PROPOSTA DE PROCESSO DE PREVISO DE VENDAS PARA BENS DE CONSUMO

George Paulus Pereira Dias

Escola Politcnica da Universidade de So Paulo (EPUSP) Av. Prof. Almeida Prado - trav.2, n128 paulus@hotmail.com ABSTRACT: This article aims to prescript a process for fast moving consumer goods' producers to elaborate their short term forecasts. It is based in an academic research which approached the study of forecasting as a process, including the design of the process, data base management, forecasting software, demand features, models choose and use, sales force role in forecasting, feedback on forecast accuracy. Apart of the bibliography the process suggested in this article is also based in two researches. One to learn with actual practices verifying how firms elaborate its forecast, and another to analyze the role forecasting software is able to perform in the process as a whole. KEYWORDS: Forecasting, Production Planning, Demand Planning RESUMO: Este artigo se prope a prescrever um processo de previso para empresas de bens de consumo para elaborao de suas previses de curto prazo. Est baseado em uma pesquisa acadmica que abordou a elaborao da previso como um processo. Desde o projeto do processo de previso, a gesto do banco de dados, o software utilizado, as caractersticas da demanda, a escolha e uso das tcnicas quantitativas e qualitativas de previso, o papel da fora de vendas, as revises das previses, e at o tratamento dos erros de previso. Alm da reviso bibliogrfica o modelo tentativo para o processo de previso sugerido neste artigo baseou-se tambm em duas pesquisas de campo. Uma para identificar boas prticas que possam ser incorporadas ao processo proposto e outra para analisar qual pode ser o papel dos software de previso.

1 INTRODUO
No ambiente empresarial as previses de demanda so importantes, sobretudo para racionalizao dos recursos e para o planejamento correto do nvel de atendimento aos clientes. Toda atividade de planejamento requer previses sobre um fato futuro. Quanto melhor for essa previso, melhor sero as hipteses utilizadas para o planejamento.

Esse trabalho tem como objetivo, com base na literatura e na prtica, propor um processo de previso de vendas que atente no s a escolha e ajuste das tcnicas de previso, mas para a funo de previso como um todo. O Processo de Previso deve ser entendido como o conjunto de todas atividades envolvidas na gerao dos nmeros finais de previso, desde a definio de quais dados coletar at a ltima reviso da previso, passando pela coleta de dados, pelo seu tratamento, pela escolha dos modelos apropriados, pela anlise de erros, etc.
C om ponentes do Sistem a de Prev iso

L IT E R A TU R A
Processo de Previso
P e sq u is a de Cam po
( S oftw are)

2 MTODO DE PESQUISA
A pesquisa foi estruturada com o intuito de obter
P es qu isa d e C am po

elementos que enriqueam o processo de previso a ser sugerido. Para isso ela foi dividida em trs grandes blocos, veja Figura 1. A reviso da bibliogrfica, uma pesquisa junto aos desenvolvedores de softwares de previso e outra com empresas que elaboram previses. Cada uma dessas etapas ser descrita a seguir.

(Em presas )

S ug es to de P ro ce sso de P rev is o

Figura 1 - Estrutura da Pesquisa

3 REVISO BIBLIOGRFICA
3.1 O PROCESSO DE PREVISO
Em geral os trabalhos encontrados na literatura sobre previso concentra-se nas questes quantitativas. S mais recentemente tem se dado mais ateno ao tratamento do processo de previso como um todo. Citamos duas fontes que mostram as abordagens existentes para o tema. O processo de previso descrito a seguir proposto por BRANDER (1995) e est esquematizado na Figura 2. 1. Coletar e analisar os dados. Aps digitados no sistema os dados devem ser avaliados, ou seja, necessria uma anlise exploratria dos dados para que possveis distores sejam retiradas dos histricos. Essas distores podem ser causadas por: erro na digitao dos dados; falta de produtos; especulao do mercado sobre variaes de preo; eventos espordicos que tm relao com a demanda; expectativas de promoes, etc. Alm disso, para previso importante trabalhar com dados de demanda e no de entregas ou faturamento. Isso exige outro filtro manual" dos dados na entrada do sistema de previso.

2. Fazer a previso quantitativa - recurso computacional. Esse o momento em que as tcnicas quantitativas de previso devem ser aplicadas aos dados. As tcnicas quantitativas podem ser classificadas em duas categorias: as Sries Temporais e os Modelos Causais. A principal diferena est nas premissas dos modelos: os modelos causais procuram relaes do tipo "causa e efeito" para explicar o comportamento da varivel. J as Sries Temporais se baseiam na hiptese de que o futuro ser uma continuao ou repetio do passado. Atualmente, o computador tem tido papel fundamental para a aplicao de tais tcnicas.
Coletar e analisar os dados Mdulo de previso Clculo da previso N Reviso da previso Previso final OK Revisar o modelo Os erros esto satisfatrios? S

Vendas Monitoramento dos erros

Figura 2 - Processo de previso, adaptada de BRANDER (1995)

3. Revisar a previso. Para rever as previses algumas questes devem ser respondidas: Resultado do modelo matemtico factvel? As premissas adotadas na construo do modelo continuam vlidas? As informaes sobre os consumidores, concorrentes, distribuidores,..., esto disponveis? Sem elas os dados histricos no passam de um amontoado de nmeros, que muitas vezes no ajudam a entender a demanda e, portanto a prev-la. Existe algum esforo especial de Marketing? Se existe, qual o resultado esperado? Ocorrer algum evento que afete a demanda como Natal ou Dia das Mes?

