Posts

Starbucks e inteligência artificial: ganhar produtividade para focar na interação com o cliente

O desenvolvimento de competências de inteligência artificial é um dos principais pilares da estratégia digital e da visão de futuro do Starbucks. Kevin Johnson, CEO desde 2017, diz ainda que ambicionam ser referência no assunto, até o ponto em que possam comparar sua própria performance àquela das gigantes de tecnologia.

Diferentemente do McDonalds, que tem realizado aquisições, o Starbucks optou por desenvolver essas habilidades internamente, e em parceria com a Microsoft. A iniciativa de AI (Artificial Intelligence) da empresa foi formada em 2017, e se chama “Deep Brew”. Segundo Johnson, a visão da empresa permitiu que o Starbucks recrutasse alguns dos melhores talentos, atraindo candidatos que, em um passado recente, preferiam se juntar às grandes empresas de tecnologia.

Os principais objetivos são melhorar a experiência do consumidor através de personalização, além de “libertar” a mão-de-obra de tarefas administrativas e de backend, para que possam focar na interação com os clientes. Segundo Johnson, “Não se trata de robôs que substituem baristas. Se trata de uma tecnologia que libera tempo dos baristas, para que possam se conectar melhor com o consumidor.”

Atualmente, a tecnologia é utilizada nos EUA para o dimensionamento da força de trabalho (prever quantas pessoas são necessárias por dia em cada filial), e também para automatizar os pedidos de reposição de estoque nas lojas, de forma que os itens certos sejam disponibilizados nas filiais certas.

No que diz respeito à experiência do cliente, a tecnologia é utilizada para personalizar ofertas e recomendações no aplicativo da empresa, com expansão para os menus digitais nos restaurantes e para os drive thrus. O sistema foi construído de forma interligada com os dados de estoque das lojas, de forma a minimizar a frustração dos consumidores com itens em falta.

O mecanismo de recomendação faz uso de dados “regionais” (itens populares no local, clima, hora do dia, dia da semana, se é feriado ou não, por exemplo), e é aperfeiçoado à medida em que o aplicativo é utilizado. Através da análise dos itens comprados e da reação do usuário às ofertas anteriores, o algoritmo pode “entender” que um cliente é vegetariano, ou que tem uma preferência por produtos sem lactose, por exemplo. Além de considerar os ingredientes e categorias de produto comprados, também é avaliada a sensibilidade do consumidor à itens de maior ou menor preço.

Através de técnicas de aprendizagem por reforço, quanto mais transações o usuário realiza no aplicativo, mais as recomendações se aproximam de suas preferências, tanto no que diz respeito aos ingredientes e categorias de produto quanto à preço. Para mais detalhes, confira a apresentação feita pela empresa no evento Microsoft Build em 2019.

Nos drive-thrus e nos restaurantes, a tecnologia não conta com o histórico individual dos usuários como no aplicativo. Porém, segundo a Microsoft, serão utilizados 400 critérios a nível de cada filial para gerar as recomendações.

A empresa também tem investido em dispositivos IoT (internet of things) em suas filiais. Cada loja do Starbucks possui pelo menos uma dúzia de equipamentos (entre máquinas de café, moedores e liquidificadores), que devem estar em condições operacionais por cerca de 16 horas por dia. Falhas em qualquer um desses equipamentos implicam não só em aumento de custos, mas também podem prejudicar a experiência do consumidor.

Em parceira com a Microsoft, a empresa transformou seus equipamentos em dispositivos IoT, que coletam dados desde o tipo de grão de café utilizado, até a temperatura da bebida, qualidade da água e pressão do equipamento. A empresa tem utilizado os dados para assegurar a padronização dos produtos ao longo das milhares de lojas, além de utilizá-los para criar planos de manutenção preditiva dos equipamentos.

Outro uso encontrado pela empresa foi a distribuição de receitas de café diretamente para as máquinas, o que antes era feito manualmente com pendrives para cada filial (para fins de segurança). “Pense na complexidade – precisamos chegar a 30.000 lojas em quase 80 mercados para atualizar essas receitas”, diz Jeff Wile, VP sênior de retail and core technology services.

O Starbucks é uma empresa que não foge quando o assunto é tecnologia, e o fato de terem conseguido recrutar profissionais e desenvolver competências internamente é um grande diferencial, especialmente quando a mão de obra de profissionais de inteligência artificial é escassa e a concorrência acirrada.

