DESEMPENHO COMPETITIVO DAS EMPRESAS VAREJISTAS, ATACADISTAS E DISTRIBUIDORES BRASILEIRAS

Big_Data_Markus_Spiske

Por Paulo Renato – professor assistente da FDC

De acordo com a pesquisa Ranking ABRAS/SuperHiper, desenvolvida pelo Departamento de Economia da Associação Brasileira de Supermercados, juntamente com a Nielsen, o setor supermercadista brasileiro fechou o ano de 2018 com um faturamento de R$ 355,7 bilhões, um crescimento nominal de 0,7% na comparação com 2017, há expectativas de crescimento de 1,1% em 2019. Os grandes números do setor supermercadista juntamente com a vanguarda tecnológica demandaram que as empresas colaborem devido à integração de sistema de informação. Esses sistemas produzem uma quantidade excessiva de informações que demandam serem trabalhados e analisados.  A análise desse grande volume de dados é denominada, em termos gerais, de Big Data Analytics (BDA). Para extrair os benefícios de BDA, as organizações necessitam expandir suas capacidades analíticas, que podem ser vistas como as capacidades de utilizar seus recursos financeiros, físicos, humanos e organizacionais para tratar e analisar uma quantidade grande de diferentes dados.  

Em um trabalho de pesquisa coordenado pelos Professores Marcelo Werneck (PUC Minas), Marcelo Bronzo Ladeira (UFMG), Marcos Paulo Valadares (UFES) e Paulo Renato de Sousa (FDC), foi realizado um estudo com 323 empresas varejistas, atacadistas e distribuidores no Brasil, buscando-se especificar as capacidades analíticas no setor. O estudo teve como principal objetivo explicitar como as organizações supermercadistas têm colaborado entre si em um contexto de Big Data. A pesquisa partiu do pressuposto de que a cooperação entre empresas, estimuladas pelas capacidades analíticas, pode interferir no desempenho competitivo das empresas desses setores.

Segundo o Professor Marcelo Werneck, varejo, atacado e distribuidores é um dos setores que têm um grande potencial de extrair mais benefícios da adoção do BDA, cuja estrutura conecta os fabricantes aos consumidores, fornecendo produtos e serviços do produtor ao consumidor. Poucas indústrias têm maior acesso a dados sobre consumidores, produtos e canais do que o setor supermercadista. Consequentemente, as organizações supermercadistas adotaram BDA e suas tecnologias mais cedo do que muitas outras indústrias. No setor, os dados geralmente são grandes em volume, em variedade (dados não estruturados sobre vendas de diferentes formatos, dados de inventário, dados de mídia social do cliente) e em velocidade de criação e atualização. Há estudos na literatura indicando que empresas do setor varejista podem aumentar suas margens operacionais em 60% através do uso de BDA. Nesse sentido, os varejistas que podem obter insights eficazes da análise de Big Data e podem fazer previsões melhores sobre o comportamento do consumidor podem projetar ofertas mais atraentes, direcionar melhor seus clientes e desenvolver ferramentas que incentivem os consumidores a tomar decisões de compra que favoreçam seus produtos.

De forma sintética, há consenso de que o termo Big Data Analytics pode ser empregado para caracterizar as condições de:

  • Volume: está relacionado à capacidade de se processar grandes quantidades de dados considerando restrições de escalabilidade e distribuição;
  • Velocidade: está relacionado com a alta taxa de fluxo de dados;
  • Variedade: está relacionado ao fato de que os dados vêm de muitas fontes de muitas formas diferentes – geralmente não estruturados, inconsistentes e com erro;
  • Velocidade: está relacionado com a velocidade com a qual os dados são gerados e, consequentemente, a necessidade de se analisá-los rapidamente ou até mesmo em tempo real;
  • Valor: fazer algo valioso com os dados é importante e, em última análise, o objetivo final de todo o esforço de análise.​

O valor comercial é alcançado quando os sistemas BDA trabalham em sinergia com outros sistemas organizacionais, o que requer forte integração entre os recursos do BDA e outros recursos organizacionais. Nesse sentido, um recurso de BDA é a capacidade de adquirir, armazenar, processar e analisar uma grande quantidade de dados de várias formas, além de fornecer informações significativas aos usuários, permitindo que eles descubram valores de negócios e insights de maneira oportuna. Em linhas gerais, capabilidades analíticas podem ser desenvolvidas nas organizações por meio da: infraestrutura, qualificação profissional, habilidade gerencial e valores culturais direcionados à análise de dados. De qualquer forma, até o presente momento, sabia-se não muito em relação de como uma organização supermercadistas desenvolve sua capacidade analítica,  a maneira de como uma organização pode estimular essas capacidades com outros parceiros das suas cadeias de suprimentos (clientes e fornecedores) e os propósitos de tais capacidades sobre o desempenho competitivo.

A colaboração envolve um relacionamento de longo prazo com base na construção de relacionamentos, desenvolvimento conjunto e compartilhamento de informações sobre custos e capacidade com clientes e fornecedores, pois as empresas consideram os processos de seus parceiros como extensões de seus próprios. Mais especificamente, a partir de uma perspectiva gerencial, conhecer a priori o tipo de capacidades que contribuem para a percepção do valor do cliente ao formar uma aliança com um parceiro em particular mostra-se bastante útil para que gestores possam perceber os benefícios de se estabelecer tais relações de colaboração.

Um dos usos do BDA neste setor é a personalização de serviços e ofertas. Ao conhecer quem é seu cliente por meio da análise de dados, as empresas podem oferecer serviços e produtos mais personalizados. No entanto, a busca pela identificação e personalização dos usuários representa um risco para a privacidade. Os usuários podem facilmente perceber esse insight como invasivo, inesperado e indesejável. Se os clientes veem a coleta de suas informações pessoais como excessiva, suas percepções sobre as lojas de varejo e sua intenção de retornar às lojas podem ser prejudicadas. Contudo, no contexto da colaboração, um grande desafio é proteger as informações confidenciais enquanto são compartilhadas as informações necessárias com os parceiros.

Para se aprofundar mais:

Bronzo, M., de Resende, P.T.V., de Oliveira, M.P.V., McCormack, K.P., de Sousa, P.R., Ferreira, (2013), “Improving performance aligning business analytics with process orientation”, International Journal of Information Management, Elsevier Ltd, Vol. 33 No. 2, pp. 300–307.

Oliveira, M.P.V. de, McCormack, K. and Trkman, P. (2012), “Business analytics in supply chains – The contingent effect of business process maturity”, Expert Systems with Applications, Elsevier Ltd, Vol. 39 No. 5, pp. 5488–5498.

Oliveira, M.P.V. de and Handfield, R. (2018), “Analytical foundations for development of real-time supply chain capabilities”, International Journal of Production Research, Taylor & Francis, Vol. 57 No. 5, pp. 1571–1589.

Compartilhe esta postagem

Share on facebook
Share on twitter
Share on linkedin