Um conto sobre a importância da previsão de demanda

Um conto sobre a importância da previsão de demanda

Esses dias me deparei com uma história lúdica e bem-humorada sobre a previsão do tempo que também serve para uma reflexão sobre a importância da previsão de demanda e os riscos atrelados à qualidade das fontes de dados para a análise da previsão. 

Anteriormente, já escrevemos aqui no blog sobre a evolução dos níveis de conhecimento do dado bruto até o nível de “sabedoria” (Dos dados à inovação). Na história, vamos apresentar o chefe da tribo e sua sabedoria, além dos planos de ações tomados a partir de suas análises. 

Previsão de Frio e o Plano de Ação

Conta a história (amplamente replicada na internet) que havia um uma tribo que perdeu seu Cacique (o líder da tribo). Como consequência, um novo Cacique foi eleito e prontamente assumiu as atividades, mesmo que com menos experiência sobre questões de administração e coordenação de atividades. 

Neste caso, o “chefe” era ainda relativamente novo e não tinha aprendido profundamente os segredos de meteorologia como o velho sábio. Mesmo assim, para não gerar insegurança para a tribo em sua posição de liderança, e logo nas primeiras decisões, ele olhou para o céu, estendeu as mãos e disse em tom sereno, mas firme:

— Atenção a todos, sinto que teremos um inverno muito rigoroso pela frente. Por isso, solicito que nossos membros mais fortes comecem a buscar e reunir a lenha. 

Dois dias depois, já havia sido recolhido bastante material para o fogo. Preocupado com a sua própria previsão do tempo, foi ao telefone e perguntou ao instituto de meteorologia. Então, ouviu a seguinte resposta:

— Sim, o inverno deste ano será bastante frio!

5 dias mais tarde e com as temperaturas ainda altas, ligou novamente e ouviu a confirmação:

— Sim, neste ano, o inverno será rigoroso!

Voltou à sua tribo e disse:

— Atenção, teremos um inverno muito rigoroso mesmo. Peço para que todos, incluindo mulheres e crianças, colaborem com o recolhimento de madeira e com o reparo das cabanas! 

A resposta

Passou mais uma semana quente. E, com dúvidas sobre a chegada do frio, o Cacique ligou novamente para o instituto:

— Tem certeza de que teremos um inverno tão forte?

— Sim. Temos, sim. De fato, esse ano será um frio histórico na região. 

Então, o Cacique perguntou: 

— Como vocês podem ter tanta certeza de que o inverno será tão rigoroso se nunca tivemos um frio desses por aqui?

O atendente respondeu:

— É porque os índios estão recolhendo lenha pra caramba, e nunca vimos isso acontecer. 

A importância da previsão de demanda – Conclusões e recomendações

Essa história traz vários pontos de reflexão para o mundo analytics, pois mostra como o desconhecimento do processo de negócio pode gerar grandes impactos. Além disso, ela traz uma lição sobre a importância da gestão do conhecimento. No caso relatado, o antigo Cacique era o criador e mantenedor do processo, seu conhecimento não foi transferido a ninguém e isso ocasionou problemas à tribo.

Aos novos analistas, ficam as seguintes recomendações: 

  • Manter o senso crítico independente da ferramenta e do cenário de negócio;
  • Verificar as fontes de dados (datasets) continuamente;
  • Buscar informações tanto interna como externamente pode ajudar na qualidade das predições, desde que os dados sejam complementares;
  • Embora as predições nunca sejam 100% perfeitas, é tarefa do gestor acompanhar diariamente a evolução do previsto com o realizado (O desafio da previsão de demanda);
  • Fazer testes sobre todos os dados, sempre validando a fonte de origem. 

Quem é a Aquarela Analytics?

