Como a LIQUIDZ trocou 40 horas semanais de planilha por dado pronto na segunda às 7h.

Contexto

A LIQUIDZ é uma das maiores operações de e-commerce de bebidas do Brasil. Catálogo extenso, várias unidades de venda, vários canais — marketplace, varejo direto, B2B. Em escala, isso significa milhares de transações por dia, cada uma com SKU específico, custo, margem, giro, sazonalidade. Os dados estão lá, no BigQuery. O problema é o que se faz com eles.

A equipe de PMO e dados da LIQUIDZ tinha um ritmo conhecido por qualquer operação de e-commerce que já cresceu mais rápido do que sua estrutura analítica: planilhas. Sábado de manhã, alguém ligava o computador, abria várias abas, puxava dados de várias fontes, copiava, colava, conferia, formatava, enviava. Domingo, ajustes finais. Segunda à tarde, o relatório semanal estava pronto — e com ele, as decisões da semana anterior já tinham passado.

Quando a operação cresce, isso vira um custo invisível enorme. Não é só o tempo da equipe consumido — é o tempo de decisão atrasado. Comprador que precisa decidir reposição, marketing que precisa avaliar campanha, gerente de loja que precisa ajustar mix — todos esperando o relatório de uma equipe sobrecarregada.

O desafio

Thomas, PMO da LIQUIDZ, formulou o problema da forma certa logo no diagnóstico: "Não preciso de um BI mais bonito. Preciso de dado que chega no meu e-mail na hora que eu vou tomar a decisão."

Isso muda completamente o escopo. Não é construir um dashboard que alguém precisa abrir. É construir uma operação de dados que opera sozinha, entrega no canal certo, no horário certo, com o nível de informação certo. E que aceita pergunta em linguagem natural quando alguém precisa cavar mais fundo.

A solução

A NexUnio construiu uma arquitetura de BI conversacional integrada ao BigQuery, com três frentes de entrega:

A primeira é o agente conversacional via WhatsApp. Qualquer pessoa do time pode mandar uma pergunta — "como tá o giro do SKU X esta semana?", "qual a performance da marca Y nas lojas do Sul?" — e receber resposta com número, gráfico, comparativo. O agente foi treinado com o vocabulário da LIQUIDZ: nomes de marcas, categorias internas, formato de data preferido, métricas que importam para cada papel. Por trás do agente, uma arquitetura multi-agente: um orquestrador identifica a intenção, sub-agentes especializados consultam o BigQuery, validam o resultado e devolvem em linguagem natural.

A segunda é a suíte de relatórios automáticos. Quatro relatórios fixos rodam sozinhos: relatório diário às 7h com vendas e alertas; scorecard semanal sábado às 10h; marketplace semanal com take rate e devoluções; varejo semanal com mix por categoria.

A terceira é a camada de alertas. Quando algum indicador sai do esperado — giro caindo, margem despencando, SKU campeão fora de estoque — o sistema avisa direto no WhatsApp dos responsáveis, com o problema descrito e contexto pra decisão.

Os resultados

• 40 horas semanais de planilha viraram 2 horas de análise. A equipe que antes operava planilha agora interpreta resultado e sugere ação. Trabalho operacional virou trabalho estratégico.
• Relatório de segunda-feira chega pronto às 7h, todo dia. Decisão da semana é tomada na segunda de manhã, não na quinta à tarde.
• 100% automático desde 2025. Não houve recaída. O sistema rodou no Natal, no Carnaval, no feriadão de 7 de Setembro. Equipe não precisou ligar.

O que isso destrava

Liberdade de horário aqui significa decisão de negócio antes do problema escalar. Quando o relatório chega na quinta à tarde, o problema da semana já é problema da semana atual também — você só vai conseguir agir na próxima. Quando o relatório chega na segunda às 7h, o problema da semana anterior é resolvível na segunda à tarde. Em e-commerce, onde a margem é apertada e o ciclo é rápido, isso é dinheiro real.

A LIQUIDZ comprou tempo de decisão. Comprou também independência operacional — o relatório não depende de ninguém estar disposto a sacrificar o sábado.