Embed Size (px)
Citation preview
UNIVERSIDADE CÂNDIDO MENDES
PÓS-GRADUAÇÃO “LATO SENSU”
FACULDADE INTEGRADA AVM
FORECAST: O DESAFIO DE ANALISAR E PREVER DEMANDAS
EMPRESARIAIS TRAÇANDO OS CENÁRIOS MAIS PROVÁVEIS
Por: Juliana Pilotto Danello
Orientador
Prof. º Sérgio Majerowicz
Rio de Janeiro
2011
UNIVERSIDADE CÂNDIDO MENDES
PÓS-GRADUAÇÃO “LATO SENSU”
FACULDADE INTEGRADA AVM
FORECAST: O DESAFIO DE ANALISAR E PREVER DEMANDAS
EMPRESARIAIS TRAÇANDO OS CENÁRIOS MAIS PROVÁVEIS
Apresentação de monografia à Universidade
Candido Mendes como requisito parcial para
obtenção do grau de especialista em Gestão
Empresarial.
Por: Juliana Pilotto Danello
AGRADECIMENTOS
... aos amigos e à minha família que
me acompanharam em meu
crescimento pessoal e profissional...
DEDICATÓRIA
... dedico ao meu pai, minha mãe, minha
irmã e aos professores do curso que me
despertaram interesse pela Gestão
Empresarial ...
RESUMO
Este trabalho monográfico tem o objetivo de estimular uma reflexão
sobre a importância da previsão de demanda no mundo corporativo e como as
organizações podem planejar seus processos produtivos no sentido de antever
suas demandas. O propósito central do estudo é aprofundar o conhecimento
de profissionais ligados às áreas de marketing, vendas, consultoria, financeiro
e gestão de estoque e produção a respeito de estratégias comerciais bem
sucedidas para análise e previsão de demanda.
Com o estudo de previsões percebe-se que para compreender o fluxo
da demanda é preciso conhecer o cenário interno e externo à empresa além
de tendências futuras de mercado. Surge então, a necessidade de estudar as
variáveis envolvidas no processo de vendas a fim de traçar planos de ação
corretivos, auxiliar a tomada de decisão e definir estratégias eficazes de
crescimento.
Através do conhecimento das variáveis e técnicas bem sucedidas de
previsão, gestores terão a oportunidade de reconhecer fatores que possam
interferir na evolução da demanda futura como: sazonalidade, tendências,
impacto de ações de marketing, dentre outros e preparar todas as áreas
funcionais para o pronto atendimento de clientes estabelecendo significativa
vantagem competitiva frente a seus concorrentes.
METODOLOGIA
Neste estudo serão apresentados alguns métodos usuais para análise e
previsão de demanda além de conceituar o processo e demonstrar como
gestores podem se beneficiar deste conhecimento.
O presente trabalho se baseia no estudo teórico, em sua maioria da
bibliografia de três importantes livros de estudo sobre Previsão de Demanda
dos autores Fábio Gonçalves, Thomas F. Wallace, Robert A. Stahl, Peter
Wanke, Leonardo Julianelli dentre outros colaboradores.
SUMÁRIO
INTRODUÇÃO 08
CAPÍTULO I
O processo de Previsão de Demanda 10
1.1 - Importância da previsão para o negócio 10 1.2 - Vantagens da aplicação de técnicas de previsão 11 1.3 - O responsável 12 1.4 - Etapas de um processo de previsão 14 1.5 - Coleta e análise de dados 15 1.6 - Horizonte de previsão 17 1.7 - Excesso de previsão 17 1.8 - Métodos de previsão 18 CAPÍTULO II
Metodologia: Técnicas de Previsão 20
2.1 - Conhecendo a demanda 20 2.2 - Classificação dos métodos de previsão 24 2.3 - Conceitos e modelos de previsão qualitativos 25 2.4 - Conceitos e modelos de previsão quantitativos 29 2.5 - Medida de desempenho: PIs (Performance Indicators) 41 CAPÍTULO III
Conceitos adicionais 43
3.1 - Sazonalidade 43 3.2 - Classificação dos produtos 44 3.3 - Outliers 46 CONCLUSÃO 48
REFERÊNCIAS BIBLIOGRÁFICAS 51
ÍNDICE 53
FOLHA DE AVALIAÇÃO 54
8
INTRODUÇÃO
No passado, executivos exerciam suas funções corporativas no intuito
de resolver problemas. Esses profissionais simplesmente reagiam às
mudanças do mercado e implementavam planos corretivos. Nos dias de hoje,
esses mesmos executivos devem se antecipar ao futuro, ajustar os recursos e
identificar oportunidades. A habilidade de se antecipar, correlacionar
mudanças e adaptar os recursos das organizações assim como o cumprimento
satisfatório dos prazos alinhados com os clientes internos e externos vêem se
tornando um grande diferencial competitivo para o profissional que atua na
área de gestão.
Poderosas ferramentas encontram-se disponíveis às organizações
através de modelos desenvolvidos por cientistas, matemáticos e estatísticos. O
aumento de recursos computacionais auxilia o armazenamento e manipulação
de dados, principalmente históricos, que desempenham papel fundamental no
processo decisório. Quanto melhor for a capacidade de previsão das
demandas futuras, melhor será o desempenho da empresa.
O ato de prever consome muito tempo e de fato, não agrega
diretamente valor ao produto. Porém, analisando cuidadosamente todo o
processo de produção ou prestação de serviço é possível identificar sua
importância.
Todas as organizações precisam respeitar o lead time 1de entrega dos
pedidos estabelecido inicialmente com seus clientes. Para empresas com a
possibilidade de estocagem, é essencial tê-los “em casa” antes da entrada de
demanda. Para empresas que trabalham sob encomenda, é essencial que a
matéria-prima já esteja disponível para produção. Nesse contexto, podemos
afirmar que mesmo companhias que hoje não identificam em seu fluxograma
de atividades um departamento responsável por previsões, indiretamente já as
faz. Provavelmente, algum profissional envolvido no processo produtivo planeja
e antecipa recursos muito antes do recebimento do pedido. Neste caso, é
1 Refere-se ao tempo total requerido para obter o material, produzir o produto disponibilizá-lo ao cliente.
9
natural que trata-se de um funcionário do departamento de compras e que ele
tenha adotado como base o histórico de vendas por período.
10
CAPÍTULO I
O processo de Previsão de Demanda
1.1 - Importância da previsão para o negócio
Considerando que vivemos em um mundo de intensa competitividade e
inovações tecnológicas, caracterizado pelo avanço da globalização e
instabilidade política e econômica, a previsão de demanda torna-se uma das
principais preocupações da gestão empresarial. O ambiente empresarial
encontra-se em acirrada concorrência e o estabelecimento de vantagem
competitiva é uma realidade para todas as grandes companhias.
No mundo dinâmico e instável que vivemos, é forte a exigência da
geração de produtos inovadores, com altos padrões de qualidade e que
ofereçam soluções rápidas e práticas para o dia a dia. Antecipar-se às
necessidades dos clientes é uma premissa valiosa. O Marketing tem a missão
de descobrir e atender desejos e necessidades dos clientes. Esse árduo
trabalho pressupõe a entrega dos produtos e serviços de acordo com as
condições previamente alinhadas com o setor de Logística.
