PLANEJAMENTO E

CONTROLE DA
PRODUÇÃO

Gisele Lozada
Métodos de previsão
de demanda
Objetivos de aprendizagem
Ao final deste texto, você deve apresentar os seguintes aprendizados:

„„ Diferenciar os métodos qualitativos e quantitativos de previsão de

demanda.
„„ Descrever os fatores considerados para previsão de demanda.
„„ Definir o método adequado para prever a demanda.

Introdução
Seja qual for o tipo de empresa (prestador de serviço, fabricante, dis-
tribuidor ou varejista) ou o porte da organização (pequena, média ou
grande), é necessário que os gestores do negócio utilizem a previsão
de demanda como base para o planejamento das atividades. Afinal,
embora toda empresa precise planejar sua operação sob condições
futuras incertas, prever a demanda pode ser o caminho para minimizar tais
incertezas, permitindo que a empresa possa elaborar planos e estratégias
de atuação em seu mercado. Nesse sentido, a previsão de demanda se
revela um fator fundamental aos processos de tomada de decisão tanto no
nível organizacional quanto no nível departamental, sendo, dessa forma,
um elemento de vital importância para o negócio. E, a fim de realizar
a previsão de sua demanda, a empresa pode lançar mão de diferentes
ferramentas, como os métodos qualitativos e quantitativos de previsão,
que avaliam diferentes fatores e fornecem diversas informações, permi-
tindo que a empresa possa conhecer, de forma antecipada, o que será
requerido pelo mercado e possa, assim, se preparar para melhor atendê-lo.
Neste capítulo, você vai poder estudar sobre os métodos de previsão
da demanda, incluindo a diferenciação entre os métodos qualitativos e
quantitativos, a descrição dos fatores considerados por cada um deles e
a definição do método mais adequado a cada contexto.
2 Métodos de previsão de demanda

1 Métodos qualitativos e quantitativos

de previsão de demanda
Há algum tempo, antes da disseminação do uso dos computadores e da tec-
nologia da informação, o processo de planejamento da demanda era pautado
sobre uma previsão puramente intuitiva. Porém, com a incorporação dessas
ferramentas no contexto empresarial, prever a demanda passou a ser um
processo alicerçado sobre modelos e técnicas que permitem ao gestor o acesso
a um maior e melhor nível de informação e detalhes, que servem de subsídio
às atividades de planejamento e controle nos níveis operacional, tático e
estratégico. Isso trouxe maior qualificação ao processo de previsão da de-
manda, pois, embora a mente humana tenha o poder de armazenar e associar
informações com notável complexidade, está sujeita a emoções que podem
levar o julgamento a tendências como otimismo ou pessimismo, que podem
afetar as previsões realizadas (WANKE; JULIANELLI, 2011).
O processo de planejamento da demanda possui grande relevância no
contexto empresarial, pois permite que os gestores possam estimar as vendas
a serem realizadas em períodos futuros, colaborando para o planejamento
e a coordenação das diversas atividades internas e externas das empresas,
o que inclui as conexões entre os departamentos das empresas e entre as
empresas na cadeia de suprimentos. Prever a demanda é um processo que
incorpora informações oriundas de diversas fontes, das quais se destacam
os departamentos de marketing e vendas, e ainda outros agentes da cadeia
de suprimentos, como depósitos e varejistas. Embora seja sujeito a erros,
o processo de planejamento da demanda fornece informações muito importan-
tes, obtidas mediante técnicas que permitem o desenvolvimento de sistemas
de suporte à tomada de decisão.

O processo de planejamento da demanda permite fazer constatações como a seguinte:

o investimento em propaganda do produto A em x% tem potencial de aumentar as
vendas desse produto em y%. Com base nessa informação, é possível avaliar, por
exemplo, se esse investimento em propaganda seria interessante, considerando-se o
novo patamar de demanda frente à capacidade instalada.
 Métodos de previsão de demanda 3

