Platform · Data layer

Sr. Fino

The question goes out on WhatsApp. The answer comes from the chain's own data.

The challenge

The operational data exists, it is consolidated, and it still does not reach the people making decisions. Between a director's question and the answer sit a report request, a queue on the BI team, and a gap usually measured in days. By the time the answer arrives, the decision has already been made on instinct — or not made at all.

What this costs

The effect is not the missing report — it is the shrinking of the question. Someone who knows each query costs two days of someone else's time stops asking, and starts asking only what they already suspect. The chain stops exploring its own data exactly where that data would answer best: comparison across locations, consumption behaviour, the effect of a menu change on the following week.

Sr. Fino puts the query in the channel the manager already lives in. The question is typed on WhatsApp, in plain language, and the answer comes from the chain's own data — the same base that feeds BI, with no export, no intermediate spreadsheet, and no queue. It works for one location and for all of them at once, which is where comparison starts to pay off.

Two real questions, and what it answered

A verbatim transcript, in the original language of the conversation. The figures are the ones the data returned.

Fino EPOC online

Analise quais produtos eu poderia vender em conjunto e montar combos promocionais? 14:49

Classificando intenção...14:49

🤖 Analisando a pergunta...14:49

🔍 Executando 1 consulta(s) no BigQuery...14:50

🛒 Minerando Regras de Associação...14:50

✍️ Escrevendo relatório final...14:50

Prezado(a), É com grande satisfação que recebo sua solicitação. Uma análise criteriosa da cesta de compras é, sem dúvida, um dos caminhos mais inteligentes para alavancar o ticket médio e a satisfação do cliente. Com base nos dados dos últimos 30 dias, preparei um resumo executivo com as principais oportunidades para a criação de combos promocionais. Analisamos as transações para entender quais produtos seus clientes compram juntos com mais frequência. A força dessa associação é medida principalmente pela métrica "Lift", que nos diz quantas vezes mais um par de itens é comprado junto do que o esperado por acaso. Um Lift acima de 1 indica uma associação positiva e relevante. Vamos aos insights. ### Resumo Executivo e Principais Oportunidades A análise revela um comportamento de consumo muito claro e algumas tendências fortes que podem ser imediatamente convertidas em ações de venda. #### *Tendência Principal: A Experiência "Menu Executivo"* A associação mais forte em todo o banco de dados é entre os itens do seu menu executivo. * *Par Identificado:* ENTRADA EXECUTIVO e SOBREMESA EXECUTIVO. * *Força da Associação (Lift):* 5.82. Este é um valor altíssimo. Significa que os clientes que compram um desses itens têm quase *6 vezes mais probabilidade* de comprar o outro em comparação com a média. * *Confiança:* A confiança de que alguém comprando a ENTRADA também levará a SOBREMESA é de 61%, e o inverso é de 65%. * *Insight:* Seus clientes já estão, por conta própria, montando o "Menu Executivo Completo". Eles veem valor em combinar a entrada e a sobremesa. Formalizar isso em um combo é uma oportunidade clara e de baixo risco. * *Ação Sugerida:* Crie o combo *"Executivo Completo"* (Entrada + Prato Principal + Sobremesa) ou um mini-combo *"Doce Final"* (Prato Principal + Sobremesa) com um pequeno desconto. A adesão tende a ser altíssima. 14:50

Fino EPOC online

Qual será o meu faturamento amanhã? 14:43

Classificando intenção...14:43

🤖 Analisando a pergunta...14:43

🔍 Executando 1 consulta(s) no BigQuery...14:44

📈 Rodando Motor Estatístico...14:44

✍️ Escrevendo relatório final...14:44

Olá! Sou o Sr. Fino, e é um prazer analisar seus dados para responder à sua pergunta. Com base na análise do seu histórico de vendas, preparei uma projeção e alguns insights valiosos para você. A previsão de faturamento para amanhã, *terça-feira (04/08/2026)*, é de: ### *R$ 181.941,92* Este valor foi calculado utilizando um modelo preditivo que considera a média de faturamento de todas as terças-feiras presentes no seu histórico recente. Essa abordagem nos permite capturar a sazonalidade semanal específica do seu negócio. Para lhe dar um contexto mais amplo, aqui estão alguns pontos de destaque da sua performance nos últimos meses: --- ### Análise Detalhada e Insights Após uma análise aprofundada do seu faturamento diário, identifiquei tendências claras que podem ser extremamente úteis para o seu planejamento estratégico. * *Um Padrão Semanal Muito Claro:* Seus dados revelam um ciclo semanal consistente e marcante. As *segundas-feiras* são, de forma recorrente, o dia de menor faturamento da semana, com valores que frequentemente ficam abaixo de R$ 90.000. A última segunda-feira, por exemplo, registrou *R$ 88.336,53*. * *Crescimento ao Longo da Semana:* Em contrapartida, o faturamento tende a ganhar força a partir de terça-feira, crescendo progressivamente e atingindo picos entre quarta e sexta-feira. O seu dia de maior faturamento no período analisado foi uma quarta-feira (24/06), com impressionantes *R$ 396.447,68*. * *Visão Geral do Período:* * *Média Diária:* A média de faturamento diário nos últimos 50 dias foi de aproximadamente *R$ 211.600*. A previsão para amanhã está um pouco abaixo dessa média geral, o que é consistente com o padrão de recuperação 14:44

The screenshot ends here — the report continues on the device.

Layer 03

Ecosystem and data

It sits in the data layer, alongside Data Lake and Analytics: it consumes what the operation has already recorded, instead of asking someone to prepare an extract first.

What this delivers

Querying the operation's data

A question typed on WhatsApp, an answer drawn from the chain's data.

For one store or all of them at once

The same question answers per location or for the whole set — this is where comparing venues stops requiring a spreadsheet.

Revenue forecasting

A projection drawn from the operation's own history, not from a market average.

Clustering of customers and consumption

Grouping by consumption behaviour, to understand who buys what before deciding on menu, pricing, or campaigns.

In the channel the operation already uses

No new app to install, no new password, and no tool training: the people running the operation already know how to use WhatsApp.

Market basket analysis

It finds what customers buy together and suggests combos, measuring the strength of each association — the kind of reading that normally takes an analyst.

Conversation with

Data Lake
EPOC Analytics
Multi-store ERP

Where it applies

Frequently asked questions

What data does Sr. Fino answer from?

From the chain's own operational data — the same data that feeds Analytics and Data Lake. It is not a generic assistant with market knowledge: it queries what the client's own locations recorded.

Do I need to install anything?

No. The conversation happens on WhatsApp, which the operation already uses. There is no new application, and therefore no tool-training cycle.

Can I ask about the whole chain?

Yes. The query answers both for a single location and for the set of stores, which is the case where comparing venues actually matters.

Does Sr. Fino replace BI?

No, and that is not the intent. BI remains where deep analysis happens, with Looker Enterprise over the base. Sr. Fino handles the day-to-day question — the one that never justified opening a ticket.

Talk to a specialist

Your operation has grown. Is your technology ready?

How many locations, what stack is already running, what needs to be integrated, and what the rollout would look like.

Talk about my operation See real cases