A Aquarela Analytics é vencedora do Prêmio CNI de Inovação e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes, como: Embraer (aeroespacial),  Auren (energia), Scania e Grupo Randon (automotivo), SolarBR Coca-Cola (alimentício), Hospital das Clínicas (saúde), NTS-Brasil (óleo e gás), Telefônica Vivo (Telecomunicações), dentre outros. Fique atento às novas publicações diárias da Aquarela Analytics no Linkedin e assinando a nossa Newsletter mensal!

Autor

Previsão de demanda: tudo o que você precisa saber sobre o tema

Previsão de demanda: tudo o que você precisa saber sobre o tema

Nos negócios e em nossas vidas pessoais fazemos previsões e estimativas sobre eventos futuros. Por exemplo, a estimativa de tempo gasto para chegar na casa de um amigo ou da quantidade de comida necessária para um jantar para diversas pessoas. E a decisão tomada com base na previsão pode nos fazer chegar no horário certo do encontro e comprar a comida na quantidade necessária ou não. Pensando nisso, preparamos este artigo sobre previsão de demanda, abordando conceitos, importância para os negócios e sua evolução ao longo dos anos.

O que é previsão de demanda?

Previsão de demanda, como o próprio nome diz, é a obtenção da estimativa da demanda futura. Isso é feito com as informações disponíveis no momento presente. As previsões podem ser geradas por meio de modelos matemáticos, que se utilizam de dados históricos; por métodos qualitativos, como experiência da gestão ou opinião de experts; ou ainda a combinação dos dois. Quanto, quando e onde são perguntas que buscam ser respondidas por meio da realização de previsões. É importante destacar que as predições não são o mesmo que alvos, porém são estimativas sobre o que ocorrerá. As decisões tomadas com base nos resultados das previsões e a preparação para o futuro resultam no planejamento. Por isso, realizar boas estimativas sobre o futuro é o propósito principal da previsão. 

Qual a importância da previsão de demanda?

Previsão de demanda é uma atividade importante que influencia empresas de diversos segmentos, tais como: varejo, bens de consumo, indústria farmacêutica, automotiva, setor de eletrônicos, maquinário pesado, entre outros.  Leia também: O papel da IA na previsão de demanda na indústria alimentícia.

As previsões de demanda são utilizadas para o planejamento das empresas, visto que todo plano precisa se basear em uma previsão. Além disso, a gestão de processos e a gestão da logística são áreas que se beneficiam de previsões de demanda de qualidade. Assim, as predições são de suma importância, pois possibilitam que os gerentes planejem atividades mais assertivas em direção aos objetivos estratégicos do negócio. É útil ainda para o processo tático e estratégico das empresas. A área de planejamento aplica previsões em seu dia a dia, as quais podem servir de insumo para o time de vendas e marketing a fim de ajudar com insights na geração da demanda e organizar suas ações. 

Os negócios, em sua maioria, precisam realizar previsões em relação aos seus produtos para elaborar um planejamento efetivo tanto no curto quanto no longo prazo. Assim, previsões de demanda são cruciais para as empresas, já que afetam planejamento de estoque, planejamento logístico, programação da produção, planejamento de fluxo de caixa, decisão sobre contratações de novos colaboradores, decisões de compras, entre outros. Previsões de baixa qualidade ou a falta delas podem levar a uma tomada de decisão errônea. Dessa forma, os negócios se preparam de maneira incorreta para o futuro. 

Benefícios

Melhores previsões podem resultar em melhores níveis de serviço, retenção de clientes, redução de custos e redução de desperdícios (excesso de estoque e produtos não vendidos). Além disso, produções de emergência para atender a demanda são mitigadas, pois com a previsão as empresas podem se planejar e tomar decisões que permitam uma resposta proativa.

