Nosso armazém é pequeno: cerca de 3,000 metros quadrados, seis pessoas incluindo eu. Essa experiência me ensinou mais sobre qualidade de dados para previsão de IA do que qualquer demonstração de fornecedor. No ano passado, finalmente comprei uma ferramenta de previsão, esperando parar de adivinhar quanto estoque manter. O primeiro mês me colocou no meu lugar rapidamente. O sistema dizia que uma garrafa de água popular venderia mais de 400 unidades na semana seguinte, então me abasteci. Vendemos menos de 100. O estoque extra ficou nas prateleiras por semanas, e o dinheiro preso nele era dinheiro que eu não podia usar para mais nada. Meu primeiro instinto foi culpar o modelo e discutir com o fornecedor. Depois, um amigo que trabalha com dados passou meia hora examinando nossos registros de entrada e saída e me disse a verdade: o modelo não era o principal problema. Nossos dados eram uma bagunça.

Não podemos nos dar ao luxo de queimar dinheiro como uma empresa grande. Uma operação grande contrata uma equipe de dados e limpa as coisas ao longo de meses. Temos seis pessoas, e cada hora gasta corrigindo registros é uma hora que não é gasta separando, embalando ou enviando. Por isso, os métodos que acabamos usando são constrangedoramente simples: filtrar uma planilha, conferir registros com faturas de transportadoras à mão e escrever uma regra para bloquear cada erro recorrente. O simples funciona, porém, porque uma previsão só é tão boa quanto aquilo com que você a alimenta. Alimente-a com lixo e você receberá lixo caro de volta.

Qualidade de dados para previsão de IA, primeiro problema fatal: códigos duplicados e registros ausentes

Os códigos duplicados nos atingiram primeiro. O mesmo produto acaba com dois ou três códigos, e o sistema trata cada código como um item diferente. Em setembro passado, uma de nossas garrafas térmicas mudou de embalagem, e o setor de compras criou um código novo sem aposentar o antigo. Os pedidos online corriam com o código novo, os pedidos offline com o antigo, e cada código parecia, isoladamente, um item de venda lenta. A previsão ficou baixa até chegar uma grande promoção, quando de repente descobrimos que o estoque combinado já estava bem acima do nosso nível de segurança. Tínhamos acumulado um excesso de garrafas no valor de alguns milhares de dólares, que depois levou semanas para liquidar.

Os registros ausentes são a falha oposta, e doem tanto quanto. Por um tempo, digitávamos as remessas de saída à mão, e em dias corridos algumas entradas eram puladas. A curva de vendas que o sistema via estava cheia de lacunas, e um dia ausente parecia exatamente um dia sem vendas. As previsões caíram, e nossos produtos mais vendidos esgotaram. A solução foi maçante, mas eficaz: toda sexta-feira à tarde passo cerca de uma hora conferindo os registros de saída daquela semana com as faturas das transportadoras, e tudo o que falta é preenchido. Também criamos uma regra interna de que os pedidos do dia são encerrados no mesmo dia, e tudo o que fica para a noite é conciliado logo na manhã seguinte. Dois meses dessa rotina reduziram as lacunas a um nível com o qual eu podia conviver.

Qualidade de dados para previsão de IA, outros problemas fatais: promoções, canais misturados e intervalos de tempo errados

Os outros três problemas fatais são mais insidiosos, e custam mais. Promoções anormais podem arrastar uma previsão para o mundo da fantasia. No ano passado, uma oferta de três dias de leve um e pague um empurrou um modelo de meia para mais de cinco vezes suas vendas diárias normais. O sistema tratou aqueles três dias como demanda normal e continuou recomendando reposição pesada por um mês depois disso. Agora marcamos cada promoção, liquidação e evento ao vivo separadamente, e excluímos esses dias das previsões cotidianas ou os modelamos como sua própria categoria. Uma promoção é uma promoção. A demanda cotidiana é demanda cotidiana. Misture-as e nenhum modelo pode salvá-lo.

Os canais misturados causam a mesma confusão de outra forma. Nossos ritmos online e offline quase não têm nada em comum. As vendas online disparam com as campanhas, enquanto as vendas offline vêm de um punhado de lojas próximas que pedem com regularidade. Quando os dois fluxos foram somados em um único total, o número da previsão não servia para ninguém. Agora os registramos separadamente e os prevemos separadamente, somando-os apenas quando precisamos de uma visão combinada. Exige um pouco mais de disciplina, mas cada número pode ser rastreado até uma pessoa ou pedido real.

