Case rede 90 lojas Toolbox PNL produção padrões aprendidos

por Lorenzo Lopez Head of Content, Visio 21 de mai. de 2026

Case rede 90 lojas Toolbox PNL produção padrões aprendidos

Uma rede de franquias multi-marca com 90 lojas opera a Visio PNL em produção desde abril de 2026 e gerou cinco padrões observáveis no onboarding e na operação contínua. Este case descreve o que aconteceu, em que ordem, com que tempo, e o que isso ensina sobre Toolboxes DRE store-scoped em redes multi-loja.

1. O que este case cobre

Esta análise descreve a operação de uma rede com ~90 lojas em produção desde 2026 com Visio PNL, conectadas via Open Finance BACEN em abril de 2026 e operando como rede de referência da Toolbox PNL operando em escala no Brasil. O escopo cobre Bank Connection, Transaction Classifier, DRE Config grupo de lojas, Statement Adjustment e Manual Expense Entry, todos store-scoped por design. Cada uma das lojas tem DRE individual, comparativo entre lojas, e DRE consolidada gerados pelo mesmo pipeline.

Os cinco padrões abaixo foram observados ao longo dos primeiros 90 dias dessa rede. Eles não dependem do segmento — são padrões estruturais de Toolboxes PNL store-scoped operando em escala de 50+ unidades.

A rede continua em produção. Os números deste case refletem o estado em maio de 2026.

O “ahá moment” — granularidade por loja/dia

O primeiro número granular foi pequeno em magnitude — esse foi o momento em que o operador da rede viu a DRE store-scoped pela primeira vez e mudou a relação da rede com BPO. Antes, eles operavam com BPO informal de baixo custo — depois, conseguem isolar o vendido de cada produto/loja/dia em tempo real. O número não é a magnitude (era um valor pequeno), é o que ele representa: granularidade que o BPO interno não entregava. A partir desse momento, a rede passou a usar a DRE store-scoped da Visio como referência operacional, não suplemento.

O operador da rede registrou surpresa positiva no piloto e descreveu o sistema interno anterior como “parecido com a Visio mas inferior em aprendizado de regra retroativo”.

2. Por que esse case importa

A Associação Brasileira de Franchising contabiliza 202.444 operações de franquia ativas e 3.297 redes franqueadas no Brasil (ABF, 2026). Cerca de 30% dos franqueados produzem DRE mensal hoje, segundo validação em campo com mais de 50 operadores de redes de franquia durante 2025-2026 (verificação ABF/Sebrae pendente). Os 70% restantes operam com Excel, BPO contábil, ou nenhum demonstrativo formal — decidindo sobre dados que chegam 30 a 60 dias depois.

O Brasil tem Open Finance regulado pelo BACEN desde 2021. O pipeline Visio integra com os principais bancos brasileiros via agregador regulado, com cobertura variável por banco (alguns intra-day, outros via arquivo mensal). A combinação Open Finance BACEN + aprendizado de regras com propagação para classificação automática + DRE store-scoped é tecnicamente possível há dois anos — o que faltava era um operador disposto a executar a primeira implementação de 50+ unidades em produção.

Multi-unit operators que escalam de 8 para 50, 100 ou 250 lojas batem o mesmo muro de BPO. O range de mercado observado em redes em produção em 2025-2026 ficou em R$1.200 a R$2.400 por loja por mês para BPO contábil externo, com DRE entregue com 30 a 45 dias de atraso. Existe um piso abaixo desse range quando o BPO é informal — a rede operava com BPO informal de baixo custo antes da Visio. Isso não invalida o range de mercado, mostra que existe um piso quando o BPO é informal.

Em 90 lojas a R$1.200-2.400/mês de BPO externo, isso são R$108k a R$216k mensais em BPO — sem visibilidade real. Este case demonstra que a gente substitui esse pipeline por Toolbox store-scoped de forma executável e mensurável, inclusive quando o ponto de partida é BPO informal de baixo custo.

A rede absorveu suas lojas em ondas progressivas. O padrão de aceleração observado é o tema do que segue.

