Por que os dados são importantes para a previsão de tendências? Leia a entrevista com o cientista de dados da WGSN, Jack Shipway, onde ele explica o que é a previsão de tendências no contexto da moda.
P: Explique sua função na WGSN.
JS: Nunca dominei a arte de dizer para as pessoas o que eu faço. Em um churrasco recentemente, recebi olhares de descrença quando disse “modelagem de moda”, embora tenham começado a prestar atenção quando mencionei previsão de tendências. Meu papel na WGSN é embasar previsões qualitativas com evidências derivadas de dados, garantindo que nossos clientes tomem decisões com respaldo em fatos, não em opiniões.
P: O que é uma previsão?
JS: Previsões são nossas expectativas em relação a eventos que ainda estão por acontecer, e nossas tentativas de descrever a probabilidade de acontecerem. Em um mundo de incertezas, tendemos a não falar em termos absolutos; em vez disso, trabalhamos com probabilidades.
Nós, como seres humanos, temos feito previsões há milênios, mas hoje nos preocupamos com perguntas como 'Vai chover na segunda-feira?', 'O FTSE atingirá um recorde este mês?', 'Mais pessoas usarão tênis brancos no próximo churrasco?' Prever esses eventos com precisão pode ter um impacto enorme.
P: Como é definida uma tendência?
JS: O tema das nossas previsões são as tendências. Para esclarecer, nem tudo é tendência (algo que demonstra uma mudança repentina em sua popularidade). Se focarmos na moda, qualquer coisa que vestirmos pode ser tendência: jeans, camisetas, sandálias. A maioria dos itens também pode ser dividida em estilos: jeans boyfriend, skinny ou descontraído.
Por outro lado, os itens podem ser combinados para formar grupos maiores chamados categorias: calças, blusas, calçados. Essa hierarquia define a taxonomia da WGSN e serve de mapa para as nossas previsões. Cada estilo e categoria podem ser descritos por cor, tecido, comprimento, estampas, padronagens, adornos – os chamados atributos, que podem, em teoria, ser aplicados a qualquer item da taxonomia.
Assim como acontece com o mercado de ações, estilos, categorias e atributos estão em constante estado de fluxo e as maneiras pelas quais eles interagem são fascinantes e complexas. Tendências entram e saem de moda, enquanto novos produtos lutam por uma parcela mercado. Esses são os elementos-chave do que monitoramos e prevemos na WGSN.
P: Como é a previsão de tendências na WGSN?
JS: Nosso trabalho na equipe de Data Science é descobrir os sinais por trás do ruído e contextualizar os dados com conhecimento especializado do setor para ajudar os compradores e comerciantes de moda a quantificar as tendências futuras. Qual é o meu mix de sortimento ideal, quão profundamente devo investir e quando e o que meus concorrentes estão fazendo?
P: Por que isso é relevante?
JS: Os varejistas tomam decisões meses (ou até mesmo anos) antes dos produtos chegarem às prateleiras. Os erros podem trazer prejuízos e sair caro, especialmente com o atual foco na sustentabilidade. Saber quando uma tendência vai atingir seu pico, evitando a superprodução de estoque, é tão importante quanto saber ela vai crescer.
O problema é que, sem dados, teremos apenas um palpite. Uma em cada três pessoas está usando tênis branco no churrasco – isso é um número alto? É verão e não está chovendo, por que não estamos usando sandálias? Elas eram populares no verão passado, não eram? A sustentabilidade é um foco chave para o consumidor; portanto, será que mais pessoas estarão usando sandálias no próximo churrasco? Precisamos de algo mais rigoroso para respaldar nossa intuição, e é aí que entram os dados da WGSN.
P: Que dados nós temos?
JS: Muitos! Cinco anos de dados proprietários de estoques. Fazemos um rastreamento diário de 400 milhões de SKUs em mais de 10.000 marcas e 300 varejistas, e isso é embasado pela taxonomia fornecida pelos nossos especialistas, que nos permite definir as principais métricas de desempenho de varejo (lançamentos, produtos esgotados, descontos) para qualquer tendência. Além disso, monitoramos as redes sociais, milhões de imagens taggeadas de desfiles, sentimento do consumidor e dados sobre buscas no navegador – temos uma seleção de dados bastante abrangente.
Movimentos e altas de curto prazo, eventos e datas importantes, mudanças sazonais e trajetórias de longo prazo formam a base das nossas previsões por temporada, onde algoritmos de última geração de machine learning extraem dos nossos dados padrões estatísticos e os projetam no futuro. Nossa abordagem de análise contínua permite que façamos pequenos ajustes para refinar ainda mais nossas previsões – e é essa abordagem única de ampliar os dados proprietários com nossa experiência no setor que torna a WGSN a autoridade líder em tendências do mundo.
Então, como você pode ver, os dados desempenham um papel fundamental na previsão de tendências e, à medida que nossas ferramentas se tornam cada vez mais sofisticadas, esse papel só tende a aumentar. Quanto a mim, estou ficando melhor em explicar o que faço... mas ainda não estou na moda.