Os intervalos de tempo errados são os mais fáceis de ignorar. Por um tempo, nossa ferramenta produzia previsões semanais enquanto repúnhamos diariamente, de modo que uma semana que parecia boa na segunda-feira podia secar até quinta-feira. O inverso é igualmente ruim: previsões diárias não ajudam quando um acordo de compra é negociado mensalmente. Minha regra agora é definir primeiro o ritmo de reposição e depois escolher o intervalo de previsão correspondente. Reposição diária recebe previsões diárias; compra mensal recebe um acumulado mensal. Se o intervalo não corresponde à decisão, até um bom modelo é inútil.

Cinco maneiras pelas quais dados sujos matam uma previsão, e o que cada correção custa

Problema de dados sujos O que você vê no armazém Como verificar Custo da correção
Códigos duplicados As vendas de um produto divididas entre vários códigos Busque por nome do produto e código de barras para encontrar repetições Baixo: uma limpeza mais uma regra para códigos novos
Registros ausentes Lacunas inexplicáveis na curva de vendas Confira os registros de saída com as faturas das transportadoras Baixo: cerca de uma hora de conciliação por semana
Promoções anormais As previsões continuam infladas muito depois do fim de uma promoção Marque os dias de promoção e exclua-os da demanda base Baixo: mude o cálculo, não a ferramenta
Canais misturados Um único número de previsão que não se ajusta a nenhum canal Registre as vendas online e offline separadamente Médio: exige uma mudança nos hábitos diários
Intervalos de tempo errados Uma previsão semanal que não consegue orientar a reposição diária Defina primeiro o ritmo de reposição, depois o intervalo de previsão Baixo: mude o formato de saída

Aqui está a parte contraintuitiva, e é o ponto que mais quero que outros pequenos operadores ouçam: limpar dados é muito mais barato do que melhorar um modelo, e muitas vezes ajuda mais. Quando perguntamos sobre uma melhoria de modelo, o custo anual extra chegava a milhares de dólares, sem garantia de melhores resultados. Limpar os cinco problemas acima não nos custou quase nada em dinheiro, apenas algumas horas por semana de tempo da equipe. Há também uma reviravolta mais afiada. Quanto mais caro o modelo, com mais confiança ele erra com dados sujos. Um modelo barato alimentado com dados limpos dá a você um número utilizável. Um modelo caro alimentado com dados sujos dá a você um número errado disfarçado de precisão. Para um armazém pequeno, esse cálculo de retorno sobre o investimento precisa vir antes de qualquer decisão de melhoria, não depois.

Depois de cerca de dois meses de limpeza, a mudança não foi um gráfico de precisão espetacular que eu pudesse emoldurar na parede. Foi algo mais prático: comecei a confiar o suficiente nas recomendações para realmente fazer pedidos a partir delas. As rupturas de estoque nos produtos mais vendidos ficaram visivelmente menos frequentes, e o estoque lento parou de comer silenciosamente o espaço das prateleiras. Não citarei uma melhoria precisa de precisão, porque nossos registros antes da limpeza eram pouco confiáveis demais para sustentar uma, e inventar um número repetiria exatamente o erro sobre o qual este artigo alerta. A medida honesta é se a previsão é utilizável, e a nossa finalmente se tornou utilizável.

Se você administra um armazém do nosso tamanho, aqui está a rotina que eu copiaria. Antes de criar um código novo, procure um código antigo que já cubra aquele produto, e exija uma etapa de confirmação antes de aposentar um. Encerre as remessas no mesmo dia, e concilie com as faturas das transportadoras em um dia fixo a cada semana. Marque os dias de promoção antes de a promoção começar, não depois. Mantenha os registros online e offline separados, e deixe seu ritmo de reposição definir seu intervalo de previsão. Também não tente corrigir tudo em um único fim de semana heroico. Nossa primeira limpeza completa levou perto de duas semanas, e tudo desde então tem sido pequena manutenção semanal. Dados sujos se acumulam diariamente, então a limpeza precisa ser um hábito diário, não um evento anual. Coloque-a na escala junto com as contagens de estoque e a reposição, no mesmo nível de importância.

Armazéns pequenos têm seu próprio jeito de sobreviver. Não superamos as grandes empresas em gastos nem em pessoal. Vencemos mantendo nossos dados limpos o bastante para que uma ferramenta modesta possa fazer um trabalho honesto por nós. Acerte primeiro os dados, e só então discuta se o modelo é bom o suficiente.

Por Xiao Ma, Proprietário de um pequeno armazém Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.