovao, qualidade e estrutura enxuta (CARVALHO, apud CARVALHO et. al., 2005). Convm destacar que as empresas brasileiras de varejo, nas pocas de inflao alta, tinham se habituado ao ganho fcil do lucro oriundo das aplicaes financeiras obtidas com as receitas de vendas vista. Esta operao consistia em comprar a mercadoria a prazo do fornecedor, vender vista para o consumidor e aplicar o montante em operaes financeiras. As aplicaes financeiras rendiam dividendos de um dia para outro, e muitas vezes estes ganhos representavam mais que a operao do varejo em si, o que contribua para o encobrimento de vrias falhas operacionais. Com o fim da inflao, estas empresas se viram obrigadas a implantar polticas de reestruturao e reduzir seus custos ao mximo para suprir a carncia das receitas financeiras. As empresas que no puderam se adaptar a esta nova realidade tiveram que encerrar suas atividades, a exemplo das redes Mesbla, Mappin e a G. Aronson, grandes grupos varejistas que no conseguiram estabelecer um plano de gesto eficiente. A busca pela excelncia em prestao de servios ao consumidor e a necessidade de reduo de custos atravs da agilidade e eficincia operacional foram os principais propulsores do processo de informatizao no varejo. Este processo j

20

tinha se iniciado no final da dcada de 1980, onde os S.I (Sistemas de Informao) eram empregados tanto na automatizao de rotinas contbeis, recursos humanos e financeiras, como tambm em operao com produtos (compra e estocagem). A introduo do conceito de identificao de mercadoria atravs de uma numerao nica e universal se tornou possvel atravs do EAN1. O padro EAN-13 permitia a identificao do produto, independente do pas onde este tenha sido produzido, atravs de uma representao grfica em forma de barras. O cdigo de barras impresso na embalagem era lido por um scanner tico e traduzido em dados numricos. O EAN-13 foi introduzido no Brasil oficialmente em Maio de 1985, proporcionando o incio da automao comercial, embora sua adoo ocorresse de maneira lenta tanto por parte da indstria quanto do varejo. A utilizao de identificao automtica iniciava uma nova fase no setor, quando programas e equipamentos foram desenvolvidos para automatizar as atividades de frente de loja. Nesta poca surgiram os primeiros PDVs2 que utilizavam a leitura de cdigos e emissores de Cupom Fiscal (ECF) para registro rpido de mercadorias, diminuindo o tempo de permanncia do consumidor nas filas. Outros perifricos de apoio foram lanados simultaneamente, como Balanas Eletrnicas, Impressoras Trmicas de Etiquetas (utilizadas para sinalizao de preos em gndolas) e Terminais de Consulta de Preos. O resgate do registro de venda dos PDVs era efetuado a partir do comando de encerramento no prprio caixa, que por sua vez enviava para os sistemas de retaguarda. Se por um lado a TI proporcionava rapidez e agilidade no atendimento ao consumidor, por outro fornecia dados essenciais para otimizao da gesto de produtos. Desta forma, informaes sobre desempenho de vendas, preo e margem por produto extradas do registro de vendas permitia aos gestores de categoria um maior conhecimento sobre circulao de seus produtos e potenciais de ganhos dentro do mix3. Alm do mais, a identificao pelo EAN permitiu a integrao da cadeia logstica entre o supermercado, o fornecedor e os centros de distribuio, servindo como base para novas tecnologias SCM4, ECR5 e EDI6.1 2

European Article Numbering Ponto de Venda 3 Mix Sortimento de produtos 4 Supply Chain Management Gerenciamento da Cadeia de Suprimentos 5 Efficient Consumer Response Resposta Eficiente ao Consumidor 6 Eletronic Data Interchange Transferncia Eletrnica de Dados

21

Atualmente, o que se observa no setor o constante emprego de tecnologias cujo foco principal a produtividade com reduo de mo de obra. Entre as novas solues de negcio propostas pelos fabricantes de TI, destaca-se o uso da Etiquetas Eletrnica nas Gndolas, o Self-Checkout (Cliente registra suas compras sem o auxlio de um operador), a tecnologia Wireless (Sem Fio) empregada para comunicao entre equipamentos e Identificao do produto por Radiofreqncia (RFID), um mecanismo de identificao remota que permitir o rastreamento total de um produto, desde a indstria, at o consumidor. Embora agregue grandes benefcios ao negcio, estas tecnologias existentes ainda no so utilizadas no mercado por ainda apresentarem um alto custo de implantao. (SUPERHIPER, 2008). No quesito estratgico, sistemas de TI foram desenvolvidos especificamente para executivos avaliarem o desempenho do negcio atravs de indicadores-chaves de performance (KPI - Key Performance Indicators) e para tomarem decises com maior preciso. Neste aspecto, a evoluo da tecnologia viabilizou a segregao de grandes volumes de dados em estruturas especiais, contribuindo para a integrao de dados corporativos, para posteriormente serem analisadas e exploradas pelos analistas de negcio. Dentre os vrios benefcios trazidos por estas tecnologias, destaca-se a simulao de cenrios, permitindo a empresa planejar suas aes antes da concorrncia. A utilizao da informao estratgica com base em dados coletados de sistemas legados dentro de uma organizao uma prtica que remonta desde a dcada de 70, quando foram desenvolvidas as primeiras solues tecnolgicas voltadas aos analistas de negcio. Estes programas forneciam informaes consolidadas e de fcil acesso para apoiar a tomada de deciso, porm exigiam programao intensa e no disponibilizavam informaes em tempo hbil. Alm disso, apresentavam altos custos de implantao. Com o advento dos bancos de dados relacionais, dos PCs e das interfaces grficas como o Windows, comearam a surgir os primeiros produtos realmente direcionados aos analistas de negcios, possibilitando rapidez e maior flexibilidade de anlise (SERRA, 2002). A gesto eficiente das informaes sempre foi considerada um dos maiores desafios enfrentados pelas empresas. A falta de integrao de vrios sistemas aplicativos

22

existentes impedia que as informaes conquistadas nos ltimos anos fossem utilizadas de maneira inteligente. As empresas que utilizarem a tecnologia da informao de forma ineficiente para entender as necessidades de seus clientes sero ultrapassadas em desempenho, vendas e produtividade, podendo inclusive encerrar suas atividades em poucos anos (SINGN,2001).Comandar a empresa por meio de computadores em vez de papis no somente uma questo de modernidade, mas principalmente de agilidade e preciso. Em funo da complexidade das operaes e da competio no mercado, as empresas esto sendo obrigadas a dinamizar seu processo de deciso (FURLAN, 1997).

Desta forma, o isolamento e armazenamento dos dados-chaves podem ser utilizados com bastante eficincia no sentido de se traar um plano de ao estratgico, possibilitando uma viso abrangente e unificada do negcio, ilustrando seu comportamento histrico e apontando referncias para o futuro. Embora as ferramentas BI tenham contribudo para a unificao e agrupamento rpido da informao, o que se observa atualmente no varejo a necessidade de se trabalhar com um modelo de Inteligncia Analtica. Sua aplicao prtica tem se demonstrado extremamente til em atividades de pricing, anlises financeiras, gesto de operaes, atrao e reteno de clientes e relacionamento com fornecedores (HARRIS, DAVENPORT, 2007). O processo feito atravs do levantamento e anlise detalhada de uma base histrica projetando uma tendncia futura de acordo com as regras de negcio. Ricardo Carlotto, em entrevista concedida revista SUPERMERCADO MODERNO, explica as diferenas entre BI e Inteligncia Analtica, sendo que o BI se restringe a levantar o histrico da empresa e tecer avaliaes sobre ele, sem projetar o futuro (SM, 2008). Por exemplo, a rede norte-americana Wal-Mart, uma das pioneiras na utilizao desta tecnologia, descobriu que as pessoas que vo a algumas de suas lojas s quintas-feiras para comprar fraldas Huggies tendem a adquirir cerca de dezenove itens adicionais. Com base nesta informao, as quintas-feiras so feitas alteraes na localizao de alguns itens na loja, permitindo que os clientes encontrem e comprem os itens de seu interesse com maior facilidade (MENCONI, 1998 apud GONALVES, 2001, p.13).

