Otimização da distribuição no retalho de vestuário: estratégias analíticas e preditivas para tendências de vendas

Abstract

A indústria do retalho de vestuário, caracterizada pela sua dinâmica e competitividade, enfrenta desafios significativos na gestão eficiente das suas cadeias de distribuição. Utilizando técnicas de análise de dados e modelação preditiva, esta dissertação concentra-se no desenvolvimento de métodos analíticos para apoiar sistemas de distribuição mais eficientes, alinhados com as tendências do mercado e as preferências dos consumidores. Os objetivos específicos abrangem, inicialmente, o pré-processamento de dados de vendas fornecidos pela empresa Sociedade de Distribuição de Vestuário e o agrupamento de lojas em clusters utilizando Análise de Componentes Principais (PCA) e técnicas de clustering baseadas no volume de vendas. Seguidamente, é realizada uma análise de tendências de vendas, tanto por produto quanto por cor, utilizando diferentes ferramentas estatísticas incluindo gráficos de barras, gráficos de dispersão e gráficos de radar. Por fim, a dissertação aborda a implementação e análise de Modelos Autorregressivos Integrados de Médias Móveis (ARIMA) para a previsão de vendas, proporcionando uma compreensão mais aprofundada das dinâmicas de vendas no setor de retalho de vestuário. Os resultados obtidos da análise de clusters proporcionaram uma categorização eficiente das 45 lojas, em 6 grupos, de modo a facilitar a análise das semelhanças em relação as vendas semanais. Recorrendo ao agrupamento fornecido, determinou-se o produto-cor com maior média de vendas em cada cluster, de modo a facilitar a distribuição dos produtos. Os modelos ARIMA foram desenvolvidos com base nas características das séries temporais da média de vendas semanais de uma loja de referência em cada cluster. Generaliza-se estes modelos selecionados para as restantes lojas do cluster, acelerando assim a previsão de vendas para todas as lojas. Por fim, verifica-se que, de um modo geral, os modelos ARIMA configurados especificamente para a loja de referência em cada cluster, demonstram uma adaptabilidade às restantes lojas do cluster. Consequentemente, constata-se uma homogeneidade nas tendências de vendas entre as lojas do mesmo cluster, verificando-se assim a eficácia do método de agrupamento adotado e a aplicabilidade dos modelos ARIMA desenvolvidos.

The textile retail industry, characterized by its dynamism and competitiveness, faces significant challenges in the efficient management of its distribution chains. Using data analysis techniques and predictive modeling, this dissertation focuses on the development of analytical methods to support more efficient distribution systems, aligned with market trends and consumer preferences. The specific objectives include the pre-processing of sales data provided by the Sociedade de Distribuição de Vestuário, clustering stores into groups using Principal Component Analysis (PCA) and clustering techniques based on sales volume. Subsequently, an analysis of sales trends is conducted, both by product and color, using different statistical tools including bar charts, scatter plots, and radar charts. Finally, the dissertation addresses the implementation and analysis of Autoregressive Integrated Moving Average (ARIMA) Models for sales forecasting, providing a deeper understanding of the sales dynamics in the textile retail sector. The results obtained from the cluster analysis provide the company with a division of the 45 stores into 6 groups, to facilitate their categorization. Using the provided clustering, the product-color with the highest average sales in each cluster was determined, to facilitate the distribution of products. The ARIMA models were developed based on the characteristics of the time series of a reference store in each cluster. These selected models are generalized to the other stores in the cluster, thus accelerating sales forecasting for all stores. In the end, it is generally observed that the ARIMA models, specifically configured for the reference store in each cluster, demonstrate adaptability to the other stores in the cluster. Consequently, there is a homogeneity in sales trends among the stores in the same cluster, thus verifying the effectiveness of the adopted clustering method and the applicability of the developed ARIMA models.