4. Monitorar o erro. O erro de previso vai sempre existir devido componente aleatria da demanda. Entretanto importante acompanha-lo para garantir que esteja dentro de limites aceitveis, e para evitar o vis.

Uma outra abordagem apresentada por KRESS; SNYDER (1994). Sua sugesto est apresentada a seguir e est esquematizada na Figura 3. 1. Definir o propsito da previso. Porque a previso necessria? Como os resultados sero usados? Que tipo de deciso ser tomada com a previso? Essas questes iro influir nas caractersticas chaves da previso descritas a seguir. 2. Identificar as caractersticas chaves da previso. Qual a agregao por regio? A previso deve ser feita para cada regio ou para o pas como um todo? Qual o nvel de detalhe necessrio? Qual a agregao por produto? A previso deve ser feita por produto, famlia de produtos, modelos? Qual a extenso dos perodos de previso? As previses devem ser feitas por ms, quinzena, semana, dia? Qual o horizonte de previso? Quantos perodos so necessrios de antecedncia? 3. Identificar foras internas e externas. Fatores que influenciam a demanda como as foras internas so mais fceis de identificar como mudanas na planta da fbrica, lanamento de novos produtos, dados histricos de vendas, etc. J as foras externas como nvel de atividade econmica, aes do governo, aes dos competidores, etc. so mais difceis de obter, mas tambm podem ser valiosas fontes de informao previso. 4. Selecionar o modelo mais apropriado. A seleo do modelo mais apropriado funo de seis fatores: horizonte de previso, acurcia desejada, padres da demanda, custo da tcnica, disponibilidade de dados e complexidade dos modelos. 5. Fazer uma previso inicial: depois que as foras internas e externas foram consideradas e o modelo foi selecionado, ento a previso inicial deve ser elaborada. Na construo da previso inicial as condies de mercado e o plano de marketing devem ser considerados. Com a utilizao de informaes que inserem as previses em seu contexto, as distores sero evitadas. 6. Revisar previso com base na percepo dos usurios da previso: A previso deve ser revisada pelo responsvel pelas decises e se este tiver uma justificativa, ento a previso deve ser ajustada. 7. Fazer a previso formal: a previso formal estabelecida aps a reviso dos responsveis pelas decises ou at pela alta gerncia.

8. Monitorar o erro: A ltima etapa do processo de previso o monitoramento dos erros. Como os erros de previso afetam vrias funes de uma empresa, eles devem ser acompanhados de perto para que quando necessrio, aes corretivas no processo sejam tomadas rapidamente.

1-Definir o propsito da previso

2-Identificar as caractersticas chaves da previso

3-Identificar foras internas e externas 4-Selecionar o modelo mais apropriado 5-Fazer uma previso inicial 6-Revisar a previso com os usurios 7-Fazer a previso formal 8-Monitorar o erro
Figura 3 Processo de Previso de KRESS; SNYDER (1994)

3.2 COMPARAO DOS PROCESSOS

Na apresentao de seu processo BRANDER (1995) se mostra mais voltado questo do projeto do processo, definio e ao estudo das variveis importantes e que devem ser consideradas no seu desenho. J KRESS; SNYDER (1994) do mais ateno elaborao da previso em si. Seu processo se preocupa mais com o andamento da funo de previso. Nenhum dos processos abordam as questes relacionadas s metas corporativas ou a participao da fora de vendas na elaborao da previso. Esses aspectos podem causar conflitos de interesse dentro da organizao e trazer distores s previses como ser descrito mais adiante.

4 PESQUISA DE CAMPO - SOFTWARE DE PREVISO

4.1 OBJETIVOS DA PESQUISA
Esta pesquisa de campo teve como objetivo verificar de que forma os software se inserem no processo de previso. Analisar as ferramentas disponveis e como este processo pode ser influenciado pela estrutura dos software de previso.

4.2 PREPARAO DA PESQUISA

Como as equipes tcnicas dos desenvolvedores de software encontram-se na sua grande maioria fora do Brasil, a pesquisa foi realizada atravs de questionrios enviados por correio eletrnico. O questionrio foi organizado nos seguintes tpicos: A. Demanda: Dentro da lgica de que o software deve ajudar o usurio a analisar e entender sua demanda. B. Modelos de previso: para verificar quais as tcnicas de previso disponveis e o grau de acesso que o usurio tem s frmulas. C. Inteligncia de vendas: avaliar como o software utiliza as informaes qualitativas provenientes da fora de vendas ou da gerncia. D. Processo de previso: verificar se o software atua no processo de previso como um todo. Sero questionadas as formas pelas quais o software trata cada uma das seguintes funes: coleta dos dados; analise dos dados; seleo do modelo; elaborao da previso quantitativa; reviso da previso; elaborao da previso final; monitoramento da acurcia. E. Ferramentas do software: sero questionadas quais as ferramentas especficas para acompanhar os erros de previso e quais informaes so disponibilizadas nos relatrios. F. Gesto do banco de dados: nesta ltima parte do questionrio estar sendo avaliada a capacidade do software em tratar as matrias-primas do processo de previso: Informaes qualitativas; explicaes para mudanas na demanda e as hipteses feitas para prever.

4.3 EXECUO DA PESQUISA

Depois de um piloto para ajuste dos questionrios eles foram enviados para 39 desenvolvedores. As concluses foram baseadas nas respostas de 9 questionrios. Para maiores detalhes sobre est pesquisa consulte (DIAS, 1998).

