DadosCast #28 – Como o BI ajudou a superar desafios no varejo físico

No episódio #28 do DadosCast, apresentado por Daniel Luz e Claudio Lima, convidamos Gustavo Barbosa para discutir sobre como o Business Intelligence auxiliou sua empresa de varejo físico a superar desafios.

👨‍💼 Gustavo Barbosa é administrador e gestor empresarial por formação, e hoje atua como diretor do grupo Armazém Ribeira.

Ao longo do episódio eles exploraram o papel do BI na gestão de pessoas, comercial e financeiro da empresa, bem como a cultura de fomentação à marcenaria local promovida pelo Armazém Ribeira.

O episódio em áudio está disponível nas principais plataformas de podcast, mas você também pode assistir a esse encontro em vídeo no YouTube hoje.

https://www.youtube.com/watch?v=UMtM-375G3c


No vigésimo oitavo episódio do DadosCast, os apresentadores recebem um convidado especial, Gustavo Barbosa, do Armazém Ribeira. Nesse episódio, Gustavo compartilha a trajetória da empresa e como eles utilizaram a análise de dados para impulsionar seus negócios no setor de marcenaria.

A história do Armazém Ribeira

Gustavo inicia a conversa descrevendo a história da Armazém Ribeira, uma empresa familiar fundada há 31 anos por seu pai. Inicialmente uma marcenaria, a empresa expandiu para a venda de produtos para marcenaria em 1991. Com o tempo, a empresa cresceu e agora opera em três estados, empregando cerca de 200 funcionários. O foco da Armazém Ribeira sempre foi apoiar os marceneiros locais, ajudando-os a se desenvolver profissionalmente.

Impacto da Pandemia

A pandemia da COVID-19 teve um impacto significativo nos negócios da Armazém Ribeira. Inicialmente, houve incerteza sobre como a empresa se adaptaria às restrições e fechamentos.

No entanto, a demanda por produtos relacionados à construção e à melhoria das casas cresceu à medida que as pessoas passaram mais tempo em suas residências. Isso resultou em um aumento nas vendas, especialmente por meio de canais online, como WhatsApp.

Utilização de Dados e Dashboards

A empresa já tinha o hábito de usar planilhas para acompanhar informações de vendas e estoque devido a várias mudanças de sistemas ao longo dos anos. Com a parceria com a Bia, eles começaram a implementar dashboards personalizados para obter informações em tempo real. Esses dashboards ajudaram a equipe de compras a monitorar a disponibilidade de produtos, as comissões e o orçamento de compras, tornando o processo mais eficiente.

O impacto social da marcenaria

Gustavo ressalta a importância social da marcenaria, destacando que muitos funcionários de marcenarias são jovens em situação de risco. Ao apoiar os marceneiros locais, a Armazém Ribeira não apenas mantém o dinheiro na comunidade, mas também oferece oportunidades para jovens adquirirem uma profissão estável e valiosa.

Mudança cultural e adoção de dados

A empresa reconheceu a necessidade de mudar sua cultura organizacional para se adaptar à era digital. Isso incluiu a transição de uma abordagem mais tradicional para uma mentalidade orientada por dados. Embora nem todos os membros da equipe tenham se adaptado facilmente a essa mudança, a Armazém Ribeira investiu em treinamento e educação para capacitar seus colaboradores a tomarem decisões com base em dados.

Facilitando o acesso às informações

Um dos desafios enfrentados pela empresa foi tornar as informações mais acessíveis para a equipe. Embora o sistema fornecesse dados valiosos, a dificuldade de acessá-los tornava o processo oneroso e desestimulante para os colaboradores. Para abordar essa questão, a empresa implementou dashboards personalizados, facilitando o acesso e a compreensão dos dados relevantes para cada membro da equipe.

Pesquisas e feedback dos clientes

A Armazém Ribeira realiza pesquisas mensais com seus clientes para obter feedback valioso. Essas pesquisas incluem perguntas sobre a satisfação do cliente, sugestões de melhorias e preocupações específicas. O feedback dos clientes é usado para avaliar o desempenho e a qualidade do serviço, além de oferecer oportunidades para correção de problemas e aprimoramentos contínuos.

