Startup cria algoritmo para prever demanda de supermercados
Fresco Labs ajuda lojas a otimizarem compra de fornecedores
Fresco Labs ajuda lojas a otimizarem compra de fornecedores
Quem se propuser a tentar resolver o desperdício de alimentos no Brasil vai precisar enfrentar um problema primário: driblar o apagão de dados sobre o assunto no país. Há um setor nessa cadeia, porém, que está mapeado: o do varejo, que conta com um levantamento anual sobre perdas feito pela Abras, a Associação Brasileira de Supermercados.
Foi com essas informações que o empreendedor Mauricio Reck se deparou em 2019 quando pesquisava sobre desperdícios em empresas. Ele buscava inspiração para montar um negócio após encerrar as atividades da startup que fundou nos Estados Unidos, onde morou quando fazia mestrado.
Junto com Marcelo Sala Reck, Rodrigo Meira de Andrade e Marco Boaretto, ele fundou no ano passado a Fresco Labs, startup que otimiza a compra de produtos frescos pelo varejo por meio de inteligência artificial.
Em 2020, foram R$ 7,6 bilhões em perdas, somando todas as 228 empresas participantes, diz o levantamento da Abras divulgado em maio deste ano. Esse montante representa 1,79% do faturamento bruto das lojas.
Com dados em mãos, Reck tentou entender como o desperdício se dava na ponta. “O funcionário que faz a compra geralmente não tem uma especialização. Ela faz uma compra baseada em cálculo manual, em intuição humana”, afirma.
Os sistemas usados pelas lojas também tinham problemas, porque eram feitos para produtos padronizados, com data de validade. E alimentos frescos são a maior parte do desperdício: no ano passado foram responsáveis por 81% das perdas do faturamento bruto, segundo levantamento da Abras.
Como, então, focar nos produtos perecíveis e identificar padrões de consumo? “Foi nessa nuance que a gente pensou: vamos prever demanda”, afirma.
Um algoritmo da empresa é o responsável por isso. Ele sugere quanto e como deve ser a compra com o objetivo de aproximar a curva de demanda dos diferentes alimentos no mercado à curva de oferta. Por ser uma sugestão, não automatiza o processo e nem dispensa o funcionário responsável pela compra, que decide se vai acatar a dica.
Para fazer a projeção, a startup considera três tipos de informação. Histórico de vendas e campanhas publicitárias passadas são os chamados dados internos. Os dados futuros são promoções agendadas e eventos, como feriados. O externo, a concorrência de preço: qual o preço do tomate projetado para o dia seguinte no Ceasa (Centro Estadual de Abastecimento), por exemplo? As informações são adicionadas ao algoritmo, que faz inúmeros testes para sugerir ao supermercado como comprar. “Os dados internos nos oferecem o quanto comprar, os externos e de futuro, a simulação de mercado para dizer quando é o melhor dia para comprar”, afirma Reck.
Na ponta, a sugestão de compra chega ao funcionário na própria plataforma que o mercado usa, via API (Application Programming Interface, ou Interface de Programação de Aplicativos, em português), o que o empreendedor considera uma vantagem. “Uma coisa que os supermercados não querem é mais uma interface”, diz, que refletiria em gastos como o treinamento dos funcionários.
No programa piloto, a redução de desperdício considerando todos os alimentos foi de 57%, o que dobrou o lucro do mercado no mês. “O custo do desperdício é o custo de se fazer negócio para o supermercado. O estabelecimento está olhando muito mais para a ruptura, que é a falta na prateleira, do que para o desperdício. Isso foi algo que a gente teve que adicionar”, conta o empreendedor.
Leia a matéria completa da Folha.