Abrir uma nova loja parece, à primeira vista, uma decisão baseada em fatores relativamente conhecidos:
encontrar um imóvel adequado, avaliar os custos, observar a circulação de pessoas e estimar o potencial de vendas.
Mas, quando uma empresa opera milhares de estabelecimentos em diferentes cidades e países, escolher o próximo endereço deixa de ser apenas uma decisão imobiliária.
Torna-se um problema complexo de inteligência de negócios.
No livro Business Intelligence e Análise de Dados para Gestão do Negócio, Ramesh Sharda, Dursun Delen e Efraim Turban apresentam, no caso aplicado 8.5, como a Starbucks passou a utilizar Sistemas de Informação Geográfica — GIS — para apoiar sua estratégia de expansão e compreender melhor os mercados onde atua.
O caso demonstra algo que ainda hoje merece atenção:
dados corporativos ganham uma nova capacidade de explicar o negócio quando são relacionados ao território.
A localização é parte da estratégia
Para uma rede de cafeterias, dois imóveis separados por poucos quarteirões podem apresentar desempenhos completamente diferentes.
Uma esquina pode concentrar trabalhadores durante a manhã.
Outra pode receber estudantes no período da tarde.
Uma terceira pode ter grande movimento nos finais de semana, mas pouco fluxo nos dias úteis.
Por isso, definir onde abrir uma loja exige responder a perguntas como:
- Quantas pessoas circulam naquela região?
- Quem mora ou trabalha nas proximidades?
- Quais estabelecimentos atraem público para o entorno?
- Como as pessoas chegam até o local?
- Existem concorrentes ou outras lojas da própria rede próximas?
- Novos empreendimentos estão previstos para a região?
- Qual é o potencial de consumo daquele público?
O case apresentado no livro explica que a Starbucks desenvolveu uma solução chamada Atlas, baseada na tecnologia ArcGIS, para apoiar o planejamento de mercado e o desenvolvimento de novas lojas.
Por meio do sistema, gestores podiam visualizar áreas comerciais, agrupamentos de estabelecimentos varejistas, unidades industriais, redes de transporte, dados demográficos, padrões de tráfego e outras informações relevantes para avaliar um endereço.
O Atlas não funcionava apenas como um mapa de lojas.
Era uma aplicação de inteligência de negócios estruturada sobre a geografia.
A própria Esri descreve o Atlas como a aplicação de planejamento de mercado e desenvolvimento de lojas da Starbucks.
A solução permitia analisar áreas de influência, concentrações comerciais, características demográficas, tráfego e conexões de transporte para identificar os locais mais promissores.
Enxergar o que ainda não existe
Uma das situações mais interessantes apresentadas no case ocorre quando o gestor observa, no mapa, uma região onde três novas torres de escritórios seriam concluídas nos meses seguintes.
Naquele momento, os edifícios ainda não estavam ocupados.
O movimento de consumidores que poderiam gerar ainda não aparecia nos dados históricos de vendas ou de circulação.
Mesmo assim, a transformação futura do bairro já poderia ser considerada na decisão.
Essa é uma diferença importante entre simplesmente consultar dados e produzir inteligência.
Os dados históricos mostram o que aconteceu.
A inteligência territorial ajuda a interpretar o que está acontecendo e a antecipar o que pode acontecer em determinado lugar.
O mapa permite combinar o cenário atual com informações sobre novos empreendimentos, mudanças na infraestrutura urbana, expansão do transporte público, crescimento populacional, abertura de empresas e alterações no uso do solo.
A pergunta deixa de ser apenas:
“Este é um bom endereço hoje?”
E passa a ser:
“Como este território deverá se transformar nos próximos meses ou anos?”
Do mapa ao processo de abertura
Outro aspecto relevante é que a inteligência geográfica não termina quando o endereço é escolhido.
Segundo o case, depois de identificar uma área promissora, o gestor podia iniciar um fluxo de trabalho para acompanhar o novo estabelecimento pelas diferentes etapas de aprovação, licenciamento, construção e abertura.
Isso demonstra que o GIS pode assumir dois papéis complementares.
Primeiro, ele funciona como uma ferramenta analítica, ajudando a decidir onde investir.
Depois, transforma-se em uma plataforma operacional, permitindo acompanhar como aquele investimento será executado.
O local selecionado deixa de ser apenas um ponto no mapa.
Torna-se um objeto de trabalho relacionado a documentos, responsáveis, prazos, autorizações e etapas do projeto.
Essa integração reduz a fragmentação entre as equipes de inteligência de mercado, expansão, engenharia, operações e gestão.
Abrir perto de outra loja é sempre um erro?
Ao visualizar várias unidades da Starbucks próximas umas das outras, alguém poderia concluir que houve um erro de planejamento ou que as lojas estariam disputando os mesmos clientes.
