O Martins, um dos maiores atacadistas e distribuidores do Brasil, buscava transformar seu volume de dados em decisões comerciais mais assertivas. Em parceria com a dti digital e a Databricks, a empresa construiu um motor de recomendações que hoje orienta a venda para 60 mil clientes. Como resultado, gerou R$15 milhões em receita adicional e um aumento de 7% na conversão de produtos recomendados.

Atuando em todas as regiões do país, o Martins atende pequenos empreendedores com soluções que vão de redes de varejo e e-commerce a proteção de ativos. Também oferece soluções financeiras e universidade corporativa.

O Martins acumulava informações valiosas sobre o comportamento de compra de seus clientes. Porém, essas informações estavam distribuídas entre sistemas diferentes e dependiam de análises manuais para orientar decisões comerciais.

O resultado era um cenário comum a operações desse porte. Havia um grande volume de dados disponível, mas ainda distante da velocidade necessária para orientar decisões na ponta. Recomendar o produto certo, para o cliente certo, no momento certo, ainda dependia da experiência de cada vendedor. Faltava uma estratégia orientada por dados.

Foi a partir desse cenário que o Martins avançou para uma nova etapa de sua estratégia de dados. Com a dti digital e a Databricks, a empresa estruturou um motor de recomendações capaz de transformar histórico de compras, cadastro de clientes e catálogo de produtos em sugestões personalizadas. Essas sugestões são atualizadas continuamente e ficam disponíveis tanto para os times internos quanto para os próprios clientes, direto no aplicativo.

Na prática, essa transformação teve início a partir de um recorte inicial de dados e evoluiu para uma base de dados completa e organizada. Essa base passou a sustentar decisões em tempo real e abriu espaço para novas iniciativas de inteligência artificial. Essa evolução veio da arquitetura construída sobre o Azure Databricks, unindo Delta Lake e Spark para processar grandes volumes de dados com confiabilidade. Além disso, o MLflow gerencia o ciclo de vida dos modelos de machine learning, do treinamento à atualização automática. As recomendações chegam em produção pelo Model Serving.

Assim, a recomendação exibida hoje reflete o comportamento mais recente de cada cliente, sem depender de intervenção manual. Essa mesma base de dados também passou a alimentar dashboards de acompanhamento. Assim, os gestores do Martins monitoram os resultados das recomendações e identificam novas oportunidades comerciais com mais agilidade.

O alinhamento contínuo entre a dti digital e as equipes do Martins foi determinante para o resultado. As áreas de vendas digitais e marketing se envolveram nos testes e na validação de hipóteses, evitando iniciativas isoladas e consolidando uma cultura orientada a dados.

O motor de recomendações colocou estes números no centro da operação do Martins:

• R$15 milhões em receita adicional, gerados pelas recomendações personalizadas.
• 60 mil clientes passaram a receber recomendações de produtos personalizadas.
• 7% de conversão nos produtos recomendados, validada por testes A/B.

A mudança também trouxe ganhos que não aparecem de forma explícita nos números, mas têm impacto direto na operação: processos antes manuais foram automatizados, liberando a equipe de vendas para estratégias de maior valor. Novos representantes foram capacitados com recomendações assertivas desde o início da atuação, e a mesma base de dados passou a viabilizar precificação dinâmica e a otimizar a liberação de crédito para os clientes.

O case do Martins mostra o que uma arquitetura de dados bem estruturada no Databricks viabiliza além do resultado imediato de um projeto. Ao consolidar dados de vendas, clientes e produtos em uma base única e confiável, o Martins deixou de depender de iniciativas pontuais de personalização. Passou, então, a contar com uma plataforma capaz de sustentar novas frentes de personalização e vendas. Essa mesma agilidade e confiabilidade geraram os resultados deste motor de recomendações.