O Grupo Carrefour Brasil apresentou em 12 de novembro o resultado do que a área de dados da companhia chama de motor de abastecimento: 12% menos perda em produtos perecíveis e 4% menos estoque em circulação, com modelos de previsão de demanda que cruzam mais de 80 variáveis. Nos itens submetidos à precificação assistida, as vendas cresceram de 3,5% a 4%. O número que interessa a quem opera loja, porém, não é o 12%: é o que a rede precisou colocar no cálculo para chegar lá — e o que sobra disso para o mercado de bairro que não tem trinta profissionais de dados.
As 80 variáveis cabem em cinco perguntas
A lista divulgada pela companhia é longa, mas se organiza em cinco famílias. Entender essas cinco é o que permite traduzir o case para uma loja de qualquer porte:
- Histórico de venda por item, por loja e por semana. O mesmo código vende diferente em duas unidades da mesma rede, e é essa diferença que a previsão precisa capturar.
- Comportamento regional de consumo: o que gira na periferia não é o que gira no centro, e o calendário local pesa.
- Calendário promocional e eventos: 11/11, a Black Friday de 27 de novembro, Natal, dias de pagamento e feira na rua.
- Capacidade de armazenamento do centro de distribuição — comprar certo não adianta se não há onde receber.
- Prazo de entrega do fornecedor: a reposição precisa ser pedida antes de a prateleira esvaziar, não depois.
A diferença entre uma planilha e um motor desses não está na quantidade de dado, e sim na granularidade da resposta. O modelo não diz “compre mais arroz”: diz quanto, quando e para qual loja. É por isso que a variável regional e o prazo do fornecedor entram na mesma conta que o histórico de venda.
Por que o perecível é o alvo mais caro
Perecível é o único estoque que não tem devolução. Se o pedido erra para cima, o produto vence na gôndola ou no depósito e a perda sai direto da margem; se erra para baixo, a prateleira fica vazia e a venda não existe — inclusive a cesta que viria junto com aquele item. Os dois erros são o mesmo erro em sentidos opostos, e a mesma previsão de demanda ataca os dois.
É também o setor em que a perda é mais difícil de enxergar: hortifrúti, padaria, rotisseria e açougue concentram quebras diárias que, quando não são registradas no sistema, deixam o estoque do ERP diferente do estoque real. A partir daí a gestão decide em cima de um número que não existe. Já tratamos do assunto no post sobre o que a fiscalização encontrou em validade.
Como ler esses números: são da própria companhia
Os 12% e os 4% foram informados pelo gerente sênior de Analytics da rede em entrevista publicada em 30 de outubro de 2026 e repetidos na divulgação de 12 de novembro, na semana da Black Friday. São relato da empresa sobre a própria operação — não são pesquisa independente nem auditoria externa. Servem como direção de método, não como benchmark a ser copiado.
O que se copia do case é a governança. A rede testa, mede, mantém a decisão sob aprovação das áreas de negócio e só então escala. As recomendações dos modelos passam por avaliação humana antes de virar compra ou preço. Um dado de previsão que entra direto no pedido, sem essa etapa, é o caminho mais rápido para transformar erro de modelo em erro de compra.

Resultados relatados pela própria rede ao motor de abastecimento. Fonte: Grupo Carrefour Brasil (TI Inside, 30/10/2026 e 12/11/2026)
O que uma loja de um a quatro caixas calcula hoje, sem IA
Nenhuma loja pequena vai montar um time de trinta pessoas. Mas quatro das variáveis acima já existem dentro do ERP de qualquer mercado que registra venda e recebe mercadoria com nota. O caminho é medir primeiro, automatizar depois.
Cobertura em dias, item por item
O cálculo é simples: estoque disponível dividido pela venda média diária do item. Quando o resultado cai abaixo de um limiar definido por categoria, o produto entra na lista de reposição antes de faltar. Perecível não tolera o mesmo limiar de mercearia, e o número certo não vem de manual: vem do histórico da própria loja.
Seis semanas no lugar do ano passado
Repor com base na média do ano anterior funciona até a semana de promoção, quando o giro dobra e a média histórica erra para baixo. Numa loja nova, então, os primeiros meses não têm histórico nenhum. A mediana das últimas seis semanas responde melhor ao que está acontecendo agora e evita o pedido curto justamente na semana de pico.
Três motivos de falta, três responsáveis
Registrar a ruptura com o motivo separado muda a conversa interna: falta no centro de distribuição é problema de compra; falta no estoque da loja é problema de recebimento; falta na gôndola é problema de turno de reposição. Uma taxa única de ruptura mistura os três e não cobra nenhum. É a diferença entre o indicador que se comenta na reunião e o que muda a rotina de alguém.
Validade registrada no recebimento
Se a validade entra no sistema na hora em que a mercadoria é recebida, a loja consegue agir com antecedência: remarcar, mover para a ponta de gôndola ou trocar com o fornecedor. Se ela só aparece quando alguém encontra o produto vencido na prateleira, a perda já aconteceu. O impacto de estoque desalinhado com a prateleira já apareceu no post sobre margem bruta e ruptura.
Preço dinâmico: o critério precisa estar escrito
A rede também usa modelos para apoiar a formação de preço, acompanhando concorrência e ritmo de compra. Aqui o cuidado é outro. O Código de Defesa do Consumidor exige informação clara e adequada sobre o preço (art. 6º, III), e ajustar valor por estoque ou por validade é uma prática defensável — desde que o critério esteja documentado e seja reproduzível. Preço diferente por perfil de navegador, sem aviso claro ao cliente, é o terreno em que a automação deixa de ser eficiência e vira problema.
O que previsão de demanda não resolve
- Não substitui o comprador. O modelo ordena cenários; quem conhece o fornecedor e a praça decide.
- Erra na primeira Black Friday de uma loja nova, porque não há histórico próprio daquela unidade.
- Depende do cadastro. Item sem giro confiável, unidade de compra errada ou preço desatualizado produzem recomendação ruim com aparência de ciência.
- Não conserta a prateleira. Previsão acerta o pedido; se a reposição não acontece no turno certo, o produto continua faltando.
Ressalva honesta
Um case de rede com mais de mil lojas tem escala para justificar time próprio de dados, e a comparação com um mercado de bairro para por aí. O que atravessa o porte é a ordem das coisas: medir cobertura, registrar validade, separar o motivo da falta e revisar o pedido pelo giro recente. Isso não exige inteligência artificial nenhuma — exige dado de estoque limpo e alguém olhando o relatório toda semana.
O que dá para fazer hoje, sem modelo nenhum, é medir o que a loja já tem: cobertura em dias por item, validade por lote, motivo da falta e curva ABC. É exatamente esse o terreno do controle de estoque do ERP Catronis, em que a lista de compra sai do giro real, a validade entra no recebimento e a ruptura fica registrada com o motivo ao lado. Para quem trabalha com perecível pesado, o mesmo caminho aparece no sistema para hortifruti e varejão; na loja de bairro, no sistema para mercado pequeno, sobre a mesma base de estoque que alimenta o ERP para supermercado. Se for começar por um indicador só, comece pela cobertura em dias do perecível: é o único que se calcula hoje, com o dado que a loja já tem, sem contratar ninguém.
Fontes: TI Inside, 30/10/2026 (entrevista com o gerente sênior de Analytics do Grupo Carrefour Brasil), TI Inside, 12/11/2026 e SuperVarejo, panorama de IA no supermercado.