23

3

CAPTULO 3: SISTEMAS ESTRATGICOS x SISTEMAS ANALTICOS

Na dcada de 1960, os sistemas de informao passaram a ser utilizados pelas grandes companhias para automatizao de tarefas manuais, diminuindo consideravelmente o trabalho repetitivo e gerando considerveis ganhos de produtividade. Inicialmente, estes softwares se restringiam a controles de faturamento, estoque, folha de pagamento, finanas e contabilidade, e seu processamento ocorria de forma centralizada, em computadores de grande porte, conhecidos como mainframes. O surgimento da arquitetura Cliente/Servidor, no incio dos anos 90, permitiu a descentralizao do processamento e reduo de custos em aquisio de hardware (GONALVES, 2003).Aos poucos, porm, as empresas foram se sensibilizando para a importncia da informao na gesto de negcios. Contagiadas pela informtica, que passa a substituir o tradicional processamento de dados, as empresas superam resistncias e incorporam essa nova ferramenta empresarial. Com a informtica, as empresas integraram os seus sistemas, mesmo com algumas redundncias (REZENDE, 2002).

A

tecnologia

Cliente/Servidor

permitiu

que

informaes

fossem

extradas

diretamente de um banco de dados, combinadas e analisadas com outros relatrios gerados em planilhas eletrnicas. Com estas novas facilidades, os usurios deixavam de ficar limitados aos relatrios estticos fornecidos pelos sistemas centralizados (GONALVES, 2003), e o computador se torna importante na organizao, deixando de ser uma atividade secundria para agregar mais eficincia ao negcio.

24

Se por um lado a descentralizao do processamento de dados trouxe vrios benefcios s organizaes, por outro contribuiu para o surgimento de problemas relacionados a controle, capacidade e integrao de dados. Os gestores de negcio desperdiavam seu tempo analisando dados que muitas vezes se mostravam inconsistentes diante da proliferao de planilhas. Alm disso, o nmero de acessos e consultas transacionais impactavam diretamente na performance dos servidores. Estes problemas seriam resolvidos com implantao das novas tecnologias de armazenamento de dados via Datawarehouse (DW) e ERP. Com a integrao dos dados corporativos, vieram os conceitos de inteligncia do negcio, que consistiam na anlise da informao bruta e operacional e sua transformao em informao estratgica. 3.1 Sistemas de Informao Antes de se conceituar Sistemas de Informao, preciso compreender o conceito de DADOS e INFORMAO sob a tica de TI. Os DADOS constituem os fatos puros ou descries simblicas de elementos, eventos, atividades ou transaes. Os dados servem de base para o tratamento sobre os quais o computador efetua as operaes, mas no esto organizados, portanto, no transmitem qualquer significado. A INFORMAO a organizao de um conjunto de dados de forma significativa. Dados tornam-se informao quando so organizados de uma maneira lgica. Para se tornarem informao, necessrio agregar um PROCESSAMENTO, ou seja, um conjunto de tarefas executadas em seqncia lgica, com o objetivo de atingir um resultado definido. A transformao de dados em informao tarefa principal dos Sistemas de Informao (SI).

Fig. 1 Transformando Dados em Informao

Na definio de Laudon e Laudon, um Sistema de Informao o conjunto de elementos ou componentes inter-relacionados que coleta, armazena, processa e

25

distribui dados e informaes com a finalidade de facilitar o planejamento, o controle, a coordenao, a anlise e o processo decisrio em empresas e outras organizaes. 3.2 Camadas de Informao Os SI podem ser classificados de acordo com o nvel hierrquico a que os sistemas do suporte: operacional, gerencial ou estratgico. A figura 2 ilustra os nveis de camada da informao dentro de um ambiente empresarial:

Fig. 2 Viso da Empresa por Camadas de Informao Fonte: Laudon e Laudon (2001)

No Nvel Operacional, encontram-se os Sistemas de Processamento Transacional (SPT). Os SPT so sistemas altamente estruturados, ligados diretamente s transaes elementares e atividades de rotina de uma empresa, tais como: emisso de pedidos, emisso de notas fiscais, controles contbeis, controles de estoques. Estes sistemas permitem aos gerentes operacionais o monitoramento e controle das atividades do negcio. No Nvel de Conhecimento, encontram-se os Sistemas de Informao Gerencial (SIG). Os SIG fornecem resumos das transaes operacionais realizados nos SPT, permitindo comparaes histricas e indicadores de desempenhos. Geralmente eles so dependentes de sistemas de processamento de transaes subjacentes para os seus dados, so pouco flexveis e tm pequena capacidade analtica.

26

No Nvel Estratgico, encontram-se os Sistemas de Apoio Deciso (SAD), que Laudon e Laudon (2001) classifica tambm como sistemas de apoio aos executivos (ESS Executive Support Systems). A principal caracterstica destes sistemas sua capacidade de atender decises no estruturadas, como projeo e / ou simulao de cenrios. Estes sistemas utilizam ferramentas avanadas que permitem a compactao e reordenao dos dados de modo a se transformarem em informaes que ajudam a administrao snior a enfocar assuntos estratgicos do negcio. Os ESS fornecem uma resposta prtica aos executivos que acessam a riqueza de informaes disponveis em seus sistemas de computadores. 3.3 O Business Intelligence O termo BI foi popularizado em 1989 por Howard Dresner, do Gartner Group, e descreve um conjunto de conceitos e mtodos utilizados para melhorar as tomadas de decises de negcios usando uma base de fatos de um sistema de suporte. Barbieri (2001,p.34) conceitua BI como a utilizao de variadas fontes de informao para se definir estratgias de competitividade nos negcios da empresa. Ou seja, BI o conjunto de estruturas e ferramentas que permitem o armazenamento, agrupamento e transformao dos dados, facilitando a informao para o tomador de decises. A estrutura de armazenamento denominada DataWarehouse (DW) e DataMarts (DM). As ferramentas so os softwares que permitem o recolhimento e apresentao dos dados, de forma resumida ou analtica. A essncia do BI est em definir regras e tcnicas de formatao adequada para estas informaes, transformando-as em depsitos estruturados de dados, que por sua vez sero compartilhados por toda a organizao. (BARBIERI, 2001). 3.3.1 BI - Arquitetura Um sistema BI projetado seguindo as estruturas abaixo definidas (BARBIERI, 2001, p.48):

27

DATAWAREHOUSE (DW), DATAMARTS (DM) e OPERATION DATA STORE (ODS Operao de Armazenamento de Dados): Compe as estruturas especiais que armazenam as informaes capazes de sustentar a camada de inteligncia da empresa; O ODS pode ser entendido como um cadastro consolidador, uma ponte entre o legado e o DW, onde ficam mantidas as caractersticas de granularidade e estruturao dos sistemas consolidados. FERRAMENTAS ETL (Extract, Transformation and Load Extrao, Transformao e Carga): So responsveis pela transformao dos dados transacionais em informao corporativa. As ferramentas ETL realizam a coleta, limpeza, preparao e carga dos dados nos DW. FERRAMENTAS DE OPERAES ESPECIAIS DE TRATAMENTO: So as ferramentas que possibilitam o manuseio dos dados, operadores dimensionais, possibilitando uma forma mltipla e combinada de anlise. As principais ferramentas so o OLAP e DataMining.

Fig. 3 Arquitetura de um Sistema BI Fonte: BARBIERI, 2001

3.3.2 Datawarehouse e Datamarts

28

Serra (2002, p.140) define DataWarehouse como um banco de dados voltado para suporte deciso de usurios finais, derivado de diversos outros bancos de dados operacionais. A meta principal de um DW a criao de uma visualizao lgica nica dos dados residentes de diversas aplicaes dentro de um ambiente empresarial, coletados ao longo do tempo e usados para comparaes, tendncias e previses, fornecendo aos usurios um modelo de trabalho nico.Data Warehouse o processo de integrao dos dados corporativos de uma empresa em um nico repositrio, a partir do qual os usurios finais podem facilmente executar consultas, gerar relatrios e fazer anlises (GONALVES, 2003, p.11).

