Cenário
Uma importante distribuidora de combustíveis enfrentava um desafio crítico em sua operação: todo o processo de previsão de consumo e planejamento de compras era realizado de forma manual, utilizando planilhas complexas do Excel que demandavam dias para processar os dados e gerar resultados. A empresa precisava consolidar informações de múltiplas fontes internas, como seu sistema ERP Oracle e diversos outros sistemas corporativos, além de dados externos fundamentais para o negócio, incluindo volumes de importação de petróleo e informações de institutos de pesquisa. Esse processo manual era não apenas lento e trabalhoso, mas também limitava severamente a capacidade da empresa de responder rapidamente às mudanças do mercado e de realizar análises mais sofisticadas.
As consequências desse processo ineficiente afetavam diversas áreas estratégicas do negócio de forma significativa. A empresa enfrentava multas por imprecisão na previsão de compra de combustível, já que a Petrobras exigia planejamento preciso das distribuidoras. A falta de acuracidade nas previsões também gerava custos adicionais inesperados com a contratação de veículos avulsos (spot) para atender à logística de distribuição quando a demanda não era antecipada corretamente. Além disso, o time de marketing não conseguia compreender adequadamente a sensibilidade do consumo em relação às campanhas promocionais, dificultando a avaliação da efetividade dos investimentos em ações comerciais. A área financeira também sofria com a incapacidade de realizar simulações precisas de ganhos ou perdas no inventário diante das flutuações do mercado de petróleo, comprometendo o planejamento de fluxo de caixa em um negócio que envolve desembolsos financeiros muito elevados.
Outro problema crítico era a extrema complexidade e morosidade para incluir novas variáveis nas análises. Quando a empresa identificava a necessidade de avaliar o impacto de um novo fator, como a influência do PIB sobre o consumo de combustível, a incorporação dessa variável ao modelo em planilhas era um processo demorado e tecnicamente desafiador. Essa limitação impedia que a organização evoluísse suas análises e se adaptasse rapidamente a novas realidades do mercado, mantendo a empresa refém de um processo analítico obsoleto que não acompanhava a dinâmica e a complexidade do setor de distribuição de combustíveis.
Solução
A Techrom foi contratada para transformar completamente esse processo analítico, trazendo modernidade tecnológica e metodologias avançadas de ciência de dados para o coração das operações de planejamento da distribuidora.
A abordagem adotada combinou competências especializadas em engenharia de dados, ciência de dados e inteligência artificial, permitindo não apenas automatizar o processo existente, mas reimaginá-lo inteiramente com base em tecnologias de ponta e melhores práticas da indústria. O projeto foi estruturado para criar uma solução escalável, resiliente e flexível que pudesse crescer junto com as necessidades analíticas da empresa.
A equipe de engenharia de dados da Techrom iniciou o trabalho construindo um pipeline robusto de dados capaz de integrar automaticamente as múltiplas fontes de informação utilizadas pela empresa. Esse pipeline, uma sequência automatizada de processos que coleta, transforma e organiza dados, foi projetado para extrair informações do ERP Oracle, dos sistemas internos da distribuidora e das diversas fontes externas de dados, consolidando tudo em um ambiente moderno e preparado para análises avançadas.
Essa infraestrutura de dados eliminou a necessidade de consolidação manual e criou um fluxo contínuo e confiável de informações, garantindo que os dados estivessem sempre atualizados e prontos para uso. A construção desse ambiente de dados foi fundamental para viabilizar a próxima etapa do projeto e representa uma transformação estrutural na forma como a empresa lida com suas informações.
Com os dados adequadamente organizados e acessíveis, a equipe de ciência de dados desenvolveu um modelo preditivo sofisticado utilizando o Google Vertex AI, uma plataforma avançada de inteligência artificial que permite a construção, treinamento e implantação de modelos de aprendizado de máquina com alta performance e escalabilidade.
Os cientistas de dados analisaram cuidadosamente as variáveis relevantes para a previsão de consumo, incluindo dados históricos de estoque, volumes reportados pela ANP (Agência Nacional do Petróleo), paridade de preços entre gasolina e etanol, e diversos outros fatores que influenciam o comportamento do mercado. O objetivo estabelecido como indicador de sucesso era claro: o novo modelo precisaria ter performance igual ou superior ao processo manual existente, garantindo que a modernização não representasse nenhum retrocesso na qualidade das previsões que orientavam decisões estratégicas milionárias da empresa.