Tecnologia e inovação

A empresa também está explorando soluções de tecnologia, como o uso de processamento de linguagem natural (NLP), para analisar e classificar os comentários dos clientes de forma automatizada. Essa tecnologia ajuda a identificar rapidamente sentimentos positivos ou negativos nos comentários e a classificar o nível de satisfação dos clientes.

Foco na persona do cliente

A Armazém Ribeira escolheu direcionar seus esforços exclusivamente para atender às necessidades dos marceneiros. Embora essa decisão possa parecer limitante, a empresa encontrou vantagens em conhecer profundamente a persona de seus clientes. Isso permitiu que eles oferecessem soluções específicas e personalizadas para atender às demandas únicas dos marceneiros.

A Armazém Ribeira se destaca ao valorizar a comunidade local em um mercado onde, muitas vezes, o que é local é subestimado. Eles apoiam seus fornecedores e incentivam a compra direta, criando uma atmosfera em que todos ganham. A empresa vai além de ser apenas um fornecedor e se torna um parceiro confiável para seus clientes.

A importância do planejamento

Um ponto fundamental destacado na conversa é a importância do planejamento. Antes de mergulhar de cabeça na coleta e análise de dados, uma empresa de varejo deve definir claramente seus objetivos e prioridades. Perguntas como “O que queremos melhorar?” e “Qual é o nosso principal problema?” devem ser respondidas. O planejamento estratégico é o ponto de partida essencial para que os dados tenham valor real.

2. Identificando Problemas-Chave: Uma vez que a empresa tenha seus objetivos definidos, é hora de identificar os principais problemas. Pode ser uma questão relacionada ao fluxo de caixa, gestão financeira, estoque ou qualquer outra área relevante para o negócio. Focar em solucionar problemas específicos é fundamental para garantir que os dados sejam aplicados de maneira eficaz.

3. A Importância do Contexto: Os dados não devem ser analisados isoladamente. Eles devem ser interpretados no contexto dos problemas e objetivos da empresa. É aqui que a consultoria especializada pode desempenhar um papel vital. Uma empresa de análise de dados pode ajudar a entender como os dados se aplicam ao contexto único de um negócio de varejo.

4. A Evolução ao Longo do Tempo: A jornada de dados de uma empresa de varejo não é estática. À medida que o negócio cresce e evolui, as necessidades de dados também mudam. O planejamento e a análise devem ser flexíveis para se adaptarem a essas mudanças. Uma solução de dados personalizada é mais eficaz do que uma abordagem única para todos.

5. Aprendizados do Passado: A conversa destacou que tentar replicar soluções de uma empresa para outra nem sempre funciona. Cada empresa tem suas próprias regras de negócio, mesmo no mesmo setor. É importante aprender com os erros do passado, como tentar aplicar soluções universalmente, e reconhecer que a personalização é fundamental para o sucesso.

6. O Valor da Informação dos Concorrentes: Saber como os concorrentes gerenciam seus negócios pode fornecer informações valiosas. Embora não seja recomendável copiar diretamente, entender as estratégias dos concorrentes pode ajudar a empresa a identificar lacunas em seu próprio modelo de negócio e buscar oportunidades de melhoria.

7. O Desafio das Mudanças Sazonais: Empresas de varejo frequentemente enfrentam mudanças sazonais em seus negócios. Isso requer uma abordagem flexível para o uso de dados. O que é importante em uma temporada pode não ser na próxima. Portanto, a empresa deve estar preparada para ajustar suas estratégias com base nas condições sazonais.

Fale Com Um Especialista

*Este contato é comercial. Para outras demandas, entrar em contato através do e-mail [email protected].

Quer descobrir o nível de maturidade digital da sua empresa? 📊🤔

Machine
Learning

Com a consultoria em Machine Learning da beAnalytic, a nossa equipe fica responsável por:

Mapeamento, coleta e tratamento dos dados necessários para o projeto;

Definição do algoritmo apropriado com base nos objetivos do projeto, e início do treinamento do algoritmo;

Avaliação do desempenho do modelo de ML, otimização e implementação no ambiente de produção.

A