Referências:

Mobile Marketer – How Starbucks uses AI to counter mobile’s isolating effect. https://www.mobilemarketer.com/news/how-starbucks-uses-ai-to-counter-mobiles-isolating-effect/570384/

QSR Magazine – Why AI is a ‘Differentiator for the Future’ at Starbucks. https://www.qsrmagazine.com/fast-food/why-ai-differentiator-future-starbucks

Big Data Beard – I’ll take my Starbucks with a shot of AI. https://bigdatabeard.com/ill-take-my-starbucks-with-a-shot-of-ai/

Microsoft – Starbucks turns to technology to brew up a more personal connection with its customers. https://news.microsoft.com/transform/starbucks-turns-to-technology-to-brew-up-a-more-personal-connection-with-its-customers/

CIO Dive – Starbucks’ AI project is turning past investments into data insights. https://www.ciodive.com/news/starbucks-ai-project-is-turning-past-investments-into-data-insights/566362/

Transformação digital no supply chain do McDonalds: machine learning para entender, antecipar e influenciar a demanda

Em março de 2019 o McDonalds comprou a Dynamic Yield – startup israelense que desenvolve tecnologias voltadas para personalização da experiência do cliente – por 300 milhões de dólares. A empresa desenvolve inteligências de recomendação com base em machine learning, que está sendo utilizada pelo McDonalds nos displays digitais dos drive-thrus para alterar recomendações de acordo com o horário do dia, clima ou itens populares no momento, por exemplo.

Em 2018 a empresa testou a tecnologia em algumas filias nos EUA, com o objetivo de expansão para todas as lojas norte americanas, seguida pelos principais mercados internacionais. A iniciativa vai além da implementação apenas nos drive-thrus, visando todos os canais digitais, como os quiosques de auto-atendimento e o aplicativo global da empresa.

Sete meses depois da compra da Dynamic Yield, em outubro de 2019, a tecnologia já tinha sido aplicada em 9.500 drive-thrus norte americanos, com a meta de finalizar a implementação em todas as filiais dos EUA e da Austrália no fim do mesmo ano.

O McDonalds espera alavancar vendas ao melhorar a experiência de compra do consumidor. A técnica de upselling é algo bem comum na indústria de fast food. Quem nunca foi ao McDonalds e ouviu “Gostaria de aumentar a batata por mais X reais?”. A tecnologia da Dynamic Yield permite que a empresa faça justamente isso, porém de maneira mais inteligente, eficiente e, principalmente, personalizada. Ao possuir dados em tempo real da operação, a empresa pode não somente reagir melhor às necessidades dos consumidores, como também as prever ou influenciá-las.

Além de incremento em receita, a tecnologia também tem o potencial de beneficiar a cadeia de suprimentos da empresa. Se os sistemas e dados da cadeia forem integrados, os principais impactos estão no planejamento da demanda e na possível redução de stock out nos restaurantes. Imagine que uma loja está com níveis muito baixos de estoque do filé de frango do McChicken, seja por erro de previsão ou por problemas de abastecimento. A empresa pode então remover o item temporariamente dos displays, desincentivando a demanda para reduzir o risco de ruptura. Dessa forma, a tecnologia dá ao McDonalds o poder de influenciar a demanda em cada ponto de venda, seja para melhorar a experiência do consumidor e alavancar vendas, ou para cobrir falhas operacionais ou de planejamento.

A possibilidade de reduzir o stock out é especialmente relevante no caso de novos produtos ou de itens sazonais (como os sanduíches da Copa do Mundo), uma vez que é muito difícil prever esse tipo de demanda, ainda mais no nível de filial.

A compra da Dynamic Yield foi uma das grandes ações da empresa de investimento em tecnologia, mas não foi a única. Outras incluem a aquisição de 9,9% (3,7 milhões de dólares) da Plexure (startup de software mobile) em abril de 2019, e a compra da Apprente (avaliada entre 10 e 50 milhões de dólares em 2018) em setembro de 2019 (startup que desenvolve tecnologias de voz com inteligência artificial – o objetivo é automatizar a tomada de pedido nas lojas).