Nesse contexto, estão presentes como importantes ferramentas os métodos

de previsão da demanda, que consistem em um processo metodológico utili-
zado para a determinação de dados futuros, apurados com base em modelos
estatísticos, matemáticos ou econométricos, ou, ainda, em modelos subjetivos
apoiados em uma metodologia de trabalho clara e previamente definida. Tais
métodos permitem transformar dados históricos ou outros parâmetros diversos
em estimativas de vendas futuras. As técnicas de previsão de demanda são
geralmente divididas em duas categorias principais, que são os métodos qua-
litativos e os métodos quantitativos (MARTINS; LAUGENI, 2000; WANKE;
JULIANELLI, 2011).
Os métodos qualitativos são essencialmente subjetivos, correspondendo
a técnicas baseadas na experiência daquele que faz a previsão, tendo o ob-
jetivo de estruturar o raciocínio com vistas a apoiar a tomada de decisão.
O desenvolvimento desse tipo de técnica ocorre por meio de mecanismos
como pesquisas de opinião, painéis e reuniões de especialistas, tendo o recurso
humano como processador de informação.
Já os métodos quantitativos são essencialmente objetivos, consistindo em
técnicas baseados em dados passados, com o objetivo de prever o comporta-
mento futuro. O desenvolvimento desse tipo de técnica é realizado mediante
cálculos matemáticos ou estatísticos, com vistas a permitir a realização de
análises mais objetivas que os métodos qualitativos.

Métodos qualitativos são técnicas de previsão essencialmente subjetivas, enquanto

os métodos quantitativos são técnicas mais objetivas.

Cabe destacar que as técnicas quantitativas e qualitativas de previsão de

demanda não são métodos excludentes, mas, sim, complementares, sendo muito
comum o uso combinado das técnicas. Um exemplo disso pode ser observado
quando técnicas quantitativas são empregadas como ponto de partida para
posterior aplicação das técnicas qualitativas, o que permite a realização de
uma previsão mais elaborada e complexa por meio de métodos quantitativos.
4 Métodos de previsão de demanda

Aliás, a utilização de uma única técnica de previsão de demanda pode não

ser suficiente para incorporar todo o conhecimento associado ao ambiente
de previsão. Por isso, é comum a adoção de uma combinação de métodos de
previsões, com o uso de mais de uma única técnica ao mesmo tempo — prática
essa que tem demostrado ótimo potencial para reduzir os erros de previsão
e obter estimativas mais aprimoradas (ROSSETTO et al., 2011; WANKE;
JULIANELLI, 2011).

Os métodos quantitativos e qualitativos não são excludentes, ou seja, utilizar uma

técnica qualitativa para prever a demanda não significa que as técnicas quantitativas
deixarão de ser utilizadas nessa determinada situação. É, aliás, bastante comum a
utilização combinada das duas categorias de métodos.

É valido também comentar que o julgamento do decisor, que é a essência

dos métodos qualitativos, está presente até mesmo durante a utilização dos
métodos quantitativos, em etapas como a definição da técnica a ser utilizada,
a seleção dos dados a serem utilizados e a realização dos tratamentos neces-
sários sobre os dados selecionados (WANKE; JULIANELLI, 2011).
Além disso, merece destaque a seleção do método a ser utilizado, a qual é
muito importante no contexto da previsão de demanda. A escolha do método
de previsão deverá ser feita com base no contexto em que será aplicado, pois,
dependendo da situação, um método será mais apropriado que outro.
Sendo assim, é de acordo com o contexto e por meio de critérios de seleção
que os diferentes métodos deverão ser selecionados. Além disso, importa
mencionar que o processo de previsão da demanda envolve diversos fatores,
os quais precisam ser conhecidos para que cada contexto seja adequadamente
compreendido e, assim, o método de previsão adequado possa ser selecionado.
E é sobre esses assuntos que você terá a oportunidade de estudar nas seções
seguintes deste capítulo.
 Métodos de previsão de demanda 5

