Ciência de Dados e Pesquisa Operacional: Duas competências promissoras para os profissionais de logística

Além dos profissionais citados, elas também se aplicam aos de gestão de redes de suprimentos. Veja nesta matéria especial as aplicações destas competências na logística e o que se busca e espera daqueles que querem atuar nestes mercados.

A ciência de dados tem um potencial enorme para transformar a logística no Brasil, trazendo tanto oportunidades quanto desafios nos próximos anos. No primeiro caso, Newton Novaes, sócio da Ekantika Consultoria, relaciona previsão de demanda e gestão de estoques; monitoramento em tempo real e IoT; otimização de rotas e redução de custos; sustentabilidade e redução de impactos ambientais. “E isso tem trazido alguns desafios para o nosso dia a dia: escassez de profissionais qualificados; falta de infraestrutura e má qualidade dos dados; integração de sistemas; segurança e privacidade dos dados.”

Ainda de acordo com Novaes, a ciência de dados oferece um vasto campo de oportunidades para transformar a logística no Brasil, melhorando a eficiência, reduzindo custos e promovendo a sustentabilidade. E as empresas que conseguirem enfrentar esses desafios estarão melhor posicionadas para se destacar em um mercado cada vez mais competitivo e dinâmico.

Após esta breve introdução, Walker Batista, sócio e diretor de modelagem e inovação da Linear Softwares Matemáticos, responde à primeira questão desta matéria especial sobre ciência de dados e Pesquisa Operacional como competências promissoras para profissionais de logística & gestão de dados: Quais são os motivos que tornam a ciência de dados uma competência promissora para os profissionais de logística e gestão de redes de suprimentos?

De acordo com o IDC – International Data Corporation, estima-se que a quantidade de dados gerados no mundo alcance 175 zettabytes até 2025. Com um volume tão massivo de informações, tornou-se indispensável o uso de técnicas de Big Data e, com elas, a de profissionais que entendam todos os processos envolvidos e saibam interpretar e extrair insights valiosos a partir deles. Essa demanda é ainda mais crucial diante da complexa dinâmica das corporações nos dias de hoje, onde a competitividade e a agilidade na tomada de decisões são essenciais para se manter relevante e inovador no mercado global.

“Sendo assim – diz Batista, da Linear –, dominar ferramentas de análise, como o Excel, algo que já foi uma vantagem competitiva para profissionais de logística e gestão de redes de suprimentos, é o básico. Agora, a ciência de dados se destaca como uma ferramenta diferencial. Seja na otimização de processos, melhoria da eficiência operacional, visibilidade da cadeia, gestão de estoques ou previsão de demanda, por meio de técnicas sofisticadas, os profissionais podem tomar decisões de forma embasada, com o auxílio de dados concretos.”

De fato, segundo Novaes, da Ekantika, a ciência de dados é uma competência promissora para profissionais de logística e gestão de redes de suprimentos devido à crescente complexidade e volume de dados gerados diariamente nas operações logísticas. Ela permite a análise e interpretação de grandes volumes de dados, o que é crucial para a logística e gestão de redes de suprimentos, pois ajuda a identificar padrões e tendências, otimizar rotas de transporte, gerenciar inventários de forma mais eficiente e prever demandas futuras. Essa habilidade de coletar, processar e analisar esses dados permite uma visão mais clara e detalhada das operações, facilitando a identificação de ineficiências e oportunidades de melhoria.

Além disso, com o avanço das tecnologias de Internet das Coisas, Big Data e Machine Learning (ML), a capacidade de previsão e otimização das operações logísticas se torna ainda mais robusta. Empresas que dominam a ciência de dados podem obter vantagens competitivas significativas, como a personalização de serviços e a adaptação rápida a mudanças de mercado.

A ciência de dados se destaca como uma competência promissora na logística e gestão de redes de suprimentos por diversas razões fundamentais que estão transformando a forma como as operações são conduzidas e otimizadas, ainda de acordo com Novaes, da Ekantika:

Volume crescente de dados: O setor logístico gera uma quantidade massiva de dados diariamente. Desde transações de compra e venda, movimentação de inventário, monitoramento de frota até interações com clientes. A ciência de dados fornece as ferramentas e metodologias para processar e analisar esses grandes volumes de dados de maneira eficiente.

Análise preditiva: A capacidade de prever demandas futuras, tempos de entrega e possíveis interrupções na cadeia de suprimentos é crucial para manter a eficiência e a competitividade. Modelos de Machine Learning e algoritmos preditivos permitem às empresas antecipar flutuações de demanda, otimizar os níveis de estoque e planejar rotas logísticas com maior precisão.

Otimização de rotas e recursos: A ciência de dados permite a otimização de rotas de entrega, resultando em economia de tempo e custos de transporte. Algoritmos de otimização são aplicados para encontrar as rotas mais eficientes, considerando várias restrições e parâmetros.

Melhoria da experiência do cliente: Analisar dados de comportamento do cliente e histórico de transações ajuda a personalizar serviços, prever tendências e ajustar operações para melhor atender às necessidades dos clientes. A personalização e a rápida resposta às demandas dos clientes aumentam a satisfação e fidelidade.

Monitoramento em tempo real: A integração de tecnologias de Internet das Coisas e análise de dados permite o monitoramento em tempo real de veículos, cargas e infraestruturas logísticas. Sensores IoT coletam dados continuamente, que são analisados para detectar anomalias, prever manutenção necessária e garantir a segurança e integridade das cargas.

Eficiência operacional: Ao analisar dados operacionais, empresas podem identificar gargalos, ineficiências e áreas para melhorias. A aplicação de métodos de análise de dados permite uma gestão mais eficiente dos recursos, resultando em operações mais ágeis e custo-efetivas.

Tomada de decisões embasadas em dados: A ciência de dados oferece insights detalhados que suportam a tomada de decisões estratégicas. Dados analisados fornecem uma base sólida para decisões sobre expansão de mercado, desenvolvimento de novos produtos, estratégias de precificação e outras iniciativas críticas.

“O profissional que domina a ciência de dados agrega valor à área de logística como um todo, proporcionando uma visão 360 do negócio, indo além do aspecto operacional”, acentua Pedro Brocaldi, Tech Brand Leader da EBAC – Escola Britânica de Artes Criativas e Tecnologia.