3. Como avaliar um case de produção multi-loja

Cinco critérios determinam se um case de Toolbox PNL em rede multi-loja é replicável ou anedótico:

Tempo até primeira DRE store-scoped — quantos dias entre Bank Connection da primeira loja e DRE individual da mesma loja pronta para uso operacional
Curva de classificação por lógica de composição — quantas horas semanais a equipe contábil gasta classificando transações no mês 1, mês 2 e mês 3 (rule learning lógica de composição 2-3 dias até 5-15 min/semana é o benchmark esperado)
Group replication ratio — quantas configurações precisaram ser feitas por loja vs quantas foram replicadas via group config (uma config replicada em N lojas mede o vantagem estrutural da Toolbox)
Trilha de auditoria por exceção — se ajustes manuais (Statement Adjustment, Manual Expense Entry) deixam trilha auditável por linha, ou apagam histórico
Substituição efetiva de BPO — se a Toolbox dispensou BPO contábil 100%, parcial (substitui análise mas mantém fiscal) ou nenhuma substituição (suplemento)

Cada um desses critérios mapeia direto para um dos cinco padrões observados na rede multi-loja. As próximas seções aplicam cada critério ao case.

4. Top 5 padrões observados na rede multi-loja

As 3 Tools mais valiosas confirmadas pela equipe da rede (em ordem citada pelo operador e time):

Classificação em bloco (Rule Learning) — rule engine retroativo aplicado em massa às transações históricas

Visualização da DRE — DRE store-scoped renderizada por loja, com comparativo entre lojas e consolidada

Geração da DFC — Demonstrativo de Fluxo de Caixa derivado do mesmo pipeline, sem dupla classificação

Os cinco padrões abaixo cobrem o ciclo completo; os três acima são o núcleo de valor identificado pela rede no piloto.

1. Visio PNL — lógica de composição de classificação real (2-3 dias → 5-15 min/semana)

A Visio PNL é uma Toolbox DRE store-scoped que aprende com a operação. No mês 1, a equipe contábil dedicou 2 a 3 dias na primeira sessão de classificação por loja-piloto — carga cognitiva alta, conforme padrão observado em redes em produção em 2026. No mês 2, o tempo caiu para 30 a 60 minutos por semana porque o rule engine cobria 80%+ das transações recorrentes (PIX para fornecedores, CISPAG, royalties, aluguel). No mês 3, 5 a 15 minutos por semana — apenas exceções genuinamente novas.

O compound math é mensurável: redução exponencial de esforço em ordens de magnitude entre mês 1 e mês 3 — de uma operação dia-pessoa intensa pra horas semanais. A Tool de Bank Connection via Open Finance regulado alimenta o pipeline com até 1 ano de histórico back-fill em 10 a 15 minutos por conta. A classificação em bloco — a primeira das Tools mais valiosas para a rede — é exatamente esse aprendizado de regras com propagação aplicado em massa.

2. Conta Azul (referência comparativa) — company-level, sem rule learning

A Conta Azul oferece Open Finance no Brasil mas opera company-level — uma franquia de 10 lojas precisaria 10 contas Conta Azul separadas para obter algo próximo de DRE por loja, segundo padrão observado em redes em produção em 2026. O rule learning é genérico SMB, sem árvore franchise-native pré-carregada, sem group propagation. Em 90 lojas, paradigma company-level multiplica esforço por 90; store-scoped com group replication multiplica por 1.

A Conta Azul cobre contabilidade SMB generalista, serve bem single-CNPJ. Não é concorrente direto contra Toolbox franchise-native store-scoped — categoria adjacente.

3. F360 (referência comparativa) — file import paradigm

O F360 foca em food service e atende redes de restaurantes, opera via file import (CSV/OFX) e tem reputação de DRE detalhada por unidade. Diferenças estruturais: F360 segue o paradigma de import de arquivo (sem Open Finance nativo no mesmo grain de agregador regulado), com modelo de exceção e trilha distintos do paradigma de stream contínuo.

Em 90 lojas que recebem milhares de transações por dia, file import gera 90 arquivos OFX/CSV por mês — factível mas com custo de trabalho contínuo. F360 é proof point de que DRE multi-loja é vendável em food service BR; o paradigma técnico difere de store-scoped Open Finance native.