2 Fatores considerados para previsão

de demanda
Previsões são feitas basicamente para que as empresas possam tomar decisões
e antecipar ações sem se expor a tantos riscos. Nesse sentido, é importante
ter em mente que o cenário no qual as previsões são realizadas envolve tanto
eventos externos incontroláveis (originados pela economia, pelo governo, pelos
concorrentes ou por outros elementos do ambiente externo) quanto eventos
internos controláveis (como decisões de marketing, produção, suprimento,
entre outras) e que, embora o sucesso da empresa dependa da combinação
desses dois tipos de eventos, a previsão se aplica aos fatores incontroláveis
(DIAS et al., 2015).
Para que seja possível prever um comportamento, é um fator fundamental
e de grande valia olhar para o passado, seja por meio da coleta e do tratamento
de dados, seja por meio da experiência e do conhecimento para realizar julga-
mentos, de modo a formar um contexto que envolva diversos fatores. A fim
de que se possa falar sobre os fatores envolvidos na previsão da demanda,
é interessante antes verificar os fatores envolvidos na demanda em si, pois
eles são elementos que a previsão vai buscar identificar.
Na maioria dos casos, a demanda é composta por componentes como
tendência, elemento sazonal, fatores cíclicos, variação aleatória e autocorre-
lação. Esses componentes revelam comportamentos da demanda, tais como
os seguintes: a tendência consiste em um comportamento sistemático de
crescimento ou redução da demanda; a sazonalidade corresponde a um compor-
tamento que se repete em intervalos constantes; ciclos são intervalos de tempo
nos quais a demanda apresenta comportamento totalmente distinto. Assim,
as linhas de tendências costumam ser o ponto de partida do desenvolvimento
de uma previsão. Essas linhas são, então, ajustadas aos efeitos sazonais, aos
elementos cíclicos e a qualquer outro evento esperado que possa influenciar
a previsão final. Os fatores cíclicos são mais difíceis de determinar, pois o
período pode ser desconhecido ou a causa do ciclo pode não ser considerada
— sendo que a influência cíclica na demanda pode se originar de fatos como
eleições políticas, guerras, condições econômicas ou pressões sociológicas.
A variação aleatória é a porção inexplicada da demanda, aquela que resta
quando são dela subtraídas todas as suas causas conhecidas (tendência, sa-
zonalidade, ciclo e autocorrelação). Por não ser possível identificar a causa
dessa demanda remanescente, supõe-se que ela seja puramente aleatória,
provocada por eventos ocorridos ao acaso. A autocorrelação indica a per-
sistência da ocorrência, sendo o valor esperado altamente correlacionado
6 Métodos de previsão de demanda

aos seus próprios valores passados. Assim, quando a demanda é aleatória,

pode variar muito de um período para outro, mas, quando há autocorrelação
elevada, não existe expectativa de que a demanda varie muito nesse período
(JACOBS; CHASE, 2012).

Na teoria das filas, por exemplo, a extensão da fila é altamente autocorrelacionada:

se uma fila é relativamente longa em determinado momento, espera-se que, um
pouco depois, ela continue longa.

Como mencionado anteriormente, os métodos de previsão da demanda se

subdividem em dois grupos — os métodos qualitativos e os métodos quan-
titativos —, sendo a diferença mais essencial entre eles o fato de o primeiro
ser subjetivo e o segundo, mais objetivo. Por conta dessa diferença básica,
as técnicas integrantes desses dois grupos costumam tratar com fatores espe-
cíficos, dada a característica essencial da natureza de cada um (MOREIRA,
2012; WANKE; JULIANELLI, 2011).
Os métodos qualitativos são baseados em fatores como o julgamento,
a experiência e o conhecimento de planejadores experientes, capazes de es-
tabelecer generalizações, transformando opiniões e intuições em previsões.
Em outras palavras, trata-se de métodos alicerçados no julgamento das pessoas
com capacidade para opinar sobre a demanda futura (como gerentes, vende-
dores, fornecedores e, é claro, os clientes, entre outros). Sendo assim, esses
métodos podem não se apoiar em um modelo específico, embora possam ser
conduzidos de maneira sistemática.
Os modelos integrantes dessa categoria de métodos de previsão costumam
ser especialmente úteis em situações nas quais haja ausência de dados, ou
quando os dados disponíveis não sejam confiáveis. Nesses casos, julgamento
e intuição são utilizados para prever o comportamento da demanda, pois o
conhecimento e a experiência de especialistas permitem que eles possam
antever como a demanda se comportará frente a fatores que causam influência
sobre ela.
 Métodos de previsão de demanda 7

