Esse foi o meu primeiro trabalho com análise de dados, onde busquei aplicar alguns conhecimentos e utilizar algumas ferramentas que estava estudando no momento. Trata-se de um estudo sobre a reposição do piso de vendas de uma loja Nike na qual trabalhei por um tempo.
Quem trabalha com o varejo sabe que passamos o ano inteiro se programando e preparando para os dois últimos meses do ano, mês de Black Friday e Natal. Mas esse período não é só feito dessas sazonalidades, algumas pessoas entram de férias, algumas recebem seu décimo terceiro, e isso tudo contribui para tornar essa época o período de maior vendas no ano.
Além disso, a loja em questão estava passando por um momento de alta nas vendas desde o início do ano, aumentando muito o giro dos produtos no piso de vendas, e inviabilizando a forma como a reposição estava sendo feita até então. Com isso em mente, propûs ao meu gerente realizar um estudo sobre tal processo e entendermos qual a melhor forma de otimizarmos para, mesmo com o constante aumento do giro de produtos, mantermos o piso de vendas sempre reposto.
Para entender como melhorar esse processo primeiro eu precisava entender como poderia mapear os dados que eram gerados, mesmo que de forma "analógica". Digo de forma analógica pois até então a reposição era feita manualmente por um colaborador que passava anotando os itens faltantes. Esse processo além de ser demorado era muito suscetível a erro humano, o que acabava atrasando ainda mais o processo.
Além disso, não tínhamos algumas informações básicas como:
- Quais os dias que mais precisam de reposição?
- Sábado precisa mais que domingo ou é o inverso?
- Qual o tempo médio leva uma reposição?
- Quantas caixas precisam ser repostas por lista de reposição?
O primeiro passo foi automatizar a lista de reposição, e para isso, definimos horários específicos para realizar a reposição, sendo:
E para os saber quais foram os produtos vendidos nesses períodos, decidimos, em cada um desses intervalos de horário, puxar um relatório, já que o próprio ERP que a empresa usa fornece a opção de exportar esses dados em CSV.
O relatório em questão, gerado pelo ERP, é estruturado da seguinte forma:
category,subcategory,desc,product code,color code,size,amount sold,upc,product,qty,size,quantity in stock,total stock,quantity
"FOOTWEAR DIVISION","MENS - JORDAN BRAND","OTHER","CZ0790","061","12,5","01","195869213798","TENIS AIR JORDAN 1 LOW OG",1,32,38
"APPAREL DIVISION","MENS - MEN TRAINING","OTHER","DM6617","480","M","01","195870435752","SHORTS M NK DF FLX WVN 9IN SHORT",1,33,88
"APPAREL DIVISION","MENS - MEN TRAINING","OTHER","DM6617","010","M","01","195870434977","SHORTS M NK DF FLX WVN 9IN SHORT",1,57,208
[...]
Nele temos itens não só da categoria "FOOTWEAR", mas também "APPAREL" e "EQUIPMENT" além de algumas colunas que não são tão interessantes para nós, como "upc" e "desc"
Além disso, precisariamos de uma coluna com o SKU completo, que se forma concatenando a coluna "product code" com a "color code" e uma coluna especificando todos os tamanhos vendidos daquele SKU. Para conseguir isso criei uma função no Apps Script para importar o CSV e organizar esses dados em uma planilha
let ss = SpreadsheetApp.getActiveSpreadsheet()
let ui = SpreadsheetApp.getUi()
let rawDataSheet = ss.getSheetByName('raw_data')
let replenishmentSheet = ss.getSheetByName('dash_replenishment')
let fSource = DriveApp.getFolderById('xxxxxxx-xxxxxxxx-xxxxxx') // Change to the ID for the folder that will have your CSV
let fi = fSource.getFilesByName('data.txt') // Here, you can change the name of the file contaning the data in CSV format
let file = fi.next()
let csvData = Utilities.parseCsv(file.getBlob().getDataAsString())
function importCSV() {
resetEverything(replenishmentSheet)
rawDataSheet.getRange('A2:L').clearContent()
rawDataSheet.getRange(2, 1, csvData.length, csvData[0].length).setValues(csvData)
rawDataSheet.getRange('K:L').setNumberFormat('#,##0')
rawDataSheet.getRange('D2:E').setNumberFormat('@')
ui.alert('Sucesso!', 'Seu arquivo foi importado com sucesso', ui.ButtonSet.OK)
}
Com isso, criei uma coluna nova que seria fixa, para concatenar o SKU, e outra para organizar os tamanhos vendidos por SKU com a seguinte fórmula