Mas a proximidade não significa necessariamente canibalização.
Duas lojas podem atender públicos diferentes, mesmo estando geograficamente próximas.
Uma pode capturar o fluxo de uma estação de transporte; outra, os trabalhadores de um edifício corporativo; uma terceira, os frequentadores de um centro comercial.
O GIS ajuda a delimitar as áreas de influência de cada unidade e compreender de onde vêm seus clientes.
Também permite comparar perfis demográficos, horários de maior circulação, acessibilidade, concorrência e comportamento de consumo.
A decisão não deve ser baseada apenas na distância linear entre duas lojas, mas na relação que cada uma estabelece com o território.
Técnicas atuais de inteligência de localização permitem avaliar justamente esse equilíbrio:
até que ponto unidades próximas competem entre si e em quais situações elas ampliam a presença da marca, oferecem maior conveniência ou dificultam o avanço da concorrência.
O clima também acontece em algum lugar
O case avança para além da expansão física e mostra como a geografia pode apoiar o marketing, a previsão de demanda e a cadeia de suprimentos.
A Starbucks passou a integrar dados meteorológicos às suas análises.
Entre eles, estavam informações de previsão do tempo e de sensação térmica.
O objetivo não era apenas saber se faria calor ou frio.
Era compreender como uma condição meteorológica localizada poderia modificar o comportamento dos consumidores em uma determinada cidade ou conjunto de lojas.
Se uma semana excepcionalmente quente estivesse prevista para uma região, por exemplo, a empresa poderia analisar:
- Como lojas semelhantes se comportaram em períodos anteriores;
- Quais produtos tiveram aumento de demanda;
- Quais unidades seriam mais afetadas;
- Quanto estoque seria necessário;
- Que tipo de campanha poderia ser ativada;
- Em quais áreas uma promoção teria maior potencial.
Uma previsão de calor poderia favorecer uma campanha de bebidas geladas, como os Frappuccinos.
Já uma frente fria poderia aumentar a procura por bebidas quentes em determinadas localidades.
O ponto central é que a meteorologia não produz o mesmo efeito em todos os lugares.
Uma temperatura pode ser considerada normal em uma cidade e atípica em outra.
Além disso, o impacto comercial depende das características do público, dos hábitos locais, do horário, do tipo de loja e do histórico de consumo.
Ao combinar previsão meteorológica, localização e vendas anteriores, a empresa não passa a saber “exatamente” o que cada cliente desejará.
Mas consegue produzir previsões mais contextualizadas e reduzir a incerteza sobre a demanda.
Grandes eventos também redesenham temporariamente a cidade
Shows, jogos, feiras, congressos e festivais alteram o funcionamento habitual de uma região.
Durante algumas horas ou dias, os fluxos de pessoas mudam.
Estações ficam mais movimentadas, determinadas ruas recebem mais veículos e lojas que normalmente teriam movimento moderado podem enfrentar picos de demanda.
Uma análise baseada apenas no histórico regular de uma unidade pode não capturar essas mudanças temporárias.
Quando a agenda de eventos é adicionada ao mapa, torna-se possível identificar quais estabelecimentos estão dentro das áreas potencialmente afetadas e preparar sua operação.
Isso pode orientar decisões como:
- Reforçar equipes;
- Ampliar estoques;
- Ajustar horários;
- Priorizar determinados produtos;
- Ativar ofertas locais;
- Reorganizar entregas;
- Antecipar possíveis dificuldades de acesso.
Mais uma vez, o mapa não serve apenas para mostrar onde o evento ocorrerá.
Ele ajuda a estimar como esse acontecimento poderá repercutir sobre a rede de lojas ao redor.
O aplicativo fecha o ciclo entre território e comportamento
Uma empresa pode conhecer bastante sobre um estabelecimento: vendas realizadas, produtos mais procurados, horários de pico e desempenho das campanhas.
Entretanto, o aplicativo de relacionamento amplia consideravelmente essa capacidade analítica.
Com as devidas bases legais, regras de consentimento e políticas de governança, os dados do aplicativo podem ajudar a compreender padrões como frequência de compra, preferência por produtos, resposta a ofertas, horários de utilização e unidades mais acessadas.
Quando esses registros são agregados e relacionados ao território, surgem novas perguntas:
- Existem áreas com muitos usuários do aplicativo, mas poucas lojas?
- De onde vêm os pedidos destinados a uma determinada unidade?
- Há bairros com demanda digital suficiente para receber um novo estabelecimento?
- Quais ofertas apresentam melhor resposta em cada região?
- A abertura de uma nova loja altera o comportamento das unidades próximas?
- Onde o serviço de retirada ou entrega apresenta maior procura?
A análise espacial conecta o comportamento digital ao contexto físico em que ele acontece.