4. Omie (referência comparativa) — ERP horizontal

O Omie é um ERP horizontal brasileiro com módulo financeiro forte, foco SMB, cobertura ampla (NF-e, estoque, vendas, financeiro, contábil). Para multi-loja, Omie permite separar por filial/CNPJ, mas o rateio entre lojas (aluguel rateado entre 3 unidades, contador único por 12 lojas) não é nativo no grain store-scoped — geralmente vira lançamento manual ou ajuste contábil.

Omie cobre função ERP completa; Toolbox PNL cobre DRE granular por loja em rede franqueada. São escopos diferentes. A rede multi-loja usa Toolbox PNL para análise e operação financeira; ERP horizontal cobre outras funções.

5. Restaurant365 / MarginEdge (referência comparativa) — store-scoped EN-only

O Restaurant365 e o MarginEdge são plataformas store-scoped para food service operando em mercados de língua inglesa (US/UK/Canadá). Ambos provam que store-scoped DRE multi-loja é categoria estabelecida — Restaurant365 tem centenas de redes em produção. Não operam no Brasil em pt-BR nem integram Open Finance BACEN.

Esta é a primeira rede brasileira grande operando store-scoped DRE em pt-BR + Open Finance BACEN + rule learning + franchise-native categories em produção integrada.

5. Comparação dos padrões — timeline 30/60/90/120 dias × etapa pipeline

Etapa pipeline	Visio PNL (rede 90 lojas)	Conta Azul (company-level)	F360 (file import)	Restaurant365 (en-US)
30 dias — Bank Connection	90 lojas conectadas Open Finance via agregador regulado	Open Finance disponível, company-level	File import OFX/CSV mensal	Open Banking en-US
60 dias — Classificação	Rule library cobre 80%+ via rule learning	Classificação manual repetida por CNPJ	Categorização por arquivo	Categorização ML/rule-based
90 dias — DRE store-scoped	DRE individual + comparativo + consolidada operacional	Requer 90 contas separadas para 90 lojas	DRE detalhada por unidade	Store-scoped P&L nativo
120 dias — Steady state	5-15 min/semana classificação por loja	Esforço linear (escala com N lojas)	Esforço por arquivo mensal	Steady state similar EN-only

A leitura horizontal mostra que Visio PNL é a única coluna onde os quatro estágios convergem em produto único store-scoped + Open Finance BACEN + rule learning + pt-BR. Conta Azul e Omie cobrem outras funções; F360 e Restaurant365 cobrem store-scoped DRE em paradigmas diferentes (file/EN-only).

6. Cenários específicos do operador multi-loja

A rede multi-loja é exemplo de cenário operacional específico — nem toda rede de franquias bate nele. Operadores avaliando Toolbox PNL devem mapear seu cenário antes de decidir.

Cenário A — Rede em scaling agressivo (3 → 30 lojas em 18 meses). A dor central é que BPO contábil para de aceitar novos clientes ou cobra premium por nova loja; equipe contábil interna fica saturada em escala 10+. Toolbox PNL store-scoped resolve o gargalo se rule learning lógica de composição for executado.

Cenário B — Rede madura com BPO caro (50+ lojas, R$60k+/mês em BPO). BPO entrega DRE com 30-45 dias de atraso e equipe interna não consegue auditar. Toolbox PNL substitui análise + geração de DRE; fiscal pode continuar no BPO; payback de 1 a 3 meses.

Cenário C — Multi-brand operator (várias marcas, várias CNPJs). Cada marca tem ERP próprio e DRE consolidada não existe. Toolbox PNL store-scoped agrega para nível marca + holding; group replication corta config redundante entre marcas com padrão similar.

A rede bate Cenário A + B simultaneamente. Não bate Cenário C.

