Escolar Documentos
Profissional Documentos
Cultura Documentos
Previsão Empresarial
Robert Wayne Samohyl, PhD
Gueibi Souza
Rodrigo Miranda
“Eu não disse isso! Isso? Nunca!”
“Computadores no futuro podem pesar apenas 1,5
toneladas.”
Revista Popular Mechanics, 1949.
120
100
80
Freqüênc
60
,
40
20
0
0
Histograma observado
35
30
25
Freqüênci
20
15
10
0
-3 -1 1 3 5 Mais
Planejamento e previsão –
orçamentos, alvos e previsões
Valor de previsão é algo que poderia
ocorrer no futuro, baseado nas
projeções de dados passados
levando em conta possíveis eventos
e cenários no futuro relevantes para a
análise ...
alvo de planejamento muitas vezes
não deixa de ser uma pura esperança
da empresa sobre vendas futuras.
12 princípios, elaborados
Toda empresa faz previsões, com estrutura formal ou
não, com exatidão boa ou ruim.
Questão: Na sua empresa, quem faz as previsões?
Uma pergunta mais geral seria : como é hoje o
processo de previsão na sua empresa? Quais são os
insumos utilizados e os funcionários envolvidos, os
nomes deles ou o cargo deles. Quais são as
atividades desenvolvidas? O produto do processo de
previsão fica em formato de uma comunicação oral,
um gráfico, um relatório? Depois da sua utilização, o
resultado é armazenado onde? É reutilizado no futuro?
Projeto: Mapear em fluxograma o processo de
previsão na sua empresa. Na figura 2.1 veja o
fluxograma de um processo formal/informal de
previsão. Nota-se que o fluxograma espelha a
confusão existente em muitas empresas inerente
numa função de previsão desvalorizada e sem
disciplina e estrutura.
Haverá
Haverá a reunião não reunião
executiva informal?
semanal?
Valor da
previsão
Gráfi cos, escolhido? sim
tabelas,
análise.
sim
sim não
Discussão entre
a ltos gerentes Anotações e mensagens Enviar
enviadas para o vice - resultados para
presidente o gerente de
Café produção
não
Gráficos,
A previsão
tabelas,
é
sim análise
satisfatória
conclusivos.
?
Quando as previsões são mais exatas, os clientes
são mais satisfeitos, os estoques diminuem, as
operações na fábrica ficam mais estáveis sem
alterações bruscas no plano mestre de produção, e
com o tempo e recursos economizados a empresa
pode se concentrar em estratégias de médio e longo
prazo.
Questão: Em alguma seção da sua empresa,
existem cargos ou pessoas que tem esta visão da
função de previsão? Esta visão é incorporada nos
processos da empresa numa maneira formal?
Projeto: Esta visão da função de previsão tem que
ser conquistada dentro da empresa. Pensando
politicamente, como se dará a conquista na sua
empresa?
O pessoal da área de Vendas e Marketing devem
ser o dono das previsões. Eles devem ser os
funcionários responsáveis pelo seu
desenvolvimento, atualização e execução.
Questão: Cada área de uma empresa tem um viés
quando a previsão é calculada. Por natureza da
personalidade das pessoas envolvidas em vendas,
eles tendem a ser mais otimistas, enquanto o
pessoal da área de produção tem absoluto horror de
estoques sobrando e prateleiras cheias de produto
sem mercado. Qual é a situação na sua empresa?
Qual setor teria o menor viés?
Projeto: Comece a montar uma planilha com as
previsões de vários setores da sua empresa e fazer
as comparações mês a mês. Qual setor é o melhor
previsor?
As previsões devem levar em conta tanto as
tendências e sazonalidades do passado como
também as condições no mercado no futuro.
Questão: Qual é a pessoa ou setor da sua empresa
mais ligado e mais conhecedor do mercado?
Cenários e variáveis que afetam o mercado são
avaliados? As avaliações são escritos e se tornam
documentos para referências e apoio futuros?