Em vez de estudar apenas uma lista de transações, a empresa passa a observar mercados, áreas de influência, deslocamentos e diferenças territoriais.
E o Wi-Fi? Ele também pode produzir inteligência?
Sim.
Tecnicamente, uma rede Wi-Fi pode gerar informações úteis para a análise de uma cafeteria.
Os registros de conexão podem ajudar a identificar, de forma agregada:
- Quantidade aproximada de dispositivos conectados;
- Horários de maior utilização;
- Duração média das sessões;
- Recorrência de acesso;
- Diferenças de comportamento entre unidades;
- Relação entre permanência, fluxo e consumo;
- Demanda por capacidade de rede.
Soluções de análise de Wi-Fi também podem ser utilizadas para estimar circulação, permanência e movimentação entre áreas.
Entretanto, a precisão depende da arquitetura tecnológica, da forma de conexão e das configurações de privacidade dos dispositivos.
Sistemas operacionais atuais, por exemplo, utilizam mecanismos como a randomização de endereços de rede, reduzindo a possibilidade de acompanhar um aparelho de forma persistente.
Mais importante:
dispositivo conectado não é sinônimo de cliente, assim como tempo de conexão não representa necessariamente tempo de consumo.
Uma pessoa pode utilizar mais de um equipamento, enquanto outra pode permanecer no local sem acessar a rede.
Portanto, esses dados funcionam melhor como sinais complementares do que como representação exata do comportamento humano.
Também existe uma diferença fundamental entre analisar indicadores agregados — como volume de conexões por horário — e identificar ou acompanhar individualmente uma pessoa.
A política de privacidade global da Starbucks informa que muitas lojas oferecem acesso gratuito à internet e descreve princípios como minimização da coleta, limitação de uso e governança dos dados.
No Brasil, qualquer iniciativa semelhante precisa ser planejada de acordo com a Lei Geral de Proteção de Dados.
Isso envolve finalidade clara, necessidade, transparência, segurança, definição de uma base legal adequada e cuidado especial quando diferentes fontes são combinadas.
A pergunta correta, portanto, não é apenas:
“Que informações o Wi-Fi consegue coletar?”
Mas também:
“Quais informações são realmente necessárias para melhorar o serviço sem comprometer a privacidade do Cliente?”
Cruzar dados não significa vigiar pessoas
O potencial analítico cresce quando dados de lojas, aplicativo, Wi-Fi, clima, trânsito, eventos e características demográficas são integrados.
Mas também cresce a responsabilidade da organização.
Uma estratégia madura de inteligência territorial não precisa conhecer a identidade de cada pessoa para produzir decisões melhores.
Na maioria das análises de expansão e operação, informações agregadas são suficientes.
A empresa pode estudar concentrações, tendências, fluxos e padrões sem transformar o mapa em uma ferramenta de vigilância individual.
Esse princípio deve orientar a arquitetura da solução desde o início:
- Coletar apenas o necessário;
- Utilizar dados compatíveis com a finalidade declarada;
- Trabalhar com agregação e anonimização sempre que possível;
- Limitar acessos;
- Definir prazos de retenção;
- Avaliar riscos de reidentificação;
- Comunicar de forma transparente como os dados são utilizados.
A inteligência não está em acumular o maior volume possível de informações.
Está em selecionar e relacionar os dados necessários para responder a uma decisão concreta.
O que o case da Starbucks ainda ensina
Embora o caso apresentado por Sharda, Delen e Turban retrate um momento específico da evolução tecnológica da Starbucks, sua principal contribuição permanece atual.
O GIS não é apenas uma ferramenta para escolher endereços.
Ele pode conectar diferentes dimensões do negócio:
- Expansão, ao identificar mercados e locais promissores;
- Operações, ao antecipar demanda e organizar recursos;
- Marketing, ao contextualizar campanhas;
- Logística, ao apoiar estoques e abastecimento;
- Experiência do cliente, ao compreender hábitos e necessidades locais;
- Gestão, ao integrar análises e fluxos de trabalho;
- Estratégia, ao mostrar como os territórios estão mudando.
O livro demonstra que Business Intelligence e GIS não são campos separados.
O BI organiza indicadores, históricos e modelos de desempenho.
O GIS acrescenta uma pergunta indispensável:
Onde isso acontece?
Quando essa dimensão é incorporada à análise, a empresa deixa de observar apenas planilhas, médias e totais.
Passa a enxergar mercados formados por bairros, fluxos, acessos, comportamentos, eventos e transformações urbanas.
No fim, uma cafeteria pode vender o mesmo produto em diferentes cidades.
Mas a demanda, o momento de consumo, a forma de acesso e o significado daquele estabelecimento nunca são exatamente iguais.
O café pode ser padronizado.
O território, não.