Junto a esses investimentos, o McDonalds também está se transformando do ponto de vista organizacional. Em 2019 a empresa formou o McD Tech Labs (um laboratório tecnológico no Vale do Silício, composto por parte da equipe da Apprente), e no começo de 2020 começou a formar um time focado em engajamento do cliente para os canais digitais, o qual será responsável pelos temas de tomada de pedido, personalização, pagamentos, fidelidade e delivery. As equipes já existentes de tecnologia de marketing e global delivery se juntarão a esse novo time, que será liderado por Lucy Brady, VP sênior de corporate strategy e business development que passará a atuar como chief digital customer engagement officer.

Referências:

CNBC – McDonalds creates digital customer engagement team as part of its tech push. https://www.cnbc.com/2020/01/08/mcdonalds-creates-digital-customer-engagement-team-as-part-of-its-tech-push.html

McDonalds – Q3 2019 earnings call. https://s22.q4cdn.com/972634687/files/doc_downloads/2019/10/CORRECTED-TRANSCRIPT-McDonald’s-Corp.(MCD-US)-Q3-2019-Earnings-Call-22-October-2019-11-00-AM-ET.pdf

Restaurant Dive – McDonald’s buys Dynamic Yield for $300M to improve drive-thru experience. https://www.restaurantdive.com/news/mcdonalds-buys-dynamic-yield-for-300m-to-improve-drive-thru-experience/551316/

Restaurant Dive – McDonald’s acquires AI tech company Apprente. https://www.restaurantdive.com/news/mcdonalds-acquires-ai-tech-company-apprente/562595/

Supply Chain Dive – How McDonald’s super sizes its data for an optimized supply chain. https://www.supplychaindive.com/news/mcdonalds-AI-demand-planning-supply-chain-optimization/553185/

Desafios para a Utilização de Inteligência Artificial e Machine Learning no Planejamento da Demanda

No post anterior, comentei sobre de que forma o uso de ferramentas de Analytics baseadas em Inteligência Artificial (IA) e Machine Learning (ML) no processo de planejamento da demanda poderiam melhorar a acuracidade, mas que existiam barreiras para sua adoção pelas empresas.

Neste texto, pretendo listar alguns destes desafios e maneiras de sobrepassá-los:

  • Baixa maturidade no processo de planejamento atual

O que é? Processo de planejamento da demanda rudimentar e desintegrado, onde as áreas organizacionais analisam informações e tomam decisões independentemente. Com isso, não há espaço para o aprendizado contínuo a respeito do impacto das ações comerciais e de trade marketing sobre a demanda, tampouco um conhecimento profundo das variáveis exógenas a serem consideradas no planejamento. O sucesso no uso efetivo de Advanced Analytics, com IA e ML, depende de inputs de informação adequada e processos decisórios alinhados, o que só existe em processos maduros de S&OP e IBP.

O que fazer? Engajar as áreas comercial, trade marketing e financeira nos processos de S&OP/IBP, garantindo a discussão sobre o impacto das ações de mercado sobre a demanda e uma visão financeira detalhada dos planos, o que permitirá criar um processo analítico e decisório que se beneficiará do uso de Analytics.

  • Falta de conhecimento técnico da equipe

O que é? Em muitas empresas, as equipes responsáveis pelo processo de previsão de vendas possuem apenas conhecimento elementar sobre os modelos extrapolativos e causais, dependendo enormemente de ferramentas especializadas para realizar a projeção da demanda, o que resulta na subutilização do potencial das mesmas. Quando falamos em IA e ML, além da exigência de conhecimentos técnicos mais sofisticados, como programação em Python e R, é necessário ter domínio dos fatores que influenciam o comportamento das vendas, seja para “treinar” o algoritmo ou viabilizar o acesso a informações exógenas através de APIs (Application Programming Interface). Infelizmente, os cientistas de dados, como são chamados os profissionais com este conhecimento, ainda são raros e muito disputados.

O que fazer? Começar o quanto antes a capacitação da equipe nos modelos clássicos de previsão de vendas, em ferramentas de Analytics e, em paralelo, “minerar” alguns cientistas de dados para a equipe.

  • Falta de integração e colaboração na cadeia de suprimentos

O que é? O relacionamento entre parceiros comerciais ainda é baseado em relações adversativas, com disputa de margem em processos negociais, que levam a uma proteção de informações críticas para o planejamento da demanda, como dados de sell out e estoques, como forma de maximizar o poder de barganha nas negociações. Além disso, as estruturas das bases de dados foram construídas pensando mais na proteção do que no compartilhamento das informações, o que exige um esforço considerável para conexão de dados que possam alimentar algoritmos de Analytics. Em outras palavras, muitas das informações desejáveis não estão disponíveis ou não são acessíveis em uma estrutura compatível.

