Vendas, estoque, compras e financeiro já produzem informações diariamente. O avanço agora está em conectá-las e incorporar fatores como clima, calendário e eventos às decisões da operação
Durante muito tempo, parte importante das decisões de um restaurante esteve concentrada na experiência acumulada por quem conhece profundamente a operação. O gestor sabia quanto comprar para o fim de semana, reconhecia produtos que começavam a ganhar saída e ajustava produção e equipe de acordo com padrões observados ao longo dos anos.
Essa experiência continua relevante. O que mudou foi a quantidade de informação disponível para complementá-la.
PDV, aplicativos de delivery, sistemas de estoque, meios de pagamento, compras, produção e financeiro passaram a registrar diariamente diferentes partes da operação. O desafio deixou de ser apenas coletar números e passou a envolver a capacidade de conectá-los para responder perguntas que atravessam mais de uma área do negócio.
O tema voltou à discussão no setor nos últimos dias. Em conteúdo publicado em 2 de outubro pela Associação Nacional de Restaurantes (ANR), na seção destinada a sócios parceiros, a ACOM Sistemas apresentou uma aplicação que integra vendas, estoque, compras e financeiro e utiliza, em parceria com outra empresa de tecnologia, variáveis como clima, feriados, shows e jogos na projeção de demanda. A publicação deve ser entendida dentro de seu contexto comercial, mas ilustra um movimento que também vem aparecendo em debates mais amplos do setor.
No 38º Congresso Nacional Abrasel, realizado em junho, o uso estratégico de tecnologia e dados esteve entre os temas centrais. Um dos pontos levantados pelos especialistas foi justamente que aplicações mais sofisticadas de inteligência artificial dependem de etapas anteriores: primeiro é preciso organizar as informações que permitem operar o negócio e reduzir atritos para, então, avançar para análises e personalização mais complexas.
Ter muitos dados não significa conhecer melhor a operação
Um restaurante pode saber quanto faturou ontem, quantos pedidos recebeu e qual é o saldo atual de determinado ingrediente. Isso não significa, necessariamente, que tenha informações suficientes para decidir quanto comprar amanhã.
O problema aparece quando cada número permanece isolado.
Um aumento nas vendas de um prato pode significar que sua demanda está crescendo, mas também pode ser consequência de uma promoção temporária. Um estoque maior pode ter origem em uma compra planejada para obter melhores condições comerciais ou simplesmente indicar que determinado ingrediente perdeu giro. O faturamento pode subir enquanto a margem do produto cai.
É a relação entre essas informações que transforma registro em ferramenta de gestão.
Quando vendas, estoque e compras conversam entre si, por exemplo, torna-se possível comparar quanto deveria ter sido consumido com base nas fichas técnicas e quanto efetivamente saiu do estoque. Diferenças recorrentes podem revelar desperdício, porcionamento fora do padrão, erros de registro ou fichas técnicas desatualizadas.
A integração com o financeiro acrescenta outra dimensão: permite avaliar se um aumento de volume está sendo acompanhado por resultado ou se está exigindo uma estrutura de custos maior para ser sustentado.
Antes da inteligência artificial, existe um problema de organização
A discussão sobre dados no foodservice frequentemente chega rapidamente à inteligência artificial. Para muitas operações, entretanto, o primeiro avanço necessário é menos sofisticado.
Se os produtos não estão cadastrados corretamente, as fichas técnicas não correspondem ao que acontece na cozinha ou compras e estoque são atualizados de maneira inconsistente, qualquer previsão construída sobre essa base terá limitações.
Esse ponto apareceu também no Congresso Abrasel. Ao discutir os novos caminhos digitais do setor, Paulo Guimarães, vice-presidente de Relações Institucionais da AFRAC, argumentou que a transformação ocorre em etapas e que usos avançados de inteligência artificial dependem de uma organização prévia das informações.
Para o operador, isso significa que gestão orientada por dados não começa necessariamente na contratação de uma ferramenta de previsão. Pode começar em questões mais básicas: saber se todos os canais de venda chegam ao mesmo relatório, se o estoque acompanha as saídas reais, se as fichas técnicas estão atualizadas e se existe uma estrutura consistente de cadastro de produtos.
Automatizar uma base desorganizada apenas permite produzir informações inconsistentes mais rapidamente.
Prever demanda exige mais do que repetir o histórico
O histórico continua sendo uma das principais referências para planejamento. Uma sexta-feira costuma ser comparada com outras sextas-feiras; dezembro, com o mesmo período dos anos anteriores; uma promoção, com campanhas semelhantes.
