Inteligência artificial no varejo: desafios e oportunidades

O varejo nacional tem se mostrado receptivo quando o assunto é a utilização de novas tecnologias.

Alguns exemplos comprovam esta afirmação, como a introdução de soluções de autoatendimento, aplicações diversas utilizando dispositivos móveis e o emprego do Big Data, sendo que, neste último, reside no maior desafio não só para os empresários e profissionais de TI, como também para os fornecedores de tecnologia.

Grandes volumes de dados precisam ser armazenados, processados e tratados. A frase “os dados são o novo petróleo”, nunca fez tanto sentido. E assim como o ouro negro, os dados também precisam ser refinados para se alcançar resultados analíticos que realmente permitam às empresas saírem do lugar comum.

É neste cenário que a aplicação de novas tendências como o Aprendizado de Máquina (ou Machine Learning, ML, em inglês) e a Inteligência Artificial (Artificial Intelligence, AI) representam um grande estímulo para o setor. O varejo produz diariamente um imenso conjunto de dados que incluem informações sobre promoções, giro de estoques, vendas, situação financeira, inventários e preferência de compras de seus clientes, entre muitas outras.

Diante desta realidade emerge a crescente demanda por análises preditivas baseadas em AI e ML, que permitirão compreender, por exemplo, o efeito dos centavos na composição do preço, como eles interferem nas vendas de um determinado produto e no impulso do consumidor em comprá-lo (arredondamento).

Nesta mesma esteira, melhorar a metodologia de pricing ao descobrir a relação entre produtos sensíveis ou não, as variações de preço (elasticidade), ou ainda entender como as mercadorias se relacionam historicamente dentro dos cupons de venda (afinidade) e com isso criar campanhas promocionais mais assertivas, permitindo, também, descobrir como a redução no preço de itens com alta elasticidade poderá gerar demanda por afinidade em produtos capazes de suportar margens mais elevadas.

Como se pode imaginar, é impossível para um cérebro humano equacionar tantas variáveis ao mesmo tempo, para um mix de centenas, milhares de itens. Sem a utilização de sistemas preditivos, tais análises nunca passarão de desejos distantes.

Por outro lado, os fornecedores de tecnologia enfrentam um cenário ainda mais complexo, uma vez que as habilidades necessárias para criar sistemas com essas características funcionais extrapolam as competências dos analistas de negócios e desenvolvedores. Esta realidade abre espaço para uma nova geração de cientistas de dados e, sobretudo, matemáticos e especialistas em estatística.

Sem a ajuda desses profissionais é impossível determinar o impacto de conceitos como ortogonalidade e colinearidade sobre modelos matemáticos que relacionam o comportamento entre determinadas variáveis, chamados de Modelos de Regressão, tornando os resultados pouco confiáveis.

Um bom exemplo são os efeitos nocivos do overfitting (sobreajuste) sobre os algoritmos de ML e que ocorrem quando um modelo estatístico se ajusta muito bem a um conjunto de dados históricos, mas se mostra ineficaz para prever novos resultados. Ou seja, o que pode funcionar muito bem para um sistema de Business Intelligence (BI) pode simplesmente não servir para gerar análises prognósticas. Para contornar esses efeitos, é preciso lançar mão de técnicas hierárquicas de inferência estatística, caso contrário, perde-se toda a essência contida nos sistemas preditivos.

E assim sucessivamente a cada desafio surgirá uma nova descoberta, abrindo uma série de possibilidades como nunca antes visto e colocando-nos diante de uma verdade inevitável: os sistemas preditivos baseados em inteligência artificial prometem ser a próxima onda tecnológica para o varejo.