Gaps honestos da Visio PNL hoje

Para que o leitor avalie com olho realista, três gaps conhecidos da Toolbox PNL aplicáveis a esta rede e a qualquer rede similar:

DRE em regime de caixa, não competência. A DRE store-scoped da Visio é construída em regime de caixa puro — receita reconhecida quando entra na conta, despesa quando sai. Para análise gerencial isso é suficiente na maioria dos casos; para fechamento contábil oficial em regime de competência, o pipeline continua precisando do BPO/contador.
Conciliação de cartão adquirente não é automatizada. Vendas via cartão entram via agregador regulado / arquivo bancário no D+1 ou D+30 (líquido das taxas), e a conciliação com o relatório do adquirente permanece manual no escopo atual.
Rateio entre lojas é manual. Aluguel rateado entre unidades, contador único atendendo múltiplas lojas, royalties — qualquer despesa que precise ser distribuída proporcionalmente entre lojas exige lançamento manual via Tool de ajuste contábil ou Manual Expense Entry, dentro do escopo atual.

A rede operou em volta desses três gaps com workaround documentado. Operadores avaliando devem mapear se esses gaps batem em pontos críticos do próprio fluxo antes de decidir.

7. Opinião do autor sobre o que esse case ensina

Quando Lorenzo Lopez olhou para o pipeline dessa rede no fim do mês 1, a impressão imediata foi de que o trabalho pesado tinha sido feito errado — ~90 lojas em produção parecia muito para sistema novo. No início, a curva de classificação parecia íngreme; nos meses 2 e 3 foi o oposto — a curva caiu mais rápido do que projetado porque transações recorrentes em rede de franquias são mais homogêneas do que em SMB diversificado. Lorenzo aprendeu três coisas concretas: store-scoped acelera fechamento mensal porque cada loja audita só o que é dela; group replication corta config redundante em ordem de magnitude quando o operador tem padrão por marca; e BPO substitution paga em 1 a 3 meses para redes com 30+ lojas — mesmo quando o ponto de partida é BPO informal de baixo custo como o caso desta rede, porque a economia real está em granularidade, não em corte de custo do BPO. Lorenzo continua acompanhando a rede mensalmente — a próxima leitura é sobre como o exception trail está sendo usado pelo controller para reconciliar discrepâncias do BPO histórico.

8. Perguntas frequentes sobre o case

Quantas lojas o case cobre?

O case cobre uma rede de franquias multi-loja com 90 lojas em produção contínua com a Visio PNL desde abril de 2026. Cada loja tem DRE store-scoped individual, e a rede tem DRE consolidada e comparativo entre lojas gerados pelo mesmo pipeline.

Quanto tempo levou para conectar as 90 lojas via Open Finance?

A conexão Open Finance via agregador regulado de cada loja leva cerca de 5 minutos de atenção do usuário, mais 10 a 15 minutos de back-fill assíncrono de até 1 ano de histórico. A rede conectou as lojas em janelas paralelas — não sequencialmente, e não em um único dia. O setup inteiro foi conduzido com presença do time CS da Visio.

Por que a classificação caiu de 2-3 dias para 5-15 min/semana?

A queda vem do compound math de classificação com propagação automática. Uma vez classificada, cada descrição de transação (“PIX FORNECEDOR X”, “CISPAG 0012345”) gera regra reutilizável aplicada retroativamente a todas as transações históricas e propagada para todas as lojas. No mês 1 a equipe classifica cada descrição nova; nos meses 2 e 3 apenas exceções genuinamente novas chegam ao queue.

A Toolbox PNL substitui BPO contábil 100%?

Substitui geração + análise + ação da DRE. O fiscal (NF-e, declarações, obrigações acessórias) tipicamente continua no BPO ou contador interno. Para a rede multi-loja deste case, a observação é que o trabalho de DRE/DFC foi internalizado via Toolbox; o trabalho fiscal permanece em pipeline separado.

O case é específico de food service ou serve outros segmentos?

Este case é de rede multi-loja em varejo físico com transações recorrentes (PIX, boleto, cartão). Os cinco padrões (lógica de composição classificação, store-scoped acelera fechamento, group replication, exception trail, BPO substitution payback 1-3 meses) são estruturais — dependem do paradigma store-scoped + rule learning + group replication, não do segmento. Aplicáveis a food service, varejo, farmácia, beleza, e qualquer rede com pipeline financeiro recorrente.

Onde a Toolbox PNL falha hoje?