O problema é que dias aparentemente equivalentes podem apresentar comportamentos diferentes.
Clima, feriados, férias escolares, datas comemorativas, shows, competições esportivas e mudanças no fluxo de uma região interferem na circulação de consumidores e na escolha dos produtos.
Uma análise realizada pelo Mastercard Economics Institute em parceria com a ANR ajuda a dimensionar esse efeito. Considerando restaurantes físicos de São Paulo, o estudo identificou comportamentos distintos conforme as condições meteorológicas e a categoria da operação. Em dias de chuva, por exemplo, a estimativa de redução dos gastos chegou a 4,57% em padarias, sobremesas e lanches e a 4,02% em bares e pubs, enquanto pizzarias apresentaram variação de -0,61%.
A temperatura também produziu respostas diferentes. Um desvio positivo de 5°C em relação ao padrão sazonal foi associado a uma queda estimada de 2,9% nos gastos em pizzarias e de 5% em restaurantes italianos, enquanto outras categorias apresentaram crescimento.
Os números são específicos para São Paulo e para o período analisado, portanto não devem ser transformados em uma regra para qualquer mercado. O que demonstram é que fatores externos podem ter impacto mensurável no consumo — e que esse efeito varia conforme o tipo de negócio.
Para uma previsão de demanda, isso faz diferença.
Previsão não significa eliminar a incerteza
Mesmo com mais dados, nenhum sistema consegue informar com absoluta precisão quantos clientes entrarão no restaurante ou quantos pedidos chegarão em determinado horário.
Previsões trabalham com probabilidades.
Sua utilidade está em reduzir a distância entre uma decisão inteiramente intuitiva e outra apoiada em padrões observados na própria operação e no ambiente ao seu redor.
Se o histórico indica determinado movimento para uma sexta-feira, mas a previsão mostra chuva intensa e existe um grande evento na região, o gestor passa a ter mais elementos para decidir sobre produção, estoque e escala.
A decisão final continua sendo da operação.
Isso também significa que uma previsão precisa ser constantemente comparada com o que realmente aconteceu. Se o sistema estimou 300 refeições e foram vendidas 230, a diferença é uma informação. Repetida ao longo do tempo, ela ajuda a identificar variáveis que talvez ainda não estejam sendo consideradas adequadamente.
Uma ferramenta preditiva não deveria apenas fornecer um número. Precisa criar condições para que a operação aprenda com os próprios desvios.
Estoque é uma das primeiras áreas em que a diferença aparece
Uma das aplicações mais diretas da previsão de demanda está no abastecimento.
Comprar acima da necessidade aumenta capital imobilizado e risco de perda, especialmente em ingredientes perecíveis. Comprar abaixo cria rupturas, substituições emergenciais e possibilidade de perder vendas.
O desafio está justamente em encontrar uma faixa adequada entre os dois extremos.
Ao conectar histórico de vendas, estoque atual, prazo de entrega dos fornecedores e previsão de demanda, a operação consegue ajustar as compras com mais informação. Em vez de simplesmente repetir a quantidade adquirida na semana anterior, passa a considerar o que mudou.
O mesmo raciocínio chega à produção. Uma padaria pode ajustar determinadas fornadas ao movimento esperado; um restaurante por quilo pode rever volumes de pré-preparo; uma rede pode redistribuir produtos entre unidades quando identifica diferenças de demanda.
São pequenas decisões que, quando repetidas diariamente, podem ter impacto relevante sobre perdas e disponibilidade.
Dados de desperdício também precisam conversar com o restante da gestão
Essa relação entre informação e desperdício já aparece em pesquisas realizadas com restaurantes brasileiros.
Um estudo acadêmico com 206 restaurantes analisou o uso de sistemas de controle gerencial e informações relacionadas ao desperdício. Os resultados indicaram que sistemas com um conjunto mais amplo de informações — incluindo dados não financeiros, externos e orientados ao futuro — estavam associados a maior utilização de informações sobre desperdício na gestão. O estudo também identificou relação positiva entre o uso desses dados e indicadores de desempenho financeiro e não financeiro.
O trabalho é anterior ao atual avanço da inteligência artificial, mas ajuda a reforçar um ponto importante: o valor não está apenas em registrar quanto foi descartado.
A informação se torna mais útil quando é possível relacionar a perda ao produto vendido, ao volume produzido, ao estoque, às compras e às condições em que aquela operação aconteceu.