A verdade é que a ciência de dados é cada vez mais vital na logística e no gerenciamento da cadeia de suprimentos, pois analisa grandes volumes de dados, otimiza as operações e aprimora a tomada de decisões. “Ao aproveitar a análise preditiva e o aprendizado de máquina, os profissionais podem prever a demanda, gerenciar o estoque com mais eficiência e identificar possíveis interrupções antes que elas ocorram. Temos exemplos de planejamento de demanda em nosso portfólio de clientes que foram resolvidos com a aplicação da análise de dados em alguns modelos estatísticos relativamente simples sobre os dados que coletamos dos clientes”, enfatiza Mario Veraldo, CEO da MTM Logix.

Benefícios

A aplicação da ciência de dados em logística e gestão de redes de suprimentos pode trazer grandes benefícios nas áreas de eficiência operacional, previsibilidade e tomada de decisões estratégicas. Novaes, da Ekantika, dá alguns exemplos:

EFICIÊNCIA OPERACIONAL

Otimização de rotas e transporte: A ciência de dados utiliza algoritmos avançados para otimizar as rotas de transporte, reduzindo o tempo de viagem e o consumo de combustível. Isso se traduz em economias significativas de custos operacionais e menor impacto ambiental.

Gerenciamento de inventário: A análise de dados pode prever níveis ótimos de estoque, evitando tanto excesso quanto falta de produtos. Isso resulta em uma gestão de inventário mais eficiente, com menor custo de armazenagem e melhor disponibilidade de produtos.

PREVISIBILIDADE

Previsão de demanda: Modelos de Machine Learning e análise de séries temporais podem prever a demanda futura com alta precisão. Isso permite um planejamento proativo, alinhando a produção e o fornecimento de acordo com a demanda prevista.

Análise de risco e mitigação: A ciência de dados permite a análise de riscos ao longo da cadeia de suprimentos, identificando possíveis interrupções e permitindo a implementação de medidas de mitigação antes que problemas ocorram.

TOMADA DE DECISÕES ESTRATÉGICAS

Insights embasados: A análise de grandes volumes de dados operacionais fornece insights detalhados sobre o desempenho da cadeia de suprimentos. Esses insights são fundamentais para a tomada de decisões estratégicas, como expansão de mercado, desenvolvimento de novos produtos e ajustes na cadeia de suprimentos.

Desenvolvimento de estratégias de preço: A análise de dados ajuda a definir estratégias de preço mais eficazes, considerando a elasticidade da demanda, concorrência e custos operacionais. Isso permite maximizar a margem de lucro e competitividade no mercado.

OUTROS BENEFÍCIOS

Melhoria da Experiência do Cliente: A ciência de dados permite uma compreensão mais profunda das preferências e comportamentos dos clientes, possibilitando a personalização de serviços e melhor atendimento.

Sustentabilidade: A otimização de rotas e a gestão eficiente de recursos contribuem para operações mais sustentáveis, reduzindo o consumo de combustível e as emissões de carbono.

“A aplicação da ciência de dados em logística e gestão de redes de suprimentos não só aumenta a eficiência e a previsibilidade das operações, mas também fornece uma base sólida para decisões estratégicas que podem levar a vantagens competitivas significativas. Empresas que adotam essa competência estão bem posicionadas para se destacar em um mercado cada vez mais competitivo e orientado por dados”, completa o sócio da Ekantika.

Também respondendo à questão como a aplicação da ciência de dados pode beneficiar as operações logísticas e a gestão de redes de suprimentos em termos de eficiência, previsibilidade e tomada de decisões estratégicas, Brocaldi, da EBAC, ressalta que, em termos de eficiência, o controle e a gestão de dados permitem saber quais recursos são realmente necessários, evitando desperdício de tempo e materiais. O principal pilar da ciência de dados nos negócios é a previsão no controle, garantindo uma visão macro da operação. Isso gera a previsibilidade da cadeia de suprimentos, gerando clareza em como os recursos estão sendo consumidos e quando podem ter seus picos de sazonalidade. Essa abordagem é um apoio fundamental para embasar decisões estratégicas.

“A aplicação da ciência de dados pode trazer eficiência ao otimizar rotas de transporte, reduzir custos de estoque ao prever demandas com mais precisão, melhorar a previsibilidade da cadeia de suprimentos, identificar gargalos e pontos de melhoria nos processos logísticos e facilitar a tomada de decisões estratégicas com base em dados concretos. “A ciência de dados proporciona uma visão mais clara e abrangente das operações logísticas e da gestão de redes de suprimentos, permitindo que as empresas otimizem seus processos, antecipem demandas futuras e tomem decisões estratégicas com base em evidências sólidas. Isso resulta em uma cadeia de suprimentos mais eficiente, ágil e adaptável às demandas do mercado em constante mudança”, diz, agora, Elvis Camilo, gerente da divisão de logística na Gi BPO, unidade de Outsourcing especializado da Gi Group Holding.

Também para Veraldo, da MTM Logix, a ciência de dados pode melhorar significativamente a eficiência e a previsibilidade na logística, fornecendo insights que ajudam a simplificar as operações, reduzir custos e melhorar a prestação de serviços. Os insights orientados por dados ajudarão a melhorar a tomada de decisões estratégicas e permitirão uma melhor alocação de recursos e gerenciamento de riscos. O componente crítico é que a ciência de dados exige que os dados estejam disponíveis, o que é o maior desafio do setor atualmente. É uma vantagem injusta para as empresas que podem coletar dados estratégicos.

E Luiz Gustavo Peres Nery, diretor de Contêineres e Portos no SETCEPAR – Sindicato das Empresas de Transporte de Cargas no Estado do Paraná, é outro profissional que destaca a importância da ciência de dados na análise aprofundada e precisa das operações logísticas. Mas ele ressalta que para isso surtir efeito, é necessário que os dados também sejam interpretados de forma correta.

Desafios

A incorporação da ciência de dados em logística e gestão de redes de suprimentos oferece inúmeros benefícios, mas também apresenta vários desafios significativos para os profissionais. Segundo Novaes, da Ekantika, estes desafios podem variar desde questões técnicas e operacionais até barreiras organizacionais e culturais. O profissional cita alguns dos principais desafios neste momento:

Integração de sistemas de dados: Muitas empresas de logística operam com sistemas legados que não são compatíveis com novas tecnologias de ciência de dados. A integração de dados provenientes de diferentes fontes e sistemas é crucial para obter uma visão holística das operações, mas pode ser tecnicamente complexa e custosa.