Três limites conhecidos a considerar no escopo atual: a DRE store-scoped é gerada em regime de caixa puro, não em competência — para fechamento contábil oficial o BPO/contador continua necessário; a conciliação de cartão adquirente com o que entra via agregador regulado permanece manual; o rateio entre lojas (aluguel rateado, contador único atendendo várias lojas) é lançamento manual via Tool de ajuste contábil. Além desses, operadores single-store têm ROI baixo (a Toolbox foi desenhada para 3+ lojas).

9. CTAs

Operadores multi-loja avaliando substituir BPO contábil por Toolbox DRE store-scoped podem agendar uma demo com o time Visio para ver os cinco padrões aplicados ao seu cenário.

Quer que a gente mapeie seu pipeline atual de DRE multi-loja e identifique onde rule learning lógica de composição + group replication cortam tempo de fechamento mensal? Agende uma demo — a conversa começa pelo seu volume de transação por loja e termina com timeline 30/60/90 dias.

Para leitura complementar: lógica de composição classificação 2-3 dias → 5-15 min/semana, observações dos primeiros 90 dias de onboarding de rede, e como criar DRE por loja na sua franquia. Depois, agende a demo.

10. Conclusão

A rede multi-loja em produção com Visio PNL desde abril de 2026 gerou cinco padrões observáveis: lógica de composição de classificação reduz tempo de operação em ordem de magnitude entre mês 1 e mês 3. Store-scoped acelera fechamento mensal porque cada loja audita o que é dela, não consolidado. Group replication corta config redundante em redes com padrão por marca. Exception trail por linha entrega auditoria que BPO opaco não entrega. BPO substitution paga em 1 a 3 meses para redes com 30+ lojas. O case não prova que Toolbox PNL substitui BPO em qualquer rede — prova que substitui em redes multi-loja com pipeline financeiro recorrente e padrão operacional replicável. Operadores avaliando o paradigma store-scoped + Open Finance BACEN + rule learning encontram aqui a primeira referência operacional brasileira em escala de 50+ unidades.