Já os métodos quantitativos envolvem fatores como dados históricos

e o relacionamento entre variáveis, aspectos que são submetidos a cálculos
matemáticos e estatísticos para que, por meio deles, sejam apurados valores
previstos para o futuro. Em função de tais aspectos, esses métodos permitem
controlar o erro nas previsões, mas exigem informações quantitativas prelimi-
nares. Os métodos quantitativos se subdividem em dois subgrupos principais:
os modelos causais e as séries temporais.
Os modelos causais promovem a correlação de parâmetros a partir do
entendimento de que a demanda de um item é afetada por um ou mais fatores
internos ou externos à empresa, sugerindo a existência de variáveis depen-
dentes e interdependentes (ou causais). Nesse contexto, as vendas (variável
dependente) estão relacionadas a outros fatores, como tempo, população,
inflação e PIB, entre outros (variáveis independentes). Sendo assim, tais
modelos focam em prever o comportamento da variável causal e, a partir dela,
projetam a demanda do item em estudo. Ou seja, são técnicas que objetivam
explicar as flutuações da demanda a partir de fatores externos, com base na
identificação de variáveis que influenciam o comportamento da demanda e
na determinação da relação existente.
Os modelos causais apresentam subdivisões, sendo a mais popular entre
elas a regressão da demanda sobre a(s) variável(is) causal(is), que consiste em
utilizar pares de valores da demanda e da(s) variável(is) causal(is) visando a
descobrir alguma lei que as ligue. A regressão pode ser simples (quando a
demanda está ligada a apenas uma variável causal) ou múltipla (quando há
duas ou mais variáveis causais ligadas à demanda).

Uma variável independente (geralmente representada pela letra X) corresponde a uma

grandeza que está sendo manipulada em um experimento, enquanto uma variável
dependente (geralmente representa pela letra Y) corresponde a uma grandeza cujo
valor depende de como a variável independente é manipulada.
Numa situação em que se avalia a possível redução de preços e seu potencial de
aumentar as vendas, os preços representam uma variável independente, e as vendas,
uma variável dependente.
8 Métodos de previsão de demanda

As séries temporais fazem uso de dados históricos de vendas para deter-

minar padrões que possivelmente se repetirão no futuro. Sendo assim, as séries
temporais têm como principal fator o conhecimento de valores passados da
demanda da variável que se deseja prever. O termo “séries temporais” indica
conjuntos de valores da demanda tomados em instantes específicos de tempo,
geralmente com o mesmo espaçamento. A expectativa do modelo é de que o
padrão observado nos valores passados forneça informação adequada para a
previsão de valores futuros da demanda.
As séries temporais também apresentam subdivisões, sendo que, entre elas,
as mais populares são algumas classes de médias (extraídas dos dados passados
da demanda) e os modelos de decomposição (que envolvem a determinação da
linha de tendência da demanda, em que o tempo é considerado uma variável
ligada à demanda).

Como exemplos de métodos qualitativos e quantitativos comumente utilizados,

podemos listar os seguintes.
„„ Qualitativos
■■ Baseadas em julgamento: técnica Delphi, júri executivo de opiniões, composição
de forças de venda;
■■ Baseadas em experiências: pesquisas de mercado e análise de cenários (ou
simulações).
„„ Quantitativos
■■ Séries temporais: médias móveis, amortecimento (ou suavização) exponencial
e decomposição clássica;
■■ Modelos causais: regressão linear simples e múltiplas.

Quando métodos quantitativos e qualitativos são empregados de forma

conjunta, incorporam-se aos “números frios” (como são chamados os valores
previstos mediante técnicas quantitativas) o julgamento e a sensibilidade
dos gestores a respeito de diversas questões de mercado, tais como ações
da concorrência, promoções e várias outras. Depois dessa adição, as infor-
mações são ainda levadas para discussões junto a outros departamentos da
empresa, nas quais são tratadas questões como planejamento de capacidade
e programação de paradas de máquinas para manutenção, definição de níveis
 Métodos de previsão de demanda 9