Qualidade dos dados: A qualidade dos dados é fundamental para análises precisas e insights confiáveis. Dados incompletos, inconsistentes ou imprecisos podem levar a conclusões errôneas e decisões mal informadas. Garantir a integridade e a qualidade dos dados é um desafio contínuo.

Falta de talento qualificado: Há uma escassez de profissionais qualificados que possuem tanto habilidades em ciência de dados quanto conhecimento em logística. A demanda por cientistas de dados supera a oferta, dificultando a contratação de talentos com as habilidades necessárias para implementar e operar sistemas de análise de dados eficazes.

Resistência à mudança organizacional: A implementação da ciência de dados muitas vezes requer uma mudança significativa na cultura organizacional. Há resistência natural à mudança, especialmente quando novas tecnologias e métodos desafiam as práticas estabelecidas. É essencial obter o apoio dos stakeholders e promover uma mentalidade orientada a dados.

Segurança e privacidade dos dados: Com a crescente quantidade de dados sendo coletados e analisados, a segurança e a privacidade dos dados se tornam preocupações críticas. Empresas de logística lidam com dados sensíveis, incluindo informações pessoais de clientes e detalhes operacionais que precisam ser protegidos contra violações e ciberataques.

Custos de implementação: Os custos iniciais para implementar soluções de ciência de dados, incluindo aquisição de tecnologias, contratação de especialistas e treinamento de funcionários, podem ser altos. Justificar esse investimento requer uma visão clara dos benefícios e do retorno sobre o investimento (ROI).

Superar esses desafios é crucial para aproveitar os benefícios que a ciência de dados pode oferecer à logística e à gestão de redes de suprimentos. Empresas que conseguem navegar com sucesso por essas barreiras podem transformar suas operações, ganhar vantagens competitivas e se posicionar como líderes em um mercado cada vez mais orientado por dados, completa o sócio da Ekantika.

“Em nossa experiência de desenvolver e aplicar soluções para otimização de processos de logística e Supply Chain, enfrentamos diversos desafios relacionados à ciência de dados. Ao longo dos anos, notamos que, alguns deles são mais comuns, variando de acordo com o setor e porte da empresa”, diz Batista, da Linear. E, além dos já citados por Novaes, da Ekantika, ele destaca outros:

Falta de cultura direcionada a dados: a cultura organizacional tradicional, muitas vezes focada em intuição e experiência, pode apresentar resistência à adoção de uma abordagem baseada em dados para a tomada de decisões;

Falta de infraestrutura adequada: a implementação de ferramentas e soluções de ciência de dados exige infraestrutura tecnológica robusta, incluindo hardware e software adequados para processar e analisar grandes volumes de dados;

Colaboração interdisciplinar: o sucesso de algoritmos de ciência de dados muitas vezes depende da colaboração entre profissionais de diferentes áreas, que podem ter, num sistema tradicional de gestão, metas conflitantes e minar os benefícios de certas iniciativas.

Para Brocaldi, da EBAC, o principal desafio é a parte técnica da tratativa de dados. Ter esse conhecimento exige uma prática com as principais ferramentas de mercado para esse controle, como o uso de bancos de dados relacionais e de linguagens de dados para a extração dos mesmos. De modo geral, o profissional precisa ter conhecimento no processo de ETL (Extract, Transform e Load), ou seja, extrair dados, transformá-los em informações e fazer o carregamento para dashboards, possibilitando a geração de insights e facilitando a tomada de decisões.

Como visto, alguns dos principais desafios incluem a necessidade de investimento em infraestrutura tecnológica, em profissionais qualificados, na integração de sistemas de informação, na garantia da qualidade e confiabilidade dos dados e em uma cultura organizacional que valorize a tomada de decisão baseada em dados.

Superar esses desafios – diz o gerente da divisão de logística na Gi BPO – requer um compromisso contínuo com a capacitação dos profissionais, adoção de uma abordagem orientada por dados para a tomada de decisões, investimento em tecnologia e infraestrutura adequadas e a promoção de uma cultura organizacional que valorize a inovação e a melhoria contínua. Embora esses desafios possam ser significativos, os benefícios potenciais da incorporação da ciência de dados na logística e gestão de redes de suprimentos fazem valer a pena o esforço investido, salienta Camilo.

Adquirir os dados é o principal desafio, agora reportado por Veraldo, da MTM Logix. A maioria das empresas utiliza sistemas que não consideram os dados de sua cadeia de suprimentos, contando com planilhas desconectadas do Microsoft Excel para capturar uma parte de seus negócios, diz ele.

As mudanças também são desencorajadas devido ao alto custo da implementação de ferramentas de ciência de dados. Há também preocupações com a privacidade dos dados e a dificuldade de integrar essas novas tecnologias aos sistemas existentes, diz Veraldo.

Este último desafio é compartilhado por Nery, do SETCEPAR. Segundo ele, os obstáculos envolvem a fusão de sistemas antigos com novas tecnologias de análise de dados. Muitas empresas ainda têm problemas para coletar e guardar dados de forma eficaz e protegida. Ademais, a decodificação dos dados demanda competências específicas que nem sempre são encontradas nos profissionais convencionais de logística. A resistência às transformações e a ausência de uma cultura voltada para os dados também podem ser obstáculos consideráveis na implementação da ciência de dados.

Pesquisa Operacional

A Pesquisa Operacional é a aplicação da matemática à solução de problemas gerenciais e administrativos, e centra-se no desempenho de sistemas organizados como um todo, em vez de suas partes tomadas separadamente. Um profissional que domina essa abordagem se diferencia ao possuir habilidades e conhecimentos que são altamente valorizados no mercado atual. Ele é capaz de tomar decisões mais informadas, otimizar processos, gerenciar riscos, promover a inovação e melhorar a competitividade da empresa no mercado.

