Com Microsoft Azure Machine Learning, Companhia passou a oferecer recomendações cada vez mais assertivas aos varejistas a partir de portfólio com mais de 600 SKUS

Inteligência Artificial e Estatística Avançada estão cada vez mais presentes na BRF, uma das maiores produtoras de alimento do mundo. A Companhia utiliza tecnologia para melhorar a eficiência operacional e fazer recomendações de compras para seus milhares de clientes corporativos.

A base da estratégia, cada vez mais orientada por dados da BRF, está no COE - Center of Excellence in Advanced Analytics -, localizado em Curitiba (PR), que adotou o Microsoft Azure Machine Learning para desenvolver e treinar modelos de aprendizado de máquina para melhorar os resultados de negócios e o relacionamento com a base de clientes B2B.

A BRF conta com uma equipe de analistas que buscam padrões de compra de clientes como mercearias, minimercados e padarias, e essas informações são compartilhadas com as equipes de vendas para contato com recomendações personalizadas para cada cliente. No Brasil, a empresa oferece mais de 650 SKUs para perfil, o que torna esse processo complexo. 

Antonio Cesco, diretor de Tecnologia da BRF, explica que para automatizar os recursos de machine learning da empresa e criar processos replicáveis, as equipes de ciência e engenharia de dados da BRF implementaram, em três meses, três modelos usando ferramentas no Azure. O COE também usa recursos de operações de aprendizado de máquina (MLOps) para automatizar todos os estágios do desenvolvimento de seu modelo, desde o treinamento até a implantação.

“Antes da adoção da solução Microsoft, a obtenção de insights demorava, em média, dez dias, e não conseguíamos entregar as informações comerciais para nossa equipe de vendas em tempo hábil”, diz Alexandre Biazin, gerente executivo de Tecnologia da BRF. “Com o Azure Machine Learning, estamos unindo diferentes grupos de clientes e conjuntos de habilidades para que eles possam obter acesso rápido a dados valiosos”, completa.

Segundo Biazin, o acesso aos modelos e resultados para tomar decisões melhora a lucratividade, agilidade, eficiência e satisfação do cliente, uma vez que quanto mais assertivas forem as recomendações, mais rápida é a operação e a lucratividade. “Quando os clientes seguem pelo menos 70% das nossas recomendações, temos uma melhoria significativa nas vendas”, afirma.

O projeto teve início em 2021, quando a BRF começou a realizar um teste piloto de um sistema de recomendação para os analistas em sete de suas organizações de vendas. A equipe de ciência de dados realizou cálculos considerando os dados da cidade, histórico de compras e semelhanças entre os vários clientes e, em seguida, criou o mecanismo de recomendação.

“A primeira versão do sistema baseado no Azure Machine Learning foi construída em poucos dias, quando já ficou evidente os ganhos de usabilidade, em design e com os recursos para ajustar rapidamente vários conjuntos de dados, criar algoritmos e disponibilizar o sistema de recomendação para nossa equipe de vendas”, explica Biazin.

A BRF está democratizando e ampliando o alcance da Inteligência Artificial ??em toda a empresa como resultado do aprendizado de máquina ágil e confiável em todas as unidades de negócios. “Reduzimos o tempo necessário para implantar novos modelos, o que aumentou a produtividade”, explica Cesco. “Com isso, a Companhia está cumprindo seu objetivo de monitorar sua cadeia de suprimentos, prever produtos e obter insights sobre os hábitos de compra dos clientes”, completa.

“Uma estratégia baseada em dados e na utilização de mecanismos como inteligência artificial e aprendizado de máquina se tornou um imperativo para a inovação nos negócios. Os resultados da BRF mostram como a adoção de tecnologia é uma aliada na estratégia de agilidade e lucratividade dos negócios”, diz Ricardo Fernandes, vice-presidente de Enterprise Business da Microsoft Brasil.

Foto: Reprodução