IoT no Varejo: dispositivos inteligentes e suas aplicações

Especialmente nas últimas duas décadas, a humanidade gerou mais dados que nos últimos cinquenta anos subsequentes. Estima-se que, ao final desta década, a humanidade terá produzido cerca de 10 (dez) vezes mais dados que os atuais o que, sem dúvida, traz novos desafios devido à quantidade de informações. Vale ressaltar que os dados são facilmente acessados através de dispositivos conectados em rede.

Em 2030, teremos cerca de 572 Zettabytes de dados, cerca de 10 vezes mais do que hoje. Em 2050, teremos entre 50k e 500k de Zettabytes, que estará entre 1.000 e 10.000 vezes maior (previsto por continuação exponencial). BALNOJAN (2020)

Figura 1: Crescimento de dados até 2030 BALNOJAN (2020)

Os dispositivos de IoT, nesse contexto, estarão em uma posição de destaque devido, principalmente, a sua abrangência nos mais diversos setores da sociedade global.

No mercado empresarial, especialmente no Brasil, os dados disponíveis são gerados por sistemas específicos para a gestão empresarial comumente associados ao acrônimo ERP (do inglês Enterprise Resource Planning, que pode ser traduzido por Planejamento dos Recursos Empresariais). Estas aplicações, por sua vez, estão atuando cada vez mais com integração em nuvem ou em mobilidade, especialmente associada com celulares ou tablets.

Estudo de caso: incrementando as vendas no comércio varejista com IoT

Localizada na capital de São Paulo, uma grande empresa de produtos populares, especializada em produtos de utilidade doméstica como, por exemplo, utensílios para cozinha como pratos e garfos, além de pequenos dispositivos eletrônicos como rádios portáteis e despertadores dentre outros.

De acordo com o atual CEO, a ideia dos fundadores originais era a de que, em um único lugar, o cliente pudesse comprar tudo o que precisaria para a sua casa, além de oferecer vantagens através dos cartões de fidelidade.
 

Ao longo do tempo, os negócios foram se diversificando e foram acrescidos equipamentos de médio porte como, por exemplo, fogões elétricos de pequeno porte, ventiladores, artigos de cama, mesa e banho além de tapeçaria.

O planejamento de distribuição logística, aliado com uma boa ação de marketing e um sistema de gestão adequado, facilitou a diminuição considerável do preço, em relação ao produto final, frente ao de seus concorrentes.

Os produtos oferecidos, de necessidade cotidiana e a preços acessíveis, atraem públicos das várias classes sociais tornando o negócio altamente lucrativo através da venda de milhões de unidades por mês com precificação, em média, abaixo do segmento em que atuam.

Desde as duas últimas décadas, eles passaram a importar diretamente da China obtendo, desta forma, uma série de novas ofertas a preços cada vez mais acessíveis para os clientes consumidores. 

Um dos desafios apresentados no presente foi apresentado como sendo o cotidiano das lojas, espalhadas vários bairros da cidade além de contar com a Região Metropolitana, a qual não será abrangida no presente artigo.

No exemplo supracitado, uma loja específica possui diversas prateleiras com produtos no piso térreo (vide Figura 2), a qual os clientes entram pela porta principal, com 9 (nove) metros de largura e destacada na figura como sendo o elemento “A”.

Figura 2: Planta baixa Loja

Para acessar o piso superior através de uma escada, destacando-se como sendo o elemento “B” da figura, os clientes passam por diversas prateleiras.

Durante o trajeto, os consumidores são naturalmente expostos a objetos úteis que podem estar sendo necessários em suas vidas cotidianas.

Esta prática, diga-se de passagem, é um sucesso e também é adotada por diversos comércios e representa uma tendência natural a ser aplicada pelas empresas, inclusive em outros segmentos.

A loja apresentada possui dimensões aproximadas de  23 (vinte e três) por 17 (dezessete) metros, com área de 391m² (trezentos e noventa e um metros quadrados). 

Figura 3: Perspectiva isométrica de um homem junto à escadaria de acesso ao piso superior

Um adulto em condições normais de saúde, possui velocidade, em metros por segundo, variando entre 1,34 e 1,78 metros por segundo em caminhada normal (PLOS, 2011).

Se considerarmos a velocidade média de 1,56 m/s (um vírgula cinquenta e seis metros por segundo), em condições normais, um adulto deslocar-se-ia do ponto A ao ponto B (vide Figura 2) em cerca de quase 36s (trinta e seis segundos) em uma linha direcional e sem obstáculos (vide Figura 3).

