Description
MOTIVAÇÃO e PROBLEMA
Após falarmos com pequenas e médias empresas, nomeadamente no setor da restauração, apercebemo-nos que existem oportunidades de melhorar o processo de contacto com os fornecedores e o processamento de encomendas, de modo a facilitar a dor de cabeça que é gerir os stocks e realizar o número de encomendas certas evitando o desperdício.
A administração e gestão de inventário nas pequenas e médias empresas ainda é um processo bastante antiquado. Os responsáveis por essa supervisão recorrem a ferramentas como o Excel ou realizam o processo de forma manual, consumindo recursos e tempo desnecessários. Para além disso, há uma possibilidade considerável de ocorrerem erros humanos.
Atualmente, as previsões são feitas segundo um consumo médio periódico e podem dar origem a um excesso de stock, gerando desperdício. O contrário também pode acontecer: encomendas não satisfazerem a procura. Estes fatores são prejudiciais para os negócios, como as PME's, em que todas as vendas interessam.
SOLUÇÃO
A nossa solução consiste num software a ser integrado nos POS’s, usados por retalhistas e fornecedores, mediados pela infraestrutura proprietária da nossa empresa, de modo a agilizar o processo de encomendas. O software conta com um controlo rigoroso do fluxo de entrada e saída dos produtos e uma otimização e melhoria dos modelos de previsão, através da inclusão de algoritmos de Machine Learning, personalizados para cada negócio.
O objetivo é ir de encontro às necessidades dos comerciantes, no que respeita à colocação de encomendas e gestão eficiente de stocks, contribuindo para a redução dos custos.
TARGET
O software de integração será especializado na área da restauração e posteriormente escalável para outros setores. Acrescentamos também valor ao Grossista e ao Fornecedor, que irá receber as encomendas dos comerciantes e permitir uma otimização de rotas e consolidação de encomendas.
A funcionalidade de flash sales (descrita no relatório de projeto) está mais direcionada aos pequenos negócios com menor poder de compra. Já médias empresas irão utilizar a nossa solução com a finalidade de tornar o seu processo mais eficiente.
COMPETIDORES
Os nossos competidores possuem soluções de gestão de stocks e de sugestão de encomendas. Contudo os modelos, em muitos casos o consumo médio, utilizados por estes softwares não são capazes de responder à incerteza e volatilidade do mercado atual.
Estes são as soluções mais presentes no mercado de momento: Cegid Primavera, PTCERT, WINREST, SAGE, MAXIRETAIL.
Acrescentamos que os nossos competidores podem alavancar a nossa solução para melhorar o seu serviço.
MERCADO
O mercado de soluções de softwares de gestão na área da restauração tem um tamanho de €4.2 mil milhões e uma taxa de crescimento de 19.6% para soluções na área de compras. Já o mercado da análise preditiva, onde também nos inserimos, tem um volume de €10.5 mil milhões e uma taxa de crescimento de 21.7%.
Com mercados deste tamanho e a crescer a esta velocidade é fundamental atuar agora!
DESCRIÇÃO DE PROTÓTIPO
A nossa solução consiste numa extensão aos softwares de POS’s existentes e uma web app, com as mesma funcionalidades. O software irá fornecer previsões de encomendas, relatórios elaborados de vendas e realizar encomendas aos fornecedores diretamente dos POS's sugerindo já a quantidade de stock ideal para um determinado período de tempo. No que respeita ao Grossista e Fornecedores, estes irão receber as encomendas colocadas pelos comerciantes em tempo real, otimizando e facilitando o processo, reduzindo recursos.
INFRAESTRUTURA
A nossa empresa providenciará uma infraestrutura simples escalável à medida que mais retalhistas integrem o nosso software. Sendo esta composta inicialmente por base de dados e um servidor que contactará com ambas as API's expostas pelos POS's do retalho e fornecedor que visa estabelecer os contactos entre comerciantes e fornecedores. A infraestrutura servirá ainda de base para correr os algoritmos de machine learning propostos pelo nosso produto.
ALGORITMO MACHINE LEARNING
Os atuais sistemas de POS's já guardam informações como: faturação, histórico de vendas, dados sobre stock e fichas de clientes. Aproveitamos estes dados para extrair features interessantes para treinar os nossos modelos de previsão de encomendas:
- Histórico de vendas
- Registo de stocks
- Fatores sazonais
- Tendências de mercado
- Tempo de aprovisionamento
- Rotatividade de stock
- Canais de venda
- Velocidade de venda
- Previsão de demanda
- Data de validade (no caso da restauração)
- Promoções
- Rotura de stock
EQUIPA
Daniel Dias
Ex-diretor do Departamento Projetos da Júnior Empresa In-Nova
Background em Engenharia Informática
Desenvolvimento de projetos a nível empresarial nas áreas de micro-serviços, API's, escalabilidade e desenvolvimento cross-platform
Gonçalo Carvalho
Experiência em estabelecimento de restauração e reposição de stock
Ex-membro da Júnior Empresa In-Nova
Background em Engenharia Informática com especialização em Sistemas Distribuídos e Algoritmos e Linguagens de Programação
Desenvolvimento de pequenos modelos para tradução
Guilherme Salvador
Background em Engenharia e Gestão Industrial
Experiência em logística, gestão de cadeias de abastecimento e gestão de stocks
Diretor do Departamento Comercial, Júnior Empresa In-Nova
Inês Costa
Diretora do Departamento Projetos, Júnior Empresa In-Nova com experiência em gestão de projetos e equipas
Background em Engenharia Informática
Experiência em estabelecimento de restauração e reposição de stock
Certificada em Inteligência Artificial pela Samsung
Vicente Santos
Gestor de projetos da Júnior Empresa In-Nova
Background em Engenharia Informática com especialização em Sistemas Distribuídos e Machine Learning
Desenvolvimento de Chatbots utilizando python em contexto empresarial