4.4 ANLISE DAS DISTORES

A utilizao apenas de questionrios enviados por correio eletrnico insere uma distoro associada ao entendimento das mensagens de pergunta e resposta. Na tentativa de controlar essa distoro foi enviado o questionrio piloto para trs empresas. Outra distoro foi a inteno de venda de seu produto por parte dos desenvolvedores. O controle desta distoro foi feito atravs da anlise crtica das respostas e utilizao daquilo considerado como relevante pelo pesquisador. Por fim, o fato de a pesquisa ter sido feita com as respostas de nove empresas das trinta e nove da amostra inicial, tambm uma distoro. Essas nove empresas no podem ser consideradas como representativas dos software de previso.

4.5 RESUMO DOS RESULTADOS DA PESQUISA

Os software de uma forma geral se restringem a utilizao dos modelos quantitativos. As tcnicas qualitativas no so abordadas. O computador extremamente necessrio para utilizao das tcnicas quantitativas, sobretudo para aquelas mais complexas, ou naqueles casos em que h muitos itens para prever. Apesar dessa constatao, o computador tambm pode ser utilizado para agregar informaes qualitativas a previso. nessa funo, que os software analisados apresentaram uma lacuna, sendo muito pouco desenvolvida. Todo tipo de informao qualitativa til previso, desde as explicaes sobre anormalidades do histrico de dados at os motivos das revises, pouco ou nada tratado pelos software. Os programas tambm no mostram uma preocupao com o processo de previso como um todo. Genericamente pode-se afirmar que os software so teis apenas no momento de calcular as previses quantitativas. Com relao aos modelos quantitativos os software so bastante heterogneos. Enquanto alguns possuem uma grande variedade de tcnicas, outros tm apenas um modelo disponvel. Na escolha de um software de previso importante avaliar quais as tcnicas disponveis e se estas so indicadas ao padro de demanda que se quer prever.

5 PESQUISA DE CAMPO - EMPRESAS

5.1 OBJETIVOS DA PESQUISA
A pesquisa de campo com as empresas teve como objetivo verificar como os aspectos tericos so abordados pelas empresas e buscar as melhores prticas de previso que possam ser incorporadas ao processo de previso sugerido.

5.2 PREPARAO DA PESQUISA

A pesquisa de campo com as empresas foi dividida em duas etapas: na primeira o objetivo era identificar empresas que tivessem a contribuir com um processo de previso bem estruturado. Na segunda etapa as empresas pr-selecionadas tiveram seus processos de previso levantados em detalhe. A primeira etapa foi feita com um questionrio simplificado para verificar se a empresa utiliza software para prever, aplica tcnicas de previso e quo multifuncional o processo. J na segunda etapa a pesquisa foi feita atravs de entrevistas dirigidas por questionrios. Esses questionrios foram estruturados no mesmo molde da pesquisa de software, mas agora com a inteno de avaliar

como a empresa elabora sua previso. Os tpicos foram: anlise da demanda, estruturao do processo de previso, uso da inteligncia de vendas, uso dos modelos de previso, papel dos software, organizao do banco de dados.

5.3 EXECUO DA PESQUISA

Da primeira etapa, que envolveu vinte e oito empresas, quatro foram selecionadas para ter seu processo estudado em detalhe. As empresas selecionadas foram aquelas que apresentaram um processo bem estruturado com a utilizao de software; mtodos quantitativos e as que mostraram um processo de previso com a participao de vrios departamentos. Caractersticas assumidas como indicio de que a empresa trata a funo de previso com ateno. As empresas que participaram da segunda etapa so empresas de bens de consumo com faturamentos que vo de 600 milhes de reais at 6 bilhes e com quadro de pessoal de 3.500 a 12.000 pessoas. Envio do questionrio final: quando possvel, ainda antes da entrevista, o questionrio foi enviado para que a empresa pudesse se preparar para ela. Entrevistas: todas foram realizadas com base no questionrio final, anotadas e gravadas, para que o mximo de informaes pudesse ser recuperado posteriormente.

5.4 ANLISE DAS DISTORES

Como a pesquisa fundamentou-se em entrevistas, direcionadas por questionrio, o entrevistado pode ter se sentido julgado quando seu trabalho estava sendo avaliado. A fonte dessa distoro se evidenciava sempre que a atividade abordada no era adequadamente tratada pela empresa. Tentouse diminuir essa distoro nos primeiros contatos com a empresa quando a proposta feita pelo pesquisador era de ajudar a empresa a aperfeioar seu processo de previso. Como a ferramenta de pesquisa utilizada foi a entrevista, a chance de que informaes fossem perdidas foi controlada gravando e anotando todas entrevistas. Entretanto, pode-se dizer que o gravador inibiu o entrevistado, para tentar controlar essa outra distoro o pesquisador, antes do inicio da entrevista, deixo claro que o gravador poderia ser desligado a qualquer momento pelo entrevistado. Como as entrevistas foram direcionadas por um questionrio, para controlar erros de entendimento das questes, todas foram feitas pessoalmente, com as questes sendo explicadas pelo pesquisador. Por fim, o recurso tempo sendo escasso no permitia que muitos detalhes fossem analisados durante as entrevistas. Para controlar essa distoro, sempre que possvel o questionrio foi enviado

empresa antecipadamente, pois assim ela poderia se preparar para entrevista com antecedncia.