Acontece, porém, que esta não é a ideia do negócio. No caminho até a escada, são oferecidos diversos estímulos visuais e financeiros para que o cliente pare e observe os produtos oferecidos com a finalidade de estimular sua aquisição.

“Quero saber quanto tempo o cliente passa nas minhas lojas. Só isso!”
 

Esta foi a primeira afirmação que recebemos na reunião inicial sobre as expectativas do projeto. A resposta desta proposição só foi possível com a adoção de sensores de IoT, devidamente associada a uma análise dos milhões de dados gerados pelos mesmos em tempo real. Simples assim! Aliás, não tão simples… O atendimento ao público na loja, ocorre entre às 08:00 e 20:00 durante todos dias, incluindo os finais de semana e feriados.

A estruturação de um projeto com dispositivos IoT passa por questões básicas de infraestrutura como, por exemplo, disponibilidade elétrica e, evidentemente, uma comunicação contínua entre os dispositivos e o concentrador dos dados a serem armazenados a partir da captação pelos sensores.
 

O desenho e a adequação da de todo o projeto levou cerca de 6 (seis) meses porque foi necessária a adequação de vários pontos estratégicos para a adoção dos dispositivos de maneira segura.

Figura 4: sensores de movimento PIR

Os dispositivos foram identificados individualmente e agrupados através de números (Figura 4) conforme os produtos expostos nas prateleiras da loja.

Admitindo-se a premissa de que todos os dispositivos possuem alimentação contínua de eletricidade e que existam , em caso de falhas, redes wifi de redundância e monitoramento contínuo para a substituição de quaisquer dispositivos em eventuais falhas ou problemas de interferência humana.

Figura 5: sensores de movimento movimento e transmissão dos dados

Com base na escala de trabalho da loja, se todos os sensores detectarem algum movimento a cada segundo, seriam transmitidos para o concentrador cerca de 604.880 (seiscentos e quatro mil oitocentos e oitenta) dados de movimento ao dia para posterior análise.

Mensalmente, seriam analisados até 118.144.000 (cento e dezoito milhões e quarenta e quatro mil) dados, gerando cerca de mais de duzentos e dezessete milhões de registros ao ano pela loja.
 

Durante o primeiro mês, em conjunto com a equipe de TI do cliente, as seções da loja foram monitoradas diariamente e todos os sensores demonstraram-se estáveis quanto à operação e a transmissão dos dados. Durante este período, não houve intercorrências consideráveis sobre conectividade e ou perda de dados. Os sensores realizam a leitura e a transmissão é realizada a cada segundo sendo que, sem dúvida, mais de um sensor realiza a leitura de uma ou mais pessoas no mesmo trajeto.

Após a consolidação dos dados do primeiro mês, foi realizada uma análise do posicionamento sobre a movimentação de pessoas nas seções da loja.

Figura 6: Mapa termal de movimento do mês em leituras a cada segundo

Com base na análise dos dados gerados pelos sensores, é óbvio que os sensores do grupo 2 representam a maior movimentação visto que são o principal acesso aos corredores da loja. No primeiro mês de funcionamento, a procura por produtos de papelaria foi intensa, o que pode ser justificado por tratar-se de um período anterior ao início das aulas.

“É sério que ninguém acessa o piso superior? Isso está errado!”
 

Na análise de dados, é muito comum que os usuários demorem um pouco a interpretar os elementos gráficos antes de qualquer decisão. Este aprendizado, em ciência de dados, é chamado de Data Literacy que consiste basicamente em ensinar os usuários a lerem os seus dados.

A resposta mais adequada para a pergunta sobre o piso superior seria que a quantidade de movimento na escada de acesso, é proporcionalmente inferior ao movimento gerado pelo grupo 7, por exemplo, sendo que este grupo representa utensílios para banheiro e lavanderia dentre outros.

Após as devidas explicações, quase que de imediato, o CEO compreendeu toda a operação da movimentação dos clientes já chamou os gerentes envolvidos para algumas ações com base na primeira entrega do projeto:

1. Os produtos dos grupos 7 e 8 deverão migrar imediatamente para o piso superior, uma vez que o mesmo desejava maior movimentação no perímetro da loja e o consequente aumento da permanência dos clientes na mesma.
   