Assim, o pressuposto básico para o atendimento da necessidade do
cliente, seja ele interno ou externo, é saber o que este cliente quer, em que
prazo e em que quantidade. A esse processo damos o nome de Previsão.
Previsão significa antever, antecipar a visão sobre algo. Assim, previsão da
demanda (quantidade de um bem ou serviço que as pessoas estariam
dispostas a adquirir sob determinadas condições) é um processo pelo qual se
procura antever o que irá ocorrer no futuro para antecipar as providências
necessárias e atender objetivos. Prever é fundamental e, é o passo inicial de
todo o processo de uma organização no sentido de atender suas demandas
internas e externas não podendo em hipótese alguma ser negligenciado.
11
1.2 - Vantagens da aplicação de técnicas de previsão
Um processo adequado de previsão gera:
Ø Melhor planejamento orçamentário e de capital, com menor variação
entre o custo previsto e o realizado.
Ø Melhor alocação dos recursos físicos nos processos operacionais.
Ø Atendimento aos requisitos de nível de serviço aos clientes, garantindo
a competitividade dos produtos e serviços da empresa no mercado.
Ø Redução de custos operacionais através da otimização de processos e
melhor planejamento pelo uso eficiente da informação de previsão.
Ø Melhor gerenciamento da operação pela redução de uma das fontes de
variabilidade dos processos.
Ø Maior integração e melhor comunicação entre as áreas funcionais da
empresa (marketing, finanças, vendas e logística) devido a uma maior
credibilidade da previsão.
As empresas estão buscando cada vez mais técnicas inovadoras no
intuito de prever o futuro de suas demandas. Elas buscam alternativas através
de estudos do comportamento do consumidor, aumento da capacidade de
produção, locais adequados para instalações, processos de produção enxuta,
previsões de demanda, e outros. Nesse contexto, as organizações vêem
investindo pesadas quantias em sistemas de controle e gestão da produção.
Para ter validade como instrumento de planejamento, a previsão deve
ser realizada de modo consistente seguindo um modelo de previsão. Qualquer
modelo de previsão sempre irá contemplar alguns componentes de modo inter-
relacionados: informações, hipóteses sobre o futuro, método de previsão,
interpretação, uso e avaliação. É preciso estabelecer hipóteses sobre o futuro.
De forma resumida, pode-se escrever que em relação à demanda
futura, existem duas hipóteses importantes. A primeira afirma que a demanda
12
futura é uma função da demanda passada ou as condições observadas no
passado permanecerão no futuro – projeção. A segunda afirma que a
demanda futura não será uma função da demanda passada por motivos que
estão fora do alcance da organização que faz a previsão. Nessa hipótese
enquadram-se, por exemplo, medidas governamentais. Apresenta-se então um
cenário bastante complexo do qual se pode inferir que, o método a ser
escolhido deve ser compatível com a hipótese utilizada e o tipo de informação
disponível.
1.3 - O responsável
Quanto ao gerenciamento da demanda, questiona-se de quem é a
responsabilidade de geri-la. Sabe-se que em algumas empresas, tem criado
uma área específica para cuidar da gestão de demanda, que funcionalmente,
pode estar ligada à diretoria comercial, à diretoria industrial, à diretoria logística
ou à diretoria financeira. O importante é que o responsável por essa área seja
capaz de articular a participação das demais áreas, garantindo a obtenção
correta e cuidadosa das informações.
Gerentes em todas as organizações fazem previsões de muitas
variáveis distintas da demanda futura, como estratégias dos concorrentes,
alterações na regulamentação, mudanças tecnológicas, tempos de
processamento, prazos de entrega dos fornecedores e perdas de qualidade.
Gerentes inteligentes reconhecem essa realidade e encontram maneiras para
atualizar seus planos, quando ocorre o inevitável erro de previsão ou um
evento inesperado.
Previsões são insumos importantes para planos de negócios, planos
anuais e orçamentos. A previsão da demanda geral normalmente começa com
marketing, porém, os clientes internos na organização inteira dependem de
previsões para formular e executar seus planos, conforme as necessidades
abaixo:
13
Ø Logística: As previsões, quando agregadas por regiões, permitem que
se determine a localização das fábricas ou armazéns, a contratação de
transportadoras terceirizadas com base na necessidade de distribuição,
a programação da retirada de produtos cliente a cliente, etc.
Ø Produção: As previsões permitem identificar a necessidade de expansão
da capacidade produtiva, programação da produção, níveis de estoque,
etc.
Ø Compras: As previsões permitem a programação da aquisição de
matéria-prima, programas de gerenciamento da base de fornecedores,
etc.
Ø Finanças: As previsões permitem controlar o volume de capital “preso”
em estoque, controlar o retorno sobre o investimento em ativos (como
por exemplo, máquinas e veículos), projetar o fluxo de caixa, etc.
Ø Recursos Humanos: As previsões permitem prever a necessidade de
contratações e treinamentos, etc.
As pessoas que elaboram o plano devem ser as mesmas que vão
executá-lo. Dessa forma, o princípio da responsabilidade, que conecta o
planejamento à execução, está diretamente ligado às áreas de Vendas e
Marketing.
Vendas compõe a linha de frente, lidando dia a dia com o cliente, a par
de seus planos e necessidades. Marketing faz o gerenciamento de produtos
(informações como preço, promoções e propaganda), além de conhecer os
planos para o futuro da companhia.
Fazer previsões é o consenso da empresa sobre a demanda do
mercado. Uma previsão precisa ser razoável, ou seja, fazer sentido baseada
em fatos históricos, na situação atual e com base na capacidade do mercado.
14
1.4 - Etapas de um processo de previsão
O processo de previsão necessita de pessoas, software para previsão e
passos estruturados para realizar a tarefa. Temos ao todo 6 etapas básicas no
processo de previsão de demanda:
I. Definição do problema: Objetivo do forecast, qual a forma de forecast a
ser adotada, os elementos temporais envolvidos e o nível de precisão
desejado.
II. Levantamento de dados históricos e da situação atual da empresa e do
mercado, através dos seguintes inputs:
Externos: Clientes atuais, clientes novos, concorrência e projeção da
economia. Seu impacto em geral é difícil de prever.
Internos: Novos produtos, formação de preços, promoções, licitações,
orientação executiva, demanda interna da empresa, histórico, dentre
outros.
III. Desenvolvimento do modelo de previsão (quantitativo ou qualitativo).
IV. Incorporar a avaliação e experiência gerencial no sistema.
V. Implementação do plano.
VI. Periodicamente devem ser avaliado previsão x realizado através de
indicadores de performance. Dependendo dos resultados, deve-se
retornar à etapa II para refazer as previsões.
15
1.5 - Coleta e análise de dados
Com relação a esses cuidados básicos durante a coleta e análise dos
dados, Tubino (2000) alerta que:
Ø Quantos mais dados históricos forem coletados e analisados, mais
confiáveis à técnica de previsão será.
Ø Os dados devem buscar a caracterização da demanda pelos produtos
da empresa, que não é necessariamente igual às vendas passadas,
pois pode ter ocorrido falta de produtos, postergando as entregas ou
deixando de atendê-las.