Projeto: Montar uma relação de variáveis
econômicas como taxa de juros, PIB, inflação, valor
do câmbio, entre outros, que afetam seus negócios.
Tente averiguar o efeito em termos quantitativos:
por exemplo, se a taxa de câmbio diminuir em 1%,
então minhas exportações podem subir em quantos
por cento nos próximos três meses?
Processos enxutos e bem-definidos resultam em resultados
financeiros maiores. Melhores processos de previsão trazem
resultados melhores.
Observado Previsto
Previsão Ingênua – um passo a
frente
646597.3
596597.3
546597.3
496597.3
446597.3
396597.3
346597.3
296597.3
246597.3
0 20 40 60 80 100 120 140
Observado Previsto
0
1
2
3
4
5
6
7
00
-1
2
Histograma;
50
00
-9
5 00
0
-6
5 00
0
-3
5 00
0
frente
-5
0 00
25
00
0
55
00
0
85
00
0
Previsão Ingênua – um passo a
U de Theil
Decisivo na determinação de utilização ou
não de uma técnica (quantitativa, qualitativa, formal ou
informal);
Valores entre 0 e 1;
U de Theil
Medidas de U ≥ 1 não agradam;
Técnica de previsão Vs. previsão ingênua;
Reuniões podem emitir valores de U > 1;
Valores de U de Theil
1,0
Previsões melhores
que o método ingênuo.
Observado Previsto
Freqüência
-3
61
0
1
2
3
4
5
6
7
-3 000
31 8
Histograma;
-3 000
01
-2 000
71
-2 000
41
-2 000
11
-1 000
81
-1 000
51
-1 000
21
frente
0
-9 00
10
-6 00
10
-3 00
10
0
-1 0
00
29 0
00
59 0
00
89 0
00
0
Previsão Ingênua – vários passos a
Decomposição
Séries temporais = padrões repetitivos;
Utilizá-las para realizar previsões;
Maior precisão nos resultados;
Identificar e isolar cada componente;
160.00
150.00
140.00
130.00
120.00
110.00
100.00
90.00
80.00
70.00
60.00
0 50 100 150
Cons.Comercial Kwh
200000060
180000060
160000060
140000060
120000060
100000060
80000060
60000060
40000060
20000060
60
0 50 100 150 200 250
Cálculo da Tendência
Primeiro passo na decomposição clássica;
Fácil visualização ( no tempo);
Tendência-Ciclo;
Ciclo ≠ sazonalidade;
Tendência e ciclo através da média móvel;
Maior clareza e segurança ( efeitos fortes);
Exemplo CI (periodicidade mensal = grau MM nº par);
Cálculo da Tendência
550000
500000
450000
400000 Tendência
350000
300000
250000
0 20 40 60 80 100 120 140
650000
600000
550000
500000
450000
Consumo Industrial
400000
350000
300000
250000
0 20 40 60 80 100 120 140
Cálculo da Tendência
Perda de 12 observações;
Previsões simples e intuitiva (visual);
600000
550000
500000
450000
400000
350000
300000
250000
0 20 40 60 80 100 120 140
Cálculo da Sazonalidade
Índices sazonais Multiplicativos do CI;
1.1
1.05
1.05 1.03 1.03 1.03 1.03
1.02
1.01 1.01
1.00 1.00
1
0.98
0.95
0.9
0.85
0.83
0.8
jan fev mar abr mai jun jul ago set out nov dez
Cálculo da Sazonalidade
Ajuste sazonal antes de qualquer análise;
Evitar complicações interpretativas;
8000 7098.58
6000 ISA
3483.70 3818.12
4000 2696.41
3143.39
2000 883.98
502.70
0
-2000
-2035.49
-4000 -3314.10
-4622.27 -4461.82
-6000
-6808.91
-8000
jan fev mar abr mai jun jul ago set out nov dez
Previsto Observado
Freqüência
-9
5
0
2
4
6
8
10
12
00
0
-6
5 00
Histograma;
0
-3
5 00
0
-5
0 00
25
00
0
55
00
0
85
00
0
Como montar a previsão
Comparações entre métodos
Previsões até 12 passos a frente (2004);
Amostra: Jan.-1994 a Dez.-2003;
Método U de Theil
Previsão Ingênua 0,79
Previsão por Média Simples 2,43
Decomposição Clássica 0,67
Comparações entre métodos
Métodos Univariados
Previsão por
Previsão Ingênua Média Simples Suavização
Exponencial
Onde:
– Pt é a previsão no período t
– Ot é o valor observado no período t
– α é a constante de suavização que varia entre 0 e 1.