Especificamente em relação a otimização dos processos logísticos e da cadeia de suprimentos, Batista, da Linear, resume em três grandes categorias a forma como os algoritmos oferecidos pela Pesquisa Operacional contribuem para a área:

Técnicas de otimização: ferramentas e métodos que visam aprimorar a eficiência, a produtividade e a rentabilidade das operações logísticas em toda a cadeia de suprimentos. Destaca-se, entre elas, a programação linear, técnica matemática que ajuda a resolver problemas de otimização. Ao invés de tentar encontrar a melhor solução entre muitas opções, ela se concentra em encontrar a melhor solução levando em conta um conjunto específico de parâmetros;

Simulações estocásticas: classe de métodos estatísticos que visam modelar situações incertas, como aquelas encontradas em cadeias de suprimentos. Elas se baseiam em amostragens aleatórias massivas para criar diferentes cenários possíveis e calcular as chances de ocorrência de cada um. Em vez de apenas fazer um cálculo único, as simulações estocásticas repetem o processo muitas vezes para obter uma ideia melhor das possibilidades. Essa abordagem é frequentemente utilizada em situações em que encontrar uma solução perfeita é difícil ou impossível dentro de um tempo razoável, ajudando a tomar decisões mais informadas, como gerenciar os riscos e incertezas nas cadeias de suprimentos. Apesar de ter origem muitos anos antes, essas simulações foram essenciais para o desenvolvimento do projeto Manhattan, por exemplo;

Teoria dos jogos: desenvolvida para analisar situações de conflito e tomada de decisão entre jogadores racionais, oferece ferramentas valiosas para a gestão da cadeia de suprimentos. A teoria dos laureados Von Neumann e Morgenstern, de 1935, possibilita compreender as interações estratégicas entre diferentes agentes na cadeia, como fornecedores, fabricantes, distribuidores e varejistas. Dessa forma, as empresas podem tomar decisões mais inteligentes que otimizam seus resultados e asseguram o sucesso do negócio.

Ainda com relação à questão sobre de que forma a Pesquisa Operacional (PO) se destaca como uma competência promissora para os profissionais dessas áreas e como ela pode contribuir para a otimização dos processos logísticos e da cadeia de suprimentos, Novaes, da Ekantika coloca que a Pesquisa Operacional se destaca por sua capacidade de aplicar métodos matemáticos e analíticos para resolver problemas complexos de logística e cadeia de suprimentos. Ela pode otimizar processos como roteirização de veículos, alocação de recursos, planejamento de produção e gestão de estoques. Através de modelos e algoritmos, a Pesquisa Operacional pode encontrar soluções eficientes e eficazes, reduzindo custos e melhorando a produtividade.

A Pesquisa Operacional é como resolver quebra-cabeças complexos. Ela usa matemática e lógica para encontrar as melhores soluções para problemas complexos. Isso torna as operações mais eficientes e menos dispendiosas, diz o sócio da Ekantika.

“Com foco em agilidade e adaptação, a Pesquisa Operacional é fundamental porque permite que os dados revelem os resultados de dentro para fora, apresentando como melhorar a gestão logística”, diz Brocaldi, da EBAC. E, também para Veraldo, da MTM Logix, a Pesquisa Operacional oferece técnicas poderosas de modelagem matemática e otimização que podem resolver problemas logísticos complexos, como roteamento e projeto de rede. À medida que os problemas matemáticos se tornam mais arraigados nas operações de cadeia de suprimentos e logística, essa habilidade é fundamental para reduzir custos e aumentar a eficiência nas cadeias de suprimentos. “A Pesquisa Operacional também permite simular diferentes cenários e prever o impacto de mudanças nas operações”, acrescenta Nery, do SETCEPAR.

Exemplos de aplicação

A Pesquisa Operacional (PO) tem sido amplamente aplicada na logística e na gestão de redes de suprimentos, proporcionando melhorias significativas em eficiência, redução de custos e otimização de processos. A seguir, Novaes, da Ekantika, lista alguns dos exemplos:

Otimização de rotas: Utilizando algoritmos de roteamento baseados em princípios de pesquisa operacional, o sistema analisa dados de tráfego, padrões de entrega e restrições de rotas para determinar os caminhos mais eficientes para os motoristas.

Resultados: Redução de milhares de KM percorridos por ano; grande economia de combustível, redução significativa das emissões de carbono; melhoria no tempo de entrega e na satisfação do cliente.

Gestão de inventário e planejamento de demanda: Utilização de modelos de previsão de demanda e algoritmos de otimização de inventário para gerenciar grandes estoques em Centros de Distribuição no Brasil e no mundo. Através da aplicação de técnicas de Pesquisa Operacional é possível prever a demanda de produtos com base em dados históricos, tendências sazonais e comportamento do consumidor.

Resultados: Redução significativa dos custos de armazenagem ao manter níveis ótimos de estoque; melhoria na disponibilidade de produtos, evitando tanto excessos quanto faltas de estoque; capacidade de atender rapidamente às demandas dos clientes, especialmente durante picos sazonais como a Black Friday; aumento na eficiência operacional e redução de desperdícios.

Otimização de rotas marítimas e gestão de riscos: Esses modelos de Pesquisa Operacional também são aplicados para otimizar as rotas marítimas e gerenciar riscos na cadeia de suprimentos, e sensores IoT em contêineres fornecem dados em tempo real, que são analisados para otimizar rotas e prever possíveis interrupções.

Resultados: Redução de custos ope- racionais através da escolha de rotas marítimas mais eficientes; melhoria na pontualidade das entregas, aumentando a confiabilidade do serviço; capacidade de prever e mitigar riscos, como condições climáticas adversas e congestionamento portuário; aumento na eficiência do uso de combustível, contribuindo para metas de sustentabilidade.

Planejamento de produção e gestão de estoques: Outro exemplo é a utilização de modelos de Pesquisa Operacional para gerenciar a cadeia de suprimentos de maneira ágil e responsiva. A empresa aplica algoritmos de otimização para planejar a produção e distribuir estoques de forma eficiente, com base em dados de vendas e tendências de moda em tempo real.

Resultados: Redução significativa do tempo de ciclo, permitindo que novos designs cheguem às lojas em poucas semanas; otimização do uso de capacidade produtiva e redução de custos de produção; melhoria na resposta às demandas dos clientes, mantendo um fluxo constante de novos produtos; redução de desperdícios ao evitar a superprodução e excesso de estoques.

