A previsão do preço ideal de um produto é uma parte essencial de qualquer estratégia de vendas de produtos. Mas muitas vezes pode ser uma tarefa assustadora, especialmente quando há centenas de produtos para avaliar juntamente com dados críticos, como históricos de compras de clientes, históricos de produtos, tendências do setor e taxas de inflação. Além da complexidade, muitas vezes esses dados estão incompletos ou mudam rapidamente.
Os vendedores e parceiros de negócios da IBM enfrentaram desafios para estimar os preços ideais para os produtos que estavam vendendo. Devido ao acesso limitado a dados históricos críticos sobre vendas de produtos, tendências do setor e histórico de negociações, eles tiveram que confiar esmagadoramente em experiências pessoais com avaliações manuais demoradas, não escaláveis ao tomar decisões de preços para milhares de clientes e centenas de produtos. Essa avaliação manual também levou a processos de aprovação muito demorados, afetando sua capacidade de fechar negócios de forma eficaz, dentro do prazo e com um alto grau de confiança.
Além disso, era difícil para os vendedores integrar dados de vendas e de produtos com dados de sistemas de terceiros e legados. As variações nos dados de tendências geográficas, comerciais e de mercado também afetaram a precisão de suas previsões. Isso dificultou para a IBM competir com empresas com ofertas em menor número, mas semelhantes, e tempos de aprovação mais rápidos no mercado.