Análise de Atrasos de Entregas da Amazon

1. Problema de Negócio

A empresa enfrentava um crescimento no número de entregas realizadas fora do prazo, gerando insatisfação dos clientes, aumento de reclamações e risco de perda de confiança na marca.

O principal desafio era compreender por que os atrasos ocorriam, onde se concentravam e como transformar dados operacionais em informações que apoiassem decisões práticas para redução da taxa de atraso.

2. Contexto Operacional

A operação de entregas envolve múltiplas variáveis que impactam diretamente o prazo, como condições climáticas, tráfego, tipo de veículo, área de entrega, perfil do entregador e categoria do produto.

Apesar da existência de uma base histórica de dados, essas informações não eram exploradas de forma analítica, limitando o uso estratégico dos dados na gestão logística.

3. Premissas da Análise

• O status de entrega (Delivery_Status) é considerado a fonte oficial para identificar atrasos (delay) e entregas no prazo (ontime).
• O tempo de entrega (Delivery_Time) está representado em minutos.
• As análises foram feitas com foco em identificação de padrões, não em causalidade estatística.
• O período analisado representa uma amostra válida do comportamento operacional recente da empresa.

4. Abordagem Analítica

1. Compreensão do problema de negócio: Identificar claramente o que significa atraso e por que ele é prejudicial para a empresa.
2. Exploração e organização dos dados: Compreensão das colunas, tipos de dados e possíveis inconsistências.
3. Análise descritiva das entregas: Cálculo de métricas como quantidade de entregas, taxa de atraso e estatísticas de tempo de entrega.
4. Segmentação dos atrasos: Avaliação dos atrasos por diferentes dimensões: tempo, área, clima, tráfego, veículo, categoria de produto.
5. Visualização dos dados: Criação de gráficos claros para facilitar a interpretação dos resultados e comunicação com o negócio.

5. Principais Insights

• O tempo médio de entrega é de 125 min (2h), com desvio-padrão de 52 min. A entrega mais rápida ocorreu em 10 min e a mais lenta em 270 min (4,5h).
• A área Semi-Urbana apresentou mais atrasos do que entregas no prazo.

  

• A maior porcentagem de atrasos ocorre na região "Metropolitian".

  

• Os atrasos aumentam em dias nublados e com neblina, e diminuem em dias de sol.

  

• A maior porcentagem de atrasos aconteceram com entregas para a área “Semi-Urban” realizadas por motocicletas.

  

• Tráfego intenso concentrou o maior volume de atrasos.
• Entregadores acima de 30 anos apresentaram maior incidência de atraso.
• As entregas estão distribuídas uniformemente entre as categorias, exceto a categoria outros que representa 43% das entregas.

  

• As menores avaliações por área são: Urban (Scooter: 4,27), Semi-Urban (Motocycle: 4,47), Other (Scooter: 4,3), Metropolitian (Scooter: 4,29).

  

6. Resultados e Impacto

O projeto gerou uma base analítica sólida para priorização de ações corretivas, oferecendo um diagnóstico visual claro dos pontos críticos da operação logística.

As análises permitiram orientar decisões sobre veículos, áreas de entrega e gestão operacional. Como resultado, as iniciativas sugeridas são:

• Aprofundar o entendimento do motivo pelo qual a área “Semi-Urban” tem os maiores volumes de atraso.
• Mudar o tipo de veículo de entrega para a área “Semi-Urban”.
• Diagnóstico visual dos pontos mais críticos da operação.
• Base analítica para priorizar ações corretivas.

7. Próximos Passos

• Criação de planos de ação específicos para áreas e veículos críticos.
• Monitoramento contínuo da taxa de atraso por meio de dashboards.
• Avaliação de treinamentos e ajustes operacionais.
• Integração futura de análises preditivas.