Otimização da Rede de Distribuição: Outra aplicação da Pesquisa Operacional é para otimizar a rede de distribuição global. A empresa aplica modelos de otimização para planejar a localização de Centros de Distribuição, determinar rotas de transporte eficientes e gerenciar estoques.

Resultados: Redução dos custos logísticos e de transporte; melhoria na eficiência da cadeia de suprimentos, garantindo a disponibilidade de produtos em diversos mercados; capacidade de ajustar rapidamente a rede de distribuição em resposta a mudanças na demanda e no mercado; aumento na sustentabilidade das operações através da redução do consumo de recursos e emissões de carbono.

Esses exemplos mostram como a Pesquisa Operacional pode transformar operações logísticas e a gestão de redes de suprimentos. Ao aplicar métodos analíticos avançados, as empresas conseguem melhorar significativamente a eficiência, reduzir custos e aumentar a satisfação do cliente, estabelecendo uma vantagem competitiva no mercado global, salienta Novaes.

“Um exemplo claro que podemos notar é quanto ao roteamento de veículos para entrega de produtos: tê-los mapeados e gerando informações de rota permite que grandes players do varejo tenham uma otimização nas entregas, podendo chegar até mesmo a enviar produtos de um dia para o outro”, acrescenta Brocaldi, da EBAC, citando um exemplo significativo de aplicação da Pesquisa Operacional na logística e gestão de redes de suprimentos e os resultados alcançados.

Na verdade, existem diversos exemplos de sucesso desta aplicação, cada um demonstrando como técnicas analíticas avançadas podem otimizar processos e melhorar a eficiência. “Alguns exemplos que se destacam são: roteirização de veículos, gestão de estoques, programação da produção e localização de Centros de Distribuição”, lembra Camilo, da Gi BPO. Esses exemplos demonstram como a Pesquisa Operacional pode ser aplicada com sucesso na logística e gestão de redes de suprimentos, resultando em benefícios tangíveis, como redução de custos, aumento da eficiência operacional e melhoria da qualidade do serviço ao cliente. Essas técnicas continuam a evoluir e se adaptar às necessidades do mercado, oferecendo oportunidades significativas para inovação e otimização contínua dos processos logísticos.

O sócio e diretor de modelagem e inovação da Linear também destaca que, atualmente, a Pesquisa Operacional (PO) pode contribuir em diversos setores. Especificamente no campo de logística e gestão de redes de suprimentos, podem ser destacados dois exemplos importantes de áreas que vêm colhendo os benefícios do uso da PO, trazendo grandes vantagens para as empresas ao minimizar custos e maximizar lucros. O primeiro é o Desenho da Rede Logística. Com o uso de técnicas corretas, é possível construir uma logística eficiente levando em consideração diversas variáveis e restrições, como quantidade, localização e função de cada instalação na cadeia de suprimentos. Além disso, fatores como custos, demanda ou capacidade também devem ser levadas em conta, para avaliar como os cenários podem mudar de acordo com suas transformações.

A aplicação de PO no Desenho da Rede Logística tem levado a uma redução significativa nos custos operacionais, devido à otimização da localização de instalações de armazenamento e distribuição. Além disso, também trouxe uma melhora na eficiência e flexibilidade da rede, garantindo uma experiência aprimorada do cliente ao reduzir tempos de entrega e ao lidar melhor com mudanças nas condições de mercado, interrupções na cadeia de suprimentos e flutuações na demanda.

Já o segundo exemplo, continua Batista, é o uso da Pesquisa Operacional na Gestão de Estoques, uma vez que sempre foi um desafio para as empresas otimizarem o estoque, equilibrando a capacidade de atender a demanda e evitar a sobra de produtos. Por meio da análise de diversos dados, é possível determinar os níveis ótimos de armazenamento em diferentes pontos da cadeia de suprimentos, considerando demanda, lead times, custos de armazenagem e pedidos. A Gestão de Estoque utilizando modelos de Programação Linear (PL) é uma abordagem comum e eficaz na Pesquisa Operacional, garantindo uma estocagem otimizada, tanto de produtos finais, como de suprimentos para a produção.

“Para concluir, a aplicação de modelos de Pesquisa Operacional resultou em uma redução significativa nos custos de estoque e no risco de rupturas ao equilibrar adequadamente as reservas de segurança e os níveis de serviço. Além disso, vale mencionar que existem diversos outros exemplos de uso da Pesquisa Operacional na Logística e Gestão de Redes de Suprimentos, como o design de rotas mais eficientes para veículos de entrega, definição da localização ideal para armazéns, Centros de Distribuição e instalações de produção, programação da produção e gerenciamento de Cadeia de Suprimentos.”

“Grandes empresas, como Amazon e Mercado Livre, usam muito a Pesquisa Operacional para administrar suas enormes e complexas redes de entrega, alcançando assim grande eficiência e rapidez. Esses exemplos mostram como é possível reduzir bastante os custos operacionais e melhorar a satisfação do cliente”, finaliza Nery, do SETCEPAR.

Investimentos

As empresas estão reconhecendo a importância estratégica de capacitar seus profissionais em ciência de dados e Pesquisa Operacional para enfrentar os desafios complexos da logística e gestão de cadeias de suprimentos. Para isso, diz Camilo, da Gi BPO, estão adotando uma abordagem holística para desenvolver competências em ciência de dados e Pesquisa Operacional dentro do contexto logístico, combinando treinamento interno, parcerias externas, contratação de talentos e utilização de recursos educacionais online para capacitar seus profissionais e impulsionar a inovação e a eficiência em suas operações logísticas.

“Universidades corporativas vêm ganhando cada vez mais espaço, cursos preparatórios vêm sendo utilizados como incentivo para que os profissionais tirem suas próprias certificações e apoiem as áreas de negócio das empresas. Outros profissionais já buscam o conhecimento por conta própria em cursos online e materiais públicos, visto o incentivo na remuneração para profissionais com tais habilidades em ciência de dados”, diz Brocaldi, da EBAC.

Novaes, da Ekantika, também elenca algumas das estratégias mais comuns:

Programas internos de treinamento e desenvolvimento: Muitas empresas estão desenvolvendo programas internos de treinamento para capacitar seus funcionários em ciência de dados e PO. Esses programas geralmente incluem workshops, cursos online, bootcamps e treinamentos práticos.