Ø Variações extraordinárias da demanda como promoções especiais ou
greves, devem ser analisadas e substituídas por valores médios,
compatíveis com o comportamento normal da demanda.
Ø Definição coerente do tamanho do período de consolidação dos dados
(semanal, mensal, trimestral, anual, etc.).
Definindo-se a técnica de previsão e a aplicação dos dados passados
para obtenção dos parâmetros necessários, podem-se obter as projeções
futuras da demanda. Quanto maior for o horizonte pretendido, menor a
confiabilidade na demanda prevista (Tubino, 2000).
À medida que as previsões forem sendo alcançadas pela demanda real,
Tubino (2000) considera importante monitorar a extensão do erro entre a
demanda real e a prevista, para verificar se a técnica e os parâmetros
empregados ainda são válidos. Em situações normais, um ajuste nos
parâmetros do modelo, para que reflita as tendências mais recentes, é
suficiente. Em situações críticas, um reestudo desde o primeiro passo (o
objetivo do modelo) pode incluir um novo exame dos dados e a escolha de
uma nova técnica de previsão. A figura 1 abaixo apresenta um modelo:
16
Figura 1: Processo de Previsão
Segundo Correa (2007), o processo de previsão de vendas é
possivelmente o mais importante dentro da função de gestão de demanda.
Porém, uma previsão de vendas nunca é 100% correta, na maioria dos casos,
não se consegue nem chegar perto disso. Como a previsão é uma das
informações mais importantes para o planejamento, conclui-se que qualquer
processo de planejamento sofre em virtude dos erros de previsão e
normalmente esses erros são grandes. As incertezas das previsões e seus
erros provem de fontes distintas: uma correspondente ao próprio mercado, que
dada sua natureza, pode ser bastante instável e de baixa previsibilidade. A
segunda corresponde ao sistema de previsão que, com base em informações
coletadas no mercado e de dados históricos, gera uma informação que
pretende antecipar a demanda.
A gestão da demanda engloba um conjunto de processos que fazem a
interface da empresa com seu mercado consumidor. Para entender e atender
a demanda do mercado é necessário observar a situação dos estoques.
Segundo Correia (2007), trata-se de um elemento gerencial essencial na
administração de hoje e do futuro. Estoques são acúmulos de recursos
17
materiais entre fases específicas de processos de transformação. Esses
acúmulos de materiais têm uma propriedade fundamental que é uma arma; no
sentido de que pode ser usada para o bem e para o mal: os estoques
proporcionam independência às fases dos processos de transformação entre
as quais se encontram. Quanto maiores são os estoques entre duas fases de
um processo de transformação, mais independentes entre si essas fases são
no sentido de que interrupções de uma não acarretam na outra.
1.6 - Horizonte de previsão
Planejar é o primeiro passo, ou deveria ser para que uma organização
possa produzir com qualidade, eficiência e sem desperdícios. Porém inúmeras
empresas ignoram as práticas de administração da produção, setor este que
ganham cada vez mais importância no atual mercado competitivo. Os
mercados que podem ser acessados pela empresa, assim como a
concorrência, mudam continuamente, exigindo novas previsões de demanda
em períodos mais curtos.
O horizonte de previsão refere-se à dimensão de tempo utilizado:
Semanal, mensal, trimestral, etc. Ao fazer previsões para o próximo ano, por
exemplo, o resultado são 52 previsões semanais, 12 previsões mensais ou 4
previsões trimestrais. Fazer previsões em incrementos semanais pode resultar
em muitos números quando projetados para um ano ou mais, logo talvez não
faça sentido gerar esse grau de detalhamento. Números trimestrais tornam
muito difícil a determinação de flutuações sazonais. Dessa forma, o regime
mensal ganha pelo meio termo.
1.7 - Excesso de previsão
Em contra partida às companhias que não fazem previsões, existem
companhias que fazem previsões em excesso, com muitos detalhes e
18
projetados para futuros muito distantes, por exemplo, para os próximos 2 anos
e por sku2.
Se o prazo de produção é muito inferior à projeção estimada, porque
seriam necessários muitos meses de detalhamento em sua previsão? Essa
visibilidade pode ser importante para a antecipação e negociação de compras,
porém torna-se mais simples agrupar os skus em famílias de produto cujos
materiais e componentes são comuns. Abaixo define-se previsões individuais e
agregadas:
Ø Previsões por família de produto: Trata-se de uma previsão agregada,
aplicada à planejamento de vendas, planejamento da capacidade
produtiva da fábrica e análises financeiras.
Ø Previsões por produto individual: Trata-se de um previsão detalhada,
aplicada à programações em curto prazo da produção.
A soma da previsão detalhada deve ser correspondente à soma da
previsão agregada.
Para previsões em longo prazo o ideal seria uma projeção do volume
por família de produto, considerando componentes comuns e em seguida, usar
percentuais que representem os skus se for o caso.
O ato de realizar previsões consome muito tempo e esforço, dessa
forma devemos fazê-la de acordo com a real necessidade. É importante não
gastar tempo com detalhes além do limite de horizonte do planejamento.
1.8 - Métodos de previsão
Para obter e confirmar uma demanda futura, facilitando a programação
de recursos e garantindo o ganho de uma oportunidade de mercado, faz-se
necessário a utilização de métodos usuais de previsão como, por exemplo:
2 Stock Keeping Unit ou Unidade de Manutenção de Estoque: Designa os diferentes itens de um estoque.
19
Métodos Qualitativos:
Ø Metodologia Delphi
Ø Análise de Cenários
Métodos Quantitativos:
Ø Média móvel
Ø Ajuste exponencial
Ø Regressão linear
Ø Regressão polinomial
Estes métodos são aplicados de acordo com a realidade de demanda
de cada empresa, por meio da opinião de especialistas ou da análise de dados
históricos.
Neste segundo caso, a idéia é usar métodos estatísticos para projetar o
futuro com dados do passado. Estes métodos abrangem fórmulas desde
simples médias móveis até algoritmos muito sofisticados e complexos.
No Capítulo a seguir, as técnicas citadas serão conceituadas
individualmente para melhor caracterização e entendimento de sua
aplicabilidade.
20
CAPÍTULO II
Metodologia: Técnicas de Previsão
2.1 - Conhecendo a demanda
Antes de iniciar as previsões, é necessário efetuar o levantamento de
dados e uma analisa criteriosa da situação atual e da complexidade da
demanda. Algumas perguntas devem ser respondidas:
Ø De que forma o posicionamento da companhia frente aos concorrentes
e as tendências do mercado poderá impactar na minha demanda?
Ø Qual o grau de variabilidade da demanda que estou gerenciando?
Ø Existem produtos com demanda estável?
O ponto de partida para a maioria das empresas é feito com base nos
dados históricos. Costuma-se gerar um grande arquivo com todos os produtos
vendidos ao longo de um período, por exemplo, os últimos 3 anos, além de
suas respectivas especificações: preço, quantidade, faturamento, etc.
É possível gerar algumas estatísticas para obter uma visão geral do
desempenho de cada produto ou família de produto. Utilizaremos os seguintes
conceitos: Média, Desvio Padrão e Coeficiente de Variação.
MÉDIA
A média aritmética é obtida dividindo-se o somatório das observações
pela quantidade de observações. É representada por µ quando se trata da
população e por x quando se trata da amostra.