Se determinado ingrediente apresenta descarte elevado apenas em alguns dias da semana, por exemplo, o problema pode estar menos na compra e mais na previsão de produção. Se a perda aumenta sempre depois de uma promoção, talvez o planejamento esteja superestimando a demanda. Se uma unidade apresenta consumo muito diferente das demais para o mesmo volume vendido, existe outro tipo de desvio a investigar.
Previsão também pode chegar à escala de trabalho
O mesmo princípio utilizado para compras e produção pode ajudar no dimensionamento de equipe.
Um restaurante precisa de mais pessoas quando há maior movimento, mas a relação não é necessariamente linear. Dependendo do cardápio, dos canais utilizados e do horário, determinados volumes exigem mais cozinha enquanto outros pressionam salão ou expedição do delivery.
Cruzar histórico de vendas com dias, horários e composição dos pedidos permite identificar esses padrões.
A vantagem não está simplesmente em reduzir pessoal. Uma escala insuficiente pode provocar demora, queda na qualidade e perda de vendas, enquanto uma escala muito acima da necessidade aumenta o custo sem gerar produtividade proporcional.
Nesse contexto, previsão de demanda passa a ser uma ferramenta de dimensionamento de capacidade.
O gestor continua sabendo coisas que o sistema não sabe
Mais informação não elimina a experiência de quem conhece o negócio.
Um sistema pode identificar queda recorrente nas vendas de determinado produto e sugerir uma revisão. O gestor pode saber, entretanto, que aquele item exerce uma função importante de posicionamento ou atende um público específico.
Da mesma forma, um modelo baseado no histórico pode projetar um sábado de alta demanda sem conhecer, ainda, uma obra iniciada na rua do restaurante, uma mudança recente na equipe ou uma alteração na concorrência local.
A qualidade da decisão surge justamente da combinação entre essas duas fontes.
A tecnologia consegue processar rapidamente volumes de informação que seriam difíceis de reunir manualmente. O operador acrescenta contexto, interpreta exceções e conhece fatores que ainda não aparecem no banco de dados.
O objetivo, portanto, não é substituir julgamento por indicador. É diminuir a quantidade de decisões tomadas sem informação suficiente.
Quanto maior a operação, mais difícil é administrar as relações apenas pela percepção
Em uma única unidade, um gestor presente no dia a dia ainda consegue acompanhar pessoalmente boa parte do que acontece. Conforme aumentam número de lojas, canais, itens de cardápio e transações, essa capacidade diminui.
O problema não é apenas o volume de dados, mas a quantidade de relações entre eles.
Uma promoção lançada no aplicativo altera vendas. O aumento de vendas modifica produção e estoque. A mudança no estoque afeta compras. Dependendo do canal, também entram comissão, embalagem e logística. Tudo isso termina no financeiro.
Quando essas áreas são analisadas separadamente, cada uma pode parecer estar funcionando corretamente enquanto o resultado consolidado mostra outra realidade.
É nesse ponto que sistemas integrados passam a ter um papel mais relevante: não necessariamente porque tomam decisões sozinhos, mas porque reduzem o trabalho necessário para descobrir como uma decisão em uma área afetou as demais.
O próximo avanço pode estar em usar melhor os dados que já existem
Para muitos negócios de foodservice, a principal oportunidade não está em produzir mais informações.
Ela está em organizar aquilo que já é gerado todos os dias.
Venda registrada no PDV, pedido recebido pelo delivery, baixa de estoque, nota de compra, ficha técnica e movimentação financeira já contam partes importantes da história da operação. Quando esses registros permanecem separados, o gestor continua precisando reconstruir manualmente o que aconteceu.
Quando passam a conversar, tornam-se capazes de responder perguntas mais úteis: quanto comprar, quanto produzir, quais produtos pressionam estoque, onde a margem está diminuindo e quais dias realmente exigem reforço de equipe.
Ferramentas de inteligência artificial e previsão ampliam essas possibilidades ao incorporar novas variáveis e identificar padrões difíceis de observar manualmente. Mas elas não eliminam uma etapa anterior: informação precisa estar registrada, organizada e relacionada à realidade da operação.
A evolução da gestão por dados no foodservice, portanto, não depende simplesmente de acrescentar dashboards ou novos sistemas. O avanço acontece quando o restaurante consegue reduzir a distância entre aquilo que registra e aquilo que consegue decidir a partir desses registros.