de serviço, disponibilidade de produtos, entre outras. Ou seja, aos números

frios são adicionados aspectos como sensibilidade, intuição, conhecimento
e experiência, o que permite a realização de uma previsão de vendas mais
elaborada e complexa. Nesse contexto de utilização combinada de métodos
de previsão da demanda, pode haver antes técnicas qualitativas (para aná-
lises macro) e, depois, técnicas quantitativas (para “afunilar” a decisão).
No entanto, também pode ocorrer o contrário, com quantitativas antes, para
análises econômico-financeiras, e qualitativas depois, para validar as análises
por meio de cenários político-econômicos, etc. Atualmente, previsões mais
eficientes e precisas são feitas por gestores capazes de mesclar resultados
fornecidos por técnicas quantitativas e capacidades subjetivas presentes nas
técnicas qualitativas, como sensibilidade de mercado e restrições impostas
pelas capacidades da empresa, formando os pilares para o processo de plane-
jamento da demanda. Sendo assim, é possível considerar que a combinação
das técnicas qualitativas (que utilizam decisão gerencial) com as técnicas
quantitativas (que se baseiam em modelos matemáticos) é essencial para um
processo de previsão que seja bom e adequado às decisões a serem tomadas
(JACOBS; CHASE, 2012; WANKE; JULIANELLI, 2011).
É bastante comum que os gestores deparem com a seguinte questão: “Como
estarão as vendas da empresa daqui a 10 anos?”. A resposta a esse questiona-
mento é muito relevante para uma grande quantidade de decisões estratégicas
a serem tomadas pela empresa. Contudo, chegar a tal resposta não é algo tão
simples, pois o ambiente empresarial é naturalmente complexo e existem muitas
variáveis capazes de promover impacto sobre as vendas, como ampliação da
concorrência, crescimento do mercado, capacidade produtiva e de aquisição
de recursos, entre outros (WANKE; JULIANELLI, 2011).
Em verdade, uma vez que ocorrem nesse complexo cenário mencionado,
muitas das decisões empresariais a serem tomadas são difíceis e podem não
apenas ser influenciadas pela demanda, mas também causar impacto so-
bre ela. E isso pode envolver fatores tanto qualitativos quanto quantitativos.
A decisão sobre onde localizar uma empresa, por exemplo, pode ser impactada
por questões relativas à demanda e pode promover impacto sobre a demanda
por seus produtos e serviços. Além disso, a decisão a respeito da localização
da empresa envolve vários fatores, alguns qualitativos (como localização de
clientes e fornecedores, disponibilidade de água e energia elétrica, qualidade
da mão de obra, entre outros) e outros quantitativos (como custo de trans-
porte, que tem relação com as matérias-primas ou, também, com os produtos
acabados) (MOREIRA, 2012).
10 Métodos de previsão de demanda

O fato é que dificilmente um problema empresarial é tratado apenas com

análises quantitativas, pois os aspectos qualitativos muitas vezes são indis-
pensáveis para uma análise criteriosa, mesmo que não possam ser tratados
por meio de um modelo matemático. Se o problema for bastante estruturado,
tendo dados conhecidos e quantificáveis que possam ser tratados mediante
uma análise quantitativa, ainda assim é provável que, antes de implementar a
solução apurada, seja necessário levar em conta alguns fatores qualitativos.
Se o problema for pouco estruturado, com muitas informações não quanti-
ficáveis ou indefinidas, a análise quantitativa não será viável, e, então, será
necessário tomar a decisão com base na experiência, no poder de avaliação e
no julgamento do decisor — ou, pelo menos, ela deverá ser iniciada com base
nessas capacidades, para depois ser levada a um estudo quantitativo.
Frente ao exposto, é possível afirmar que reconhecer os vários fatores
envolvidos nos diversos métodos de previsão existentes é fundamental para
sua aplicação. Contudo, esses fatores também são relevantes para a escolha do
método (ou combinação de métodos), uma decisão de extrema importância que
envolve, ainda, o reconhecimento das características associadas ao contexto
em que se dará a aplicação — afinal, escolher o método adequado é o ponto
de partida para a realização de boas previsões. E é sobre isso que você vai
poder estudar a seguir.

3 Método adequado para prever a demanda

Existem diferentes métodos de previsão de demanda que, em princípio, podem
ser utilizados em quaisquer circunstâncias. Isso, porém, deixa de ser uma
verdade absoluta em função de que a capacidade de aplicação dos métodos
ou os resultados que eles oferecem dependem de certos fatores, tais como os
apresentados a seguir (JACOBS; CHASE, 2012; MOREIRA, 2012).