Não estar preparado para a demanda pode gerar perdas incalculáveis, como redução de market share. Por exemplo, quando o cliente precisa do produto, mas não encontra a marca desejada, ele pode substituir por outras. As empresas não podem mais esperar que a demanda ocorra para reagir e ter o produto certo, no local certo e no tempo certo. Além disso, o aumento exponencial na performance de cadeias logísticas de algumas empresas só foi possível com melhorias nas previsões de demanda. Empresas investem para que consigam prever melhor o futuro, pois sabem que isso gera retorno financeiro. É importante saber o que está acontecendo no ponto de venda para obtenção de uma previsão de demanda mais assertiva. 

Como é a classificação dos horizontes de previsões?

A previsão de demanda pode ser classificada em relação ao horizonte futuro no tempo que se aplica. As três categorias de classificação em relação ao horizonte de tempo são:

  • Previsão de curto alcance: geralmente menor que 3 meses, mas pode ir até 1 ano. Utilizada para planejamento de compras, programação de produção, níveis de mão de obra, níveis de produção.
  • Previsão de médio alcance: geralmente de 3 meses até 1 ano, contudo pode ir de 1 ano até 3 anos. Útil para planejamento de vendas, análise de planos de operação, planejamento de produção e orçamento.
  • Previsão de longo alcance: possui 3 ou mais anos. Esse tipo de previsão pode ser aplicado para planejar novos produtos, expansão, além da pesquisa e desenvolvimento.

Previsões de curto alcance tendem a ser mais assertivas do que previsões de longo alcance.

Quais as principais categorias dos métodos de previsão de demanda?

Os métodos de previsão de demanda dividem-se em três categorias básicas, as quais são:

  1. Qualitativos: métodos que se baseiam nas opiniões de gestores, especialistas, equipe de vendas e questionários de clientes a fim de estimar o valor quantitativo de demanda.
  2. Séries temporais: abordagem estatística que depende de dados históricos para prever a demanda futura. Por esses métodos, há o reconhecimento de tendências e padrões sazonais.
  3. Modelos causais: método quantitativo de previsão de demanda que se utiliza de dados históricos em conjunto com variáveis independentes, tais como: condições econômicas, ações dos concorrentes e campanhas promocionais.

Independentemente da categoria do método de previsão de demanda, um pré-requisito é que haja algum padrão ou relação que possa ser identificado e modelado.

Evolução da previsão de demanda ao longo da história

As organizações começaram a criar departamentos e funções de previsão de demanda ao final de 1980. Entretanto, esse tema já era explorado nas décadas anteriores na academia e por segmentos em que os produtos precisam de diversas partes para serem montados. O início das previsões de demanda nas empresas, em sua maioria, consistiu em modelos simples de estatística, como médias móveis (moving averaging), suavização exponencial simples (simple exponential smoothing), e julgamento por instinto. 

Os avanços tecnológicos em armazenamento e processamento de dados (Big Data) posicionaram a previsão de demanda como um dos atores principais na geração de valor para o Supply Chain. Como resultado desses avanços, as previsões de demanda estão melhorando cada vez mais.

Conclusões e Recomendações

Prever a demanda futura é um desafio que as empresas têm que enfrentar para conseguir tomar decisões que gerem melhores resultados. A previsão de demanda é uma atividade essencial para o planejamento das empresas, pois ela gera diversos benefícios, como: redução de desperdícios, melhor alocação dos recursos, aumento de vendas e receita. Assim, auxilia as organizações a terem o produto certo, no local certo e no tempo certo.

Leia também: O desafio da previsão de demanda na visão da Aquarela.

Busque continuamente melhorar o processo e as tecnologias de previsão de demanda em sua empresa para acompanhar esse mundo em constante mudança. O Aquarela Tactics possui um módulo de previsão de demanda que pode lhe auxiliar nessa jornada para saber com antecedência o que esperar do mercado consumidor e otimizar suas decisões.

Quem é a Aquarela Analytics?