A previsão de Pt+1 é uma combinação do
observado com o previsto em t
SES – Pesos atribuídos as observações
passadas despendendo do valor de α (gráficos)
α = 0.2 α = 0.5
0,25 0,6
0,200 0,500
0,2 0,5
0,160
0,4
0,15 0,128
0,107 0,102 0,3 0,250
0,1 0,082
0,066 0,2
0,042 0,052 0,125
0,05 0,027 0,034 0,1 0,063
0,031
0,001 0,001 0,002 0,004 0,008 0,016
0 0
t-11 t-10 t-9 t-8 t-7 t-6 t-5 t-4 t-3 t-2 t-1 t-11 t-10 t-9 t-8 t-7 t-6 t-5 t-4 t-3 t-2 t-1
α = 0.8
0,9 0,800
0,8
0,7
0,6
0,5
0,4
0,3
0,160
0,2
0,1 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,006 0,032
0
t-11 t-10 t-9 t-8 t-7 t-6 t-5 t-4 t-3 t-2 t-1
SES – Exemplo para vários valores
de α (gráfico)
270.000
250.000
230.000
210.000
190.000
170.000
150.000
130.000
1996 1998 2000 2002 2004 2006
Energia (GWh)
300.000
o racionamento de energia
elétrica 25.000
20.000
As medidas de ajuste de 15.000
10.000
tempo
Método de Holt – Exemplo :
Produção anual de energia elétrica
α = 0,99 e β = 0,01
Resultados do exemplo: DM = -1.228 , DPAM = 2,82% e
U de Theil = 0,42
450.000
400.000
350.000
Energia (GWh)
300.000
250.000
200.000
150.000
100.000
50.000
0
1970 1975 1980 1985 1990 1995 2000 2005
Observado Ajustado
Exemplo - Comparando a SES com Holt
Holt SES
450.000 450.000
400.000 400.000
350.000 350.000
Energia (GWh)
Energia (GWh)
300.000 300.000
250.000 250.000
200.000 200.000
150.000 150.000
100.000 100.000
50.000 50.000
0 0
1970 1975 1980 1985 1990 1995 2000 2005 1970 1975 1980 1985 1990 1995 2000 2005
30000 30000
20000 20000
10000 10000
0
0
-10000
-10000
-20000
-20000
-30000
-30000
70
73
76
79
82
85
88
91
94
97
00
03
1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003
19
19
19
19
19
19
19
19
19
19
20
20
Exemplo - Comparando a SES com Holt
histogramas percebe-se um 15 14
Observações
10
viés nas discrepâncias da SES 10
6
(entre -10000 e -5000), 5 3
1 1
0 0 0 0 0
enquanto que no método de 0
-2 0
-1 0
-1 0
00
0
00
0
0
00
00
00
00
00
50
00
50
00
50
-5
10
15
20
25
-2
torno de 0.