Parcerias com instituições acadêmicas: Empresas estão firmando parcerias com universidades e instituições de pesquisa para desenvolver programas de capacitação conjuntos, cursos de extensão e projetos de pesquisa colaborativos.

Contratação de especialistas e consultores: Para acelerar a adoção de ciência de dados e PO, muitas empresas estão contratando cientistas de dados, analistas de Pesquisa Operacional e consultores especializados que podem liderar iniciativas de transformação digital e implementar soluções avançadas.

Uso de plataformas e ferramentas tecnológicas: Empresas estão investindo em plataformas tecnológicas que facilitam a análise de dados e a aplicação de técnicas de PO. Isso inclui software de análise de dados, plataformas de Inteligência Artificial e sistemas de otimização.

Incentivos para educação contínua: Muitas empresas oferecem subsídios e incentivos financeiros para que seus funcionários busquem educação contínua em ciência de dados e PO. Isso pode incluir apoio para cursos de especialização, certificações e programas de mestrado.

Criação de centros de excelência: Algumas empresas estão estabelecendo centros de excelência (CoE) em ciência de dados e PO, que atuam como núcleos para inovação, pesquisa e desenvolvimento de melhores práticas.

Implementação de programas de mentoria: Programas de mentoria conectam funcionários mais experientes em ciência de dados e PO com aqueles que estão em início de carreira, promovendo a transferência de conhecimento e o desenvolvimento de habilidades.

Projetos piloto e iniciativas de inovação: Empresas estão conduzindo projetos piloto e iniciativas de inovação para explorar novas aplicações de ciência de dados e PO em suas operações logísticas. Esses projetos permitem experimentação controlada e desenvolvimento de soluções personalizadas.

Como em qualquer empresa, a capacitação e constante evolução dos funcionários deve ser uma das principais prioridades da gestão. Uma companhia cuja equipe não acompanha tendências, estudos e as movimentações do mercado, está fadada ao fracasso. “Dentro do contexto logístico, percebemos que as marcas estão reconhecendo a importância da ciência de dados e da Pesquisa Operacional, investindo na educação de seus profissionais para desenvolverem competências nessas áreas ou, em outros casos, desenvolver a cultura direcionada a dados, entendendo sua relevância. Isso envolve uma combinação de treinamentos internos, contratação de especialistas e consultorias, parcerias e investimento em tecnologia”, avalia Batista, da Linear.

Veraldo, da MTM Logix, também relaciona que as empresas estão investindo cada vez mais em programas de treinamento especializado, workshops e cursos de ciência de dados e pesquisa operacional. Muitas também estão fazendo parcerias com universidades e outras instituições de ensino para garantir que sua equipe esteja na vanguarda nesses campos. No entanto, muitos cursos on-line são ótimos pontos de partida para as empresas aprimorarem suas equipes.

O SETCEPAR oferece diversos cursos e treinamentos que podem ajudar a capacitar os profissionais na área de ciência de dados e Pesquisa Operacional. Além disso, o Sindicato incentiva a participação em cursos online e certificações específicas, semelhante às estratégias adotadas por outras empresas. “As ações da nossa entidade estão em sintonia com as tendências atuais de investimento em capacitação e inovação no setor logístico. Isso reforça a importância do papel do Sindicato na formação de profissionais qualificados e na promoção da competitividade e inovação no setor”, conclui Nery.

Perspectivas

As competências em ciência de dados e Pesquisa Operacional estão se tornando cada vez mais essenciais no contexto da logística e gestão de redes de suprimentos devido às rápidas mudanças tecnológicas e às crescentes demandas do mercado. Com o avanço da automação, internet das coisas, Inteligência Artificial e aprendizado de máquina, as empresas têm acesso a uma quantidade sem precedentes de dados em tempo real. Isso abre oportunidades para a aplicação de técnicas analíticas avançadas, como modelos preditivos e algoritmos de otimização, para melhorar a eficiência operacional, reduzir custos e aumentar a satisfação do cliente.

Além disso, a crescente complexidade das cadeias de suprimentos, impulsionada pela globalização e pela diversificação de produtos, requer uma abordagem mais sofisticada para a gestão e otimização. As empresas estão buscando profissionais que possuam habilidades em análise de dados e modelagem matemática para enfrentar esses desafios de forma proativa, identificando oportunidades de melhoria e antecipando problemas antes que ocorram.

“No futuro, espera-se que as competências em ciência de dados e Pesquisa Operacional continuem a evoluir para acompanhar as demandas do mercado. Isso inclui a integração de técnicas mais avançadas de Inteligência Artificial, como redes neurais e algoritmos genéticos, bem como a aplicação de análises preditivas em tempo real para aprimorar a capacidade de resposta e adaptabilidade das cadeias de suprimentos. Os profissionais que investirem no desenvolvimento dessas competências estarão bem posicionados para liderar a inovação e impulsionar o sucesso organizacional no campo da logística e gestão de redes de suprimentos”, comenta Camilo, da Gi BPO.

Também para Brocaldi, da EBAC, com o avanço da tecnologia de Inteligência Artificial, a tendência é a adaptação/transformação dos meios de análise, visto que uma IA treinada com um grande conjunto de dados (Big Data) serve de apoio para os gestores, gerando uma movimentação para os profissionais da área se atualizarem com tal, para que obterem melhores resultados.

“À medida que as tecnologias avançam e as demandas do mercado evoluem, a importância dessas competências só tende a crescer. Com o avanço das tecnologias como IA, IoT, blockchain, automação, big data e práticas sustentáveis, as empresas estão bem posicionadas para otimizar suas operações e atender às crescentes demandas do mercado”, diz Novaes, da Ekantika Consultoria, apresentando algumas das principais tendências e expectativas para o futuro:

Adoção de Inteligência Artificial e Machine Learning: A integração de Inteligência Artificial e Machine Learning está revolucionando a logística. Essas tecnologias permitem automação avançada, previsão precisa de demanda e otimização contínua de processos.

Expansão da Internet das Coisas: A IoT está se expandindo rapidamente, permitindo o monitoramento em tempo real de ativos, veículos e produtos. Sensores IoT fornecem dados valiosos que podem ser analisados para otimizar operações logísticas e melhorar a gestão da cadeia de suprimentos.

