Machine Learning para a gestão de estoque (Burger King)

O Burguer King faz parte de uma holding internacional que comporta outras duas marcas: Tim Hortons e Popeyes, com um faturamento anual de cerca de 32 bilhões de dólares. São mais de 11 milhões de consumidores atendidos todos os dias no mundo inteiro. 

O grande desafio da rede no Brasil é garantir o atendimento completo dos pedidos dos consumidores no restaurante. Apesar de parecer algo simples, esse processo é extremamente complexo e envolve uma série de fatores e setores da empresa.  

Para isso, a companhia iniciou criando um canal de reclamações para ouvir os clientes que abrange desde o balcão das lanchonetes, até as redes sociais. Com esse compilado de dados, a BK identificou que muitas vezes o cliente não conseguia ser atendido porque o produto que ele gostaria de consumir estava em falta nas lojas. 

Onde está o gap?

 

Com essa informação, se começou a investigação de  toda a cadeia de suprimentos para entender onde estava o gap. Após acompanhar todo o processo de sell in e sell out, a rede verificou que o problema se encontrava nas lojas. Muitas vezes os gerentes não tinham experiência e faziam os pedidos de forma repetida sem analisar exatamente quais produtos estavam em falta. Além disso, o estoque é pequeno, o que exige um olhar treinado para planejar o estoque de segurança. 

Foi buscando a solução desse problema que a BK investiu em um projeto de Machine Learning. A plataforma online integrada com o sistema que vai ficando inteligente com o tempo, e entendendo o funcionamento dos estoques de cada loja. Assim, é possível oferecer uma sugestão automática baseada no cruzamento de dados e tirar dos gerentes a responsabilidade de definir os pedidos necessários

“O operador de restaurante tem que pensar na venda. Nós como Supply Chain temos que pensar na solução para tornar a vida dela mais fácil”, explica Marcelo Corio, Head de logística da rede. Compreender a responsabilidade do setor de suprimentos foi fundamental para o sucesso do projeto. A assertividade do machine learning nesse caso chega a mais de 95% com um aumento significativo na melhora da precisão dos pedidos. 

Clique aqui para conferir a palestra na íntegra