Histograma Holt
12 11
10
Observações
10 9
8
6
4 3
2 1 1
0 0 0 0 0
0
0
-1 0
-1 0
00
0
00
0
00
00
00
00
00
00
00
50
00
50
5
-5
10
15
20
25
-2
-2
Por que o método de Holt não funciona em
dados com sazonalidade
α = 0,01 e β = 0,89 2062330,19
1962330,19
1762330,19
sazonalidade é suavizada ao 1662330,19
1362330,19
abaixo 0.00
-100000.00
As medidas de ajuste de -200000.00
jan/02
jan/03
jan/04
jan/05
jan/06
mai/01
mai/02
mai/03
mai/04
mai/05
mai/06
set/01
set/02
set/03
set/04
set/05
set/06
0,744
Método de Holt – Winters
O método de Holt – Winters foi desenvolvido para dados que
apresentas tendência e sazonalidade
observado
tempo
Método de Holt – Winters aditivo – Exemplo
Número de consultas ao SPC
α = 0,37, β = 0,01 e γ = 0,01
Resultados do exemplo: DM = 1.804 , DPAM = 2,56% e U de Theil =
0,26
2.162.330
2.062.330
1.962.330
1.862.330
1.762.330
1.662.330
1.562.330
1.462.330
1.362.330
1.262.330
dez/99 abr/01 set/02 jan/04 mai/05 out/06 fev/08
1762330,19
1.862.330
1.762.330
1662330,19
1.662.330
1562330,19
1.562.330
1462330,19 1.462.330
1362330,19 1.362.330
1262330,19 1.262.330
dez/99 abr/01 set/02 jan/04 mai/05 out/06 fev/08 dez/99 abr/01 set/02 jan/04 mai/05 out/06 fev/08
Observado Previsto Ajustado Observado Previsto Ajustado
m 2
m 3
m 4
m 5
m 6
m 1
m 02
m 03
m 4
m 5
m 6
se 1
ja 1
se 2
ja 2
se 3
ja 3
se 4
ja 4
se 5
ja 5
se 6
6
se 1
se 2
se 3
ja 1
ja 2
ja 3
se 4
ja 4
se 5
ja 5
se 6
6
0
0
/0
t/ 0
/0
t/ 0
/0
t/ 0
/0
t/ 0
/0
t/ 0
/0
t/ 0
t/0
t/0
t/0
t/0
t/0
t/0
/0
/0
/0
/0
/0
/0
n/
n/
n/
n/
n/
n/
n/
n/
n/
n/
n/
n/
ai
ai
ai
ai
ai
ai
ai
ai
ai
ai
ai
ai
ja
ja
Comparando Holt com Holt - Winters
Observações
variabilidade em relação ao 10
8 7
8
5 5
método de Holt – Winters. 6
4 2 2 2 2
2 1 1
0 0
Esta variabilidade maior das 0
-4 0 0
-3 0 0
-3 0 0
-2 0 0
-2 0 0
-1 0 0
-1 0 0
-5 0
15 0
20 0
25 0
00
00
10 0
discrepâncias é causada pela
0
00
0
00
0
00
00
00
00
00
50
00
50
00
50
00
50
00
50
-4
sazonalidade dos dados que o
método não captou. Histograma: Holt - Winters
20 17
15
Observações
15
10 11
10
5 4
5 2 3
0 1 1 0 0
0
00
00
00
0
0
0
00
00
00
0
0
0
0
00
50
00
50
00
50
50
25
00
25
50
75
10
12
15
-7
-5
-2
-1
-1
-1
Classificação mais ampla dos métodos de
suavização exponencial
Sazonalidade
Tendência
Nenhuma Aditiva Multiplicativa
Nenhuma NN NA NM
Aditiva AN AA AM
Multiplicativa MN MA MM
Previsão
Horizonte Horizonte
NM
Previsão
Horizonte
Métodos com tendência aditiva
AN AA
Previsão
Previsão
Horizonte Horizonte
AM
Previsão
Horizonte
Amortecimento φ = 1, 0,95, 0,85 para os dados
de produção de energia elétrica no Brasil
500.000
450.000
Energia (GWh)
400.000
350.000
300.000
250.000
1995 2000 2005 2010 2015