µ = x = N
xxx N+++ ...21
21
DESVIO PADRÃO
O desvio padrão é uma medida do grau de dispersão dos valores em
relação à média. É representado por σ quando se trata da população e por S
quando se trata da amostra.
σ = N
xxN
ii∑
=
−1
)(
S = )1(
)(1
−
−∑=
N
xxN
ii
A partir desse conceito, chegamos à curva de Gauss, que representa
uma distribuição normal simétrica, unimodal e mesocúrtica. Nessa curva
podemos afirmar que 68% dos valores encontram-se a uma distância da média
inferior a um desvio padrão, 95% encontram-se a uma distância da média
inferior a duas vezes o desvio padrão e 99,7% encontram-se a uma distância
da média inferior a três vezes o desvio padrão.
COEFICIENTE DE VARIAÇÃO
O coeficiente de variação é a variabilidade dos dados em relação à
média. Quanto menor o coeficiente de variação, mais homogêneo é o conjunto
de dados. Ele será positivo se a média for positiva e será zero quando o desvio
padrão for igual a zero.
CV = µσ ou
xS
22
O layout de um arquivo com dados históricos de uma demanda
empresarial no geral apresenta os seguintes campos básicos: ano, mês,
código do produto, descrição do produto, quantidade vendida e valor faturado.
A partir desses dados e dos conceitos apresentados, é possível calcular
as seguintes estatísticas para avaliação inicial do comportamento da demanda:
Ø Média da quantidade vendida
Ø Desvio padrão da quantidade vendida
Ø Soma da quantidade vendida
Ø Soma do valor faturado
Uma vez listados os produtos e cálculos, criamos o campo “Coeficiente
de variação” e listamos cerca de 9 classes com intervalos de 0,20 (sugestão):
Ø 1ª Classe: 0,01 a 0,20
Ø 2ª Classe: 0,21 a 0,40
Ø 3ª Classe: 0,41 a 0,60
Ø 4ª Classe: 0,61 a 0,80
Ø 5ª Classe: 0,81 a 1,00
Ø 6ª Classe: 1,01 a 1,20
Ø 7ª Classe: 1,21 a 1,40
Ø 8ª Classe: > 1,40
23
Ø 9ª Classe: 0
Em seguida é possível gerar uma tabela que contabilize o número de
códigos pertencentes a cada classe assim como o somatório do valor
acumulado, gerando um informativo da quantidade de produtos com demanda
constante ou não e conclusões com o seguinte cenário: X % dos produtos
representam Y % do faturamento.
Os produtos pertencentes à primeira classe do coeficiente de variação
são de fácil previsão e com baixa probabilidade de erro, pois apresentam
demanda constante e muito próxima a média.
Os produtos pertencentes à segunda classe do coeficiente de variação
ainda são casos simples para previsão, porém com maior probabilidade de
erro.
24
As demais classes precisam de métodos de previsão mais avançados
que consigam captar as tendências e sazonalidade da demanda, aproximando-
se do cenário futuro.
2.2 - Classificação dos métodos de previsão
A demanda é função de tendência, sazonalidade e componentes
aleatórios. A escolha do método de previsão depende principalmente da
disponibilidade dos dados e do horizonte de previsão, pois alguns métodos
adéquam-se melhor à previsões de longo prazo e outras à previsões de curto
prazo. Abaixo temos a classificação dos métodos de previsão:
Métodos Qualitativos
Esse método é ideal quando há escassez de dados históricos ou
quando o julgamento humano é necessário através de pesquisas e do
expertise de previsores. Nos dias de hoje vem sendo bastante aplicado devido
ao crescente lançamento de produtos e alto índice de customização,
interferindo diretamente nas séries históricas. Baseia-se exclusivamente na
opinião de especialistas e/ou da área de vendas (através do levantamento da
carteira de clientes ativos, por exemplo) ou em pesquisas de mercado.
Métodos Quantitativos
Esse método é ideal quando temos disponível o histórico da demanda,
pois baseia-se em modelos matemáticos. Divide-se em:
Ø Modelos de extrapolação ou Séries temporais
Utilizam dados históricos de vendas como base para a determinação de
padrões que podem se repetir no futuro. Exemplo: Média Móvel e Ajuste
Exponencial.
25
Ø Modelos explicativos ou Métodos causais
Buscam relacionar as vendas (variável dependente) com outros fatores
como inflação, tempo, população (variáveis independentes). Exemplo:
Regressão linear e não-linear.
2.3 - Conceitos e modelos de previsão qualitativos
METODOLOGIA DELPHI
O método Delphi é reconhecido como um dos melhores instrumentos de
previsão qualitativa. O princípio do método é intuitivo e interativo. Caracteriza-
se pela obtenção do consenso de um grupo de especialistas, que respondem a
uma série de questões a partir de opiniões livres e independentes. Possui a
premissa básica de que o julgamento coletivo, quando organizado
adequadamente, apresenta melhores resultados do que a opinião de um único
indivíduo.
Inicialmente deve ser definido um grupo de coordenação da pesquisa,
sendo responsável pela criação de um questionário, seleção de especialistas e
aplicação/gerenciamento do questionário ao longo de rodadas. Na seleção da
equipe de especialistas recomenda-se a escolha de pessoas com grande
conhecimento sobre o tema além de heterogeneidade entre as áreas a serem
cobertas.
A base do método consiste na elaboração de um questionário interativo
(enviado através do correio ou via terminais de computador) aplicado repetidas
vezes e individualmente ao grupo de especialistas. Cada questão deve estar
acompanhada de um resumo de suas informações mais relevantes a fim de
estruturar o raciocínio das previsões. Vale ressaltar que a primeira rodada é
composta de questões totalmente abertas.
Após cada rodada são realizadas análises estatísticas das respostas e
uma síntese das justificativas apresentadas. As análises utilizam medidas
26
como, por exemplo, a distribuição de freqüência dos volumes apurados, a
identificação da mediana3, dentre outros. O resultado é trazido para novos
questionários que serão apresentados novamente ao grupo e reavaliados. As
respostas individuais devem ser sigilosas, para que nenhum especialista seja
influenciado ou forneça uma resposta tendenciosa.
As iterações, chamadas de "rounds", se sucedem desta maneira até que
um consenso ou quase consenso seja obtido. O número de "rounds" a ser
realizado no estudo irá depender do custo do painel, do tempo disponível pelo
pesquisador e também da disponibilidade de tempo dos participantes.
De modo geral, é correto afirmar que o método "Delphi" se distingue por
três características básicas: anonimato, interação com feedback controlado e
respostas estatísticas do grupo.
As vantagens e desvantagens do método Delphi estão listadas abaixo:
Vantagens
Ø Estimula pensamentos independentes e a formação gradual de
soluções em grupo.
Ø O uso de um questionário com respostas por escrito exige maior
reflexão dos especialistas.
Ø Permite que pessoas em diferentes localidades possam participar, pois
não exige uma reunião física.
Ø Suprime as pressões que os participantes poderiam ter num confronto
face-a-face.
Desvantagens
Ø É um processo relativamente lento (em média seis meses podendo
variar de acordo com sua complexidade).
Ø Necessita da elaboração de um questionário claro e bem embasado.
Ø Existe a possibilidade de forçar o consenso indevidamente.
3 É uma medida de localização do centro da distribuição dos dados.
27
ANÁLISE DE CENÁRIOS
Esse método aplica-se ao planejamento de longo prazo em ambientes
complexos e com muitas variáveis. A técnica consiste na identificação de
variáveis que podem impactar a demanda, na quantificação desse impacto e
na elaboração de projeções. O ponto de partida é a elaboração de três
cenários:
Ø Cenário pessimista: As variáveis sugerem uma piora das condições
organizacionais, por exemplo, através da redução do mercado e
aumento da concorrência.
Ø Cenário base: As variáveis sugerem que as tendências atuais se
manterão no futuro, por exemplo, através da manutenção do market
share4 e estabilidade do mercado.
Ø Cenário otimista: As variáveis sugerem uma melhora das condições
organizacionais, por exemplo, através do aumento do mercado e
redução da concorrência.
O planejador não estudará os cenários em si, mas as ações que serão
tomadas a partir desses cenários.
Esse método apresenta 8 etapas no processo de construção de cenários:
I. Construir uma base de dados da empresa contemplando todos os
eventos internos e externos que contribuíram para o cenário presente e
que possam influenciar a demanda futura.
II. Formular e quantificar os objetivos da empresa a longo prazo.
III. Identificar as variáveis ambientais, ou seja, discutir com diferentes áreas
funcionais as variáveis externas à empresa.
28
IV. Identificar as variáveis organizacionais, ou seja, discutir com diferentes
áreas funcionais as variáveis internas da empresa.
V. Selecionar o conjunto de suposições para a elaboração dos cenários.
No cenário base o uso de séries temporais, que serão vistas mais
adiante, é indicado devido à presença de desvios pouco significativos.
Nos demais cenários, a técnica Delphi apresentada anteriormente é um
bom recurso para sua construção.
VI. Desenvolver os três cenários: cenário pessimista, cenário base e
cenário otimista. A fim de identificar as variáveis e interações mais
significativas, é necessário estruturar uma matriz de impactos
transversais, classificando os mesmos nos níveis alto, médio ou baixo. A
matriz é elaborada listando as variáveis em coluna (uma abaixo da
outra) e em linha (uma ao lado da outra) atribuindo um nível a cada
interação.
VII. Avaliar a consistência e implicações destes cenários.
VIII. Traçar um plano de ação.
Cenários podem ajudar a identificar as incertezas mais significativas e
probabilidades subjetivas que possam ser associadas. A Análise de Cenários
procura ir além das tendências e da extrapolação a fim de entender as forças
mais profundas do ambiente.
As vantagens e desvantagens do método de Análise de Cenários estão
listadas abaixo:
Vantagens
4 Define a participação no mercado de determinada empresa, serviço ou produto em seu segmento.
29
Ø Identifica com clareza as variáveis que impactam a demanda.
Ø Identifica as ações prioritárias.
Desvantagens
Ø Dependência dos resultados em função das variáveis selecionadas pelo
previsor.
Ø Complexidade em tratar muitas variáveis ao mesmo tempo.
2.4 - Conceitos e modelos de previsão quantitativos
MÉDIA MÓVEL
A média móvel é uma técnica usada para analisar dados em um
intervalo de tempo. E é dita móvel porque a cada novo tempo considera-se um
novo dado e abandona-se o mais antigo. O principal objetivo da média móvel
simples é fornecer o valor médio da cotação dentro de um determinado
período.
Modelo matemático:
∑=
+−+ =N
jjt A
NF
1111
1
N = Número de períodos incluídos na média
jA = Valor observado no período j
jF = Valor projetado para o período j
30
Dentre os tipos de média móvel, temos a Média Móvel Simples (MMS) e
a Média Móvel Ponderada (MMP). Segue detalhamento de suas principais
características:
Média Móvel Simples (MMS)
Ø A demanda é a média aritmética das N demandas anteriores.
Ø São eficientes se as demandas variam em torno do valor médio.
Ø Não capta tendência ou sazonalidade.
Média Móvel Ponderada (MMP)
Ø A demanda é a média ponderada das N demandas anteriores.
Ø As demandas mais recentes têm maior peso (tendo seu peso definido
arbitrariamente).
Ø Não capta sazonalidade.
No exemplo abaixo foi definido que o cálculo de previsão da MMS seria
feito a partir da média aritmética de período 2 (anos de 2009 e 2010), ou seja,
calculando a média da quantidade vendida de 2 em 2 meses.
MMS 1 = 695.12664.1726.1 =+
MMS 2 = 912.12160.2664.1 =+
E assim por diante, conforme a tabela abaixo:
31
No exemplo abaixo foi definido que o cálculo de previsão da MMP seria
feito a partir da média ponderada de período 2 (anos de 2009 e 2010), ou seja,
calculando a média da quantidade vendida de 2 em 2 meses e atribuído
arbitrariamente os seguintes pesos: 0,4 ao mês x-1 (menos recente) e 0,6 ao
mês x (mais recente).
MMP 1 = 689.16,04,0
)6,0*664.1()4,0*726.1(=
++
MMP 2 = 962.16,04,0
)6,0*160.2()4,0*664.1(=
++
E assim por diante, conforme a tabela abaixo:
32
AJUSTE ESPONENCIAL
Trata-se de uma ferramenta na qual a previsão é baseada em uma
média ponderada dos valores atuais e passados. Tem o efeito de regularizar a
série e apresenta bons resultados para previsões de curto prazo. O modelo
contém um mecanismo de autocorreção que ajusta as previsões na direção
oposta aos erros passados.
Modelo matemático:
))(1()(1 ttt FaAaF −+=+
1+tF = Projeção para o próximo período de tempo
tF = Projeção do período atual
a = Fator de ponderação; varia entre 0 e 1
tA = Valor observado no período atual
33
)1( a− = Fator de amortecimento (complemento aritmético do Fator de
ponderação)
Significado do fator de amortecimento
É um fator de correção que minimiza a instabilidade dos dados
coletados em uma população. O fator de ponderação padrão é 0,3. Esse valor
indica que a precisão atual deve ser ajustada 30% pelo erro da previsão
anterior. Constantes maiores produzem uma resposta mais rápida, mas podem
produzir projeções erráticas. Constantes pequenas podem resultar em longos
atrasos para os valores da previsão.
Significado do fator de ponderação
É um fator que determina a magnitude do impacto da demanda passada
sobre a estimativa da demanda futura. Quanto mais dados do passado forem
incluídos na estimativa, menos será seu erro, porém, a resposta do processo
às alterações de mercado será lenta. Por outro lado, quanto menor o histórico
considerado, mais rápida será a reação às mudanças reais, incluindo
flutuações aleatórias, que causam erros na estimativa.
Sistemas com demanda estável seguem um padrão lento, de modo que
um fator de ponderação baixo é adequado. Condições de natureza previsível
como campanhas promocionais levam a adoção de um fator de ponderação
maior durante esse período. Sistemas com demanda instável necessitam de
vigilância permanente e o uso de valores do fator de ponderação capazes de
responder rapidamente a sinais de mudança.
Em suma, são usados valores pequenos para o fator quando a demanda
é estável e valores grandes quando a demanda é flutuante, porém a
experiência do analista, o tipo de produto, o comportamento do mercado
dentre outros fatores podem indicar a necessidade de adotar incrementos com
valores maiores ou menores.
34
No exemplo abaixo foi definido o cálculo de previsão por Ajuste
Exponencial (AE) com um fator de ponderação (a) de 0,7 e um fator de
amortecimento (1-a) de 0,3.
AE 1 = 726.1
AE 2 = 683.1)3,0*726.1()7,0*664.1( =+
E assim por diante, conforme a tabela abaixo:
REGRESSÃO LINEAR SIMPLES
A regressão linear é um método para se estimar a condicional (valor
esperado) de uma variável y, dados os valores de algumas outras variáveis x.
É chamada "linear" porque se considera que a relação da resposta às variáveis
é uma função linear de alguns parâmetros. Apenas dois pontos são
necessários para desenharmos uma linha reta que represente essa relação
linear.
35
Modelo matemático:
bmxy +=
Onde y é a variável dependente5
∑ ∑∑ ∑∑−
−=
22 )()(
))(()(
xxn
yxxynm
Onde m é a declividade e x é a variável independente6
∑ ∑
∑ ∑ ∑ ∑−
−=
22
2
)()(
))(())((
xxn
xyxxyb
Onde b é a ordenada na origem
Através das fórmulas apresentadas acima é possível definir a equação da
reta de regressão que define a relação entre as variáveis independente (x) e
dependente (y) e assim calcular a previsão de demanda para o próximo
período.
No exemplo abaixo foi definido o cálculo de previsão por Regressão
Linear Simples (RLS) e a partir dos somatórios abaixo, obtida a equação da
reta.
24=n
∑ = 300x
∑ = 744.56y
∑ = 673.727xy
5 É a variável que desejamos prever; também chamada de variável resposta. 6 É a variável que desejamos explicar, também chamada de variável explicativa.
36
900.42 =∑ x
Definição da declividade (m):
∑ ∑∑ ∑∑−
−=
22 )()(
))(()(
xxn
yxxynm =
2)300()900.4*24(
)744.56*300()673.727*24(
−
− = 98,15
Definição da ordenada na origem (b):
∑ ∑∑ ∑ ∑ ∑
−
−=
22
2
)()(
))(())((
xxn
xyxxyb =
2)300()900.4*24(
)673.727*300()900.4*744.56(
−
− = 63,164.2
Logo temos a equação: 63,164.298,15 += xy
Aplicando a equação aos valores do período (x), obtemos as projeções.
RL 1 = 63,164.298,15 +x = 63,164.21*98,15 + = 181.2
RL 2 = 63,164.298,15 +x = 63,164.22*98,15 + = 197.2
37
REGRESSÃO POLINOMIAL
Uma linha de tendência polinomial pode ajustar uma curva quando os
dados têm muitas variações. Uma linha polinomial de segundo grau possui
apenas um máximo e um mínimo relativo, pois trata-se de uma parábola.
Modelo matemático:
2210 xaxaay ++=
y = Variável dependente
0a , 1a e 2a = Coeficientes constantes da variável independente
x = Variável independente
O cálculo dos parâmetros envolve a solução do sistema linear das três
equações abaixo:
∑+∑+=∑ 2210 xaxanay
∑+∑+∑=∑ 32
210 xaxaxaxy
∑+∑+∑=∑ 42
31
20
2 xaxaxayx
No exemplo abaixo foi definido o cálculo de previsão por Regressão
Polinomial (RP) e a partir dos somatórios abaixo, obtidas as equações do
sistema linear.
24=n
∑ = 300x
∑ = 744.56y
38
∑ = 673.727xy
297.889.112 =∑ yx
900.42 =∑ x
000.903 =∑ x
020.763.14 =∑ x
∑+∑+=∑ 2210 xaxanay >> 900.423001240744.56 aaa ++=
∑+∑+∑=∑ 32
210 xaxaxaxy >> 000.902900.413000673.727 aaa ++=
∑+∑+∑=∑ 42
31
20
2 xaxaxayx >> 020.763.12000.901900.40297.889.11 aaa ++=
Usando o método de eliminação da álgebra elementar (envolve
conceitos que não serão demonstrados em detalhe) será possível resolver o
sistema linear de equações da seguinte forma:
Ø Primeiramente e para melhor entendimento, atribuindo a letra “w” a ∑ y ,
∑ xy e ∑ yx2 e exibindo os somatórios da variável x correspondentes
aos coeficientes a, originando a tabela abaixo.
Ø Realizando três divisões para cada equação a cerca do coeficiente 2a :
Equação 1 = 2a
w e 2
0
aa e
2
1
aa
39
E o mesmo procedimento para as demais equações.
Ø Subtraindo a equação 1 das equações 2 e 3:
Ø Realizando duas divisões para cada equação a cerca do coeficiente 1a :
Equação 2 – Equação 1 = 1a
w e 1
0
aa
E o mesmo procedimento para a outra equação.
Em seguida, subtraindo os dados (Equação 3 – Equação 1) de
(Equação 2 – Equação 1).
Ø Efetuados os cálculos, definimos os coeficientes:
08,781.102,019,40
0 =−−=a (através da divisão das diferenças finais encontradas)
40
49,10451,515)08,781.1*2308,0(1 =+−=a (através da Equação 2 – Equação 1)
54,3)49,104*0612,0()08,781.1*0049,0(58,112 −=−+−+=a (através da Equação 1)
Agora é possível escrever o polinômio:
254,349,10408,781.1 xxy −+=
Essa equação será aplicada aos valores do período para o cálculo da
previsão.
RP 1 = 254,349,10408,781.1 xx −+ = 882.121*54,31*49,10408,781.1 =−+
RP 2 = 254,349,10408,781.1 xx −+ = 976.122*54,32*49,10408,781.1 =−+
E assim por diante, conforme a tabela abaixo:
41
2.5 - Medida de desempenho: PIs (Performance Indicators)
Conceito de indicador
Uma vez definido o Forecast do próximo período, é preciso acompanhar e
controlar sua acuracidade. Esse trabalho será desenvolvido através de
indicadores de performance.
Indicador é um índice de monitoramento de algo que pode ser
mensurável. Indicadores de desempenho nos permitem manter, mudar ou
abortar o rumo de nossas ações, de processos empresarias ou de atividades
diversas. São ferramentas de gestão ligadas ao monitoramento e auxiliam no
desenvolvimento de qualquer tipo de empresa. Alto desempenho atrai o
sucesso, baixo desempenho leva para a direção oposta.
Empresas possuem indicadores de desempenho quando o trabalho
desenvolvido gera mudança, alinhamento e crescimento. A corporação precisa
criar uma cultura junto a seus funcionários para a boa aceitação e conseqüente
aplicação de indicadores. As análises envolvem não somente uma relação
Previsão x Realizado, mas também necessitam do conhecimento das
tendências, pontos críticos, resultados aceitáveis, confiabilidade na coleta de
dados, identificação de erros no input dos dados, etc.
Um sistema de gestão bem estruturado, que possua Indicadores de
Desempenho suficientemente alinhados à visão de futuro comporão a
“Inteligência do Negócio” de uma organização, que reflitam as boas práticas
internas e os bons resultados externos. Os indicadores de performance são
definidos a partir de um estudo investigativo que aponte os indicadores chave,
além do conteúdo necessário em cada relatório.
Características dos PIs
Aspectos importantes para o sucesso dos indicadores:
Ø Deve ser monitorado diariamente ou semanalmente.
42
Ø Deve possuir um detalhamento suficiente para amarrar o resultado até
um indivíduo.
Ø Deve citar as ações que precisam ser tomadas, lembrando que os
colaboradores devem compreender as medidas e a importância de uma
ação corretiva.
Ø Deve apontar a necessidade de processos inovadores e produtivos para
prevenir a reincidência.
A maioria das organizações que querem criar alinhamento e
comportamento de mudança precisa monitorar as ações corretivas que são
necessárias para o futuro. É comum a divulgação dos indicadores através de
painéis colocados em áreas estratégicas para acesso geral e/ou nos
departamentos envolvidos.
43
CAPÍTULO III
Conceitos adicionais
3.1 - Sazonalidade
Indubitavelmente a sazonalidade está presente em praticamente todos os
processos existentes na sociedade. Ela se caracteriza pela existência de
oscilações e variâncias dos acontecimentos dentro de determinados períodos
de tempo. Exemplos disso não faltam e podem ser citados: a venda de
aparelhos de TV no Brasil em anos de Copa do Mundo, a quantidade de
camisas de um time vendidas quando este conquista um campeonato, o
grande aumento no consumo de sorvetes no verão, dentre muitos outros
casos.
Em algumas situações, ela pode ser facilmente prevista, pois os fatores
que causam as sazonalidades são conhecidos. Pode-se citar o caso dos
lojistas, que preparam seus estabelecimentos e seus estoques para o período
natalino, onde se sabe que as vendas aumentam muito. Isso é causado por
toda a mídia que envolve esse feriado, além do famoso décimo terceiro,
responsável por aumentar o poderio de compra dos consumidores em
dezembro.
Em compensação, existem outros fatores que são mais difíceis para
calcular impactos. No caso exposto acima, por exemplo, é muito mais
complicado para um lojista organizar seu estabelecimento para a época de
Natal, em um período de crise, onde o comportamento de compra dos
consumidores se altera bastante.
O grande mal que as sazonalidades causam no meio empresarial,
portanto, são essas oscilações. Que podem facilmente levar muitas
organizações despreparadas à falência. Para amenizar isso, é preciso estar
sempre atento aos acontecimentos do mercado, para que ações possam ser
traçadas evitando assim maiores prejuízos. Uma gestão eficiente e eficaz do
caixa e, portanto, do capital de giro da empresa, é necessária para garantir a
saúde financeira da mesma em momentos de pouca demanda.
44
Concluindo, o planejamento para que se possam antever as
sazonalidades, o conhecimento a cerca do negócio em questão, permitindo ao
empresário uma possibilidade muito maior de alcançar o sucesso e a
capacidade de se agir nos momentos-chave, pois como já foi dito, muitas
vezes é complicado entender os efeitos das sazonalidades dos negócios antes
que eles ocorram, se configuram como características essenciais para se lidar
com os efeitos oriundos da sazonalidade, assim como se aproveitar dos
mesmos para alcançar a prosperidade no meio empresarial.
3.2 - Classificação dos produtos
No processo de previsão de demanda é comum analisarmos um número
muito grande de produtos. Porém, para efeito de gestão é possível agregá-los
através de suas características ou de critérios pré-definidos.
CLASSIFICAÇÃO ABC
Essa metodologia determina a importância do produto através da
quantidade e valor da demanda. Os itens são classificados como:
Ø Classe A: de maior importância, valor ou quantidade, correspondendo a
20% do total (podem ser itens do estoque com uma demanda de 65%
num dado período);
Ø Classe B: com importância, quantidade ou valor intermediário,
correspondendo a 30% do total (podem ser itens do estoque com uma
demanda de 25% num dado período);
45
Ø Classe C: de menor importância, valor ou quantidade, correspondendo a
50% do total (podem ser itens do estoque com uma demanda de 10%
num dado período).
Os parâmetros acima não são uma regra matematicamente fixa, pois
podem variar de organização para organização nos percentuais descritos.
A curva ABC é um método de classificação de informações, para que se
separem os itens de maior importância ou impacto. Trata-se de classificação
estatística de materiais, baseada no princípio de Pareto, em que se considera
a importância dos materiais, baseada nas quantidades utilizadas e no seu
valor. Também pode ser utilizada para classificar clientes em relação aos seus
volumes de compras ou em relação à lucratividade proporcionada.
No que diz respeito à análise de clientes, a curva ABC serve para analisar
a dependência ou risco face a um cliente, ou ainda para que tipo de clientes a
organização se deve focar. Consiste em ordenar os clientes por ordem
decrescente da sua contribuição para a empresa, de modo a se poder
segmentar por grau de dependência, de risco ou ainda por outro critério a
definir.
Numa organização, a curva ABC é muito utilizada para a administração de
estoques, mas também é usada para a definição de políticas de vendas, para o
estabelecimento de prioridades, para a programação de produção, etc. Para a
administração de estoques, por exemplo, o administrador a usa como um
parâmetro que informa sobre a necessidade de aquisição de itens -
mercadorias ou matérias-primas - essenciais para o controle do estoque, que
variam de acordo com a demanda do consumidor.
Na avaliação dos resultados da curva ABC, percebe-se o giro dos itens no
estoque, o nível da lucratividade e o grau de representação no faturamento da
organização. Os recursos financeiros investidos na aquisição do estoque
poderão ser definidos pela análise e aplicação correta dos dados fornecidos
com a curva ABC. Assim, a conseqüência da utilidade desta técnica é a
otimização da aplicação dos recursos financeiros ou materiais, evitando
desperdícios ou aquisições indevidas e favorecendo o aumento da
lucratividade.
46
3.3 - Outliers
Todo o investigador já deparou com um conjunto de dados em que
algumas observações se afastam demasiado das restantes, parecendo que
foram geradas por um mecanismo diferente. O estudo destas observações é
importante dado que "uma das importantes etapas, em qualquer análise
estatística de dados, é estudar a qualidade das observações..." Muñoz-Garcia
et al.(1990).
As observações que apresentam um grande afastamento das restantes
ou são inconsistentes com elas são habitualmente designadas por outliers. A
detecção de outliers pode trazer informações não esperadas e importantes.
Sua presença pode causar distorções nos parâmetros do modelo,
comprometendo o resultado final. Para identificação de outliers deve ser
realizada uma interpretação cuidadosa da demanda. Segue abaixo um dos
métodos mais usados para detecção:
σβµ *>−ty
Sxty *β>−
ty = Valor de y no período t
µ e x = Média da população e amostra, respectivamente
σ e S = Desvio padrão da população e amostra, respectivamente
β = É uma constante arbitrada que costuma ser fixada em 2, onde de acordo
com a distribuição normal, 95% dos dados devem estar no intervalo entre -2 e
+2 desvios da média.
Calculando σµ *2− ou Sx *2− obtemos o limite de controle inferior e
calculando σµ *2+ ou Sx *2+ obtemos o limite de controle superior. Caso
algum valor da variável y se encontre muito distante dos limites inferior e
47
superior, este poderá ser considerado um outlier, onde normalmente após seu
entendimento, são eliminados para melhor análise da evolução da demanda.
48
CONCLUSÃO
O aumento da complexidade nas organizações, com o crescimento do
número de skus, da concorrência e expansão no mercado fez com que as
empresas passassem a dar maior atenção ao processo de planejamento de
demanda. Nesse contexto, o estudo apresentado procurou conceituar o
processo de previsão demanda no mercado atual e demonstrar sua
importância.
A previsão de demanda é essencial para o planejamento da empresa,
assim como para todos os seus departamentos. Através dele é possível
coordenar o fluxo de informações e produtos, impactando no planejamento
orçamentário, gerenciamento de ações de marketing, no controle da produção,
e nas operações logísticas.
No geral, o processo de previsão de demanda inicia-se com o
levantamento de dados históricos (se houver) e informações do mercado. Os
dados são processados através da opinião de uma equipe de especialistas
(método qualitativo) ou através de análises estatísticas seguida da
interpretação e validação gerencial (método quantitativo). Esse fluxo gera a
previsão de demanda futura que então, será utilizada pelas áreas funcionais da
empresa.
Cada empresa deve compreender suas reais necessidades de previsão,
para assim escolher o método que apresente melhor relação custo/precisão.
Modelos mais sofisticados, por exemplo, devem ser adotados somente por
empresas que possuam em seu quadro executivo, especialistas da área e
necessitem de previsões bem acuradas.
Os métodos qualitativos têm o objetivo de estruturar o raciocínio para
apoiar a tomada de decisão de especialistas ligados à área de vendas,
transformando conhecimento e intuições em previsões de tendências futuras.
É válido ressaltar que independente do método quantitativo ter como base o
histórico de vendas, o conhecimento do previsor representa um importante
papel no processo como um todo. Seu julgamento está presente na escolha de
métodos causais ou temporais, no tratamento das informações (como por
49
exemplo, no descarte de dados que serão apontados como outliers), na
previsão com base no lançamento de novos produtos, etc.
No Capítulo 3 foram citados alguns exemplos de técnicas de previsão de
demanda através de métodos qualitativos/quantitativos e seus respectivos
modelos de cálculo (para melhor entendimento do conceito), porém existem
inúmeras outras técnicas disponíveis, assim como métodos para seleção do
melhor modelo.
Previsões são realizadas direta ou indiretamente por todas as
companhias, dessa forma, o grande desafio de cada uma delas é fazê-las
melhor do que a concorrência, evitando perdas e aumentando sua margem de
lucro. São muitos os benefícios adquiridos com o processo de previsão de
demanda e neste cenário algumas dicas são importantes para a motivação dos
colaboradores e para aperfeiçoamento/sucesso de suas previsões:
Ø Exponha de forma clara e objetiva os ganhos obtidos com o processo,
como por exemplo, a redução de custos, melhoria nos níveis de
qualidade e serviço dentre outros gerando aumento das vendas.
Ø Sempre que possível faça a previsão do volume por níveis agregados,
gerenciando o mix de produtos e prevendo em detalhe (skus, por
exemplo) somente quando necessário.
Ø Proponha aprofundamento em estudos de mercado para melhor
interpretação dos dados externos.
Ø Concentre-se em reduzir o desvio de previsão principalmente através da
análise de Indicadores de Performance.
Ø Faça menos previsões, não mais.
Ø Ressalte a importância do aprimoramento de processos (produção,
compras, logística, etc) na obtenção de melhores resultados.
50
Ø Estimule a troca de informações e cooperação entre os departamentos
da empresa.
Ø Dê ênfase à importância do trabalho em equipe.
51
REFERÊNCIAS BIBLIOGRÁFICAS
ARANTES, José C. Apostila Gestão de Demanda e dos Estoques - FGV
Management. Santo André: Strong, 2006.
CORRÊA, Henrique L. Planejamento, programação e controle da produção.
São Paulo: Atlas, 2007.
FOGLIATTO, F. S. Apostila de Previsão de Demanda - UFRGS. Porto
Alegre, 2003.
GONÇALVES, Fábio. Excel Avançado 2003/2007 Forecast – Análise e
Previsão de Demanda. Rio de Janeiro: Editora Ciência Moderna Ltda., 2007.
LAPPONI, Juan Carlos. Estatística usando Excel. Rio de Janeiro: Elsevier,
2005.
MENTZER, John T., & Carol C. Bienstock. Sales Forecasting Management.
Thousand Oaks, Califórnia: Sage Publications, Inc.,1998.
Muñoz-Garcia, J. ; Moreno-Rebollo, J. L. e Pascual-Acosta. Outliers:a formal
approach. Espanha: International Statistical Review, 58,215-226, 1990.
TUBINO, Dalvio Ferrari. Sistemas de Produção. São Paulo: Bookman, 2000.
WALLACE, Thomas F. Previsão de vendas: uma nova abordagem / Thomas
F. Wallace, Robert A. Stahl; tradução Edgar Toporcov; revisão técnica Daniel
Gasnier. São Paulo: IMAM, 2003.
WANKE, Peter; JULIANELLI, Leonardo e colaboradores. Previsão de vendas:
processos organizacionais & métodos quantitativos e qualitativos /
organização Peter Wanke, Leonardo Julianelli. São Paulo: Atlas, 2006.
(Coleção Coppead de Administração)
52
WANKE, Peter. Administrando em tempos de grandes mudanças / Peter
Druker; tradução Nivaldo Montigelli Jr. São Paulo: Pioneira, 1999.
WEBSTER, Allen L. Estatística aplicada à Administração e Economia /
Allen L. Webster; tradução Maria Cecília Sonoe Oliva, Helena Maria Ávila de
Castro; revisão técnica Cláudia Monteiro Peixoto. São Paulo: McGraw-Hill,
2006.
53
ÍNDICE
FOLHA DE ROSTO 2
AGRADECIMENTO 3
DEDICATÓRIA 4
RESUMO 5
METODOLOGIA 6
SUMÁRIO 7
INTRODUÇÃO 8
CAPÍTULO I
O processo de Previsão de Demanda 10
1.1 - Importância da previsão para o negócio 10 1.2 - Vantagens da aplicação de técnicas de previsão 11 1.3 - O responsável 12 1.4 - Etapas de um processo de previsão 14 1.5 - Coleta e análise de dados 15 1.6 - Horizonte de previsão 17 1.7 - Excesso de previsão 17 1.8 - Métodos de previsão de demanda 18 CAPÍTULO II
Metodologia: Técnicas de Previsão 20
2.1 - Conhecendo a demanda 20 2.2 - Classificação dos métodos de previsão 24 2.3 - Conceitos e modelos de previsão qualitativos 25 2.4 - Conceitos e modelos de previsão quantitativos 29 2.5 - Medida de desempenho: PIs (performance indicators) 41 CAPÍTULO III
Conceitos adicionais
3.1 - Sazonalidade 43 3.2 - Classificação dos produtos 44 3.3 - Outliers 46
CONCLUSÃO 48
REFERÊNCIA BIBLIOGRÁFICA 51
ÍNDICE 53
54
FOLHA DE AVALIAÇÃO
Nome da Instituição:
Título da Monografia:
Autor:
Data da entrega:
Avaliado por: Conceito:
