Onde há mais espaço para um novo supermercado em São Paulo, Rio e Belo Horizonte — e como uma escolha do método pode mudar tudo

Reinaldo Gregori — fundador e CEO da Cognatis

É isso que este artigo faz. Adotamos uma premissa sabidamente incompleta: a de que o potencial para uma nova loja está associado somente à renda do bairro, à sua população e à quantidade de lojas já instaladas. São três dimensões, alguns pesos atribuídos por julgamento, um índice e 809 bairros de São Paulo, Rio de Janeiro e Belo Horizonte.

Isso produz um ranking bem convincente por cidade. Mas o ranking, em si, não é o principal assunto aqui.

O assunto é o que descobrimos ao mexer nas premissas básicas — quanto cada um dos três fatores pesa na conta. Uma escolha que parece detalhe técnico, que raramente é publicada junto com resultados desse tipo, e que troca o primeiro colocado de lugar. E que serve de lembrete: antes de acreditar em qualquer ranking bacana publicado por aí, é fundamental entender o que está por trás.

O exercício

Três medidas por bairro:

As três estão em unidades diferentes e não podem ser somadas assim. Para colocá-las na mesma régua, cada valor foi convertido em uma medida de distância para a média da própria cidade. Um bairro paulistano com renda bem acima da média paulistana e outro com população bem acima da média paulistana recebem números comparáveis nessa escala, cada um na sua dimensão.

Depois disso, as três entram numa conta única. E aqui aparece a decisão que interessa: cada uma entra multiplicada por um peso.

Começamos assim:

Renda e saturação pesando o dobro da população. Saturação entra negativa — quanto mais lojas por habitante, menos espaço. A escolha tem uma justificativa razoável: renda e concorrência dizem mais sobre a viabilidade de uma loja do que o tamanho bruto da população. Razoável, mas arbitrária.

Renda e população são estimadas por setor censitário, o menor recorte territorial do IBGE, com algumas centenas de domicílios cada. Bairro é um agrupamento de setores, e foi assim que chegamos ao bairro: somando os setores que o compõem. Ficaram de fora bairros com menos de mil habitantes ou sem renda apurada.

O ponto de partida das três cidades

O Rio tem 13.328 habitantes para cada supermercado registrado, quase o triplo de São Paulo. O número conta empresas registradas, não área de venda — indica uma estrutura de varejo alimentar com lojas maiores e menos numerosas, não necessariamente menos oferta.

Os dez primeiros de cada cidade

A conversão para distância da média é feita dentro de cada cidade. Os rankings ordenam bairros da mesma cidade e não permitem comparar um bairro carioca com um paulistano.

São Paulo

Rio de Janeiro

Belo Horizonte

O primeiro colocado de Belo Horizonte é provavelmente um erro, e está aí de propósito. Senhor dos Passos aparece com renda familiar média estimada de R$ 67.156 para 2.598 habitantes, muito acima de qualquer outro bairro da cidade. Preferimos mantê-lo e apontar o problema a removê-lo em silêncio: valores atípicos existem em qualquer base estimada, e quem lê precisa saber disso.

Agora a parte que interessa

Até aqui, um ranking comum. Se este artigo terminasse na tabela acima, ele diria que o melhor bairro de São Paulo para um supermercado é Vila Nova Conceição — renda média de R$ 29.589 e um único supermercado registrado para 9.183 moradores.

Vamos mexer em uma coisa só. Em vez de renda e saturação pesando 2 e população pesando 1, os três passam a pesar 1. Nenhuma variável nova, nenhum dado diferente, nenhuma mudança de recorte. Só os pesos.

Cocaia sai da terceira posição para a primeira. Cidade Tiradentes salta da décima para a segunda. Vila Nova Conceição, primeira colocada, cai para terceiro; Jardim Lusitânia, segunda, cai para sexto.

E a inversão é mais profunda do que a tabela mostra, porque aqui estamos apenas reordenando os dez bairros que já apareciam. Recalculando as 304 posições de São Paulo, outros bairros populosos de renda baixa que sequer figuravam entrariam no topo. O primeiro ranking é uma lista de bairros de alta renda com uma exceção; o segundo é uma lista de bairros populosos de baixa renda com uma exceção.

Não são duas versões do mesmo retrato. São dois retratos opostos, saídos exatamente dos mesmos dados.

Por que os dois estão certos

A explicação é simples e desconfortável.

Cocaia tem renda familiar média de R$ 3.479 — quase um décimo da de Vila Nova Conceição — e 237 mil habitantes. Vila Nova Conceição tem renda oito vezes maior e 9 mil moradores. Quando renda pesa o dobro, o bairro rico vence. Quando população entra em pé de igualdade, o bairro populoso vence.

Cada resultado corresponde a uma estratégia. Uma operação que ganha por volume, giro e preço baixo procura o segundo ranking. Uma que ganha por margem, sortimento e conveniência procura o primeiro. São formatos de loja diferentes, mix diferente, política de preço diferente — e são, na prática, empresas diferentes disputando o mesmo mapa.

O que isso significa na leitura de qualquer ranking territorial: o peso de cada fator é uma das inúmeras decisões de negócio disfarçadas em detalhe técnico. Quando um ranking circula sem os pesos à mostra, o que está sendo apresentado como resultado dos dados é, em boa medida, a estratégia de quem fez a conta.

As outras decisões silenciosas

O peso é a mais visível, uma vez apontada. Há outras neste mesmo exercício, cada uma com efeito sobre o resultado.