5.5 RESUMO DOS RESULTADOS DA PESQUISA

Aqui os resultados sero apresentados de forma segmentada seguindo a mesma estrutura da ferramenta de pesquisa. 5.5.1 DEMANDA As empresas, em geral, mostraram que apesar de haver concentrao do faturamento (ou da produo) em alguns produtos, o processo de previso o mesmo para todos. As empresas de bens de consumo com raras excees tm sua demanda extremamente concentrada em alguns clientes. uma boa oportunidade de parceria como j detectou a uma das empresas pesquisadas, que utiliza informaes dos principais clientes na elaborao de suas previses. 5.5.2 PROCESSO DE PREVISO As principais constataes nesse item da pesquisa foram: Interferncias entre as metas e as previses: durante a pesquisa, esse ponto deixou claro um fator no abordado na teoria: foi o fato de que os processos de previso esto mais voltados elaborao das metas do que das previses. Isso insere duas grandes distores no processo: 1. A fora de vendas tende a subestimar suas previses; e, 2. As previses so elaboradas num contexto daquilo que a gesto da empresa DESEJA vender, e no daquilo que se ESPERA vender. Essas duas distores causam uma srie de desdobramentos. Inicialmente, ocorre um conflito no processo de elaborao das previses: enquanto a gerncia est influenciada pelos resultados a serem alcanados, a fora de vendas est pensando em metas que possa atingir. Mesmo que no haja conflito, ou seja, mesmo que a fora de vendas esteja comprometida com os objetivos da empresa, as previses elaboradas com base naquilo que a empresa quer vender no so uma boa expectativa de vendas. As previses devem ser elaboradas independentemente das metas. As metas e previses devem ser utilizadas em conjunto para direcionar aes da empresa sobre a demanda, como promoes, variaes de preo, etc. De forma geral, os clientes internos esto envolvidos no processo, numa etapa de validao das previses/metas. Vale citar que das quatro empresas duas realizam S&OP (Planejamento de Vendas e Operaes), o que aumenta a integrao entre as reas. Verificou-se que as caractersticas da previso e as necessidades do planejamento e de tomada

de deciso so coerentes, entretanto, a elaborao das previses se torna problemtica quando o nvel de detalhe muito grande. Quando a demanda desagregada por produto, por regio e s vezes at por vendedor, no h mais padro e os dados de demanda tornam-se muito irregulares. Anlise dos erros de previso: esse outro ponto pouco tratado pelas empresas. No se encontrou a prtica acompanhamento dos erros de previso para tomada de aes corretivas. 5.5.3 INTELIGNCIA DE VENDAS O papel da inteligncia de vendas distorcido pelos problemas descritos no item anterior. Entretanto, pode-se dizer que quanto maior a concentrao das vendas por cliente, maior o peso dado a fora de vendas no processo de previso. Informaes como tendncias de mercado, aes da concorrncia e nveis de estoque dos clientes so trazidas pela fora de vendas. 5.5.4 MODELOS Neste tpico, verificou-se qual o grau de entendimento dos modelos quantitativos, por parte dos responsveis por prever e pelos usurios da previso. Apenas uma das empresas explora as tcnicas quantitativas. As outras tambm utilizam as tcnicas disponveis nos software, mas o peso maior da previso final est nos dados qualitativos. As previses so apresentadas como nmeros exatos, em tabelas. Vale ressaltar, que nenhuma empresa trabalha com intervalos de confiana e sua probabilidade de ocorrncia. O nvel de compreenso das tcnicas utilizadas superficial. O entendimento detalhado das tcnicas no tido como importante pela maior parte dos responsveis por prever. Isso de alguma forma dificulta a compreenso das relaes de causa e efeito do modelo. O usurio no capaz de interferir nele de modo a ajust-lo ou corrigi-lo. Essas constataes so indcios de que as empresas no tm explorado as oportunidades de melhorar a acurcia atravs do uso adequado dos modelos quantitativos de previso. verdade que os modelos so aproximaes da realidade, mas a utilizao apenas de tcnicas qualitativas traz uma srie de problemas as previses, como o vis do julgamento, a grande influncia dos eventos mais recentes, correlaes ilusrias, etc. 5.5.5 SOFTWARE Na pesquisa com as empresas verificou-se que os software tm sido utilizados basicamente como uma ferramenta de clculo e de validao das previses qualitativas. Pode-se dizer que, em geral, as previses quantitativas servem apenas "para dar uma base" para as qualitativas. 5.5.6 ORGANIZAO DO BANCO DE DADOS Na avaliao de quais dados so utilizados e como so registrados os tpicos analisados foram:

Tipo de dados utilizados: em geral, as empresas utilizam apenas os dados histricos de vendas. Em alguns casos so utilizados dados secundrios, uma das empresas utiliza dados de procura por um produto com demanda complementar ao seu, enquanto outra usa os dados Nielsen.

Os dados qualitativos para explicar o comportamento da demanda so pouco explorados, mas encontramos a prtica de registro sistemtico desse tipo de informao por uma das empresas que registra explicaes para alteraes inesperadas no comportamento de sua demanda.

Confiabilidade dos dados histricos: um problema encontrado que eles refletem aquilo que a empresa entregou e no o que o mercado gostaria de ter recebido. Para aqueles produtos que a empresa tem uma procura maior do que sua capacidade de oferta, os dados ficam distorcidos e pouco inconsistentes para prever.