O que fazer? É necessário avançar rapidamente em mecanismos de colaboração na cadeia de suprimentos, como o CPFR, além de começar um movimento mais profundo – e difícil – de repensar a arquitetura de dados, privilegiando o intercâmbio de informações.

E para você? Quais são os maiores obstáculos para a utilização de Advanced Analytics no planejamento da demanda? Compartilhe conosco nas redes sociais do ILOS! Grande abraço!

Analytics em Planejamento da Demanda – O que esperar?

São inúmeros os relatórios, artigos e menções sobre como o uso de ferramentas de Analytics baseadas em Inteligência Artificial (IA) e Machine Learning (ML) poderão auxiliar nos processos de planejamento da demanda, melhorando a acuracidade afetada pelo aumento da complexidade no portfólio, nos canais de distribuição e, também, no ambiente competitivo.

Hoje, na maioria das empresas, o tamanho da equipe responsável por tratar e analisar os dados com as ferramentas tradicionais de séries temporais e modelos de regressão impõe uma limitação nas possibilidades de análise, obrigando ao agrupamento de séries para previsões top-down, restringindo o número de variáveis exógenas inseridas no modelo e o tratamento e manutenção do baseline de poucas séries, o que prejudica a acuracidade.

Mas o que podemos esperar dessas novas soluções?

Em primeiro lugar, é necessário compreender que a melhora da acuracidade virá pelos aspectos de Augmentation e Automation do processo de planejamento da demanda. Augmentation se refere ao crescimento no volume de dados tratados e variáveis consideradas nos modelos, permitindo a identificação de padrões imperceptíveis ao “olho humano”. Já Automation aborda a possibilidade de automatizar o tratamento dos dados das séries de vendas, corrigindo o baseline e usando informações de venda mais granulares, que sem os ajustes adequados resulta em erros maiores.

Além da melhora na acuracidade do plano tático mensal, podemos esperar a identificação de tendências de consumo de longo prazo, ajudando na definição de portfólio e no desenvolvimento de novos produtos, e também a sofisticação dos mecanismos de reposição de curtíssimo prazo, com mecanismos de demand sensing.

No entanto, ainda existem barreiras significativas para a adoção de IA e ML no processo de planejamento da demanda, como a baixa maturidade do processo atual, falta de conhecimento técnico e de integração na cadeia para obtenção de dados, entre outros aspectos, que pretendo abordar em um próximo post.

E sua empresa? Já utiliza mecanismos de IA e ML no processo de planejamento da demanda? Compartilhe conosco nas redes sociais do ILOS! Grande abraço!

 

Walmart testa drones na gestão da armazenagem

Depois da Amazon e seus robôs, agora é a vez do Walmart apostar nas novas tecnologias para melhorar a operação nos seus Centros de Distribuição. Em maio, a gigante do varejo anunciou que está investindo em drones na gestão da armazenagem em seus mais de 150 centros de distribuição nos Estados Unidos.

walmart-ILOS

O anúncio do uso da nova tecnologia veio junto com uma demonstração para um grupo de repórteres no centro de distribuição de Bentonville, Arkansas. Nos testes, um drone equipado com câmeras voou pelos corredores do CD de secos do Walmart escaneando os itens estocados a uma velocidade de 30 imagens por segundo. Controlada por apenas um funcionário, a aeronave simulou os movimentos de uma pessoa utilizando uma empilhadeira para fazer a inspeção do estoque.

A expectativa dos executivos da Walmart é que os drones cataloguem em um dia o que um grupo de funcionários levaria um mês para registrar. Além de acelerar consideravelmente a gestão da armazenagem, o processo também reduz a quantidade de funcionários na operação, o que pode liberar a equipe para outras tarefas.

Vídeo 1 –Walmart testa drones na gestão da armazenagem

Fonte: KGNS.tv

Esse não é o único projeto do Walmart envolvendo drones. Em novembro de 2015, a empresa entrou com um pedido na Agência Federal de Aviação dos Estados Unidos para testar o uso de drones em entregas em domicílio, nos moldes do que a Amazon já vem testando. Ambos projetos são conduzidos pelo grupo de tecnologias e ciências emergentes do Walmart, que analisa também o uso de realidade virtual e inteligência artificial para aperfeiçoar a cadeia de suprimentos da empresa.