Blockchain para transparência e segurança: A tecnologia blockchain está sendo adotada para aumentar a transparência e segurança nas cadeias de suprimentos. Ela permite o rastreamento seguro de produtos e transações, reduzindo o risco de fraudes e melhorando a confiança entre parceiros comerciais.

Automação e Robótica: A automação e a robótica estão transformando a logística, desde armazéns automatizados até veículos autônomos. Essas tecnologias aumentam a eficiência, reduzem erros humanos e permitem operações 24/7.

Análise avançada e Big Data: A análise avançada e o Big Data estão permitindo uma compreensão mais profunda das operações logísticas e da cadeia de suprimentos. A capacidade de analisar grandes volumes de dados em tempo real ajuda as empresas a tomar decisões mais informadas e estratégicas.

Sustentabilidade e logística verde: A pressão por operações mais sustentáveis está aumentando, levando as empresas a adotarem práticas de logística verde. Isso inclui a otimização de rotas para reduzir emissões de carbono, o uso de veículos elétricos e a implementação de embalagens sustentáveis.

Integração e colaboração digital: A integração digital e a colaboração entre diferentes partes da cadeia de suprimentos estão se tornando cada vez mais importantes. Plataformas colaborativas permitem uma melhor coordenação e compartilhamento de informações, melhorando a eficiência e reduzindo atrasos.

Desenvolvimento contínuo de talentos: A demanda por profissionais qualificados em ciência de dados e PO está crescendo, e as empresas estão investindo em programas de desenvolvimento contínuo de talentos para manter suas equipes atualizadas com as últimas tendências e tecnologias.

O futuro da logística e gestão da cadeia de suprimentos será moldado pela convergência de ciência de dados, Pesquisa Operacional e tecnologias inovadoras, como IoT, para tomada de decisões de maneira holística e mais ágeis, pondera Batista, da Linear. Segundo ele, profissionais com as habilidades e conhecimentos certos estarão em alta demanda e terão a oportunidade de contribuir significativamente para o sucesso das empresas.

“Investir em educação e desenvolvimento profissional contínuo será fundamental para que os profissionais se mantenham competitivos e preparados para os desafios e oportunidades do futuro”, avalia o diretor de modelagem e inovação, destacando as seguintes habilidades como fundamentais para atuar na área:

Habilidades Técnicas: sólidos conhecimentos em programação, estatística, Machine Learning, modelagem matemática e otimização;

Habilidades Interpessoais: capacidade de comunicação eficaz, trabalho em equipe, pensamento crítico e resolução de problemas;

Conhecimento do Negócio: compreensão profunda dos princípios da logística e gestão da cadeia de suprimentos, dos desafios e oportunidades do setor, e das necessidades específicas da empresa.

“Vemos que os cientistas de dados são intrínsecos à operação, incluindo a necessidade de eles estarem lado a lado com os operadores de negócios. Quanto mais isso acontece, mais o conhecimento entre as duas áreas é polinizado, criando uma interseção muito valiosa. Espera-se que os avanços tecnológicos, como IA e IoT, aumentem ainda mais a necessidade de conhecimento especializado em ciência de dados e pesquisa operacional”, diz Veraldo, da MTM Logix.

Finalizando esta análise das perspectivas para o futuro das competências em ciência de dados e Pesquisa Operacional no campo da logística e gestão de redes de suprimentos, considerando as tendências tecnológicas e as demandas do mercado, Nery, do SETCEPAR, avalia que expectativas são superanimadoras. Com o progresso de tecnologias, como a Inteligência Artificial, aprendizado de máquina e Internet das Coisas, a quantidade e a qualidade dos dados para análise vão aumentar muito.

A junção dessas tecnologias com a ciência de dados e a Pesquisa Operacional vai permitir uma automação e otimização ainda maiores das tarefas logísticas. Além disso, a procura por profissionais qualificados nessas áreas deve crescer, impulsionada pela necessidade de se adaptar às mudanças rápidas do mercado e às exigências dos clientes por entregas mais rápidas e personalizadas. A habilidade de analisar e usar dados de forma eficiente será um diferencial competitivo bem importante.

Destaque no mercado

Os profissionais que dominam competências em ciência de dados e Pesquisa Operacional estão se destacando no mercado de trabalho devido à crescente demanda por habilidades que ajudem as empresas a otimizar operações, reduzir custos e melhorar a tomada de decisões.

Estes profissionais têm diversas oportunidades de carreira. Eles são reconhecidos por sua capacidade de trazer melhorias significativas para as operações logísticas e de cadeia de suprimentos, liderando iniciativas de inovação e contribuindo para o sucesso das empresas.

O sócio da Ekantika Consultoria relaciona algumas das oportunidades de carreiras:

Cientista de dados logísticos: Profissionais que se especializam em análise de dados aplicada à logística. Eles desenvolvem modelos preditivos para prever a demanda, otimizar estoques e melhorar a eficiência das rotas de entrega.

Analista de pesquisa operacional: Especialistas em desenvolver e aplicar modelos matemáticos e algoritmos para otimizar processos logísticos, como roteirização de veículos, gestão de estoques e planejamento de produção.

Gerente de operações logísticas: Profissionais responsáveis por supervisionar e otimizar as operações logísticas da empresa. Eles utilizam análises de dados e técnicas de otimização para melhorar a eficiência e reduzir os custos operacionais.

Consultor de logística e cadeia de suprimentos: Consultores especializados que ajudam empresas a implementar soluções de ciência de dados e Pesquisa Operacional para melhorar suas operações logísticas e de cadeia de suprimentos.

Especialista em transformação digital: Profissionais que lideram a adoção de novas tecnologias e métodos digitais nas operações logísticas. Eles trabalham para integrar soluções de IA, IoT e análise de dados nas práticas diárias da empresa.

Também para Camilo, da Gi BPO, estes profissionais estão se destacando no mercado de trabalho devido à sua capacidade de oferecer insights valiosos, tomar decisões estratégicas embasadas em dados e resolver problemas complexos de forma eficaz. Suas habilidades são altamente valorizadas em uma variedade de setores, incluindo varejo, manufatura, transporte e logística, onde a eficiência operacional e a otimização da cadeia de suprimentos são fundamentais para o sucesso do negócio.