O conceito do DW foi originalmente lanado pela IBM como uma proposta de soluo chamada Information Warehouse. O DW era a estrutura fsica, funcionando como um repositrio que separava os dados operacionais para serem utilizados como sistemas de suporte deciso dentro da organizao. A idia era o aproveitamento destes dados visando a melhoria da qualidade dos servios e atendimento ao cliente, ajudando a companhia a avaliar as atividades emergentes do seu negcio (GONALVES,2003). O aspecto mais relevante na criao de um DW a garantia da qualidade dos dados. Serra (2002) complementa, citando que a definio bem desenhada do DW objetiva satisfazer as necessidades de anlise de informaes dos usurios, como monitorar e comparar as operaes atuais com as passadas, podendo desta forma prever as situaes futuras. A modelagem de dados mais utilizada conhecida como Star Schema (Esquema Estrela), ou Modelagem Multidimensional. Neste modelo, os fatos principais so listados numa Tabela de Fatos, contribuindo para agilidade nas pesquisas. Desta forma, vrias tabelas dimensionais so ligadas s tabelas de fatos, que por sua vez indicam como as agregaes de dados relacionais podem ser analisadas. Este tipo de modelagem dimensional de dados a que oferece melhor desempenho.

29

Fig. 4 Exemplo Arquitetura Star Schema Fonte: ORACLE

O desempenho o fator fundamental para um sistema que gerencia grande volume de dados, e todos os clculos resultantes de um processamento transacional devero ser considerados no momento da modelagem do DW. Ao se projetar um campo de data, por exemplo, deve-se projetar tambm campos adicionais para armazenar o ano, o ms e o trimestre onde a data se encontra. O espao em disco resultante do complemento desta informao ser maior, em compensao, no sero realizados clculos adicionais quando ocorrerem as consultas ou sumarizaes por perodo (ALCANTARA, 2006). Um DW pode armazenar grandes volumes de informao, porm este volume pode ser dividido em unidades lgicas menores, conhecidas como DataMarts. O conceito do DataMart, na definio de SERRA (2002), um pequeno DataWarehouse, porm reduzido uma dimenso departamental. O DM um atrativo por possuir baixo custo e menor tempo de implantao, com crescentes avanos tecnolgicos. Construir um DW uma tarefa cara e consome muito tempo. As empresas esto investindo milhes em DW, que nos ltimos anos adquiriu muita fora devido ao sucesso dos SGBDR e tambm devido reduo dos custos e aumento do desempenho dos hardwares utilizados (HARRISON, 1998 apud GONALVES,

30

2003, p.10). Uma alternativa apresentada pelos arquitetos BI criar Datamarts para cada departamento ou rea especfica da empresa, e posteriormente consolidar os dados destes Datamarts em um DW. 3.3.3 Ferramentas ETL As ferramentas ETL (Extract, Transformation and Load - Extrao, Tratamento e Carga) so responsveis por lerem os diversos formatos de arquivos utilizados pela organizao, incluindo sistemas transacionais, planilhas, arquivos textos e arquivos do tipo DBF. Aps a extrao da informao destes arquivos, ocorre o tratamento dos dados (identificao, catlogo, alteraes de acordo com as regras de negcio) e o armazenamento no DW. A extrao realizada atravs da execuo de uma rotinas de processamento, onde os dados so atualizados uma ou algumas vezes por dia e posteriormente armazenados em uma Staging rea, onde ocorre o tratamento, padronizao e transformao das informaes operacionais para carga na arquitetura BI. O processo de movimentao um dos mais crticos de um DW, pois baseia-se em rotinas trabalhosas e complexas para garantir a integridade dos dados. 3.3.4 Ferramentas DataMining Datamining, como o prprio nome sugere em ingls, a tecnologia que permite a minerao dos dados contidos nos DW e DM, buscando uma co-relao entre eles. O objetivo do Mining identificar anomalias ou oportunidades, atravs do relacionamento entre os dados, para ento diagnosticar o comportamento do negcio. A busca por novos padres realizada atravs de algoritmos complexos envolvendo computao aritmtica, blocos de inteligncia artificial, redes neurais e rvores de deciso baseada em regras de induo. Barbieri (2001) completa que os conceitos de garimpagem esto relacionados com a nova tendncia de se buscar correlaes escondidas em altos volumes de dados e que nem so evidentes aos analistas de negcio. A anlise por parte dos gestores torna-se essencial para a descoberta de novas oportunidades de negcio, e acima de tudo, elaborao de novas estratgias para o futuro. 3.3.5 Cubo OLAP

31

OLAP so consultas com acesso casual nico e tratamento dos dados segundo parmetros nunca antes utilizados, geralmente executado de forma interativa e heurstica (INMON,1997). As aplicaes OLAP (OnLine Analitical Processing Processamento Analtico OnLine) permitem aos usurios analisar rapidamente dados sumarizados de maneira multidimensional ou hierrquica, permitindo tambm sua consolidao em diversos nveis. O processamento analtico On-Line representa a possibilidade de se trabalhar os dados com operadores dimensionais, visualizando e analisando dados corporativos com alta flexibilidade e combinaes de anlise. O OLAP criado na mquina cliente ou no servidor, retornando os dados oriundos de uma consulta especfica no banco de dados.

Fig. 5 Representao Grfica do OLAP

A viso multidimensional mais til para os analistas do que a viso tabular tradicional utilizada nos sistemas de processamento de transao. Ela mais natural, fcil e intuitiva, permitindo uma viso das informaes em diferentes perspectivas. Isso auxilia efetivamente o tomador de deciso, pois ele pode verificar tendncias nos dados, utilizando dados resumidos, trocando as dimenses de lugar e navegando atravs de suas hierarquias. Dessa forma, os usurios podem testar suas hipteses e pensar sobre questes que no haviam ainda sido levantadas antes. Um cubo OLAP apresenta algumas tecnologias que permitem o manuseio da informao de acordo com as preferncias do usurio, sendo elas o Slice-and-Dice, Drill Down/Up e a Criao de Queries.

32

O SLICE-AND-DICE a tecnologia que permite a anlise da informao sobre diferentes perspectivas, permitindo ao usurio modelar a informao de acordo com suas necessidades. Esta tecnologia permite que linhas de uma tabela possam ser convertidas em colunas, etc. O DRILL DOWN / UP permite fazer uma explorao da informao em diferentes nveis de detalhe. A tecnologia de QUERIES exige do usurio um conhecimento mnimo de informtica, permitindo criar de maneira simples e transparente consultas para obter as informaes desejadas. 3.3.6 Metadados O conceito de Metadados de "dados sobre os dados", ou seja, so dados de alto nvel com definies tcnicas (fonte de origem, memria de clculo e informaes bibliogrficas) que descrevem dados de um nvel inferior. A principal funcionalidade dos metadados prover administrao de dados inferiores e garantir a consistncia dos mesmos. Os metadados geralmente apresentam trs camadas diferentes: Metadados Operacionais: Definem a estrutura dos dados mantidos pelos bancos operacionais, usados pelas aplicaes de produo da empresa. Metadados Centrais de um DW: So orientados por assunto e definem como os dados transformados devem ser interpretados, incluem definies de agregao e campos calculados, assim como vises sobre cruzamentos de assuntos. Metadados do Nvel do Usurio: Organizam os metadados do DW para conceitos que sejam familiares e adequados aos usurios finais.

3.3.7 Exemplificando operaes OLAP: Usando BI no Varejo A seguir detalharemos uma prtica comum da utilizao de BI no varejo. Supomos que uma rede de supermercados, com lojas distribudas em todo o territrio

33

nacional, deseja efetuar uma anlise percentual de ruptura (falta de produtos) de suas lojas para melhorar a gesto de compra de produtos. O alto ndice de ruptura indica um provvel problema de abastecimento na regio, causando impactos negativos na imagem do negcio e prejudicando o volume de vendas. Primeiramente, preciso saber se o problema especfico de uma determinada regio ou loja, para posteriormente realizar a identificao dos itens que permanecem em ruptura por mais tempo. Para os itens que aparecem em ruptura no maior nmero de lojas, a empresa pode optar pela excluso destes itens do sortimento, ou estudar uma forma de trabalhar com abastecimento centralizado. Executando-se algumas variaes de Drills, pode-se analisar os percentuais de ruptura por regio. A figura 6 ilustra a viso da informao do topo da camada de nvel estratgico.

