BRF usa aprendizagem de máquina para melhorar experiência de clientes corporativos

0

Inteligência Artificial e Estatística Avançada estão cada vez mais presentes na BRF. 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.

DEIXE UMA RESPOSTA

Por favor digite seu comentário!
Por favor, digite seu nome aqui

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.