Sistema de apoio à decisão para o retalho alimentar: KPIs transacionais e qualitativos recorrendo à inteligência artificial generativa

Abstract

Tendo em consideração o mundo cada vez mais competitivo em que vivemos, a possibilidade de estudar dados para os transformar em informação que, por sua vez, podem resultar conhecimento, permite aos gestores tomar decisões fundamentais. É neste sentido que surge, o projeto com uma empresa na área do retalho alimentar português. Desenhar e desenvolver um sistema de apoio à decisão que possibilite acompanhar a performance das lojas e, das unidades de negócio (UN) e ficar a conhecer melhor os segmentos de clientes é o objetivo do projeto, que apoia, ainda, a gestão de desempenho e ajuda a perceber qual a imagem que os consumidores têm da marca. A metodologia que suporta este projeto é a Cross-Industry Standard Process for Data Mining (CRISP-DM), com o auxílio do Power BI. De maneira que se consiga, a posteriori, avaliar o desempenho da empresa, das lojas e de cada unidade de negócio, recorreu-se à literatura sobre os temas em estudo, como gestão de desempenho, indicadores-chave de desempenho e dashboards. Também houve reuniões semanais, desde o início de março, com os responsáveis pelas análises de desempenho das lojas da cadeia de supermercados, que ajudaram a definir as métricas quantitativas para avaliar a performance das lojas e das unidades de negócio, bem como as métricas qualitativas para perceber qual a reputação da marca. Recorreu-se, para o efeito, à Generative AI (Artificial Intelligence), a gráficos e a visões que faziam mais sentido estarem presentes na ferramenta de apoio à gestão de desempenho.

Considering the increasingly competitive world we live in, the possibility of studying data to transform it into information which, in turn, can provide knowledge, enables managers to make decisions based on knowledge. This is how the project with a company in the Portuguese food retail sector came about. In this project, the aim is to design and develop a decision support system to monitor the performance of stores and Business Units and gain a better understanding of customer segments, to support performance management, and understand the image consumers have of the brand. The project followed the Cross-Industry Standard Process for Data Mining (CRISP-DM) methodology, thus developing the performance management support tool with the help of Power BI. Using literature on the topics under study, such as performance management, key performance indicators, and dashboards, but also weekly meetings since the beginning of March with those responsible for analyzing the performance of the supermarket chain's stores, to define the metrics quantitative metrics to measure the performance of stores and Business Units and qualitative metrics to understand the reputation of the brand using Generative AI, graphs and views that made the most sense to be present in the performance management support tool, so that it would be possible to assess the performance of the company, the stores and each Business Unit afterwards.