Fig. 6 Anlise % da ruptura por Regio / Loja Fonte: MicroStrategy

Esta anlise ainda pode ser feita utilizando-se os filtros de consulta, obtendo um maior detalhamento por setor, categoria de produtos, etc. Deste modo, o usurio poderia se concentrar apenas nas lojas com o maior percentual de rupturas e procurar entender o que ocorre de errado nessas lojas; Ao mesmo tempo, pode analisar outros dados para entender quais aes so executadas nas lojas que possuem menor ndice de rupturas, e adot-las como modelo a ser imitado por todas as outras. Ao analisar um conjunto de dados de forma agregada, muitos detalhes permanecem invisveis. A anlise dimensional no s trata os dados agregados como projees

34

de um hiper-cubo, mas tambm possibilita visualizar o hiper-cubo de maneira integral.

Fig. 7 Agrupamento do % da ruptura por Regio Fonte: MicroStrategy

A anlise multidimensional permite tambm que os dados possam ser manipulados pelo usurio de modo que as linhas se tornem colunas, ou vice-versa, revelando aspectos que no haviam sido percebidos antes.

Fig. 8 Viso detalhamento do produto / loja Fonte: MicroStrategy

O detalhamento destas anlises executado atravs das operaes OLAP, que lem as tabelas onde ficam armazenadas estas informaes dentro do DW e permite que os dados sejam explorados visualmente, como se a tabela estivesse sendo dobrada sobre si mesma. Neste exemplo, poderamos ter uma rotao em que as rupturas passam a ter uma dimenso e as lojas passa a ser valores (exemplo: quantidade de lojas). A explorao continua atravs do Drill down e Drill up de acordo com o nvel de detalhamento solicitado pelo usurio.

35

Conforme visto anteriormente, a caracterstica de Drills permite a visualizao dos relatrios na tela sem necessariamente ter que imprimi-los. O usurio tem liberdade de examinar as informaes de diversas maneiras e, ao final, pode imprimir e at mesmo salvar as vises mais importantes para uma futura consulta. 3.4 Principais Indicadores utilizados em Varejo Receita Diria de vendas: Corresponde ao Total das Vendas, Receitas e Impostos de um determinado perodo, agrupadas por setor, grupo ou subgrupo de produtos; Itens de Maior e Menor Venda: Apurao diria ou por perodo dos produtos de maior venda e os de menor demanda; Ganhos e Perdas de Margem: Lista dos itens de acordo com rentabilidade, permitindo sua classificao por percentual aplicado ou massa de margem, utilizados principalmente para estratgias de promoo; Nmero de Clientes por Perodo: Nmero de clientes por perodo, dia e at mesmo faixa horria; Venda do perodo, ordenado por dias: Atravs destes dados, possvel estabelecer critrios de promoo que atendam datas especficas quanto a vendas; Vendas por Faixa Horria: Informao aberta por faixa horria extremamente til para organizao de escala de funcionrios, proporcionando ao cliente um melhor atendimento; Comparaes de venda entre perodos: Compara informaes de venda de um perodo com o mesmo perodo no ano anterior. Esta informao pode ser detalhada por setor, grupo, subgrupo e itens. Estes dados permitem ao gestor analisar motivos em relao ao aumento ou diminuio de vendas e identificar as causas que levaram atual posio nos indicadores;

36

Produtos em Ruptura: Lista os itens que permaneceram em ruptura (estoque zero) com maior freqncia, identificando possveis falhas na cadeia de abastecimento ou problemas com fornecedor;

Performance por Fornecedor: Analisa o desempenho de servios prestados por fornecedor (tempo de entrega, prazo de pagamento, opes de ofertas, mix de produtos);

Pesquisas de Pricing: Estas informaes so alimentadas diariamente atravs de pesquisas de preos realizadas em concorrentes. O gestor utiliza estas informaes para comparar preos, rever o mix de margem e sortimento de mercadorias.

3.5 Inteligncia Analtica Conceitos e Metodologias As anlises de desempenho sempre foram realizadas pelas empresas, de uma forma ou de outra, para detectar qual produto vende mais ou qual fornece maior margem de lucro. Porm, o acirramento da competitividade exigiu das empresas maior agilidade no processo de deciso, ao mesmo tempo em que a informatizao das atividades contribua para proliferao de sistemas e planilhas corporativas, gerando redundncias e inconsistncias. Alm disso, era necessrio aprofundar a anlise da informao, procura de respostas ou pontos que no haviam sido observados antes. O BI permitiu que a unificao da informao se tornasse uma realidade, garantindo seu armazenamento de forma a criar um histrico de operaes. A idia era aproveitar estes dados para as respostas dos executivos quanto sade dos negcios, ou auxiliar nas aes a serem adotadas a curto prazo. No obstante, o mercado global de BI teve um crescimento de 12,5% em 2007, e a previso do Gartner Group de crescimento a 8,6% ao ano a partir de 2011. Se por um lado o BI fornecia as ferramentas necessrias para se explorar a informao em vrias camadas, por outro disponibilizava aos analistas de negcio uma extensa base com dados de alta qualidade, servindo de fonte para pesquisas, previses e simulao de cenrios. Enquanto o BI mostrava o porqu e como, estes analistas desejavam saber o onde e quando.

37

Estas anlises utilizavam tcnicas avanadas, que consistiam em usar estatstica avanada e aprendizado de mquina para agrupar massas de dados de acordo com semelhanas de padres, e estudar as correlaes e interdependncias entre eles. Um comportamento novo que surgia e comeasse a se repetir com freqncia poderia indicar a presena de oportunidades. Portanto, o que se chama de Inteligncia Analtica corresponde a um subsistema do BI, que consiste em utilizar tcnicas de Mining para a tomada de decises mais precisas, melhor embasadas em evidncias e constataes e com maior probabilidade de acerto. Davenport explica a Inteligncia Analtica como "... a utilizao extensiva de dados, anlises quantitativas e estatsticas, modelos explicativos e preditivos e gesto baseada em fatos para orientar decises e aes" (DAVENPORT, 2007, p. 8). As empresas que minerarem seus dados com maior intensidade e preciso sero lderes nos segmentos em que atuam. A Amazon.com e a NetFlix, por exemplo, fazem anlises exaustivas em seus histricos de vendas, locaes e avaliao de produtos para prever o que poder agradar seus consumidores. O Wal-Mart coleta dados de seus consumidores para garantir que seus clientes tenham os produtos que desejarem, no momento em que desejarem e ao preo que desejarem. Estas informaes permitem a essas empresas desenvolverem aes de marketing cada vez mais direcionadas ao seu pblico-alvo. Estes modelos de anlise tambm podem ser empregados nas demais atividades, como por exemplo, o planejamento da cadeia de suprimentos e gerenciamento logstico. O modelo de negcio da Amazon e da NetFlix requer um gerenciamento constante de fluxo para novos produtos, fornecedores, clientes, promoes e a entrega dos pedidos diretamente at seus clientes nas datas prometidas. A UPS e FedEx aproveitaram a Inteligncia Analtica para otimizar rotas de entrega (DAVENPORT, 2007). Existem vrios campos de atuao em que as tcnicas de anlise podem ser empregadas. Por exemplo, pode-se utilizar Inteligncia Analtica para projetar ou simular comportamentos do trfego nas grandes metrpoles, mercado de aes, gesto de finanas, gesto de RH, gesto de custos, Pricing... So vrias as

38

possibilidades de utilizao deste recurso, desde que se tenha os dados disponveis numa base slida e confivel. O modelo ento construdo com base nas premissas da explorao, e aprimorado constantemente para se tornar cada vez mais inteligente e eficaz; Quanto maior o histrico de dados armazenados no banco, maior a exatido da consulta. 3.5.1 Modelos de Data Mining Os softwares de inteligncia analtica atualmente disponveis no mercado utilizam modelos especficos para extrair informaes relevantes da camada do negcio. Carvalho (2005) relaciona alguns destes modelos e suas caractersticas, conforme apresentado abaixo: Classificao: A classificao responsvel pelo reconhecimento de padres e relacionamentos dos registros de acordo com seus atributos. Os algoritmos aplicados neste processo utilizam tcnicas de rvores de deciso e / ou redes neurais; geralmente so utilizados algoritmos de estimativa para verificar se o dado est de acordo com a classificao. Modelos de Predio (Forecasting): os modelos de predio baseiamse em uma srie de relaes e padres hipotticos, utilizando tcnicas estatsticas para prever uma situao em um campo dos dados, baseando-se nas informaes dos demais campos do objeto. Por exemplo, ao utilizar uma srie de dados de transaes bancrias, um modelo poder predizer se a natureza de uma transao fraudulenta. Um exemplo de sua aplicao est nas previses meteorolgicas. Modelos de Estimativa: estimam um valor aproximado com base em outros valores referente a situaes semelhantes na qual se tem conhecimento. As ferramentas mais utilizadas para estimar grandezas so tambm Redes Neurais Artificiais, Estatstica, Algoritmos Genticos e Simulated Annealing. Relacionamento entre Variveis: explora relacionamentos

independentes que podem existir entre os itens de acordo com suas variveis. So utilizadas tcnicas estatsticas como regresso linear simples, mltipla e modelos lineares por transformao para verificar o