A Aquarela Analytics é vencedora do Prêmio CNI de Inovação e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes, como: Embraer (aeroespacial),  Auren (energia), Scania e Grupo Randon (automotivo), SolarBR Coca-Cola (alimentício), Hospital das Clínicas (saúde), NTS-Brasil (óleo e gás), Telefônica Vivo (Telecomunicações), dentre outros. Fique atento às novas publicações diárias da Aquarela Analytics no Linkedin e assinando a nossa Newsletter mensal!

Autor

O papel da IA na previsão de demanda na indústria alimentícia

O papel da IA na previsão de demanda na indústria alimentícia

O conceito de ponto de equilíbrio entre oferta e demanda é amplamente utilizado para explicar diversas situações do nosso dia-a-dia, desde o pão na padaria do bairro, que pode ser comercializado pelo preço de equilíbrio que iguala as quantidades desejadas pelos compradores e vendedores, até a negociação de papéis de empresas no mercado de ações. No lado da oferta, a definição do preço correto a ser praticado e, principalmente, a quantidade são questões comuns no planejamento e execução de estratégia de diversas empresas.

Neste contexto, como as inovações tecnológicas da área de dados estão se estabelecendo no setor alimentício? 

A construção da previsão de demanda

A projeção de demanda muitas vezes é construída por meio de dados históricos de venda, perspectivas de crescimento do setor ou até mesmo metas estipuladas para engajar vendas de determinado produto. 

Ao considerar somente esses meios de previsão, sem considerar o crescimento específico de cada SKU (Stock Keeping Unit), as companhias podem cair nas armadilhas da subjetividade ou generalismo. 

A expansão de um setor não resulta em um crescimento de mesma magnitude para todo o mix de produtos. Por exemplo, um crescimento anual projetado de 6% para o setor de alimentos implica, necessariamente, em crescimento equivalente para o segmento de carnes nobres? 

Possivelmente, não, pois esse nicho de mercado pode ser mais resiliente ou sensível do que o setor alimentício, ou até mesmo pode sofrer com mudanças recentes nos hábitos dos consumidores.

Impactos dos erros da previsão de demanda

Para empresas, principalmente grandes companhias com economias de escala e capilaridade geográfica, um erro na previsão de demanda pode causar diversas consequências, tais como:

Essas adversidades impactam diretamente os resultados finais das companhias, uma vez que resultam em perda de market share, aumento de custos ou baixa otimização na diluição dos custos fixos, crescimento na perda de estoques perecíveis, frustração dos colaboradores em relação às metas e principalmente quebra na confiança de clientes recorrentes que dependem do fornecimento para suas operações. 

IA na previsão de demanda no setor de alimentos

A indústria alimentícia está situada em um contexto de produtos de alta perecibilidade com as seguintes características: 

  • Alto giro de estoque;
  • Fornecimento paralelo em diferentes localidades;
  • Grande número de Skus, pontos de produção e pontos de comercialização;
  • Cadeia de suprimentos verticalizada;
  • Não linearidade nos padrões dos dados;
  • Sazonalidade.

Estas características fazem do setor um nicho de negócio mais sensível aos desvios na previsão de demanda e planejamentos adjacentes. 

Oportunidade na cadeia de suprimentos

Como alternativa ao formato tradicional de previsão de demanda, existem oportunidades para a utilização de dados de mercado e IA para auxiliar os gestores no processo de S&OP (Sales & Operations Planning), assim como no processo de S&OE (Sales and Operations Execution). 

Durante o processo de S&OP, a previsão de demanda amparada por IA  facilita o trabalho das áreas de marketing e vendas no detalhamento de metas, assim como reduz a incerteza e  aumenta a previsibilidade para as áreas de supply chain. 

Já no processo de S&OE, a IA pode ser utilizada na identificação de novas oportunidades e correções de desvios em relação ao planejado. 

Além dos atributos técnicos que a IA pode agregar ao processo, o embasamento em dados reduz os pontos de conflitos entre equipes, diminui disputas históricas entre preferências por SKUs e torna o processo mais transparente entre as áreas.