“Esses profissionais podem encontrar oportunidades de emprego em uma variedade de organizações, desde pequenas empresas até multinacionais, e têm a opção de trabalhar como autônomos ou consultores independentes, oferecendo seus serviços especializados a uma ampla gama de clientes. Dominar competências em ciência de dados e Pesquisa Operacional não apenas abre portas para uma carreira gratificante, mas também proporciona uma vantagem competitiva significativa em um mercado de trabalho cada vez mais orientado por dados e tecnologia”, acredita o gerente da divisão de logística na Gi BPO.

Brocaldi, da EBAC, também destaca que os profissionais que unem a ciência de dados com uma boa visão de negócio vêm se tornando pilares dentro das empresas – sua capacidade técnica, atrelada ao olhar de negócio, faz com sejam extremamente valorizados e necessários para as empresas. “Oportunidades são o que não faltam, a crescente nas vagas é evidente ao se pesquisar em sites de recrutamento ou até mesmo no LinkedIn. As empresas buscam profissionais com um bom portfólio, e não apenas um currículo recheado.”

Não é de hoje que o mercado de trabalho está em busca de profissionais que dominem certas competências. Aqueles que dominam a ciência de dados e Pesquisa Operacional são valorizados por sua capacidade de tomar decisões mais informadas e estratégicas, utilizando análises quantitativas e modelos matemáticos para resolver problemas complexos e identificar oportunidades de melhoria, de acordo com os objetivos da empresa que possui essa necessidade.

As oportunidades de carreira são vastas para esses profissionais, em um momento no qual percebe-se que as companhias estão cada vez mais conscientes da importância dos dados. Segundo um estudo do Grupo Toccato, 93% das empresas reconhecem que os dados são importantes para a execução dos processos e 97% tomam decisões com base neles. Com qualquer área podendo se beneficiar deles, seu uso está avançando. Além disso, o mercado interno está carente de profissionais realmente qualificados, mesmo após o boom da área de TI. Empresas estrangeiras, que pagam em dólar ou euro, são a preferência dos talentos, mais exigentes em relação às vagas justamente por sua qualificação. Sendo assim, as oportunidades para o setor, principalmente no Brasil, são vastas.

“Porém – continua Batista, da Linear – não bastam conhecimentos técnicos para se tornar um profissional requisitado. Habilidades comportamentais ainda são um fator fundamental na hora de selecionar um candidato para uma vaga. Uma pesquisa recente do LinkedIn apontou que 75% dos profissionais brasileiros buscam um novo trabalho neste ano. Entretanto, junto com o estudo, a principal rede social profissional do mundo também divulgou a lista das dez habilidades mais procuradas no Brasil para 2024, sendo sete delas comportamentais. Profissionais que trabalham com dados atuam em equipe e lidam com outros times, exigindo um bom relacionamento interpessoal, por exemplo, comportamentos em que as máquinas ainda não conseguem substituir os humanos.”

De fato, como diz Veraldo, da MTM Logix, a principal habilidade que observam nessa área é a capacidade de formular perguntas que irão revelar o valor comercial. “Os cientistas de dados não devem trabalhar isolados, mas sim fazer parte das operações de qualquer empresa atual em que haja necessidade de insights e otimização. Para as pessoas dispostas a criar a interseção entre negócios e dados, as oportunidades de carreira se expandirão rapidamente, com funções em planejamento estratégico, gerenciamento de operações e análise de sistemas, oferecendo caminhos lucrativos e recompensadores.”

E o diretor de Contêineres e Portos no SETCEPAR lembra que estes profissionais estão se destacando por conseguirem transformar dados em informações úteis, o que é muito valorizado em um mercado cada vez mais focado em dados. Eles são muito procurados por grandes empresas de logística, consultorias, startups de tecnologia e empresas de vários setores que querem otimizar suas operações e melhorar a tomada de decisões. Além disso, esses profissionais têm a chance de ocupar posições estratégicas de liderança, influenciando diretamente a estratégia e o crescimento das empresas.

Participantes

EBAC – A Escola Britânica de Artes Criativas e Tecnologia é uma instituição de ensino que oferece mais de 150 cursos online, com foco em educação continuada e desenvolvimento de competências profissionais nas áreas de Design, Software, Programação & Data, Marketing, Audiovisual, Moda, Games e Negócios, além de uma série de iniciativas que preparam o aluno para a inserção no mercado de trabalho.

Ekantika – O ecossistema Ekantika é composto por: Ekantika Consultoria, especializada em transformação de negócios; Ekantika Learning Lab, focada em soluções de aprendizagem para equipes corporativas; INFORM Brasil, especialista em otimização por meio de soluções tecnológicas de alta escalabilidade; iEVO, focada em automação de decisões por meio de reengenharia de processos; Dixter, aceleradora de Transformação Digital; Up People, que cria modelos e processos de trabalho para o futuro, focados em pessoas; e Chicago Advisory Partners, responsável pela estrutura administrativa do Open Finance Brasil.

Gi BPO – Marca de Outsourcing da Gi Group Holding, especializada em fortalecer a gestão de empresas dos mais variados setores e dimensões, dentro de operações como:  logística & operações industriais, trade marketing & vendas, back office e serviços auxiliares. A Gi Group Holding inclui sete divisões globais (Gi Group, Gi BPO, Wyser, Grafton, Intoo, Tack TMI e QiBit) e duas locais (Gi Group Horeca e C2C).

Linear Softwares Matemáticos – É uma empresa brasileira que traz a inteligência matemática para a tomada de decisões empresariais, por meio do desenvolvimento de soluções matemático-computacionais para a otimização de processos de Supply Chain. Tem grandes empresas como clientes, dentre elas BRF, Ambev, Boticário, Danone, DPA Brasil, Seara, Nestle, Natura, Vigor e Ypê.

MTM Logix – É uma empresa 100% focada em torres de controle para embarques internacionais. Cria soluções totalmente personalizáveis, automatizadas e escaláveis para seus clientes.

SETCEPAR – Fundado em 1943, o Sindicato das Empresas de Transportes de Cargas no Estado do Paraná, entidade que representa as empresas de transportes de carga naquele Estado, nasceu visando representar os empresários do setor de transporte rodoviário de cargas da região em variadas atividades, como em negociações coletivas de trabalho e em aproximação com autoridades e com autarquias municipais, estaduais e federais, bem como com a imprensa.