Como Arezzo e iFood usaram a mesma tecnologia para crescer na pandemia

0
7

Como Arezzo e iFood usaram a mesma tecnologia para crescer na pandemia

Créditos:Todos direitos de imagens, vídeos e do texto referente a esse artigo estão no final:

É difícil imaginar, em um primeiro momento, o que as empresas Arezzo e iFood têm em comum. A primeira se trata de uma varejista especializada na venda de calçados femininos e que surgiu ainda na década de 1970. A segunda, uma startup bilionária que aposta na nova economia guiada pela revolução dos aplicativos e que primariamente com o delivery de refeições. Por mais conservadora que uma aparente ser e mais moderna do que outra tente se revelar, ambas utilizam a mesma tecnologia: machine learning.

Nesta terça-feira (29), executivos das duas empresas estiveram presentes virtualmente no Amazon Web Services Summit, evento da gigante americana para discutir as transformações no mercado de inteligência artificial e de machine learning. E disseram como estão usando essas inovações dentro das operações em que trabalham para impulsionar seus negócios nos últimos meses, principalmente como uma forma lidar com os efeitos econômicos da pandemia do novo coronavírus.

Nos últimos meses, o iFood viu o número de pedidos feitos em sua plataforma de delivery disparar, chegando a 39 milhões de pedidos mensais – 32% a mais do que no ano anterior. O isolamento social fez com que as pessoas saíssem menos e pedissem mais refeições por apps. Para lidar com este crescimento abrupto na demanda, a companhia precisou se reinventar.

“Tudo é concentrado na hora do almoço e no jantar. Um sábado à noite chuvoso representa uma Black Friday para a gente. E não há como se preparar direito”, explica Sandor Caetano, responsável pela área de ciência de dados do iFood. O setor foi criado em 2019 como parte dos investimentos feitos com um aporte de 500 milhões de dólares recebido meses antes.

A solução, então, foi trabalhar com modelos de previsibilidade para entender o que poderia acontecer em determinada situação. Com o uso de inteligência artificial, machine learning e de big data, a companhia passou a simular cenários futuros. Se o iFood estima que em um determinado dia haverá um pico de pedidos por causa das condições climáticas, podem ser criadas formas para que mais entregadores em operação naquele período.

Essas condições são transformadas em algoritmos e colocadas em operação em um simulador que prevê o que aconteceria. Tudo é feito com base em dados já catalogados anteriormente de acordo com as experiências reais do próprio aplicativo. A parte da previsão fica pelo machine learning, que analisa os possíveis resultados daquela operação.

Outro ponto do trabalho está sendo desenvolvido para resolver outra das dores do aplicativo: a falta de previsibilidade de quanto tempo irá demorar para um determinado pedido ficar pronto em um restaurante. Este problema faz com que entregadores cheguem aos estabelecimentos e tenham que esperar até que o pedido fique pronto.

“O machine learning ajuda a estimar quanto tempo irá demorar para um determinado prato ficar pronto. É possível reduzir agressivamente este tempo de espera e o entregador vai conseguir fazer mais entregas”, diz Caetano. Isso gera um efeito em cadeia pois o aplicativo consegue agilizar o envio dos pedidos graças a uma oferta maior de entregadores disponíveis.

FONTE ORIGINAL

0 0 vote
Deixa sua avaliação aqui
Comentários
Notify of
guest
0 Comentários
Inline Feedbacks
Ver todos comentários