Previamente, em nosso blog, abordamos os desafios da previsão de demanda na nossa visão (pt. 1 e pt. 2). Nos artigos, citamos os diferenciais da abordagem preditiva em relação à demanda, levando em consideração fatores como a sazonalidade, preferências geográficas/regionais e mudanças no comportamento dos consumidores. 

Entendemos que a necessidade de uma abordagem preditiva utilizando dados, principalmente externos à empresa, está cada vez mais latente. 

O papel do aprendizado de máquina (machine learning) no setor alimentício

A utilização de IA por meio de técnicas de machine learning associados a um coerente stack tecnológico de analytics (O que é um stack tecnológico?) fornece maior velocidade de informações, organização de dados com diferentes granularidades (região, estado, cidade e bairro), ajustes de sazonalidade, exploração de oportunidades e tomada de decisão em tempo real. 

No caso do setor de alimentos, a maior acurácia na previsão de demanda significa: 

  • Otimização de estoques dentre os Centros de Distribuição (CDs);
  • Redução de estoques ociosos;
  • Diminuição nas rupturas que causam perda de market share em função de produtos substitutos;
  • Redução direta em perdas com perecibilidade (FIFO). 

No entanto, o grande desafio técnico e conceitual enfrentado pelos cientistas de dados (O perfil de cientistas de dados na visão da Aquarela) é a modelagem dos datasets de análise (o que são datasets?) que servirão para o treinamento adequado das máquinas. 

Vale lembrar que:

“Executar o treinamento de máquina somente com dados do passado fará com que as máquinas repliquem os mesmos erros e acertos do passado, principalmente na questão de precificação. Portanto, o objetivo deve ser criar modelos híbridos que ajudem a IA replicar com mais intensidade e ênfase os comportamentos desejados da estratégia da gestão”. 

No caso da Aquarela, o módulo de previsão de demanda do Aquarela Tactics possibilita a obtenção de previsões integradas aos sistemas corporativos e às estratégias de gestão. Ele foi criado com base em dados reais do varejo nacional e algoritmos feitos para atender demandas específicas das áreas de marketing, vendas, supply chain, operações e planejamento (S&OP e S&OE). 

Conclusões e recomendações

Nesse artigo, apresentamos as características-chave da operação de previsão de demanda no setor alimentício. Também abordamos, com base em nossas experiências, o papel da estruturação de Analytics e IA na previsão de demanda. Ambos são temas de destaque e de desafios para gestores, matemáticos e cientistas de dados. 

As inovações tecnológicas de previsão, sobretudo com uso de algoritmos de Inteligência Artificial, estão cada vez mais presentes na operação das empresas e os seus benefícios já são evidentes.

Além de evitar pontos negativos da subestimação da demanda, a abordagem preditiva, quando bem realizada, possibilita o ganho de market share em produtos atuais e uma grande vantagem competitiva em prever oportunidades em outros nichos.

Leia também: Como escolher o melhor fornecedor de Data Analytics e Inteligência Artificial? 

Gostou do artigo? Então, deixe o seu comentário.

Quem é a Aquarela Analytics?

A Aquarela Analytics é vencedora do Prêmio CNI de Inovação e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes, como: Embraer (aeroespacial),  Auren (energia), Scania e Grupo Randon (automotivo), SolarBR Coca-Cola (alimentício), Hospital das Clínicas (saúde), NTS-Brasil (óleo e gás), Telefônica Vivo (Telecomunicações), dentre outros. Fique atento às novas publicações diárias da Aquarela Analytics no Linkedin e assinando a nossa Newsletter mensal!

Autores

Previsão de demanda

Previsão de demanda

Preditor de demanda Obtenha a previsão de demanda de forma integrada aos sistemas corporativos, promovendo aumento da lucratividade e redução de perdas, ruptura e renúncia de receita. Converse com nossos especialistas IA aplicada à previsão de demanda  O módulo...