Segundo os planos do Walmart, os drones devem estar “trabalhando” nos CDs da empresa em um prazo de seis a nove meses. Cada centro de distribuição do Walmart nos Estados Unidos ocupa uma área de aproximadamente 100 mil m2, o equivalente a mais de 11 campos de futebol do tamanho do Maracanã, e atende entre 100 e 150 lojas em um raio de 250 km.

 

Referências:

<http://corporate.walmart.com/our-story/our-business>

<http://www.nytimes.com/2016/06/03/business/walmart-looks-to-drones-to-speed-distribution.html?smid=tw-nytimestech&smtyp=cur&_r=0>

<http://www.theverge.com/2016/6/2/11845366/walmart-drones-warehouse-robots-jobs>

<http://www.engadget.com/2015/10/26/reuters-reports-walmart-is-asking-faa-for-permission-to-fly-dron/>

Fórum de Davos e os robôs na logística

Robos_Amazon

Esta semana, alguns dos mais influentes empresários e líderes mundiais estão reunidos em Davos, na Suíça, para mais um encontro anual do Fórum Econômico Mundial. No meio das tradicionais discussões sobre os rumos da economia e da sociedade mundial, um tema se destaca: o crescimento da inteligência artificial, da automação e dos robôs nas indústrias.

Esse movimento já é apontado por especialistas como a quarta Revolução Industrial e promete transformar profundamente a indústria não apenas pela ampliação no uso de robôs, mas também pela ligação desses dispositivos em rede, pelo uso de sensores e pelo tratamento de dados em grande escala. Naturalmente, essa inteligência artificial se estende à logística e à cadeia de suprimentos, e a expectativa é que agilize as entregas e reduza os erros nos pedidos.

Nos Estados Unidos, a Amazon comprou a fabricante de robôs Kiva e já possui mais de 30 mil robôs kiva em 13 dos seus 50 centros de distribuição para ajudarem nas atividades de picking e packing. Devido à integração dos sistemas, os robôs sabem onde estão os milhões de itens armazenados e literalmente carregam as estantes para as equipes de picking e packing, que fazem a separação dos produtos. O novo sistema permitiu que a Amazon aumentasse em 50% seu espaço de armazenagem sem ampliar a área física e gerou aumento significativo de eficiência para a operação da varejista norte-americana.

Vídeo 1 –Robôs da Amazon em operação no centro de distribuição da Califórnia

Fonte: CNET

 

No Brasil, a Natura também investe na automação dos seus centros de distribuição. Em 2015, a empresa inaugurou um novo hub logístico em Itupeva, São Paulo, com capacidade para armazenar 3,6 milhões de caixas com produtos acabados. Além do CD com 13 transelevadores de paletes, 4 robôs para paletização/despaletização, 20 shuttles para operações com caixas e 2 esteiras telescópicas, foram desenvolvidas carretas que permitem o seu carregamento e descarregamento totalmente automático em apenas 5 minutos.

Vídeo 2 – Novo hub logístico automatizado da Natura em Itupeva

Fonte: SSI Schaefer Brasil

 

Os próximos anos prometem ser de muitos investimentos em automação, nas indústrias e em seus centros de distribuição. Esse novo momento vai exigir esforço não apenas das empresas, mas também dos profissionais de logística, que deverão se qualificar para se enquadrar nos novos perfis procurados pelas empresas. Cada vez mais os trabalhos repetitivos serão realizados por robôs, restando aos humanos as tarefas mais complexas e que exijam criatividade.

 

Referências:

<http://www.tecnologistica.com.br/destaque/natura-inaugura-hub-logistico-itupeva/>

<http://www.bbc.com/news/business-20754979>

<http://cerasis.com/2015/07/06/robotics-in-logistics/>

<http://www.roboticsbusinessreview.com/article/mobile_robots_become_essential_to_competitive_logistics>

<http://www.businessinsider.com/amazon-doubled-the-number-of-kiva-robots-2015-10>

<http://www.ibtimes.com/davos-2016-need-embrace-robot-revolution-not-fear-it-tech-leaders-say-2272199>