O recorte territorial. Usamos bairro, que é uma divisão administrativa, não comercial. Quem decide onde abrir trabalha com área de influência — o território de onde os clientes efetivamente vêm, desenhado por tempo de deslocamento, e que atravessa limites de bairro sem cerimônia. Uma loja na divisa atende dois ou três bairros; um bairro grande pode conter várias áreas de influência que não conversam entre si. No Rio, Lagoa lidera sem nenhum supermercado dentro do bairro — mas seus moradores compram a cinco minutos dali. O recorte por bairro não enxerga isso.

O piso de população. Excluímos bairros com menos de mil habitantes. Com saturação pesando −2, um bairro sem nenhuma loja recebe o bônus máximo nessa parcela, e bairros pequenos e vazios sobem por construção. Joá, com 1.076 moradores, e São Bento, com 3.051, estão no top 10 em parte por isso. Um piso de cinco mil habitantes mudaria as duas listas.

A escolha do indicador de concorrência. Contamos CNPJ ativo no segmento. Matriz e filial são registros separados; um hipermercado de dez mil metros e um minimercado de duzentos contam igual; existe CNPJ ativo sem operação. E a disputa real inclui atacarejo, mercado de bairro, hortifrúti, padaria com autosserviço e compra pela internet — nada disso entrou.

A régua por cidade. As distâncias são calculadas dentro de cada cidade, o que impede comparar um bairro de Belo Horizonte com um de São Paulo. Uma régua nacional produziria outro resultado e outras distorções.

O que ficou de fora inteiramente. Custo e disponibilidade de imóvel, fluxo de passagem, acesso viário, estacionamento, zoneamento, transporte público, população que trabalha no bairro sem morar nele, sazonalidade. E, sobretudo, o desempenho das lojas que a rede já opera.

A natureza dos dados. Com exceção dos dados populacionais básicos do IBGE por área, os valores usados são estimados por modelagem, inclusive em anos de censo. Os números de 2025 são projeções.

O que um modelo preditivo faria de diferente, e por que é o caminho indicado

O problema central do exercício não é usar poucas variáveis. É que os pesos foram escolhidos arbitrariamente — nosso julgamento, sobre um setor genérico, sem nenhuma evidência de que renda realmente importe o dobro de população para a operação de alguém.

Um estudo de localização profissional inverte isso. Em vez de arbitrar os pesos, ele os estima a partir do que já aconteceu: o desempenho real das lojas existentes da rede. Com faturamento por loja, perfil do entorno de cada uma e histórico de maturação, é possível treinar um modelo que descobre quais características do território de fato explicam a receita daquela empresa, naquele formato, com aquele posicionamento.

O resultado deixa de ser um ranking genérico e passa a ser uma previsão calibrada para uma rede específica. Duas redes de supermercado na mesma cidade recebem recomendações diferentes — como deve ser, porque atendem públicos e operam modelos diferentes.

A esse modelo se somam as camadas que este exercício não tem: área de influência desenhada por deslocamento real, concorrência completa e não apenas do segmento, fluxo, imóvel, acesso.

É nesse ponto que o exercício cumpre seu papel. Ele reduz 809 bairros a algumas dezenas que merecem ser olhados de perto, e — mais importante — deixa explícito que a parte difícil não é obter os dados. É decidir o que fazer com eles.

Mais uma curiosidade que muda muita coisa

Essa pequena análise foi feita com a ajuda de uma IA, usando o novo MCP GeoPop da Cognatis. Não passou por um analista de geoprocessamento, por um script de banco de dados ou por uma ferramenta de BI. Foi produzida em uma conversa. Um agente de inteligência artificial conectado ao MCP GeoPop recebeu a pergunta em português, encontrou as variáveis, somou os setores censitários por bairro e devolveu os rankings — inclusive a versão com pesos alterados, que custou uma frase.

MCP é o padrão que permite a um modelo de linguagem operar um sistema externo com segurança. O MCP GeoPop dá ao modelo duas coisas que ele não teria sozinho.

A primeira é acesso a dados verificáveis. Sem uma base curada por trás, um modelo de linguagem responde a qualquer pergunta sobre renda de bairro — e os números vêm do treinamento, de alguma fonte solta na internet ou de uma estimativa dele próprio, sem como conferir. Com o MCP, cada número carrega o identificador da variável que o gerou e o caminho pelo qual foi somado.

A segunda é a capacidade de calcular sobre o território. Há perguntas cuja resposta não existe em lugar nenhum para ser consultada. “Qual o perfil de renda e população no raio de um quilômetro de cada uma das minhas quarenta lojas” exige cruzar os pontos com os setores que caem dentro do raio, ponderar pela área de sobreposição e somar. É cálculo, não consulta. Sem a ferramenta que executa isso, o modelo responde do mesmo jeito — e aí inventa.

Vale o registro honesto: o agente não trabalhou sozinho. Errou o nível territorial, escolheu uma variável municipal onde era preciso uma de setor censitário e teve de ser corrigido sobre os pesos. Você ainda precisa pilotar, para garantir que o trem não saia do trilho. Mas o ganho de produtividade é enorme quando se pode garantir que o resultado da análise, qualquer que seja ele, vem de um ecossistema de dados como o GeoPop — o maior do segmento na América Latina.

O MCP GeoPop está em testes em clientes, com lançamento previsto para outubro de 2026.

Ficha técnica

Reinaldo Gregori é fundador e CEO da Cognatis, empresa de
geomarketing e demografia de negócios com mais de vinte anos de atuação no Brasil e na
América Latina. É doutor em demografia pela Universidade da Califórnia em Berkeley e
mestre em economia pela Georgetown University.