39

relacionamento funcional que possa existir entre duas variveis quantitativas. A associao pode ocorrer atravs de atributos de um mesmo item, por exemplo: De todos os consumidores que compram leite, 64% compram po - ou associaes entre diferentes itens, por exemplo: Toda vez que o estoque de um item abaixa 5%, um estoque de outro item aumenta 13% entre 2 a 6 semanas depois. Anlise de Agrupamento (Cluster): utiliza algoritmos capazes de agrupar os objetos que possuem semelhanas entre seus atributos, formando grupos com registros similares. O objetivo do agrupamento descobrir os diferentes grupos existentes em dados poucos conhecidos, como, por exemplo, grupos de clientes que possuem um comportamento de compra semelhante. Sumarizao: O processo de sumarizao visa descartar valores invlidos durante o pr-processamento dos dados. Estes valores so obtidos atravs do clculo de medidas estatsticas, como mnimo, mximo, mdia, mediana e desvio padro e distribuio de freqncia. Descoberta no-supervisionada de Relaes: consistem em tcnicas automticas do Data Mining encontrem padres e relacionamentos. Modelos de Visualizao: A visualizao dos dados em forma de grficos permite que a informao descoberta possa ser facilmente compreendida por analistas humanos. As tcnicas de visualizaes esto se tornando comuns para descoberta de novos padres. Apesar dos softwares existentes no mercado e relatrios emitidos por grandes sistemas empresariais (SAP, Oracle), a inteligncia analtica pode ser realizada tambm atravs do uso de planilhas corporativas, embora muito do seu sucesso ainda dependa dos gestores da informao (DAVENPORT, 2007). A proposta deste estudo demonstrar a aplicao da Inteligncia Analtica contribuindo na otimizao da cadeia de suprimentos no mercado de varejo. Neste caso, as aplicaes analticas podem ser utilizadas para determinao das interseces das curvas de oferta e demanda para otimizar o estoque e minimizar estoques excedentes ou escassos (DAVENPORT, 2007, p. 120). Ou seja, o sistema

40

analisa o comportamento histrico da curva de demanda por produto, preo e tipo de promoo, e com base nesses dados projeta um volume de compras que garantir o abastecimento ideal sem estoque excedente.A disciplina da gesto da cadeia de suprimentos possui profundas razes no domnio analtico. As empresas que se sobressarem nessa rea possuem um histrico de dcadas de utilizao de analise quantitativa para otimizar a logstica (DAVENPORT, 2007, p. 124).

O prottipo para abastecimento promocional ser elaborado de acordo com as regras utilizadas em um modelo de predio. Por utilizarem algoritmos de estatstica, os modelos preditivos necessitam de premissas ou variveis para analisar os dados. No caso de um novo modelo a ser desenvolvido, ser necessrio selecionar todas as variveis que possam vir a influenciar o comportamento estatstico, assim como a relao entre elas. Neste caso, modelos preditivos no so recomendados quando se lida com um grande nmero de variveis. Alm de trabalhoso, corre-se o risco de que as relaes potencialmente interessantes sejam esquecidas. Neste estudo, detalharemos todos aspectos da atividade do varejo para compreender todas as variveis possveis que possam ser incorporadas no prottipo analtico. Modelos complexos que requerem um grande nmero de variveis utilizam tcnicas de Inteligncia Artificial, como algoritmos de induo para descobrimento de regras e associaes em bases de dados com o mnimo de premissas. A principal premissa que toda a informao gerada pelo analista encontra-se na base; o algoritmo ento trabalha os dados e sugere os relacionamentos e possveis modelos atravs da anlise do conjunto de dados. Posteriormente, informaes estatsticas so geradas para avaliar a preciso do modelo.

41

Fig. 9 Software Modelo Rede Neural para Previso de Valores Fonte: www.alyuda.com

3.5.2 Metodologias aplicadas em Data Mining O processo de minerao utiliza vrias tcnicas e mtodos, cada um servindo para um propsito diferente. Goebel (1999) relaciona as metodologias mais comuns utilizadas em Mining: Mtodos Estatsticos: Utilizado deste os primeiros modelos de DataMining, as tcnicas estattiscas so utilizadas para concepo de hipteses e / ou clculo de probabilidades, exigindo engenheiros experientes para construir modelos que descrevem o comportamento do dado atravs dos mtodos clssicos de matemtica. Case-Based Reasoning (CBR): O CBR a tecnologia que procura resolver um determinado problema utilizando experincia e solues encontradas no passado. Dado um novo problema particular, o CBR examina o tratamento de outros problemas e busca por tratamentos similares. Se um tratamento similar existir, ento a soluo aplicada ao novo problema, e adicionado ao CBR para ser consultado como referncia futura. Redes Neurais: As Redes Neurais consiste numa classe de sistemas modelados para simular um celebro humano. Um clebro humano

42

composto por milhes de neurnios interconectados, cada neurnio enviando uma parte da informao processada para outro. Como no celebro humano, as redes neurais possuem a capacidade de aprender, a partir de um conjunto de registros de entrada (inputs) e o resultado do processamento (output). Arvores de Deciso: As tcnicas conhecidas como rvores de deciso consistem em representar uma srie de regras que conduzem a uma classe ou a um valor. O objetivo principal a separao ou agrupamento dos dados de acordo com suas caractersticas. Essas regras podem ser expressas como declaraes lgicas numa linguagem de programao SQL. Regras de Induo: As Regras de Induo buscam correlaes estatsticas entre atributos, utilizados nos modelos de Relacionamento entre Variveis. Redes Bayesianas: As Redes Bayesianas so representaes grficas de distribuies probabilsticas derivadas da contagem da ocorrncia dos dados num determinado conjunto. Algoritmos Genticos, Programao Evolucionria: Esta tcnica consiste na formulao de estratgias de otimizao algortmica inspiradas nos princpios observados na evoluo natural. Dada uma coleo de solues de problemas que competem entre si, so selecionadas e combinadas as melhores. Com este comportamento espera-se obter um ganho incremental na qualidade da soluo. Os algoritmos genticos usam os operadores de seleo, cruzamento e mutao para desenvolver sucessivas geraes de solues. Com a evoluo do algoritmo, somente as solues com maior poder de previso sobrevivem, at convergirem numa soluo ideal. A tcnica de algoritmos genticos apropriada s tarefas de classificao e clustering. Lgica Fuzzy: A lgica Fuzzy uma metodologia para representao e processamento de incertezas. As incertezas so encontradas em vrias formas nos bancos de dados: impreciso, no especificaes, inconsistncias, informaes vagas ou difusas. Lgica Fuzzy est

43

baseada na teoria dos conjuntos nebulosos, e difere dos sistemas lgicos tradicionais por tratar de raciocnio aproximados, em vez de exatos. Rough Sets: Assim como a Lgica Fuzzi, o Rough Set um conceito matemtico que trata a incerteza nos dados. A premissa central na filosofia de Rough Sets a classificao de objetos, interpretao e caracterizao para processar o no-discernimento entre elementos.

3.5.3 Exemplo de Informaes obtidas com Mining no Varejo Informaes extradas atravs de minerao de dados no varejo (NIELSEN, 2008): Quais itens so freqentemente comprados em combinao (por exemplo, cereais e leite; mostarda, po e salsicha; fralda e comida para recm-nascido)? Quais itens so freqentemente adquiridos numa compra em torno de R$ 100,00? Quais itens so freqentemente comprados por famlias (uma famlia pode ser identificada atravs dos tipos de certos produtos que so tipicamente adquiridos por crianas)? Quais itens so freqentemente comprados por pessoas fazendo pequenas compras? Como a mudana de preo (aumento ou diminuio) ter impacto no volume de vendas e no utilitrio? Quais itens oferecem a maior oportunidade de fazer um ajuste de preo? Os consumidores so mais sensveis aos preos absolutos ou ao diferencial no preo contra os principais concorrentes? Existe alguma ameaa crtica com relao ao preo que possa criar um salto na curva de elasticidade tradicional? Quais contas e consumidores reagem em maior escala s mudanas de preo?

