A Chewy substituiu o reabastecimento por tentativa e erro por modelos que se ajustam a dados não confiáveis.

O reabastecimento parece simples: comprar o suficiente de cada produto para que as prateleiras não fiquem vazias. Na Chewy, isso significa coordenar mais de 100.000 SKUs em mais de 20 centros de distribuição, comprando de milhares de fornecedores e executando mais de meio milhão de pedidos de clientes por dia, com demanda flutuante, desempenho inconsistente dos fornecedores e restrições que mudam.

A tentação é confiar nos dados e aplicar regras de negócio. Mas os dados não são confiáveis e as decisões são profundamente interligadas: o que você pede em um centro depende do que você mantém e de onde o coloca. A Chewy construiu um conjunto de modelos orientado por ciência em uma plataforma de engenharia personalizada, apoiado por monitoramento analítico contínuo.

O sistema corrige dados não confiáveis, considera a incerteza de suprimento e respeita as restrições dos fornecedores ao decidir pedidos de compra, estoque de segurança e posicionamento de inventário. Este é o movimento-chave: em vez de negar a bagunça, os modelos a absorvem e a corrigem antes de otimizar.

Verificada por meio de análise causal, a solução melhorou o posicionamento de inventário, reduziu remessas fracionadas e encurtou distâncias de envio, gerando impacto financeiro em um negócio de margens apertadas. Isso tornou a Chewy finalista do Prêmio Franz Edelman de 2026.

Construir modelos que corrigem dados ruins e, em seguida, otimizar.

Corrigir dados ruins na origem é melhor do que otimizar uma decisão construída sobre ruído.

Escolhas de reabastecimento interligadas não podem ser resolvidas um armazém de cada vez.

Menos remessas fracionadas e distâncias mais curtas reduzem custos em uma categoria de margens apertadas.

O monitoramento contínuo mantém os modelos honestos à medida que as condições mudam.

Quando os dados de entrada não são confiáveis, dedique esforço para tornar o modelo robusto a eles antes de tentar otimizar a decisão em cima disso.

A plataforma de reabastecimento da Chewy foi selecionada como finalista do Prêmio Franz Edelman de 2026, e o caso mostrou como um conjunto de modelos em tempo real e tolerante a erros pôde ser construído na escala do comércio eletrônico. O resultado — melhor posicionamento de inventário com menos remessas fracionadas e distâncias mais curtas — é o tipo de ganho estrutural e recorrente que importa em uma categoria com margens muito pequenas.