Blog

Preparação de um Projeto de Data Science numa Mercearia Comunitária

Uma colheita promissora na Rizoma

Apresentação da Rizoma

A Rizoma é uma cooperativa criada por vizinhos empenhados em repensar formas de consumo, criando alternativas sustentáveis e justas. Localizada no coração de Lisboa, em Arroios, esta associação sem fins lucrativos conta com diversos co-proprietários e cooperantes.

Tudo começou com a abertura de uma mercearia comunitária, onde os próprios cooperantes são responsáveis por assegurar o funcionamento do estabelecimento, sendo alguns deles também fornecedores de produtos. O projeto piloto nasceu na Mouraria em fevereiro de 2020, com pouco mais de 30 cooperantes. Desde aí, o crescimento tem sido extraordinário e extravasou o espaço original da “Mini-Rizoma”, levando a uma mudança para a localização atual, em Arroios.

Com mais de 300 membros, a Rizoma 2.0 abriu portas em maio de 2022. Para além de uma mercearia maior, o novo edifício conta com um armazém mais espaçoso e áreas de convívio e trabalho, assim como de um serviço de alimentação, o Rizobar. Foi nestas novas instalações que a colaboração com a DSSG se desenrolou. Com um espaço maior, mais produtos e mais cooperantes, a Rizoma começou a enfrentar algumas dores de crescimento.

Fig. 1 – Proposta de valor da mercearia Rizoma

Data Science à caixa nº1

Apresentação da relevância do projeto de ciência de dados

A gestão do dia-a-dia da Rizoma envolve coordenar turnos de trabalho voluntário dos cooperantes, organizar a receção de encomendas e decidir as quantidades de produtos a encomendar, tendo em conta a procura esperada. Foi no tópico da reposição de stocks que a Rizoma e a DSSG identificaram um maior potencial de melhoria.

Antes do exercício da reposição do stock, os cooperantes acompanham o nível de stock dos diferentes produtos com uma revisão dos volumes de produtos nas prateleiras. Por vezes, identificam divergências entre o volume registado nas vendas e o stock físico, o que causa redução de margem e potenciais perdas financeiras.

Ao repor o stock, quantidades inadequadas de produtos podem resultar em dois problemas: excesso de mercadoria, que tem custos financeiros e cria desperdício de produtos perecíveis, ou rupturas de stock, que geram perdas de receitas.

A Rizoma já tem soluções para mitigar as consequências do excesso de mercadoria: produtos perecíveis ou próximos do prazo da validade são sujeitos a uma redução de preço para aumento da procura. Para além disso, a Rizoma tem uma política sustentável anti-desperdício, e aproveita produtos em vias de se estragarem para a confecção de alimentos no Rizobar. No entanto, os custos de armazenamento de grandes quantidades ainda persistem, assim como os problemas associados à falta de stock.

Uma melhoria na previsão da procura real permite reduzir estes efeitos e tomar decisões mais informadas na hora de fazer as encomendas aos fornecedores.

Fig. 2 – Principal impacto esperado do projeto e consequência no fluxo de gestão de encomendas

A lista de artigos está completa

Apresentação da proposta para o projeto

Com o foco do projeto identificado, definimos quatro principais metas que seriam essenciais para garantir uma previsão da procura com impacto: a avaliação da qualidade dos dados, a criação de uma prova de conceito da previsão da procura, a previsão massiva da procura e a integração do modelo nas ferramentas de trabalho da Rizoma.

Numa primeira fase, queríamos perceber que dados é que a Rizoma tinha e como é que estavam organizados. Com uma boa identificação da qualidade dos dados, iríamos poder tomar melhores decisões sobre o desenho da curva da procura histórica e a previsão da procura. Para isso, algumas das questões que tínhamos que responder eram:

• Qual a tipologia de dados que a Rizoma tem e como é que se relacionam
• Quão precisos e consistentes são os dados e com que frequência são gerados
• Qual a dimensão do histórico
• Quantos produtos a Rizoma vende e como é que estão categorizados

Para obter uma prova de conceito, quisemos começar com um produto que tivesse um histórico longo e complexo. Iríamos iterar sobre a curva da procura deste produto, e perceber qual a agregação da previsão (desde diária a mensal) que iríamos querer ter, assim como os efeitos que iríamos querer medir. Partindo das vendas passadas, podemos estudar as suas flutuações de acordo com o período do ano ou do mês em que ocorreram. Para além disso, a evolução do número de cooperantes também pode ser refletida no número de vendas. Períodos de rotura de stock têm impacto na perceção da procura e devem também ser avaliados.

Com um estrutura de previsão da procura sólida, conseguiríamos de seguida extrapolar para os restantes produtos. A previsão seria especialmente útil para produtos que houvesse perspetiva de continuar a vender no futuro, que tivessem um volume de vendas substancial e com elevada variação da procura entre períodos.

A previsão seria depois integrada nas ferramentas de registo de tomada de decisão sobre as próximas encomendas da Rizoma. Para tal, seria necessário criar um serviço que recebe os dados de histórico de vendas, faz a previsão e devolve qual a procura esperada para os próximos períodos. Em função dessa procura, a Rizoma iria conseguir perceber quando é que estaria prestes a ficar sem stock e proceder com a encomenda no melhor momento para reduzir overstock e minimizar quebras.

Fig. 3 – Exercício de previsão da procura semanal para um produto da Rizoma

Um bom cabaz de produtos

Principais lições para futuros projetos

Com a nossa proposta do projeto fechada, existe um conjunto de requisitos relevantes para garantir o sucesso do projeto. Para conseguir ajudar a Rizoma a fazer as encomendas aos fornecedores das quantidades certas no momento certo, temos de garantir que a proposta do projeto está alinhada com as necessidades da Rizoma. É comum em instituições pequenas e com um crescimento rápido que as necessidades evoluam. Outra preocupação importante é conseguir entregar uma ferramenta que o utilizador saiba usar e manter. Estas aprendizagens, que se estendem para projetos futuros, são muito relevantes para garantirmos impacto social.