6 PROPOSTA DE PROCESSO DE PREVISO

Esta proposta foi elaborada com base na anlise da literatura, e nas observaes feitas nas pesquisas de campo. Entretanto, antes de iniciar a descrio da proposta preciso fazer algumas consideraes sobre as variveis que influem no processo e, portanto, em seu resultado final. Essas variveis devem ser analisadas quando do projeto do processo de previso.

6.1 VARIVEIS QUE INFLUEM NO PROCESSO

6.1.1 DEFINIR O PROPSITO DA PREVISO Inicialmente deve-se identificar qual ser o propsito da previso. As decises que sero tomadas com base na previso estabelecero desde caractersticas estruturais, como seu horizonte, at mesmo a forma como a previso deve ser apresentada (exatido, nvel de agregao, etc.). 6.1.2 IDENTIFICAR AS CARACTERSTICAS CHAVES DA PREVISO Como descrito por KRESS; SNYDER (1994) uma vez definidos os propsitos da previso importante que se estabelea: O nvel de agregao por regio, por famlia de produtos e por clientes que ser usado para prever muitas decises exigem previses no nvel mais detalhado, ou seja, por produto, por regio, por cliente, etc. Entretanto, nesse nvel em geral a previso pouco confivel, pois a aleatoriedade ganha peso e os dados se tornam irregulares. Por isso necessrio definir quais os nveis timos de agregao para prever, e quais devem ser as regras de desagregao (pois algumas decises exigem dados no nvel mais detalhado). Horizonte mnimo necessrio para as previses - em geral, as decises precisam ser tomadas com alguma antecedncia. Isso est relacionado ao tipo da deciso e capacidade de resposta da

empresa. Quanto menos flexvel for a empresa maior dever ser esse horizonte. Por outro lado, quanto mais gil a empresa, menor o horizonte necessrio. O horizonte deve ser, no mnimo, igual ao maior tempo de resposta da empresa (ou maior Lead Time acumulado). O perodo da previso para empresas de bens de consumo em geral de 1 ms podendo ser subdividido em semanas ou at dias dependendo da deciso. 6.1.3 IDENTIFICAR AS FORAS INTERNAS E EXTERNAS Antes de comear a prever fundamental identificar as foras internas e externas que interferem ou explicam o comportamento da demanda. Deve-se descrever detalhadamente todas as variveis que possam interferir na demanda da empresa KRESS; SNYDER (1994). 6.1.4 BOM ENTENDIMENTO DO MERCADO O bom entendimento do mercado til, sobretudo nos momentos em que so feitos os ajustes nas previses. Para isso, a empresa pode segmentar seu mercado segundo suas necessidades, canal de distribuio, regio, comportamento de compra, etc. Como foi verificado na pesquisa de campo - empresas esse tpico merece ateno especial daquelas empresas que tm suas vendas concentradas em poucos clientes. Nesse tipo de situao o mais lgico assumir uma abordagem de parceria, com os grandes clientes participando diretamente do processo. 6.1.5 SELEO DO MODELO Ainda antes do processo de previso, importante que se tenha cuidado na seleo do modelo mais apropriado sua demanda. Como sugerido por KRESS; SNYDER (1994) a seleo do modelo deve considerar os seguintes fatores: Horizonte de previso cada modelo indicado para previses em determinados horizontes; Perfil da demanda caso a demanda tenha algum tipo de particularidade como concentrao em poucos clientes, ou demanda irregular, isso deve ser considerado para selecionar o modelo; Componentes da demanda - cada modelo trata de forma diferente cada componente da demanda (mdia, sazonalidade, tendncia, aleatoriedade e ciclicidade) Custo custos de coleta de dados, custo de manuteno e desenvolvimento do modelo e custo para monitorar e atualizar as previses. Facilidade de entendimento as tcnicas mais complexas podem eventualmente at gerar resultados melhores. Entretanto, sua validao junto ao usurio da previso difcil se ele no entender e validar o mtodo.

6.1.6 PARTICIPANTES DO PROCESSO O processo de previso deve contar com a participao daqueles departamentos que tm contato direto com o mercado. Garantindo-se assim a utilizao das informaes mais recentes para prever. Os usurios das previses tambm devem participar do processo, pois assim podem compartilhar informaes na formulao das hipteses usadas para prever e validar os nmeros finais. A sua participao contribui para que todos se comprometam com os mesmos nmeros finais de previso. Assim aumenta-se a chance de que as decises das vrias reas da empresa tornem-se mais coerentes entre si. Essa uma prtica que foi encontrada nas empresas que tm processo de previso mais estruturado (item 5.5.2).

6.2 PROCESSO DE PREVISO

Uma vez que o processo de previso est projetado, se faz necessria uma metodologia para que as previses sejam elaboradas a cada perodo. A seguir est descrita a proposta para tal metodologia cujo esquema est representado na Figura 4. Uma caracterstica que deve estar presente durante todo processo de previso, o registro sistemtico daquelas informaes que ajudam a entender a demanda. Como foi observado na pesquisa de campo (5.5.6) o registro desse tipo de informao importante, pois com elas que se recupera o contexto referente a cada perodo. Esse cuidado garante a boa utilizao dos dados histricos no mdio e longo prazo. 6.2.1 COLETAR E ANALISAR OS DADOS Como apontado por BRANDER (1995) antes da utilizao dos dados na previso preciso que seja feita uma anlise crtica para identificar possveis distores. Essa anlise visa filtrar variaes na demanda decorrentes de causas especiais como erros de digitao, falta de produtos, especulaes, formao/reposio de estoques na cadeia de distribuio, etc. Ela deve ser feita todo perodo, assim que os dados de demanda estiverem disponveis. Quando tais distores forem confirmadas, ento os dados devem ser ajustados ou desconsiderados para as prximas previses. Estes ajustes e as razes que os originaram devem ser registrados, para no futuro possibilitar a compreenso das correes feitas nos histricos de dados. 6.2.2 MDULO DE PREVISO O mdulo de previso se refere elaborao das previses quantitativas. Em geral essa etapa do processo no percebida pelo responsvel pela previso e pelo usurio da previso. Isso ocorre, pois uma vez que os dados so revistos e ajustados, estes so automaticamente transformados em previses pelo software sem a interao do usurio.