2. O grupo 4 deve migrar para a posição atual do grupo 7, uma vez que o grupo 4 não possui movimentação representativa suficiente. Neste contexto, o acesso à loja ficava concentrado no grupo 2 representando um grande enfileiramento de clientes na entrada da loja e, segundo um dos gerentes, muitos clientes desistem de acessar a loja por conta da fila.

Figura 7: Mudança de leiaute da loja

Após algumas semanas, a configuração da loja recebeu uma leve alteração no layout e os grupos foram movidos conforme a decisão do CEO. Após algumas reuniões de demonstração dos dados, ficou evidente para a empresa a importância da tomada de decisão com base em dados desde que os mesmos tenham acurácia, é claro.

Neste projeto a aferição dos referidos dados só foi possível por conta dos dispositivos de IoT que representaram um investimento inicial baixo e demonstraram um alto valor agregado ao negócio.
 

Os dados foram armazenados e uma nova análise macro foi realizada após três meses de aferição na referida loja. O resultado foi surpreendente, uma vez que os dados mostraram que as decisões foram acertadas o que aumentou em mais de 35% (trinta e cinco por cento) a movimentação média na loja e causou, segundo os gerentes da loja, um certo “congestionamento” na escada de acesso (vide Figura 8) ao piso superior conforme o esperado pelo CEO. Durante a mudança, alguns sensores foram modificados de posição, além da aquisição de novos equipamentos para a aferição. As áreas em vermelho indicam a aferição dos sensores em praticamente todos os segundos do expediente na loja.

Figura 8: Mapa de calor da loja

Em relação às vendas, o resultado foi ainda mais interessante representando um incremento em mais de 45% (quarenta e cinco por cento) no faturamento mensal da referida loja.
 

Agora, quanto à proposição inicial realizada pelo CEO, ou seja, “Quero saber quanto tempo o cliente passa nas minhas lojas”, vale ressaltar que foram criados indicadores de desempenho adequados em relação às vendas registradas pelo ERP e relacionando-se com a quantidade de tempo lido pelos sensores de IoT. No exemplo citado, o CEO da empresa descobriu muito mais do que a quantidade de tempo que os clientes passavam em suas lojas. A empresa, na atualidade, lida com estratégia a partir de dados em grande parte gerados por sensores de IoT, além de uma integração adequada às ferramentas de gestão.

Após alguns meses e já com a direção adequada dos dados, foram criados novos produtos do tipo  “chá de casa nova” ou “chá de casamento”, acompanhando o percurso dos clientes nas lojas, além da permanência nas seções e a consequente confirmação das vendas. Atualmente, o grupo possui mais de 30 (trinta) lojas também englobando algumas cidades da Região Metropolitana.

No atual cenário, é importante lembrar que todas as lojas estão equipadas com sensores de IoT, os quais geram mais de 7 (sete) bilhões de registros mensalmente somente para a captação do movimento. O CEO, grande parceiro de negócios, virou simplesmente um entusiasta de IoT utilizando inclusive em outros negócios do grupo empresarial que preside.

Diante do exposto, fica fácil entender as projeções de centenas de Zettabytes até 2030 sendo a massificação do uso de IoT, sem dúvida, um impulsor desse crescimento. Esta previsão, no entanto, traz novos desafios para as empresas quanto à análise correta dos bilhões de dados existentes ou vindouros, tornando a sua análise imprescindível para o crescimento sustentável de qualquer negócio.

 
REFERÊNCIAS BIBLIOGRÁFICAS

BALNOJAN, Sven. The Future Of Good Data – What You Should Know Now!. Towards Data Science. 07/10/2020. Estados Unidos.Disponível em: <https://towardsdatascience.com/the-future-of-good-data-what-you-should-know-now-f2a312a0e469>. Acesso em: 15/08/2022.
SCHIMPL, Michaela; MOORE, Carmel; LEDERER, Christian; NEUHAUS, Anneke; SAMBROOK, Jennifer; DANESH, John; OUWEHAND, Willem; DAUMER, Martin. Association between Walking Speed and Age in Healthy, Free-Living Individuals Using Mobile Accelerometry—A Cross-Sectional Study. PLOS. 10/08/2011. Disponível em <https://doi.org/10.1371/journal.pone.0023299>. Acesso em: 15/08/2022.
 

Gosto do Artigo? Se conecte com o autor, curta, compartilhe, comente.