A Cantu Inc. automatizou seu processo de previsão de demanda (forecasting) em parceria com a A3Data, consultoria brasileira referência em dados e Inteligência Artificial e parceira Advanced da AWS (Amazon Web Services). Por meio de IA e infraestrutura em nuvem da Amazon Web Services (AWS), a empresa obteve uma redução de 15% no erro de análise de demanda e diminuiu o tempo de trabalho de duas semanas para apenas seis horas.
Quem trabalha com produtos sabe o quão difícil é gerir estoque, controlar itens, separar produtos por categoria e fazer com que esse sistema de controle funcione de maneira uniforme. Na prática, essa dinâmica é ainda mais desafiadora. Entretanto, com a ajuda da IA, o que antes parecia impossível de administrar tornou-se um processo fluido, estruturado e totalmente sob controle, abrindo oportunidades para outras frentes e para o crescimento estratégico.
Além da exatidão do resultado, identificou-se que o ganho de tempo pode ser redirecionado para a tomada de decisões em tempo real, acompanhando a movimentação do mercado. Afinal, "o mercado automotivo e de reposição de peças é dinâmico, e prever a demanda com precisão não é apenas uma vantagem competitiva: é a engrenagem que move toda a eficiência operacional", esclarece Manuela Nascimento, diretora de Marketing da Cantu Inc.
Desafios
Com um amplo portfólio de produtos que contempla linhas de passeio, carga e OHT (Off The Highway Tires), a Cantu Inc. também atua com marcas próprias, como Speedmax e Gripmaster, além das lojas físicas e do e-commerce PNEUSTORE (que soma mais de 110 lojas). A operação engloba mais de 240 unidades e centros de distribuição pelas Américas, atendendo a mais de 15 mil clientes ativos entre frotistas, revendas e indústrias.
Gerenciar esse ecossistema com mais de 5.000 SKUs (ou, Unidade de Manutenção de Estoque), distribuídos por mais de 40 filiais e centros de distribuição nas cinco regiões do Brasil, representa um desafio que vai além do planejamento de compras e distribuição. A operação envolve itens nacionais e importados e está sujeita a sazonalidades e a flutuações macro e microeconômicas, tanto locais quanto globais.
Diante dessa complexidade, o processo de forecasting, realizado manualmente, levava até 14 dias para gerar informações úteis à tomada de decisão e apresentava uma taxa de erro de 62%, medida pelo Weighted Absolute Percentage Error (WMAPE). O cenário era agravado ainda por problemas na qualidade dos dados cadastrais, aumentando a necessidade de tornar as previsões mais ágeis e precisas.
Solução e arquitetura técnica na AWS
Para superar esses gargalos, a Cantu Inc. adotou uma nova arquitetura de dados na AWS, implementada pela A3Data, que combina recursos de Machine Learning em um ambiente seguro, gerenciado e escalável. O AWS Glue é responsável pela captura, tratamento e saneamento dos dados das operações nacional e internacional, enquanto o Amazon S3 centraliza históricos de vendas e cadastros em um Data Lake.
O processamento dos algoritmos preditivos para os mais de 5.000 SKUs é realizado com Databricks em clusters no Amazon EC2, permitindo análises paralelas e mais rápidas. Já o AWS Step Functions e o AWS Lambda automatizam e orquestram o pipeline de dados de ponta a ponta, reduzindo a dependência de tarefas manuais e tornando o processo de forecasting mais ágil.
"Ao apostar com sobriedade em técnicas tradicionais de aprendizado de máquina ao invés de usar agentes de IA que o mercado tem adotado com tanto hype, mantivemos nossa energia no que realmente importava: resolver o desafio de negócio com eficiência e consistência. Essa abordagem pragmática e alinhada foi o divisor de águas que garantiu uma execução impecável, gerando impacto tangível e o alto ROI que alcançamos em conjunto," explica Paulo Laurentys, COO & Sócio A3Data.
Resultados obtidos
A modernização da plataforma de dados e a automação trouxeram ganhos para a eficiência operacional da Cantu Inc. A empresa reduziu em 15% o erro de previsão (WMAPE), resultado que contribuiu para uma economia de dezenas de milhões de reais, a partir de melhorias no fluxo de caixa para aquisição de itens, redução de estoques parados e de custos logísticos associados a excessos, além da mitigação de perdas relacionadas à ruptura de estoque.
O tempo necessário para elaborar a previsão inicial de demanda também caiu de cerca de duas semanas para apenas seis horas, permitindo análises mais frequentes e liberando a equipe de tarefas operacionais para se concentrar na tomada de decisão. Ao mesmo tempo, as previsões, antes realizadas por grupos de produtos, passaram a alcançar o nível de SKU individual e por Unidade Federativa (UF), aumentando a granularidade e o controle da operação.
Como próxima etapa, o roadmap tecnológico prevê a expansão da plataforma com serviços da AWS, como Amazon SageMaker Unified, para evolução do ciclo de MLOps; Amazon QuickSight, para disponibilização de dashboards e insights aos tomadores de decisão; e Amazon Bedrock, com o objetivo de explorar aplicações de IA generativa em análises de mercado, cenários macroeconômicos e assistentes voltados à cadeia de suprimentos. Com essa evolução, a Cantu Inc. busca não apenas solucionar gargalos operacionais, mas consolidar um processo de planejamento cada vez mais orientado por dados.
"Alcançamos uma melhoria de 15% no nosso forecast em apenas 5 meses - um ganho inicial que trará muito impacto positivo para a nossa jornada. Acreditamos que esse resultado representa apenas o começo. Vamos refinar a solução cada vez mais e buscar ainda mais excelência, ", finaliza Manuela Nascimento, diretora de Marketing da Cantu Inc.