Resultado
Os resultados alcançados pela solução desenvolvida pela Techrom superaram as expectativas iniciais e transformaram a capacidade analítica da distribuidora. O modelo preditivo construído com inteligência artificial não apenas igualou a performance do processo manual anterior, mas apresentou um ganho incremental de acuracidade nas previsões, tornando-se mais preciso do que o método baseado em planilhas. Esse ganho de precisão, mesmo que modesto, é particularmente valioso em um negócio onde pequenas melhorias nas previsões podem representar economias significativas ao longo do tempo, considerando os volumes financeiros envolvidos nas operações de compra e distribuição de combustível. A conquista de maior acuracidade através de processos automatizados demonstrou que a tecnologia poderia não apenas substituir, mas efetivamente melhorar o trabalho humano quando aplicada adequadamente.
A transformação mais impactante, no entanto, foi na eficiência operacional e na capacidade analítica da empresa. O tempo necessário para gerar as previsões foi reduzido drasticamente de dias para poucas horas ou mesmo minutos, libertando as equipes de um trabalho manual intensivo e permitindo que dedicassem seu tempo a análises de maior valor agregado e à interpretação estratégica dos resultados. A automatização completa da extração e processamento de dados eliminou erros humanos e garantiu consistência nos processos, enquanto a nova arquitetura tecnológica trouxe escalabilidade e resiliência ao ambiente, assegurando que o sistema pudesse crescer conforme as necessidades da empresa e mantivesse sua operação mesmo diante de volumes crescentes de informações. Essa modernização criou uma base sólida para a evolução contínua das capacidades analíticas da organização.
Além dos ganhos em velocidade e precisão, a solução entregou flexibilidade sem precedentes para a empresa. A inclusão de novas variáveis analíticas, que antes era um processo complexo e demorado nas planilhas, tornou-se uma tarefa simples e rápida no novo ambiente. Isso permitiu que as equipes de negócio testassem rapidamente diferentes hipóteses e explorassem novos fatores que pudessem influenciar o consumo de combustível, como indicadores macroeconômicos ou mudanças regulatórias.
O time de marketing ganhou capacidade de avaliar com muito mais precisão o impacto de suas campanhas sobre o consumo, a área financeira passou a realizar simulações de cenários com agilidade para apoiar decisões sobre gestão de inventário e fluxo de caixa, e a área de compras obteve previsões mais confiáveis para negociar com fornecedores.
A solução criou as condições necessárias para que a empresa pudesse mitigar os problemas que enfrentava anteriormente, incluindo a redução de multas por imprecisão nas previsões, melhor planejamento logístico que diminuiu a necessidade de contratação emergencial de veículos, e um planejamento financeiro mais robusto que considera adequadamente as flutuações do mercado de petróleo.
Conclusão
Este caso demonstra como a combinação estratégica de engenharia de dados, ciência de dados e inteligência artificial pode transformar processos analíticos críticos para o negócio, trazendo não apenas eficiência operacional, mas também capacidades analíticas que antes eram simplesmente inviáveis. Muitas organizações ainda dependem de planilhas complexas para processos decisórios fundamentais, sem perceber as limitações severas que essa abordagem impõe à velocidade de resposta, à precisão das análises e à capacidade de evolução dos modelos analíticos. No setor de distribuição de combustíveis, onde margens são apertadas e volumes financeiros são imensos, pequenas melhorias em previsões e planejamento podem representar impactos significativos nos resultados da empresa.
O trabalho da Techrom foi decisivo para modernizar a capacidade analítica da distribuidora através de uma abordagem técnica completa e integrada. A construção de um pipeline robusto de dados garantiu que informações de múltiplas fontes fossem consolidadas automaticamente, eliminando trabalho manual e criando uma base confiável para análises. O desenvolvimento do modelo preditivo com Google Vertex AI, orientado por metodologias rigorosas de ciência de dados, entregou não apenas a automação do processo existente, mas uma solução superior em acuracidade e muito mais flexível para incorporar novas variáveis conforme as necessidades do negócio evoluem. Essa combinação de infraestrutura moderna de dados com inteligência artificial aplicada é característica do trabalho da Techrom e representa o futuro dos processos analíticos em organizações que competem em mercados dinâmicos e exigentes.
Para empresas que ainda operam processos críticos de planejamento e previsão em planilhas, a lição é clara: investir na modernização tecnológica desses processos não é apenas uma questão de eficiência operacional, mas uma necessidade estratégica para manter competitividade. A Techrom oferece expertise comprovada em transformar processos analíticos através da combinação de engenharia de dados para criar infraestruturas robustas, ciência de dados para desenvolver modelos preditivos precisos, e inteligência artificial para automatizar e aprimorar decisões. No caso dessa distribuidora de combustíveis, essa transformação não apenas eliminou dias de trabalho manual e trouxe ganhos de acuracidade, mas criou uma plataforma flexível e escalável que permite à empresa continuar evoluindo suas análises e respondendo rapidamente às mudanças do mercado, estabelecendo uma vantagem competitiva sustentável baseada em dados e inteligência analítica.