- problema
Problema Inicial
A Hypera necessitava de um modelo preditivo para compreender o comportamento dos quatro segmentos em que atua. Além disso, faltavam métricas de correlação e análises estatísticas que validassem o modelo já existente, considerado pouco preciso. Era também fundamental entender melhor a sazonalidade das vendas entre suas unidades de negócio, mês a mês, levando em consideração os impactos de eventos como o Carnaval e outros feriados.
- a solução
Nossa Solução
Trabalhando com uma demanda que envolvia milhares de SKUs (Unidades de Manutenção de Estoque), o resultado final foi a criação de um modelo preditivo baseado em séries temporais e redes neurais. Esse modelo foi desenvolvido para prever, mensalmente, a quantidade de vendas das quatro BUs (Unidades de Negócio) da Hypera, oferecendo uma projeção mais precisa e alinhada com as necessidades da empresa.
- O RESULTADO
Resultados Finais
Esse modelo de clusterização obteve uma assertividade de 99,2%, recuperando R$ 30.000.000,00 mensalmente graças às melhorias implementadas. Esse resultado permitiu que a Hypera se planejasse de forma mais estratégica a cada mês, evitando o despreparo das lojas que distribuem seus produtos, especialmente em períodos críticos, como feriados.
