Automação e eficiência do time de vendas: O principal objetivo era encontrar uma forma de automatizar o planejamento de demanda, especialmente para os itens de curva B e C. O processo atual dependia do input manual de mais de 100 vendedores, gerando um grande esforço operacional em detrimento de atividades de venda.

Qualidade do dado de entrada: mesmo com uma equipe comercial engajada e processos bem definidos, a qualidade do forecast era inconsistente. O problema não era a falta de disciplina, mas a qualidade do dado inserido manualmente, um cenário clássico de “shit-in, shit-out” que limitava a acuracidade geral a cerca de 70%.

Otimização de estoques e custos: A empresa sentia uma forte pressão para reduzir o capital de giro imobilizado em estoque. A imprecisão nas previsões resultava em altos custos de armazenagem, uma dor latente na companhia que tornava a otimização de estoques um projeto de alta prioridade.

Complexidade do portfólio: A gestão de mais de 5.000 SKUs, com diferentes perfis de demanda (nacionais, importados, make-to-stock), tornava qualquer análise manual detalhada extremamente difícil e demorada.

Escopo alinhado à realidade: inicialmente, a análise considerou o nível mais granular disponível (SKU x armazém x cliente). Contudo, em alinhamento com o cliente, o foco foi ajustado para o nível que realmente importa para a gestão de estoques e planejamento: SKU x armazém.

Tecnologia ensemble de IA: O Calix aplicou sua metodologia ensemble, que combina dezenas de algoritmos de IA e os testa para encontrar a melhor combinação para cada série histórica (cada SKU em cada armazém). Isso permite que a ferramenta se adapte à volatilidade e aos diferentes padrões de consumo de cada produto, desde commodities de alto volume até especialidades de nicho.

Novo paradigma para o S&OP: A solução foi posicionada não para substituir, mas para potencializar o processo de S&OP. O Calix forneceria um baseline estatístico altamente acurado, permitindo que a colaboração com as áreas de negócio se tornasse um processo de agregação de valor e inteligência qualitativa, em vez de uma tentativa de corrigir um número de partida fraco.

Modelo de suporte próximo: sabendo da experiência negativa do cliente com suportes baseados em tickets, a Isystems destacou seu modelo de atendimento contínuo e próximo, com analistas especializados disponíveis para apoiar em tempo real durante os ciclos de planejamento.

O resultado geral foi uma redução de 42,3% no WMAPE (erro percentual absoluto médio ponderado).

O erro da empresa, já com o consenso de vendas, era de 50,2%, enquanto o erro do calix, sem nenhuma intervenção manual, foi de 28,9%.

O ganho de performance foi consistente em todos os cinco meses do período de análise.

Mesmo ao se retirar da análise produtos de altíssimo volume como a “soda cáustica” para “desafiar” o resultado, o Calix ainda entregou uma redução de erro de 39%.