Estrutura de dados: a importância do detalhe no trabalho do Trade

Uma das frases mais repetidas nos meus artigos aqui no blog é: Trade Marketing não existe sem análise de dados.

Mas para que esta análise seja feita, é preciso que os dados gerados tenham qualidade, ou seja, forneçam informações que permitam análises variadas e profundas.

Por isso, pensar a estrutura de dados é tão importante na hora de criar uma estratégia para cada planejamento, cada execução ou cada campanha.

O que é estrutura de dados?

De uma forma simples, no contexto do Trade Marketing, é um modelo de armazenamento e organização das informações obtidas de modo que possam ser usadas com eficiência no futuro.

Cada empresa pode definir como seus dados serão estruturados e analisados dependendo do seu segmento de atuação. Então, não há uma fórmula pronta que possa se aplicada. É aí que mora o perigo.

A grande maioria das empresas pensa seus dados de forma ampla ou genérica demais e, com isso, muitas vezes, não consegue analisar alguns movimentos ou tendências. O risco mais grave nestes casos é o de não conseguirem detectar as verdadeiras razões para bons ou maus desempenhos.

Exemplos:

  • Uma fábrica de parafusos que venda seus produtos por tamanho em embalagens de 200, 300 e 500 unidades, mas avalia no final do mês suas vendas apenas pela quantidade total de parafusos vendidos. Embora tenha um número total, seus dados não contemplam a quantidade de venda para cada tipo de embalagem. Ou seja, a fábrica não sabe qual vende mais ou qual mais “encalha”.
  • Uma empresa que trata um dos clientes principais – Key account – como uma rede apenas sem considerar todas as suas unidades e particularidades. Ao registrar uma venda para esse cliente de modo geral, não consegue saber o que foi vendido para cada unidade da rede e – assim – não consegue saber qual delas tem melhor desempenho.
  • Um departamento de Trade que realiza ações de relacionamento, mas não especifica exatamente quais ações, quem foram os envolvidos e qual região atendida. Seus números sempre serão gerais e não será possível saber ao certo qual ação realmente deu resultado e qual não deu.

Você tem uma unidade de medida para o Trade? 

Estrutura de dados requer visão antecipada

Ter dados que sejam verdadeiramente úteis requer visão de longo prazo na hora da elaboração de qualquer estratégia, planejamento ou campanha.

Na prática, significa pensar com antecedência como os dados estão divididos, como vão ser captados e como podem ser analisados futuramente. É preciso olhar de forma ampla para toda a estrutura de vendas.

Imagine uma fábrica de canetas que mudou a forma de estruturar seus dados. Produzindo uma linha com 5 modelos de preços diferentes e para 4 grandes clientes, dois na região Norte e dois na região Sul, a empresa tinha uma visão pequena do seu mercado e depois passou a enxergá-lo com muito mais clareza.

Como era antes

A empresa trabalhava considerando as vendas dos 5 modelos de canetas pelos 4 clientes. Deste modo, conseguia saber:

  • Total de canetas vendidas;
  • Total de canetas vendidas por modelo;
  • Total de canetas vendidas para cada um dos 4 clientes;
  • Total de canetas vendidas por modelo para cada um dos 4 clientes.

Bastante dados, certo? Desta forma era possível saber qual cliente comprava mais e qual modelo de caneta tinha melhor saída. Porém, quando pensava em melhorar seu desempenho a empresa não conseguia ter informação suficiente para planejar uma ação. Tudo o que sabia era que alguns clientes compravam mais alguns tipos do produto.

Durante muito tempo a empresa acabou pensando estratégias genéricas, iguais para todos os clientes, simplesmente por não ter dados para avaliar.

Como ficou depois da mudança

A empresa passou a coletar informações de vendas dos 5 modelos de canetas pelos 4 clientes, segmentando-os por região e pelo número de PDVs de cada um.

Deste modo, conseguia saber:

  • Total de canetas vendidas;
  • Total de canetas vendidas por modelo;
  • Total de canetas vendidas por região;
  • Total de canetas vendidas por modelo por região;
  • Total de canetas vendidas para cada um dos 4 clientes;
  • Total de canetas vendidas por modelo para cada um dos 4 clientes;
  • Total de canetas vendidas por PDV
  • Total de canetas vendidas por PDV de cada região;
  • Total de canetas vendidas por modelo, por PDV;
  • Total de canetas vendidas por modelo, por PDV de cada região.

Muito mais informações, não é? Com esta qualidade de dados a empresa passou a saber não só que cliente comprava mais, mas também como era a saída dos produtos, por modelo em cada um dos PDVs. Pôde saber ainda qual PDV tinha melhor desempenho e como as regiões se diferenciavam.

Com estes dados, a empresa conseguiu criar campanhas bem pontuais para estimular as vendas na região e nos PDVs que mais necessitavam.

Da mesma forma, conseguiu fazer ações para potencializar os bons desempenhos naqueles locais nos quais as saídas de canetas eram maiores.

A importância do dado granular

O exemplo acima mostra como é preciso pensar antes que tipo dado vai ser captado para que possa ser usado depois. E é importante que este dado seja específico. Quanto mais, melhor.

Pense, ainda no exemplo da empresa de canetas, se, além dos PDVs fossem obtidos também dados sobre a forma de exposição dos produtos em cada ponto de venda. A empresa poderia, cruzando as informações entender como cada modelo de caneta tem saída a partir da forma como é exposto.

Imagine quanto esse dado é valioso na hora de planejar o uso de material de merchandising, pensar uma embalagem ou na atuação de algum colaborador no campo.

Dados precisam ser bem segmentados, bem divididos, regionalizados. É preciso enxergar além e pensar em como eles podem ser usados depois.

A informação deve ter um dono

Além de segmentar em detalhes, é importante que seja estipulado quem são os proprietários dos dados, ou seja, a quem ou a o que eles estão atrelados. Neste momento é preciso atenção.

O vendedor A, de uma região, vendeu 1.000 unidades de um item, por exemplo, mas ele foi substituído por outro, o vendedor B, que vendeu apenas 950 itens. Em outra região, o vendedor A vendeu 1.500 itens, enquanto o B, só 500.

Para não haver confusão é preciso estabelecer, no caso de análise do desempenho de vendas da região, que o dado em questão não está atrelado ao vendedor e sim ao local. Uma região teve venda total de 1.950 itens e outra região de 2.000.

Já em uma análise de desempenho dos vendedores, independente de região, seria necessário computar 2.500 vendas para o vendedor A e 1.450 para o vendedor B. Note como dois olhares diferentes sobre os mesmos números revelam informações importantes.

Um sistema de gestão de Trade Marketing resolve todas as questões na hora criar uma estrutura de dados. Basta que sejam estabelecidas nos mínimos detalhes quais informações vão ser captadas. O sistema faz os agrupamentos.

Este artigo foi útil para você? Comente! Faça sugestões e continue acompanhando o blog da Trade Marketing Force e também nossos perfis do Facebook e no LinkedIn.

Toda semana trazemos conteúdos novos sobre produtos, varejo e o mundo do Trade que podem ajudar a sua empresa.

Até a próxima!

 


1 comment

[…] artigos aqui no blog já falei sobre a importância da estruturação e a integração dos dados para o trabalho do Trade Marketing. Vale pena resgatar essas […]

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *