Fazer previsão de demanda não é uma tarefa fácil, porém, aqueles que conseguem faze-lá com sucesso possuem uma grande vantagem em relação aos seus concorrentes, pois, o mundo está se transformando de uma forma dinâmica como nunca antes vista, principalmente, através do forte desenvolvimento tecnológico, trazendo-nos diversos benefícios e facilidades, acompanhados de diversos grandes desafios.
E quando falamos sobre os grandes desafios no Supply Chain, temos de falar sobre o grande motivador de tudo que acontece na cadeia de suprimentos, que é a demanda.
Por isso que nós da Providentia, criamos esse post para ajudar você.
Indíce
O que é Previsão de Demanda?
É importante notar que há várias maneiras de fazer uma previsão, porém, nem todo mundo sabe, mas toda previsão tem as seguintes características:
- Uma previsão é uma estimativa do futuro e por isso sempre haverá erros, então, cabe àqueles que fazem previsões sempre se perguntarem, “quão errado podemos estar”? e medir o seu nível de incerteza.
- Quanto mais agregada sua previsão, mais assertiva ela será, ou seja, quando você faz uma previsão baseado no total de um determinado segmento de produtos, ela será mais assertiva do que você fazer uma previsão de cada produto desse mesmo segmento.
- Quanto menor o horizonte de futuro da previsão, mais confiável ela é, ou seja, se você faz uma previsão para 12 meses no futuro, no primeiro mês, temos uma previsão mais confiável do que no segundo mês e assim por diante.
Lidando com o Erro
Antes de saber como devemos lidar com o erro, precisamos entender o que é o erro. E de forma bem simples, o erro nada mais é que a diferença entre o que aconteceu de fato e o previsto, ou seja, se uma indústria têxtil previu que iria vender 110 peças e na realidade vendeu 100 peças, o erro foi de 10 peças.
Agora que você já sabe o que é o erro e que ele faz parte das previsões, você deve entender que o objetivo daqueles que realizam previsões é de diminui-lo ao máximo, para que as previsões sejam cada vez mais assertivas.
E para diminuirmos o erro, precisamos medir e acompanhar a sua evolução no decorrer do tempo para identificar possíveis causas e melhorarmos as previsões.
Por isso, é fundamental entendermos mais sobre o erro e quais métricas devemos utilizar para mensurar a assertividade de nossas previsões.
Níveis de Agregação
Partindo do mesmo exemplo, de uma indústria têxtil, vamos supor que essa indústria faça 5 tipos de camisas e 2 tipos de calças.
Como dito anteriormente, quanto mais agregada a sua previsão for, mais assertiva ela será, então, nesse caso, à previsão da demanda total de camisas será mais assertiva do que à previsão de cada uma das 7 camisas.
Isso ocorre devido à diminuição da variabilidade através do efeito de agrupamento, como se a alta demanda de uma camisa se balanceasse com a baixa demanda de outra camisa.
Esse fato, também acontece de acordo com a frequência da série histórica (dia, mês, trimestre, semestre, ano), vide gráficos abaixo.
Horizonte de Previsão
Pense em duas previsões para a temperatura da sua cidade, 1. Previsão para amanhã e 2. Previsão para daqui 1 ano.
De forma intuitiva, qual você diria que tem a maior probabilidade de acerto?
Se você escolheu a opção 1, previsão para amanhã, você acertou.
E isso se deve a questão da sequência de eventos que podem ocorrer em um determinado tempo, pois, durante 1 ano podem acontecer diversos eventos que aumentam o grau de incerteza da previsão.
Logo, quanto mais próxima a demanda prevista for da demanda real, melhor é. Portanto, podemos dizer que previsões realizadas num horizonte menor tendem a ser mais confiáveis.
Porquê fazer Previsão de Demanda?
Sua função é tão crítica pois ela não apenas diminui ineficiências no supply chain, como afeta todas as partes da empresa, pois, prever a demanda determina a quantidade de matéria-prima à ser comprada, quantidade de produtos à serem produzidos, número de produtos à serem entregues, número de pessoas à serem contratadas e número de plantas a serem construídas.
Esse processo, é muito importante, pois a previsão de demanda determina como vai ocorrer o processo de operação e produção, de transformar a matéria-prima em produto final para os consumidores.
Por esse motivo, a gestão deve ficar bem atenta a esse processo, pois as empresas que não dão muita atenção ao seu processo de previsão acabam tendo problemas como excesso de estoque, falta de estoque, desperdício de matéria-prima, capacidade ociosa e entre outros.
Quais são os métodos de Previsão de Demanda?
Para fazermos previsão de demanda, temos vários métodos e isso aumenta a complexidade para as empresas criarem seu modelo de previsão, porém, para você entender de uma maneira mais simplificada, podemos classificar os métodos de previsão de demanda em duas categorias: qualitativo e quantitativo.
Logo abaixo, apresentamos os conceitos de cada uma dessas categorias e como fazer para identificar cada um deles, inclusive, quais situações esses modelos de previsão são utilizados.
Métodos Qualitativos
Os métodos de previsão de demanda qualitativos são aqueles que se baseiam na subjetividade, no julgamento e na intuição daqueles que fazem a previsão, inclusive, o principal método qualitativo é o que chamamos de Método Delphi, onde se juntam pessoas que possuem conhecimento sobre o negócio e elas estimam baseado nas suas intuições e julgamentos.
Método Delphi
É uma técnica em que um grupo de especialistas respondem questionários de forma individual sobre suas percepções dos eventos futuros. Esses questionários são respondidos em duas ou mais rodadas, onde os especialistas recebem um sumário contendo as respostas da rodada anterior e são incentivados a refletir sobre suas respostas anteriores e dos seus colegas para chegarem ao consenso. Assim que um critério de parada pré-estabelecido é alcançado (número de rodadas, por exemplo) é calculado a média ou mediana dos pontos para a definição do resultado final.
Pesquisa de Vendas
Os vendedores são aqueles que possuem contato contínuo com os clientes e através disso adquirem conhecimentos que podem ser valiosos para prever eventos futuros.
E assim, a previsão é realizada com base na expectativa do quanto os vendedores estimam vender no futuro.
Júri de Executivos
É formado um júri através de um grupo de executivos de diversas áreas como produção, planejamento, finanças, compras, marketing e etc onde eles discutem sobre suas respectivas áreas e trabalham para obter uma previsão composta de como o negócio será no futuro. Cada executivo compartilha sua opinião, de modo a pesar e analisar a opinião dos outros executivos e o resultado final é obtido através da média da opinião de cada executivo.
Pesquisa de Clientes
É conduzida uma pesquisa com um grupo de clientes para entender vários fatores que podem impactar a demanda do produto como renda dos clientes, preço de produtos relacionados, preço do produto em si e etc.
E assim, através dos dados coletados sobre a demanda desse grupo de clientes é estimado a demanda de todos os clientes através de extrapolação.
Simulação
Nesse caso, o objetivo desse método de gerar previsões através de cenários possíveis considerando vários fatores, quais impactos eles podem causar e as relações entre fatores e impactos.
Definido os cenários, você pode simular acontecimentos e analisar possíveis impactos, e assim gerar previsões do futuro baseado nas simulações do cenário construído.
Métodos Quantitativos
Já os métodos de previsão de demanda quantitativos, são aqueles que se baseiam em dados e informações do histórico de vendas da empresa e se utilizam de métodos estatísticos para entender padrões do comportamento da demanda do passado para estimar o comportamento da demanda no futuro.
Geralmente, métodos quantitativos são mais assertivos que os métodos qualitativos, pois, não sofrem interferência de julgamentos errados.
Médias Móveis
Um dos métodos mais utilizados é o de médias móveis, que para gerar uma previsão você calcula a média de períodos anteriores.
Por exemplo, suponha que uma indústria qualquer teve uma demanda mensal de 100, 120 e 80 nos últimos 3 meses. Para obter uma previsão usando médias móveis, você simplesmente calcula a média desses últimos 3 meses: (100+120+80)/3 = 300/3 = 100. E então, a previsão é 100 para o próximo mês.
Suavização exponencial
Outro método bastante utilizado é a suavização exponencial e esse método é similar ao de médias móveis, porém, é atribuído um fator de suavização onde os pesos diminuem exponencialmente à medida que as observações estão mais ao passado. Ou seja, as observações mais recentes possuem mais peso do que as mais antigas.
ARIMA
Além dos anteriores, temos o método ARIMA (Autoregressive Integrated Moving Average) em que sua construção é baseada em três componentes: AR (p), I (d), MA (q).
O componente AR (p) é referente à combinação linear dos valores anteriores da sérieda do período determinado (no nosso exemplo anterior, foram 3 meses, logo, p = 3).
Já o I (d) se refere ao nível diferenciação entre os valores (caso o seu nível de diferenciação seja 1, logo, d = 1, então, os valores do exemplo anterior seriam: 100-120=-20 e 120-80=40) e o último que é o MA (q) que apesar do nome ser moving average, não é a mesma coisa que médias móveis, pois, ele é calculado através da combinação linear dos erros.
Regressão Simples
Outro método bastante conhecido, principalmente na área de econometria, é o método de regressão simples onde ele basicamente assume que podemos prever uma variável y através de um relacionamento linear com uma variável x.
Um exemplo muito utilizado, é da previsão de consumo utilizando a renda, onde o nossa variável x seria a renda e o y seria o valor consumido. Essas duas variáveis, possuem uma relação linear, ou seja, quando sua renda aumenta, sua tendência é de consumir mais e quando sua renda cai, sua tendência é de consumir menos.
Regressão Múltipla
Já a regressão múltipla, é extremamente parecida com a regressão simples, porém, nela assumimos que podemos prever uma variável y através de um relacionamento com várias outras variáveis (x1, x2, x3 … xn).
Usando como base o exemplo da regressão simples, onde usamos apenas a renda (x1), poderíamos adicionar mais algumas variáveis como idade (x2), sexo (x3), formação (x4) e etc visando obter um modelo que conseguisse prever de forma mais assertiva o valor consumido (y), só que nesse caso, o modelo acaba sendo mais complexo pois o número de variáveis aumentou.
ARIMAX
Além do método ARIMA, temos o ARIMAX, que basicamente é o método ARIMA só que nele você pode adicionar algumas variáveis que podem ser úteis para você fazer a sua previsão.
Por exemplo, vamos supor que você tenha desenvolvido um modelo de ARIMA, porém, você verifica que ele poderia melhorar se você acrescentasse algumas variáveis como feriados, promoções e etc, então, você possui uma situação onde você pode utilizar o método ARIMAX.
Conclusão
Nesse guia, você entendeu várias faces da previsão de demanda, como o que é, porquê fazer e quais os métodos de previsão.
Podemos tentar resumir esse guia dizendo que previsão de demanda é uma tarefa fundamental para diversas empresas e setores, pois é dela que começa todo o ciclo de planejamento, produção e estoque.
E algumas empresas que não dão muita atenção de como é feito o seu processo de previsão ou fazem de maneira incorreta, acabam tendo problemas como excesso de estoque, falta de estoque, desperdícios de matéria-prima, capacidade ociosa e entre outros.
Ao mesmo tempo, a quantidade de métodos de previsão é extensa e cresce mais a cada dia, e isso faz com que a sua complexidade na tarefa de previsão aumente de acordo com o tempo tornando necessária a utilização de softwares que foquem na resolução desse problema.
Caso sua empresa tenha esses tipos de desafios, dê uma olhada no nosso software de previsão de demanda, o Providentia Forecasting e faça um teste!
Achou útil e interessante nosso guia definitivo sobre previsão de demanda?
Curta, compartilhe com seus amigos e deixe seus comentários, assim você nos incentiva a trazer mais conteúdo relevante para você.
Até a próxima!