44

Existem diferenas importantes na cadeia nomeada na elasticidade de preo?

3.6 Concluses Este captulo permitiu explorar o potencial da Tecnologia da Informao nos negcios, demonstrando sua utilizao para melhorar desempenho e favorecer vantagens competitivas. Particularmente no varejo, so infinitas as possibilidades de emprego de T.I. O que antes era uma atividade voltada apenas para automao e controle de processos transformou-se numa poderosa ferramenta capaz de simular cenrios, permitindo aos gestores tomarem decises baseadas em previses, fatos e constataes. Investimentos em estruturas DWs, sistemas BI e tcnicas modernas de Mining permitiram que grandes empresas de varejo, como o Wal Mart, pudessem utilizar informaes colhidas de seus repositrios de dados para realizarem melhorias significativas no atendimento ao consumidor e planejamento logstico.

45

4

CAPTULO 4: GESTO DE PREOS NO VAREJO

Antes de iniciarmos o estudo de que trata o presente captulo, deve-se, primeiramente, conceituar o aspecto do varejo, assim como o detalhamento de suas atividades-chave e operacionalizao, que serviro para o embasamento dos pressupostos tericos nos quais se basear o raciocnio de clculo a ser adotado pelo modelo de Inteligncia Analtica. PARENTE (2000, p. 22) define o varejo como [...] todas as atividades que englobam o processo de venda de produtos e servios para atender a uma necessidade pessoal do consumidor final. Sua principal caracterstica o emprego das funes clssicas de operao comercial: procurar, selecionar, negociar e adquirir produtos; comercializar e entregar ao consumidor final. A principal fonte de receita provm da margem de lucro (mark-up) que o varejista aplica sobre o custo do produto. No entanto, em funo da alta competitividade existente no setor, os supermercados esto adequando cada vez mais os preos de seus artigos, redefinindo polticas de preos de seus produtos de acordo com os preos praticados pelos seus concorrentes (WERNKE, 2005, p.147). Aps a implantao do Plano Real, as empresas de varejo passaram a buscar fontes alternativas de receita para compensar a eventual perda de margem em funo da concorrncia direta. Destacam-se os ganhos com financiamento de compras com o cliente final, atravs de cartes com bandeira prpria, integrao logstica, - onde o fornecedor concede uma verba para o supermercadista realizar a distribuio de seus produtos -, e as verbas oriundas de negociaes entre o

46

fornecedor e o varejista (bonificaes), utilizadas para reduo do custo da mercadoria. 4.1 O Mix de Produtos A composio do sortimento de produtos (mix de produtos) uma das atividades fundamentais do varejo, com o objetivo de selecionar quais produtos sero vendidos em uma loja. O universo de produtos selecionado de acordo com as necessidades dos consumidores que se esta atendendo, porm dispor de uma variedade muito ampla de produtos implica no aumento de custos de armazenamento. Portanto, a manuteno do mix dever ocorrer periodicamente, excluindo os itens com baixo desempenho em vendas e incorporando produtos similares s categorias de melhor performance. Os supermercados de grande porte (hipermercados) podem comercializar at 50 mil itens ou mais (PARENTE, 2000). 4.2 Clculo da Margem e Definio do Preo de Venda De todas as variveis do marketing mix, a deciso preo aquela que mais rapidamente afeta a competitividade, o volume de vendas, as margens e a lucratividade das empresas varejistas (PARENTE, 2000, p. 160). Para a definio da poltica de preos deve-se levar em considerao uma srie de fatores, entre eles: comportamento do consumidor, exclusividade do produto, concorrncia direta, etc. O preo de venda de um produto calculado atravs do acrscimo de um percentual de lucro (margem) incidente sobre o custo de aquisio do mesmo. importante observar que as despesas envolvidas na aquisio deste produto, tais como valor do frete, despesas financeiras, tributao, etc., j devem ser consideradas na composio do custo final. Portanto, se a margem de um determinado produto for igual a 0 (zero), significa que o varejista no ir ganhar nada no momento em que o produto for vendido, porm a venda de todas as unidades dever cobrir o gasto com a aquisio do mesmo.

47

COEF_IMPOSTOS : [100 - (ICMS + PIS + COFINS)] / 100 COEF_MARGEM: (100 - MARGEM)/100 PV = [(CUSTO / COEF_IMPOSTOS) / COEF_MARGEM]

Fig. 10 Clculo Composio Preo de Venda

O coeficiente de margem deve ser aplicado no custo independente dos impostos que sero pagos a partir do registro da venda do mesmo. A figura 10 demonstra o clculo de um coeficiente considerando o repasse desta tributao para composio do custo. A margem de lucro dever ser aplicada sobre o montante final.

COMPOSIO Custo Unitrio Produto Impostos Sobre Venda ICMS Pis/Cofins Total Impostos Preo de Venda M0 Margem Aplicada Preo de Venda M - 30%

%

R$[1]

0,9818,00 9,25 27,25 0,37[3]

[2]

1,35 30,00 57,25 0,58 1,92[4]

Fig. 11 Demonstrativo Composio Preo de Venda7

A figura 11 demonstra um caso prtico de composio do preo de venda. Neste exemplo, o custo de aquisio unitria de um produto de R$ 0,98 [1] (O custo unitrio representa todas as despesas do varejista com a aquisio do produto, incluindo frete, impostos, descontos e despesas acessrias). Os impostos a serem recolhidos mediante a venda deste produto [2] devero sero acrescidos sobre o custo do mesmo. O varejista no teria lucro nem prejuzo caso decidisse vender este produto a R$ 1,35 (considerando R$ 0,37 que recolheria de ICMS e PIS/COFINS por unidade). Neste caso, se desejasse obter uma margem de lucro de 30% por unidade, este produto deveria ser vendido a R$ 1,92 [4]. A rentabilidade atribuda a um determinado produto resultado de diversos fatores, e definida de acordo com os ganhos ou perdas dentro do sortimento de produtos. Geralmente os supermercados estipulam as margens de lucro para cada produto7

A numerao entre colchetes corresponde uma representao grfica para entendimento do texto explicativo a seguir.

48

com base nas pesquisas de preos efetuados nos concorrentes mais prximos e buscam a rentabilidade fazendo-se pequenos ajustes dentro do sortimento. Por exemplo, uma prtica comum do setor a venda de determinadas marcas de cerveja com margem negativa, porm com aumento na margem dos demais artigos para compensar a perda. O comportamento do mix sofre variaes de acordo com os percentuais de margem aplicados, exposio do produto, sazonalidade e anncios de promoo. Portanto, os percentuais de margem devem ser revisados constantemente. Para administrar esta quantidade de itens, os varejistas classificam e agrupam estes produtos de acordo com suas caractersticas; Este conceito denomina-se Classificao Mercadolgica. 4.3 Classificao Mercadolgica A Classificao Mercadolgica o agrupamento (ou clusterizao) de produtos que possuem caractersticas semelhantes, com a finalidade de oferecer maior agilidade nos processos gerenciais (como, por exemplo, definio de preos de venda ou parmetros de abastecimento). Um parmetro pode ser atribudo especificamente para um determinado nvel ou subnvel, e o sistema comercial replica a informao para todos os itens agrupados naquele nvel. O exemplo mais comum a gesto de preos, onde o gestor define um percentual de margem a ser aplicado em um determinado nvel, e o sistema replica este percentual para todos os itens que fazem parte dele. A estrutura da Classificao Mercadolgica tambm aproveitada nos sistemas BI para o agrupamento da informao. O agrupamento permite ao gestor analisar o comportamento do produto dentro da categoria, a participao da subfamlia dentro da famlia, participao da famlia sobre as vendas do setor, etc. Conhecendo a participao de cada agrupamento dentro do setor, o gestor define a margem a ser aplicada em determinada famlia, e com base na participao, consegue definir a lucratividade do negcio.