=TEXTJOIN("/";TRUE;TRANSPOSE(FILTER(F:F;M:M = M2)))
// Onde
// F é a coluna "size"
// M é a coluna "sku"
Com isso, criei uma tela para receber esses dados e montar uma visualização organizada com os filtros necessários através da função QUERY
=QUERY(raw_data!A2:N;"
select M, I, sum(G), N, min(L), B, A
where A is not NULL and A = 'FOOTWEAR DIVISION' and L > 31
group by M, I, N, B, A
order by B
label M'', I'', sum(G)'', N'', min(L)'', B'', A''")
Essa Query basicamente verifica:
- Se esse item é um calçado
- Se, no estoque consta mais que 31 itens, já que é a quantidade mínima para a exposição do produto
- Quais os tamanhos vendidos
- Qual a quantidade desse item ainda em estoque
Após estruturar e padronizar a coleta dos dados de reposição, precisávamos entender como otimizar a coleta dos itens. Para isso, decidi criar um controle de reposição, onde o repositor preencheria alguns dados antes de iniciar a reposição, esse controle contém os seguintes dados:
- ID
[Coluna Calculada] - Data
- Nome
- Intervalo inicial dos dados (Hr)
- Intervalo final dos dados (Hr)
- Qtde
- Início (Hr)
- Fim (Hr)
- Duração (min)
[Coluna Calculada] - Caixas por minuto (CPM)
[Coluna Calculada]
E para que possa ter uma noção maior da performance, criei uma métrica chamada de CPM (Caixas por Minuto), resultada da razão entre a "Quantidade de caixas" sobre a "Duração". E com isso, podemos ter uma análise mais precisa e entender quais são os gargalos do processo
Com mais de 30 dias de dados coletados, pude partir para analisar os resultados. A minha primeira ideia era entender como os nossos dados se comportavam durante a semana, com isso, com algumas queries no Google Sheets, cheguei nesses resultados
Aqui podemos observar que:
- Os dias mais fortes da semana são
Domingo,SegundaeSábado - Terça é o dia com menos caixas para repor, por isso, também é o dia com a menor duração por lista
- Coincidentemente, os dias que mais tem caixas para repor são os dias em que as reposições ocorrem mais rápidas
Diferente do que é intuitivo, ao observar esses dados distribuidos pela semana percebemos que quanto maior a quantidade de caixas, mais rápido ocorre a reposição. E para provar essa hipótese, criei a visualização de Quantidade de caixas por CPM
Aqui fica claro que a tendência é que quanto mais caixas, mais rápida é feita a reposição.
Também precisava entender, qual o horário que mais precisa de reposição, e para isso criei a visualização de Quantidade de caixas por hora
E com isso percebemos que o pico de reposição se dá entre os horários de 16:00 a 18:00
É importante entender que essas métricas vão variar de acordo com o tempo. Quanto mais registros forem feitos maior se torna a precisão das análises e mais insights podemos tirar dos dados, sem contar que o fator humano ainda se torna muito presente nos resultados anotados. Pensando nisso, para que os reponsáveis possam acompanhar a evolução dos resultados, desenvolvi um dashboard que facilita a coleta desses insights
Assim como já esperava, os finais da semana, com a adição da segunda feira, são os dias onde ocorrem a maior quantidade de reposições, e os horários de pico se dão entre 16:00 até as 18:00, em alguns casos se estendendo até mais tarde do expediente. Como a velocidade de reposição é proporcional a quantidade de caixas, não faria sentido aumentar a quantidade de listas no dia para suprir a necessidade, já que mais lista diminuiriam a quantidade de caixas e naturalmente a lista seria feita em um tempo maior, ou seja, com uma velocidade menor. Portanto a ideia para melhorar o desempenho seria realizar uma escala horizontal do processo, ou seja, nos horários de pico, ter mais de um repositor realizando a mesma lista, o que garante que a mesma quantidade de caixas seja entregue em um menor espaço de tempo
Clique aqui para acessar o projeto no Google Sheets
Clique aqui para acessar o Dashboard do projeto
(Para os scripts funcionarem corretamente, crie uma cópia na sua própria pasta do Google Drive)
Aprenda como dar permissões à sua conta para a execução dos scripts
Feito com 💞 no Brasil💚💛