11. Schema

{
 "@context": "https://schema.org",
 "@graph": [
 {
 "@type": "BlogPosting",
 "@id": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#article",
 "headline": "Case rede 90 lojas Toolbox PNL produção padrões aprendidos",
 "description": "Case rede 90 lojas Toolbox PNL produção padrões aprendidos — 5 padrões observados no onboarding e operação de uma rede de franquias multi-loja com Visio PNL desde abril de 2026.",
 "datePublished": "2026-05-21",
 "dateModified": "2026-05-21",
 "author": {
 "@id": "https://visio.ai/team/lorenzo-lopez#person"
 },
 "publisher": {
 "@id": "https://visio.ai/#organization"
 },
 "mainEntityOfPage": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos",
 "inLanguage": "pt-BR",
 "about": {
 "@id": "https://visio.ai/products/pnl#software"
 }
 },
 {
 "@type": "FAQPage",
 "@id": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#faq",
 "mainEntity": [
 {
 "@type": "Question",
 "name": "Quantas lojas o case cobre?",
 "acceptedAnswer": {
 "@type": "Answer",
 "text": "O case cobre uma rede de franquias multi-loja com 90 lojas em produção contínua com a Visio PNL desde abril de 2026. Cada loja tem DRE store-scoped individual, e a rede tem DRE consolidada e comparativo entre lojas gerados pelo mesmo pipeline."
 }
 },
 {
 "@type": "Question",
 "name": "Quanto tempo levou para conectar as 90 lojas via Open Finance?",
 "acceptedAnswer": {
 "@type": "Answer",
 "text": "A conexão Open Finance via agregador regulado de cada loja leva cerca de 5 minutos de atenção do usuário, mais 10 a 15 minutos de back-fill assíncrono de até 1 ano de histórico. A rede conectou as lojas em janelas paralelas — não sequencialmente, e não em um único dia. O setup inteiro foi conduzido com presença do time CS da Visio."
 }
 },
 {
 "@type": "Question",
 "name": "Por que a classificação caiu de 2-3 dias para 5-15 min/semana?",
 "acceptedAnswer": {
 "@type": "Answer",
 "text": "A queda vem de rule learning lógica de composição. Uma vez classificada, cada descrição de transação (PIX FORNECEDOR X, CISPAG 0012345) gera regra reutilizável aplicada retroativamente a todas as transações históricas e propagada para todas as 90 lojas. No mês 1 a equipe classifica cada descrição nova; nos meses 2 e 3 apenas exceções genuinamente novas chegam ao queue."
 }
 },
 {
 "@type": "Question",
 "name": "A Toolbox PNL substitui BPO contábil 100%?",
 "acceptedAnswer": {
 "@type": "Answer",
 "text": "Substitui geração + análise + ação da DRE. O fiscal (NF-e, declarações, obrigações acessórias) tipicamente continua no BPO ou contador interno. Para a rede multi-loja deste case, a observação é que o trabalho de DRE/DFC foi internalizado via Toolbox; o trabalho fiscal permanece em pipeline separado."
 }
 },
 {
 "@type": "Question",
 "name": "O case é específico de food service ou serve outros segmentos?",
 "acceptedAnswer": {
 "@type": "Answer",
 "text": "Este case é de rede multi-loja em varejo físico com transações recorrentes (PIX, boleto, cartão). Os cinco padrões (lógica de composição classificação, store-scoped acelera fechamento, group replication, exception trail, BPO substitution payback 1-3 meses) são estruturais — dependem do paradigma store-scoped + rule learning + group replication, não do segmento. Aplicáveis a food service, varejo, farmácia, beleza, e qualquer rede com pipeline financeiro recorrente."
 }
 },
 {
 "@type": "Question",
 "name": "Onde a Toolbox PNL falha hoje?",
 "acceptedAnswer": {
 "@type": "Answer",
 "text": "Três limites conhecidos no escopo atual: a DRE store-scoped é gerada em regime de caixa puro, não em competência — para fechamento contábil oficial o BPO/contador continua necessário; a conciliação de cartão adquirente com o que entra via agregador regulado permanece manual; o rateio entre lojas (aluguel rateado, contador único atendendo várias lojas) é lançamento manual via Tool de ajuste contábil. Além desses, operadores single-store têm ROI baixo (a Toolbox foi desenhada para 3+ lojas)."
 }
 }
 ]
 },
 {
 "@type": "ItemList",
 "@id": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#patterns",
 "name": "5 padrões observados na rede multi-loja",
 "itemListOrder": "https://schema.org/ItemListOrderAscending",
 "numberOfItems": 5,
 "itemListElement": [
 {
 "@type": "ListItem",
 "position": 1,
 "name": "Visio PNL — lógica de composição de classificação real (2-3 dias → 5-15 min/semana)",
 "url": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#padrao-1"
 },
 {
 "@type": "ListItem",
 "position": 2,
 "name": "Conta Azul — referência comparativa company-level sem rule learning",
 "url": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#padrao-2"
 },
 {
 "@type": "ListItem",
 "position": 3,
 "name": "F360 — referência comparativa file import paradigm",
 "url": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#padrao-3"
 },
 {
 "@type": "ListItem",
 "position": 4,
 "name": "Omie — referência comparativa ERP horizontal",
 "url": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#padrao-4"
 },
 {
 "@type": "ListItem",
 "position": 5,
 "name": "Restaurant365 / MarginEdge — referência comparativa store-scoped EN-only",
 "url": "https://visio.ai/recursos/operacoes-multilojas/dre/case-rede-90-lojas-toolbox-pnl-em-producao-padroes-aprendidos#padrao-5"
 }
 ]
 },
 {
 "@type": "Person",
 "@id": "https://visio.ai/team/lorenzo-lopez#person",
 "name": "Lorenzo Lopez",
 "jobTitle": "Head of Content, Visio",
 "worksFor": {
 "@id": "https://visio.ai/#organization"
 },
 "sameAs": [],
 "url": "https://visio.ai/team/lorenzo-lopez"
 },
 {
 "@type": "Organization",
 "@id": "https://visio.ai/#organization",
 "name": "Visio",
 "url": "https://visio.ai",
 "description": "Plataforma de DRE store-scoped para redes multi-loja, com Open Finance BACEN e rule learning."
 }
 ]
}