Para que as previses quantitativas geradas pelos software possam ser mais teis ao processo de tomada de deciso, indispensvel o entendimento e a validao do modelo pelo usurio da previso. Quando os modelos so compreendidos, os usurios podem avaliar seus pontos fortes e fracos e o software deixa de ser uma caixa mgica e passa a ser uma ferramenta til anlise da demanda.
Dados histricos; registro de excees; aes prvias sobre a demanda; regras de desagregao dos dados; etc. Variveis que atuam sobre a demanda, a conjuntura econmica, os dados dos clientes, da concorrncia, etc.

4.2.1
Coletar e analisar os dados

4.2.2
Mdulo de previso

4.2.3
Clculo da previso

4.2.5
Reviso gerencial Previso Quantitativa

4.2.4
Ajuste da Previso

Previso inicial da gerncia Metas corporativas

Limites mximo e mnimo para cada previso

sim

Sero necessrias aes sobre a demanda ?

no
Previso final da gerncia

4.2.6
Tomada de aes sobre a demanda Reviso dos impactos das aes sobre a Previso da fora de vendas

4.2.7
Reviso da previso pela fora de vendas

4.2.8
Definio da previso final

Meta de vendas; aes tomadas para atuar sobre a demanda; outras informaes que a empresa julgar relevante

Previso Final

4.2.9
Monitoramento dos erros

Demanda Real

Figura 4 Proposta para Processo de Previso

6.2.3 CLCULO DA PREVISO O clculo da previso o resultado da aplicao dos modelos quantitativos. Essa etapa pode se tornar crtica quando: H muitos itens para prever; O perodo de previso pequeno exigindo que os clculos sejam feitos freqentemente; A complexidade do modelo utilizado exige muitos clculos.

Em geral, o clculo deve ser executado pelo software de previso. O que foi notado na pesquisa de campo com as empresas que o rpido avano na informtica tem ajudado a diminuir os problemas acima citados. 6.2.4 AJUSTE DA PREVISO Aps o clculo das previses, deve-se fazer um outro filtro para identificar aqueles itens para os quais o modelo foi ineficaz. Faz-se, ento, um ajuste das previses para evitar que valores irreais continuem no processo. Esse filtro pode ser feito, por exemplo, com a definio de valores mximos e mnimos para cada produto, ou mesmo com a reviso de cada item se isso for vivel. Novamente o registro desse tipo de ajuste importante, pois pode ser til para correes futuras no mdulo de previso. Essa etapa do processo foi baseada na prtica de uma das empresas participantes da pesquisa. 6.2.5 REVISO GERENCIAL DA PREVISO Por mais completo que seja o modelo utilizado, a realidade , em geral, mais complexa do que um modelo pode representar. Por esta razo, as revises qualitativas so necessrias. Isto posto, depois de calculadas e ajustadas, deve ser feita uma anlise qualitativa das previses. Essa anlise gerencial deve contar com as informaes sobre o mercado que chegam at a empresa, ou que a prpria empresa prospecta. Deve ser considerada toda informao das variveis que atuam sobre a demanda como, a conjuntura econmica, os dados dos clientes e da concorrncia, etc. Para isso essas informaes devem ser sistematicamente coletadas e registradas. Uma diretriz a ser seguida nas revises qualitativas das previses dar nfase aos fatos, quelas observaes j consolidadas sobre o comportamento do mercado. Segundo CORRA et al. (1997) apesar dessas revises trabalharem com informaes qualitativas, um requisito fundamental para que elaboremos uma boa previso trabalhar com fatos e no apenas com meras opinies. Isso no quer dizer que as opinies so proibidas, mas que quando possvel devem ser evitadas.

6.2.6

COMPARAO ENTRE AS PREVISES INICIAIS E AS METAS CORPORATIVAS E TOMADA DE AES SOBRE A DEMANDA Essa atividade fruto das distores observadas na pesquisa de campo quando no h uma separao clara entre as metas e as previses e ocorrem os problemas citados no item 5.5.2. Uma vez definidas as previses, a direo da empresa deve decidir se os resultados esperados (previses) so compatveis com aquilo que se deseja (metas). Desta anlise so definidas as aes da empresa para influir na demanda como promoes, alteraes de preo, campanhas de vendas, etc. Definidas estas aes, as previses devem ser novamente ajustadas. Nesse momento as metas da fora de vendas devem ser estabelecidas. importante que essas metas sejam definidas antes da fora de vendas participar do processo de previso, caso contrrio, suas previses sero distorcidas. Essa distoro, como foi constatado na pesquisa de campo, ser fruto do conflito de interesses para estabelecer as metas. 6.2.7 REVISO DA PREVISO PELA FORA DE VENDAS Est atividade tambm surgiu para contornar os problemas observados na pesquisa de campo (item 5.5.2 e 5.5.3) que impedem a participao isenta da fora de vendas no processo de previso. Agora, a fora de vendas deve ser notificada de: Quais so as aes da empresa para influir na demanda; e, Qual sua meta.

Essas duas informaes so fundamentais para que cada vendedor possa elaborar sua previso de vendas. As aes da empresa influiro na demanda de cada vendedor. A sua meta tambm deve influir na sua previso, pois esta se relaciona ao "esforo de venda" que a empresa espera dele. Portanto, aps receber estas duas informaes cada vendedor deve elaborar a previso para sua carteira de clientes. A forma como ser elaborada, e as informaes adicionais que sero disponibilizadas para que os vendedores faam suas previses dependem da empresa. O que precisa ficar claro para fora de vendas, que suas previses no sero utilizadas no estabelecimento de suas metas. As metas devem ser estabelecidas antes da fora de vendas entrar no processo de previso, caso contrrio sua participao estar comprometida. Depois da fora de vendas participar do processo de previso, a empresa no poder mais rever suas aes para influir na demanda. Isso iria inserir uma nova distoro na previso da fora de vendas, porque em geral, esta deseja que os esforos para influir na demanda sejam os maiores possveis. A informao da fora de vendas deve ser utilizada apenas ao planejamento das outras reas.

6.2.8 DEFINIO DA PREVISO FINAL Uma vez definidas as previses da gerncia e da fora de vendas, preciso que se convirja para um nmero, que ser utilizado pela empresa como a previso final daquele perodo. Na definio da previso final a principal tarefa a comparao da previso da gerncia e da fora de vendas. Na Figura 5 esto representadas as situaes que podem ocorrer quando essa comparao feita. Na situao C as duas previses so coerentes, logo, a previso final pode ser definida na interseco da previso da gerncia com a da fora de vendas. J nas situaes A e B, a empresa deveria investigar as razes que originaram as diferenas entre as previses. Caso no haja nenhum indcio de que uma das previses est errada, a empresa dever definir a previso final como uma combinao das duas previses. O peso dado a cada previso vai depender de uma anlise crtica da empresa, de qual previso mais confivel. Essa escolha de quais pesos dar a cada previso, no incio pode ser difcil, mas com a repetio do processo e o acompanhamento dos erros, provavelmente ocorrer um aprendizado na sua definio. SITUAO A SITUAO B SITUAO C

ou

Previso da Gerncia

Previso da Fora de Vendas

Figura 5 - Comparao da Previso Gerencial e da Fora de Vendas

Obs.: Outro ponto ressaltado na Figura 5 que a previso deve ser determinada como uma faixa de valores provveis. O ideal que a empresa trabalhe com a previso de intervalos associados sua probabilidade de ocorrncia (item 5.5.4). Vale ressaltar que o processo de previso proposto foi elaborado com a premissa de que a fora de vendas uma rica fonte de informaes. Essa premissa foi assumida com base nas constataes feitas na pesquisa de campo. Entretanto, se a empresa considerar que a fora de vendas dispensvel previso, ento o processo termina com a elaborao da previso da gerncia.

6.2.9 MONITORAMENTO DOS ERROS Como sugerido por BRANDER (1995) e por KRESS; SNYDER (1994) o monitoramento dos erros serve a realimentao do processo de previso. com base nele que medidas corretivas sero tomadas. Sua insero na atividade de melhoria do processo de previso pode ser visualizada na Figura 6. O monitoramento dos erros til para direcionar aes de melhoria em cada uma das etapas do processo de previso. Por isso importante que se acompanhe a acurcia das previses em cada etapa: na previso quantitativa, previso final da gerncia, previso da fora de vendas e previso final. importante trabalhar com indicadores que avaliem tanto a magnitude como o vis dos erros. Entretanto, o monitoramento no deve se restringir ao clculo da acurcia. As melhorias s sero possveis quando as fontes dos erros forem identificadas. Por isso, essa etapa do processo tem como sada alm das medidas de acurcia, as razes associadas a cada erro de previso. A funo de monitoramento dos erros , na verdade, o momento no qual a empresa analisa o comportamento de sua demanda, e verifica quais foram as hipteses assumidas durante na elaborao da previso, que no se concretizaram. Uma questo presente nas empresas a definio de quando um erro de previso deve gerar uma reviso do processo. Qual deve ser o limite? Infelizmente, essa pergunta no tem uma resposta geral. Cada empresa deve ter um limite e esse limite est associado com sua capacidade de lidar com o erro de previso e as caractersticas do mercado no qual atua.
No h um procedimento timo para monitorar previses. O mtodo usado por uma empresa depende de fatores como a sazonalidade das vendas de seus produtos, sua habilidade de se ajustar rapidamente aos erros de previso, o nmero e tipos de produtos a serem monitorados, e a intensidade da competio no setor. (KRESS; SNYDER, 1994, p.203). Figura 6 Papel do Monitoramento dos Erros

necessrio cuidado na definio do perodo de monitoramento. Aes corretivas no podem ser tomadas a cada semana, pois muitas vezes o erro de previso est associado a um evento ou a aleatoriedades da demanda. Por outro lado as aes corretivas no podem esperar muito para serem tomadas, pois o processo pode estar com algum desvio.

7 BIBLIOGRAFIA
ADVANCED PLANNING SYSTEMS, INC. Internet, http://www.optiplan.com/optiplan.htm, nov. 1998. ARNOLD, T.J.R. Introduction to Materials Management. Prentice Hall, New Jersey, 1998. BELHUMEUR, P. SmartForecasts For Windows: Forecasting Software for P&IC Professionals. APICS - The Performance Advantage v.6, n.12, p.67-70, 1996. BRANDER, A. Forecasting and Customer Service Management. Helbing & Lichtenhahn, Frankfurt, 1995. CLONINGER, J. Internet, http://www.acgi.com/salesfcs.htm, mar. 1998. CHAMBERS, J.C.; MULLICK, S.K.; SMITH, D.D. How To Choose The Right Forecasting Technique. Harvard Business Review. v. 49, n.1, p. 45-74, 1971.(july-august) CHASE, R.B.; AQUILANO, N.J.; JACOBS, R. Production and Operations Management: Manufacturing and Services. McGraw-Hill, Boston, 1998. CORRA, H.L.; GIANESI, I.G.N. e CAON, M. Planejamento, Programao e Controle da Produo: MRPII/ERP Conceitos, Uso e Implantao. Atlas, So Paulo, 1997. CORRA, H.L.; GIANESI, I.G.N. Just in Time, MRPII e OPT: Um Enfoque Estratgico. Atlas, So Paulo, 1993. DIAS, G.P. Processo de Previso. So Paulo, 1998. 121p. (Trabalho de Formatura) Escola Politcnica, Universidade de So Paulo. ENGINEERING MANAGEMENT CONSULTANTS. Internet, http://polaris.net/~fourcast/, nov. 1998. GARDNER, E.S.; ANDERSON, E.A. Focus Forecasting Reconsidered. International Jounal of Forecasting. v.13, p.501-508, 1997. HOFF, J.C. A Pratical Guide to BOX-JENKINS Forecasting. Lifetime Learning Publications, California, 1983. KAMAKURA, W.A. Mtodos de Previso de Vendas: Um Estudo Comparativo. So Paulo, 1979. 254p. Dissertao (Mestrado) Escola Politcnica, Universidade de So Paulo. KRESS, G.J.; SNYDER, J. Forecasting and Market Analysis Techniques: A Pratical Approach. Quorum, Connecticut, 1994. KOEHLER, A. Software Reviews. International Jounal of Forecasting. v.13, p.567-582, 1997. LEVENBACH H. The Art And Science Of Forecasting: How To Achieve Excellence In Demand Planing. APICS The Performance Advantage v.6, n.12, p.43-45, 1996. LOGISTICS PLANNING ASSOCIATES, LLC Internet, http://www.webspawner.com/users/PSIPLANNER/, ago 1998. MAKRIDAKIS, S.; WHEELWRIGHT, S.C.; McGEE, V.E. Forecasting: Methods and Applications. John Wiley & Sons, New York, 1983. MAKRIDAKIS, S. Forecasting: Its Hole And Value For Planning And Strategy. International Jounal of Forecasting. v.12, p.513-537, 1996. MATIAS, J.B. Previso de Vendas em Marketing: Um Modelo Conceitual e a Verificao de sua Aplicabilidade no Mercado Industrial. So Paulo, 1993. 185p. Dissertao (Mestrado) Faculdade de Economia Administrao e Contabilidade, Universidade de So Paulo. MIRSKY, M. Demand Management: Bringing It Under Control. APICS - The Performance Advantage v.8, n.4, p.64-69, 1998. MONEYWORDS 1999 EDITION GLOSSARY. Internet, http://www.moneywords.com/glossary/full.cfm?Letter=F, out. 1998. MONTGOMERY, D.C.; JOHNSON L.A. Forecasting and Time Series Analysis. McGraw-Hill, New York, 1976. OR/MS TODAY. Internet, http://www.lionhrtpub.com/software-surveys.shtml, jun.1998. PAKER, G.C.; SEGURA, E.L. How to Get A Better Forecast. Harvard Business Review. v.49, n.2, p. 99-109, 1971.(march-april)

PALMATIER, G.E.; SHULL, J.S. The Marketing Edge: The New Leadership Role of Sales & Marketing in Manufacturing. John Wiley & Sons, New York, 1989. RHODES, P. Forecasting: Its Not Just Algorithms. APICS - The Performance Advantage v.8, n.4, p.70-72, 1998. SANDERS, N.R. The Status of Forecasting in Manufacturing Firms. Production and Inventory Management Journal v.38, n.2, p.32-36, 1997. SANDERS, N.R.; MANRODT, K.B. Forecasting Practices in US Corporations: Survey Results. Interfaces, v.24, n.2, p.92-100, 1994. VOLLMANN, T.E.; BERRY, W.L.; WHYBARK, D.C. Manufacturing Planing and Control Systems. Irwin, Illinois, 1988. WALLACE, T. Eliminate Bias. APICS - The Performance Advantage v.8, n.7, p.68-69, 1998. WALLACE, T. Forecasting - What, Where, And How Often. APICS - The Performance Advantage v.7, n.1, p.7071, 1997. WALLACE, T. Forecasting 101. APICS - The Performance Advantage v.6, n.3, p.80-81, 1996. WHEELWRIGHT, S.C.; MAKRIDAKIS, S. Forecasting Methods for Management. John Wiley & Sons, New York, 1977. WOILER, S.; WASHINGTON, F.M. Projetos: Planejamento, Elaborao e Anlise. Atlas, So Paulo, 1996.