A necessidade de previsões precisas e automatizadas
Em um cenário de indústria e varejo que muda rapidamente, as empresas sofrem cada vez mais pressão para automatizar processos e atender às expectativas dos clientes com rapidez e precisão. E tudo isso enquanto lidam com margens mais apertadas, recursos limitados e outros fatores externos. Por isso, estão deixando para trás os métodos manuais tradicionais, que não entregam a alta precisão exigida pelos mercados complexos de hoje.
Previsões precisas e baseadas em dados são essenciais para alinhar oferta e demanda e permitir decisões proativas em toda a cadeia de valor. Para a MAAG Food, maior produtora de carnes da Estônia, a previsão touchless (sem intervenção manual) passou a ser parte importante da transformação digital. Essa abordagem altamente automatizada aplica Machine Learning (ML) e uma lógica baseada em exceções à previsão de demanda. Ela processa dados complexos, gera previsões precisas e se adapta em tempo real às mudanças do mercado, reduzindo ao mínimo a necessidade de ajustes manuais. Assim, as empresas conseguem diminuir ineficiências com um modelo escalável e colaborativo, focado em decisões estratégicas, e não em tarefas repetitivas.
A MAAG Food, maior empresa industrial do MAAG Grupp, sediado na Estônia, produz 89.000 toneladas de produtos cárneos por ano em 3 unidades fabris. Com marcas locais fortes, como Rakvere, Tallegg e Rigas Miesnieks, a empresa é líder de mercado na região do Báltico.
Uma plataforma de previsão preparada para o futuro
Em 2023, após uma mudança no controle acionário, o software de planejamento de demanda da MAAG Food já não acompanhava o tamanho da empresa. O processo de previsão dependia de planilhas paralelas e de trocas de e-mail entre gerentes de vendas, gerentes de portfólio de produtos e planejadores de demanda, e a empresa via espaço para melhorar e ganhar mais visibilidade sobre as previsões futuras.
Embora já conseguisse prever, em parte, a demanda promocional e por canal, a pouca capacidade de adaptação limitava a resposta da empresa às mudanças do mercado. Com o objetivo de tomar decisões melhores apoiadas em análises avançadas, a MAAG Food buscou uma solução moderna e integrada para melhorar seus KPIs e simplificar as operações.
A MAAG Food escolheu a RELEX em setembro de 2023 por suas capacidades avançadas baseadas em IA e pelo forte suporte local na região do Báltico. O projeto se concentrou na implementação da solução de planejamento de demanda, incluindo modelos agrupados (pooled) baseados em Machine Learning, previsão de promoções e previsão por canal. A empresa também passou a usar a RELEX no planejamento de sortimento e na análise de rentabilidade de campanhas, criando uma estrutura unificada de tomada de decisão.
Conduzida de forma colaborativa entre a RELEX e a MAAG Food, a implementação priorizou a melhoria da qualidade dos dados mestres e a criação de uma base para o trabalho entre áreas, a tomada de decisão estratégica e o crescimento escalável.
Operações transformadas pela previsão touchless
A RELEX trouxe capacidades que impulsionaram o crescimento da MAAG Food, com previsão de demanda aprimorada, gestão de campanhas e compartilhamento de dados entre departamentos. A solução criou uma ‘fonte única da verdade’, reduzindo a dependência de e-mails e planilhas e aumentando a eficiência do planejamento.
A previsão touchless revolucionou o processo de planejamento ao reduzir ao mínimo os ajustes manuais e permitir uma abordagem realmente orientada por exceções. Até 96% das previsões ficam sem nenhum ajuste manual, já que os planejadores da MAAG Food confiam plenamente nas previsões automáticas do sistema. Com previsões mais precisas e confiáveis, os planejadores gastam menos tempo com o planejamento de demanda e concentram a atenção nos casos excepcionais, o que libera tempo e aumenta a produtividade.
A MAAG Food aproveitou todo o potencial de previsões precisas e melhorou tanto a eficiência operacional quanto a satisfação dos usuários. Em uma pesquisa feita em abril de 2025, 100% dos usuários da RELEX se declararam satisfeitos, e 43% disseram estar ‘muito satisfeitos’. Os times de vendas, compras e portfólio de produtos agora colaboram de forma mais eficaz, com previsões precisas para 18 meses e um planejamento de produção mais simples. Os planejadores puderam se dedicar a tarefas mais complexas, como o planejamento da produção, em que a MAAG Food obtém ganhos de eficiência maiores, e registraram um aumento de 22% na eficiência do planejamento.
Outro resultado de destaque é a forte queda nas vendas com desconto – produtos vendidos com grandes abatimentos de preço. Nos seis meses entre novembro de 2024 e abril de 2025, a MAAG Food reduziu em € 98.950 as perdas de receita com vendas com desconto, reflexo da maior acuracidade de previsão e do estoque otimizado. Em comparação com fevereiro de 2024, tanto o volume quanto o percentual de produtos vendidos com desconto diminuíram.
“A transformação nas nossas operações foi realmente notável, e o suporte excepcional e a dedicação em melhorar nossos KPIs tiveram um impacto concreto. Isso vale especialmente para a redução das vendas com desconto e para os ganhos mensuráveis de eficiência do time, que tiveram um impacto significativo no nosso negócio”, afirmou Martin Küüsmaa, membro do Conselho e Diretor de Desenvolvimento de Negócios, Planejamento, Qualidade e Meio Ambiente da MAAG Food. “Estamos totalmente comprometidos em aproveitar o software ao máximo, tratando-o como nossa fonte única da verdade tanto para o planejamento de demanda quanto para a gestão de sortimento.”
Em pouco tempo, a MAAG Food transformou seus processos de planejamento de demanda com Machine Learning e uma lógica de previsão baseada em exceções, gerando valor mensurável com custos menores, mais eficiência e melhor colaboração. Ao tornar as previsões mais precisas e confiáveis, a previsão touchless não só melhorou os resultados do planejamento de demanda, como também criou a base para uma cadeia de suprimentos mais ágil e resiliente. Olhando para o futuro com a RELEX, a MAAG Food avalia levar o planejamento de demanda às suas unidades de laticínios e adotar módulos de planejamento de produção e de suprimentos.