49

SECAO DESCRICAO GRUPO DESCRICAO_GRUPO SUBGRUPODESCRICAO_SUBGRUPO 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA LIQUIDA 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO SUCO CONCENTRADO 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 8 8 8 8 8 8 UVA UVA UVA UVA UVA UVA UVA UVA UVA UVA UVA UVA MARACUJA MARACUJA MARACUJA MARACUJA MARACUJA MARACUJA MARACUJA MARACUJA MARACUJA TOMATE TOMATE TOMATE TOMATE ABACAXI ABACAXI ABACAXI ABACAXI ABACAXI ABACAXI GOIABA GOIABA GOIABA GOIABA GOIABA GOIABA CAJU CAJU CAJU CAJU CAJU CAJU CAJU CAJU CAJU MANGA MANGA MANGA MANGA MANGA MANGA OUTROS OUTROS OUTROS OUTROS OUTROS OUTROS

EAN 7896589102302 7896024807304 7896000556066 7891046010626 7891141007477 7896179500051 7896034640199 7898193000036 7896005400081 7898366930511 7898406780120 7896750800204 7622300170059 7896034640182 7898193000029 7891046010428 7896179500020 7896000555359 7896750800013 7896005400036 7898366930528 7896024807250 7891046011029 7896024807106 6925140366769 7896000557056 7896179500044 7891046010121 7898193000043 7896005400012 7898366930542 7891046011128 7896005400043 7896179500037 7898193000050 7896000559265 7898366930504 7896005400029 7896000554369 7896034640175 7896179500013 7891046010220 7898193000012 7896750800167 7896024869739 7898366930535 7896034640229 7898193000067 7896000558381 7896179500068 7891046010824 7896005400050 7896000550064 7896005400104 7896179500099 7896000514448 7896005400111 7898366930559

DESCRICAO SUCO DE UVA NATURAL CONCENTRATO MIORANZA SUCO UVA SUPERBOM 500ML SUCO UVA MAGUARY PET 500ML SUCO UVA MILANI 500ML SUCO UVA AURORA 500ML SUCO UVA JANDAIA 500ML SUCO UVA PARMALAT 500ML SUCO UVA MARAVILHA 500ML PPP SUCO UVA DAFRUTA 500ML SUCO UVA PALMEIRON 500ml SUCO UVA FRUTISA 500ml SUCO UVA CURUMATAN 980ML PPP KIT SUCO MARACUJA MAGUARY 500ML GTS 1COP SUCO MARACUJA PARMALAT GF 500ML SUCO MARACUJA MARAVILHA 500ML PPP SUCO MARACUJA MILANI 500ML SUCO MARACUJA JANDAIA 500ML SUCO MARACUJA MAGUARY PET 500ML SUCO MARACUJA CURUMATAN 980ML PPP SUCO MARACUJA DAFRUTA 500ML SUCO MARACUJA PALMEIRON 500ml SUCO TOMATE TEMP SUPERBOM 500ML SUCO TOMATE MILANI 500ML SUCO TOMATE INTEGRAL SUPERBOM 500ML SUCO TOM CHINES T FUN 190ml SUCO ABACAXI MAGUARY PET 500ML SUCO ABACAXI JANDAIA 500ML SUCO ABACAXI MILANI 500ML SUCO ABACAXI MARAVILHA 500ML PPP SUCO ABACAXI DAFRUTA 500ML SUCO ABACAXI PALMEIRON 500ml SUCO GOIABA MILANI 500ML SUCO GOIABA DAFRUTA 500ML SUCO GOIABA JANDAIA 500ML SUCO GOIABA MARAVILHA 500ML PPP SUCO GOIABA MAGUARY 500ML SUCO GOIABA PALMEIRON 500ml SUCO CAJU DA FRUTA 500ML SUCO CAJU MAGUARY PET 500ML SUCO CAJU PARMALAT 500ML SUCO CAJU JANDAIA 500ML SUCO CAJU MILANI 500ML SUCO CAJU MARAVILHA 500ML PPP SUCO CAJU CURUMATAN 980ML PPP SUCO CAJU CONCENTRADO SUPERBOM 500ML SUCO CAJU PALMEIRON 500ml SUCO MANGA PARMALAT 500ML SUCO MANGA MARAVILHA 500ML PPP SUCO MANGA MAGUARY PET 500ML SUCO MANGA JANDAIA 500ML SUCO MANGA MILANI 500ML SUCO MANGA DAFRUTA 500ML SUCO LARANJA CONCENTRADO MAGUARY 500ML SUCO PITANGA DAFRUTA 500ML SUCO ACEROLA JANDAIA 500ML SUCO PESSEGO MAGUARAY 500ML SUCO ACEROLA DAFRUTA 500ML SUCO PITANGA PALMEIRON 500ml

Fig. 12 Exemplo tabela Classificao Mercadolgica

A figura 13 exemplifica como a classificao mercadolgica permite analisar o comportamento das famlias dentro do setor. A coluna MB demonstra a rentabilidade da subfamlia e sua participao (PART%) atravs de um levantamento histrico de vendas. Com base nessas informaes, o gestor pode redefinir os percentuais de margem (coluna MC Margem Cadastrada) que deseja aplicar sobre uma determinada categoria, de modo que o sistema altere automaticamente os preos para todos os itens pertencentes quela categoria. A Classificao Mercadolgica tambm utilizada para simular os impactos causados pela alterao de preos ou queda nas vendas sobre o negcio, e realizar comparaes de desempenho das famlias em perodos anteriores.

50

Valores Totais: SETOR Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida Lquida GRUPO AGUARDENTES AGUARDENTES AGUARDENTES AGUARDENTES AGUARDENTES SUB

283.648

467.114 462.030 CMV

5.084 LUCRO (R$) PART% 685 491 81 163 1 1.422 1.925 1.310 6 -50 3.192 1.450 496 1.493 991 4.431 140 1.000 -11.822 -884 67 -345 68 105 -11.670 295 617 912 -18 15 -2 195 297 492 208 513 55 1.295 2.071 2.313 285 10 2.608 -124 -13 -18 MB % MC % 30,59% 36,55% 62,00% 38,75% 17,00% 34,73% 27,23% 20,00% 20,55% 35,85% 27,00% 41,70% 30,86% 20,50% 23,56% 41,00% 20,30% 27,71% 68,33% 11,00% 19,20% 24,80% 27,37% 99,00% 62,00% 39,20% 23,18% 41,44% 25,15% 27,00% 23,50% 32,60% 41,50% 32,00% 26,22% 99,00% 63,00%

VENDA (QTD) VENDA (R$) 318 925 12 23 1 1.279 7.199 3.411 92 5.302 16.004 5.995 3.211 2.388 5.080 16.674 96 2.673 151.624 12.160 1.938 3.800 855 2.593 175.739 1.683 3.428 5.111 13 52 65 109 104 213 686 1.852 122 2.963 5.623 2.803 148 1 2.952 76 17 61

CACHACA CANA SAQUE TEQUILA ZIMBRO Total Grupo AGUAS COM GAS 200 A 600ML AGUAS COM GAS 600 A 2000ML AGUAS COM GAS CLUB SODA AGUAS COM GAS TONICA / SABORIZADAS Total Grupo AGUAS SEM GAS 200ML A 600ML AGUAS SEM GAS 600ML A 2000ML AGUAS SEM GAS ACIMA DE 2000ML AGUAS SEM GAS AGUA DE COCO Total Grupo CERVEJAS CLARAS IMPORTADAS LATA CERVEJAS CLARAS IMPORTADAS LONG NECK CERVEJAS CLARAS NACIONAIS LATA CERVEJAS CLARAS NACIONAIS LONG NECK CERVEJAS CLARAS PREMIUM NAC LONG NECK CERVEJAS CLARAS PREMIUM NACIONAL LATA CERVEJAS CLARAS RETORNAVEIS CERVEJAS CLARAS SEM ALCOOL LATA/LONG NECK Total Grupo CERVEJAS ESCURA BOCK LATA CERVEJAS ESCURA BOCK LONG NECK Total Grupo CHAMPAGNES IMPORTADOS DEMI SEC/MEIO DOCE CHAMPAGNES IMPORTADOS SECA/BRUT Total Grupo CHAMPAGNES NACIONAIS SEC/MEIO DOCE DEMI CHAMPAGNES NACIONAIS SECA/BRUT Total Grupo CHAS COPO CHAS LATA CHAS PO CHAS T P 1000ML E ACIMA Total Grupo COMPLEMENTO VITAMINICO COMPLEMENTO VITAMINICO CONHAQUE ALCATRAO CONHAQUE IMPORTADO Total Grupo FILTRADOS BRANCO FILTRADOS SABORES FILTRADOS SIDRAS

