Software & automação · estudo de caso
Motokão Pedidos
Reposição de estoque, comparação entre marcas e exportação de pedidos em um fluxo que cabe na rotina.
Visão geral
A Motokão reúne uma oficina de motocicletas de baixa e média cilindrada, uma loja física e vendas online no interior de São Paulo. Este sistema foi desenvolvido para transformar uma parte crítica da operação em um fluxo mais claro, previsível e rápido.
O desafio
As compras eram feitas aproximadamente uma vez por mês. Durante o dia, meu pai precisava cuidar das demandas ativas da oficina e da loja; à noite, ainda precisava revisar vendas, conferir o estoque, comparar produtos de diferentes marcas e montar os pedidos manualmente.
Esse processo podia ocupar vários dias e avançar até 23h ou meia-noite. Além do tempo, havia o risco de pedir uma peça que já estava coberta por outra marca equivalente ou de perder uma oportunidade por causa de uma conferência manual cansativa.
A solução
Criei o Motokão Pedidos, um aplicativo desktop para Windows que lê o histórico de vendas e os arquivos dos fornecedores, calcula uma sugestão de reposição e deixa a decisão final com a pessoa responsável pela compra.
O sistema funciona offline, mantém o histórico dos pedidos e organiza a revisão antes da exportação. A automação reduz o trabalho operacional sem esconder as exceções que ainda precisam de conferência humana.
Projeção de reposição
O usuário informa o período que deseja analisar e quantos dias de cobertura pretende manter. A aplicação transforma esses parâmetros em uma sugestão por SKU:
| Cálculo | Como funciona |
|---|---|
| Média diária | Vendas no período ÷ dias analisados |
| Estoque-alvo | Média diária × dias de cobertura |
| Quantidade sugerida | Estoque-alvo − saldo atual, arredondado para cima e nunca abaixo de zero |
O resultado também recebe uma prioridade conforme a cobertura atual do estoque. Assim, a equipe consegue começar pelos itens mais urgentes, sem precisar montar essa leitura manualmente.
Comparação entre marcas
Nem sempre a Motokão compra de uma única marca. Muitas vezes, os nomes dos produtos são praticamente iguais e só a marca muda no final da descrição. Por isso, o sistema normaliza os nomes, remove diferenças de acentuação e separadores e compara tokens, números, texto e proporção de palavras em comum.
Quando a similaridade ultrapassa o limiar configurado, o sistema apresenta os produtos lado a lado. A pessoa pode perceber, por exemplo, que já existem cinco unidades de uma marca enquanto o pedido sugere cinco unidades de outra marca equivalente. A decisão continua sendo humana, mas a comparação deixa de depender de uma busca manual produto por produto.
Do SKU ao pedido do fornecedor
Depois da revisão, o sistema cruza o SKU normalizado com o código interno do fornecedor. O usuário escolhe a planilha, a aba, a linha de cabeçalho e as colunas que representam o código e a quantidade. Cada fornecedor pode ter um layout diferente — por exemplo, código na coluna A e quantidade desejada na coluna D.
Com um clique, a quantidade sugerida é escrita diretamente na cópia da planilha do fornecedor. O arquivo exportado preserva o formato de trabalho e pode trazer abas auxiliares para itens não encontrados, diagnóstico do preenchimento, produtos sem sugestão e casos que exigem conferência manual.
O fluxo aceita arquivos XLSX, XLS e CSV, faz o matching por SKU e registra o histórico dos pedidos. Também existe uma automação opcional do Bling para cenários em que a operação precisa buscar dados diretamente no sistema.
Resultado
O que antes podia consumir dias de conferência e muitas horas de trabalho noturno passou a caber em cerca de 30 minutos, segundo a experiência da operação. O ganho não está apenas na velocidade: a equipe passou a enxergar o motivo de cada sugestão, revisar situações de marcas equivalentes e exportar o pedido já no formato esperado pelo fornecedor.
Impacto na rotina
projeção de compra baseada em vendas reais e cobertura desejada;
priorização dos itens com menor cobertura de estoque;
comparação massiva de produtos similares entre marcas;
exportação direta para diferentes modelos de planilha;
revisão humana preservada nos casos ambíguos;
menos trabalho repetitivo no fechamento mensal dos pedidos.
Papel e tecnologia
Desenvolvi a solução majoritariamente em Python, desde a modelagem do fluxo até os serviços de cálculo, similaridade, importação, matching e exportação. A interface desktop foi construída com PySide6; os dados locais usam SQLite; pandas, openpyxl e python-calamine cuidam das planilhas; Playwright apoia a automação opcional; pytest cobre os comportamentos mais importantes e PyInstaller empacota o aplicativo para Windows.
Aprendizados
Este projeto nasceu de uma necessidade concreta da própria família, mas a lição é ampla: uma boa automação não começa pela ferramenta. Ela começa observando onde a rotina perde tempo, quais decisões se repetem e onde uma exceção precisa continuar visível.
No Motokão Pedidos, o valor apareceu quando cálculo, comparação e exportação passaram a conversar no mesmo fluxo — com transparência suficiente para que a pessoa responsável ainda pudesse revisar e confiar no resultado.