Como melhorar a logística analisando grandes quantidades de dados, implementando machine learning nos negócios, identificando problemas de entrega e eliminando o uso do Excel e das canetas esferográficas?
É o que responde Hannah Testani, CEO da Intelligent Audit, empresa que analisa os dados de entregas de seus clientes, procurando anomalias e tentando transformar números em insights executáveis.
Com sede em Nova Jersey e escritórios regionais em todo o mundo, a companhia audita mais de um bilhão de remessas por ano. A entrevista é do McKinsey.
As organizações estão sendo obrigadas a diversificar suas cadeias de suprimentos, tanto em relação à fabricação quanto ao transporte de seus produtos.
Veja, se antes uma indústria fabricava exclusivamente na China, agora também está fabricando em Taiwan, Vietnã ou América Latina porque entende que precisa fazer isso.
“Muitos de nossos clientes buscavam usar o menor número possível de transportadoras para enviar seus produtos. Mas após as recentes interrupções na cadeia, diversificaram suas opções de transporte. Afinal, os nós se multiplicaram”, conta Hannah.
Segundo ela, com essa complexidade, pode ser muito mais difícil acompanhar de perto a situação porque a quantidade de ruído aumentou exponencialmente.
“Se olharmos para outras grandes indústrias com essa quantidade de dados – como finanças e bancos –, elas estão anos-luz à frente do setor de transporte, pois muitas delas ainda dependem de notas fiscais em papel para gerenciar suas cadeias de suprimentos”, expõe.
Para complementar os documentos em papel, ainda acabam usando um arquivo do Excel, que não suporta tantas informações. Isso significa que há muitos dados inúteis por aí.
A lição aqui é essa: é impossível economizar dinheiro em uma área que você não pode medir adequadamente.
“Se você não processar seus dados e entender o que eles significam, não poderá compreender a natureza do gasto no supply chain”
Hannah Testani
CEO da Intelligent Audit
Há cerca de dois anos, a Intelligent Audit contratou uma nova equipe de ciência de dados. O líder veio do setor de saúde. Ele usava big data para analisar ressonâncias magnéticas, encontrar padrões e detectar doenças hepáticas antes de uma biópsia mais invasiva.
“Tentamos usar uma abordagem semelhante. Usamos modelos de deep learning, que leem os dados de nossos clientes e os analisam por meio de lentes de longo e curto prazo, desde um nível macro até uma divisão ou unidade de negócios”, explica Hannah.
Usando esses modelos, a empresa pode encontrar padrões anômalos nos dados de seus clientes.
Como exemplo, uma grande varejista cliente da empresa tinha acabado de começar a enviar um novo SKU de suas lojas. A tecnologia de detecção de anomalias alertou um custo de envio 30 vezes maior do que a média por envio deste cliente.
Então, a Intelligent Audit descobriu que o novo SKU era um item grande e volumoso que estava gerando uma taxa adicional de manuseio que elevava o custo total para US$ 140 por um único envio – um valor muito superior à margem do item.
“Depois de poucos dias do alerta, pudemos levar essas informações ao cliente, que decidiu disponibilizar esse SKU apenas para retirada na loja”, conta a executiva.
Com outro cliente, a ferramenta de detecção de anomalias notou custos desproporcionais para envios saindo de uma localização no Texas.
Descobriu-se, então, que um membro da equipe havia vindo da Europa para aquele centro de entrega. Só que, na Europa, eles usam a vírgula e não ponto decimal para escrever números.
O software no Texas não estava tratando a vírgula como um ponto decimal e, assim, em vez de um pacote de cinco libras, estava interpretando o peso como 500 libras.
“Eu diria a todos que eles não podem mais escrever nada usando uma caneta”, respondeu Hannah.
A quantidade de processos manuais, o uso de papel e a ausência geral de dados para tomar boas decisões são grandes problemas.
Segundo a executiva, a maioria das pessoas em logística está ciente disso. Isso é bom, pois o primeiro passo para resolver um problema é admitir que você tem um. “Mas é mais lento do que eu gostaria. É preciso muito mais investimento em tecnologia”, diz.
Para ela, o setor deveria chegar a um ponto em que utilize a tecnologia para permitir que os clientes se autoatendam.
Igual ao banco: antigamente precisava ir a uma agência bancária para fazer qualquer coisa, e agora pode fazer quase tudo no seu telefone, é fácil e intuitivo. “Gostaríamos de capacitar nossos clientes da mesma maneira.”
A maior lição que Hannah aprendeu é que neste setor tudo é baseado em relacionamento. “Se você conseguir encontrar as conexões certas e entregar bons produtos, seus clientes serão suas melhores referências.”
Ela também aprendeu que uma mulher nesta área é como um unicórnio. “A falta de diversidade é chocante, mas isso me dá a oportunidade de mostrar a outras que elas podem, pois eu fiz, gostei e tive sucesso.”
Hotel Grand Mercure, São Paulo – Vila Olímpia
06 e 07 de maio – das 08 as 20h*
*horários sujeiros a mudanças
Este site utiliza cookies para proporcionar melhor desempenho.
Saiba Mais