4.328 3.642 4.368 3.877 479 398 1.302 1.139 9 8 10.486 9.064 6.536 4.611 5.844 4.534 94 87 5.124 5.173 17.597 14.405 5.126 3.676 2.985 2.489 8.478 6.984 4.871 3.880 21.459 17.029 615 475 8.196 7.196 201.808 213.630 14.690 15.574 4.008 3.941 6.387 6.732 2.925 2.857 3.497 3.391 242.126 253.795 2.392 2.098 6.032 5.415 8.424 7.512 231 248 1.068 1.052 1.298 1.301 1.846 1.651 2.213 1.916 4.059 3.567 877 669 2.280 1.767 291 236 7.530 6.235 10.978 8.907 14.308 11.995 1.452 1.167 29 20 15.790 13.182 372 496 39 52 169 187

41,27% 18,82% 41,66% 12,66% 4,56% 20,32% 12,42% 14,35% 0,08% 12,84% 2,24% 15,68% 37,14% 41,75% 33,21% 28,90% 0,53% 7,37% 29,12% -0,96% 3,77% 22,16% 23,89% 39,44% 13,91% 19,93% 39,51% 21,38% 22,70% 25,55% 4,59% 26,02% 0,25% 29,56% 3,38% 13,89% 83,35% -5,53% 6,07% -5,68% 1,66% 1,71% 2,64% -5,12% 1,21% 2,38% 1,44% 3,11% 51,83% -4,60% 28,40% 14,05% 71,60% 11,40% 1,80% 12,14% 17,77% -7,05% 82,23% 1,44% 0,28% -0,18% 45,48% 11,83% 54,52% 15,51% 0,87% 13,80% 7,99% 31,15% 20,77% 29,02% 2,65% 23,44% 68,59% 20,76% 2,35% 23,25% 90,62% 19,28% 9,20% 24,46% 0,19% 47,52% 3,38% 19,78% 64,11% -24,93% 6,72% -24,57% 29,17% -9,59%

Fig. 13 Exemplo Anlise Participao Famlias

4.4 O Mix de Marketing O mix de marketing, ou composto promocional, a relao de produtos que o varejista usa para atrair os clientes loja e motiv-los compra. O principal objetivo a realizao de uma ao promocional, geralmente de curto prazo, cujo objetivo o aumento no desempenho das vendas. A promoo utilizada de forma intensa no varejo, devido ser este o local onde os consumidores esto em contato direto com os produtos e, portanto, suscetveis ao estmulo de compra (COSTA E CRESCITELLI, 2003). O estmulo ao consumo criado atravs de um conjunto de tcnicas publicitrias, como exposio de produtos, cartazes, anncios em TVs e distribuio de tablides. As promoes ocorrem sempre em parcerias com os fornecedores / distribuidores, que tambm se beneficiam destas campanhas para aumentar o giro de seus produtos e divulgarem suas respectivas marcas. Parente (2000, p. 243) cita as mais relevantes vantagens dos principais meios de divulgao:

51

Propaganda: visa veiculao do anncio para grande audincia. Possui numerosas alternativas de mdia: TV, rdio, revistas, jornais e tablides so os meios mais utilizados. Na mdia impressa, o leitor pode analisar o anncio com maior ateno, e o contexto editorial ajuda o anncio.

Promoo: A promoo busca captar a ateno do cliente atravs do apelo visual. As tcnicas mais comuns praticadas pelos varejistas a aplicao de temas (exemplo: Festival de Inverno, Festival de Vinhos...), ou aes onde o consumidor deva receber algo de valor, como um cupom ou mercadoria gratuita. Vantagens: ajuda a incrementar o trfego e mantm a lealdade do consumidor; aumenta as compras por impulso e clientes podem divertir-se, principalmente com demonstraes e degustaes.

Publicidade: A publicidade pode ser definida como uma ferramenta de relaes pblicas consistindo na comunicao positiva ou negativa referente atividade do varejista, indireta, impessoal, vinculada por uma mdia de massa e no-paga nem creditada a nenhum responsvel. (Lewison, 1997 apud Parente, 2000). A publicidade no possui custo algum para o varejista, e busca transmitir uma imagem de credibilidade para o consumidor. Se bem elaborada, desperta muita ateno dos consumidores.

4.5 Gesto de Preos em Produtos Promocionais Durante um perodo promocional, o varejista normalmente vende o produto pelo preo abaixo da margem ideal, na maior parte das vezes com margem de lucro negativa. O investimento em margem pode ser recuperado ou minimizado atravs de adequaes feitas no prprio mix. Isto significa que o varejista perde muito dinheiro com a promoo de um produto, mas por outro lado realiza pequenos aumentos de preo no sortimento para minimizar seus prejuzos. Ao se fazer uma promoo de macarro, observa-se, um considervel aumento nas vendas de molhos de tomate durante o mesmo perodo. Com base nessas informaes, o varejista pode ou no reajustar o preo destes itens para compensar a eventual perda da margem do macarro.

52

Existem tcnicas e campanhas temticas que induzem o consumidor a efetuar suas compras por impulso. Uma tcnica bastante utilizada em supermercados a exposio casada de produtos, conhecida como Cross Merchandising. O Cross Merchandising serve tanto para incrementar vendas quanto para recuperao de margem: um exemplo de sua utilizao a exposio de saca-rolhas prximos aos vinhos, queijo ralado prximo s massas, espetos e carvo no aougue, etc.

Fig. 14 Exemplo Ao Cross Merchandising Fonte: www.editionsduboisbaudry.fr

Nem sempre possvel recuperar as perdas em margem de uma promoo apenas readequando preos de outros produtos; como veremos adiante, a interferncia da alterao de preos sobre as vendas de determinadas categorias de produtos mnima ou quase nula. Porm, existem outras receitas vinculadas promoo de que os supermercados se beneficiam para compensar as perdas promocionais; algumas destas prticas so observadas a seguir: Receita com Bonificaes Entende-se por bonificao um prmio concedido pelo fornecedor para abatimento de preo de um determinado produto, podendo este ser em valor ou em mercadoria. Os fornecedores utilizam bonificao para incentivarem a venda de seus artigos para o varejo. Normalmente, as negociaes com bonificaes geralmente so atreladas a um volume de compra extra, ou seja, quanto maior for o volume de compra pelo varejista, maior ser a bonificao. No caso das promoes, a bonificao permite a reduo do custo unitrio do produto, de forma a no causar impactos na margem.

53

Receitas com Pontos Promocionais / Espaos Extras consistem em verbas pagas por fornecedores mediante aluguel de pontos promocionais (ilhas, gndolas, terminais, etc) cuja finalidade exposio da marca.

Fig. 15 Exemplo Alocao de Espao Promocional Fonte: Carrefour

Receitas com Propaganda Cooperada consistem em verbas pagas por fornecedores para anncio de produtos em folhetos promocionais (tablides, lminas, revistas, anncio em tv, etc). O varejista responsvel pelas despesas de anncio e distribuio.

Fig. 16 Exemplo Lmina Promocional Fonte: Carrefour

54

importante observar que nem sempre as adequaes de preos no mix compensam as perdas de margem em uma promoo. Isto ocorre porque determinados produtos apresentam uma sensibilidade menor ao consumidor e, portanto, as mudanas de preos causam pouco ou quase nenhum reflexo nas vendas. Por outro lado, determinados produtos apresentam uma sensibilidade maior s alteraes de preos. Neste caso, pequenas alteraes de preo em determinadas marcas de leo de soja, acar refinado, cerveja, arroz, representam um considervel estmulo na venda destes itens. A figura 17 ilustra a influncia dos preos no comportamento das vendas do bombom Garoto sortido; porm este mesmo comportamento no ocorre nas vendas do esmalte Risque, cuja sensibilidade menor.Venda Unid. Mdia (Dirio) 14 32 47 42 44 75 83 70 56 45 65 96 122 357 463 873 1429 1 1 1 2 1

Produto BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GAROTO SORTIDO 400G BOMBOM GA