„„ Disponibilidade de dados, tempo e recursos: alguns métodos, especial-

mente os mais sofisticados, envolvem modelos matemáticos, e esses
exigem dados numéricos com certa abundância e profissionais com o
conhecimento suficiente para trabalhar com os modelos, além de outros
recursos, como computadores e software.
„„ Horizonte de previsão: alguns métodos se mostram mais apropriados
para previsões de longo prazo, o que compreende vários anos no futuro,
enquanto outros são geralmente aplicados para a realização de previsões
para períodos mais curtos, como meses, semanas ou mesmo dias.
 Métodos de previsão de demanda 11

Além disso, ao selecionar um modelo de previsão, é preciso ter em mente

que existem outros fatores relevantes a serem considerados, como o grau de
exatidão necessário à previsão, o grau de flexibilidade da empresa (se ela
consegue reagir rapidamente a mudanças, a previsão não demanda tanta
exatidão) e a consequência de uma previsão malfeita (já que as decisões
tomadas com base nessas previsões podem envolver altos investimentos de
capital) (JACOBS; CHASE, 2012).
Quando se trata de previsões empresariais, curto prazo costuma cor-
responder a menos de três meses, médio prazo corresponde a um período
de três meses a dois anos e longo prazo diz respeito a mais de dois anos.
É usual que decisões táticas (como reposição de estoque ou programação de
funcionários) sejam baseadas em previsões de curto prazo, enquanto, por
outro lado, decisões estratégicas (como o planejamento para atendimento da
demanda nos 6 a 18 meses subsequentes) costumam envolver previsões de
curto e médio prazos. Como os modelos de curto prazo costumam compensar
a variação aleatória da demanda e se ajustar a mudanças de curto prazo, eles
são especialmente úteis para medição da variação atual da demanda. Já os
modelos de previsões de médio prazo são interessantes para capturar efeitos
sazonais, enquanto os modelos de longo prazo permitem detectar tendências
gerais e são especialmente úteis na identificação de grandes pontos de inflexão
(JACOBS; CHASE, 2012).
Outro aspecto importante para a identificação do método de previsão mais
adequado para uma determinada situação é a consideração do objetivo da
previsão. Algumas previsões são utilizadas para estabelecer a estratégia de
como a demanda será atendida, envolvendo aspectos como capacidade, projeto
dos processos de produção e de serviços, suprimento, projeto de localização
e distribuição, planejamento de vendas e operações — essas são previsões
estratégicas, que envolvem decisões de prazo relativamente longo. As previsões
também são utilizadas para estabelecer o modo como a empresa opera seus
processos diariamente, envolvendo aspectos como manutenção de estoques,
reabastecimento e programação da produção — essas são previsões táticas,
cujo objetivo é estimar a demanda em um período de tempo relativamente
curto, importantes para garantir que a empresa seja capaz de atender às expec-
tativas de tempo de atendimento ao cliente e a outros critérios relacionados à
disponibilidade de seus bens e serviços (JACOBS; CHASE, 2012).
Nesse contexto, a escolha de um método ou combinação de métodos para
realização de previsões de demanda se mostra como uma decisão muito im-
portante, que envolve vários fatores e que pode ser conduzida por meio de
diferentes critérios.
12 Métodos de previsão de demanda

A primeira escolha pode corresponder à decisão de utilizar métodos quali-

tativos ou quantitativos (ou, pelo menos, por qual dessas categorias começar o
estudo, já que pode haver uma combinação de técnicas). Nesse caso, a consi-
deração mais básica a se fazer é avaliar as informações disponíveis: métodos
qualitativos, por exemplo, são apropriados para situações em que não existem
dados históricos disponíveis (como ocorre no lançamento de novos produtos)
ou em que o julgamento humano seja necessário (por motivos como insegurança
sobre padrões passados). Assim, a existência ou não de uma base de dados
históricos para análise e realização de previsões talvez seja a situação mais
básica para a escolha do tipo de método de previsão a se utilizar, sendo que a
aplicação de técnicas quantitativas pressupõe a existência de dados históricos.
Nesses casos (WANKE; JULIANELLI, 2011):

„„ se são conhecidos os valores da demanda realizada em períodos pas-

sados, podem-se utilizar modelos de séries temporais;
„„ se a demanda do produto (variável dependente) for impactada por algum
fator (variável independente), o caminho é utilizar modelos causais.

Ainda que existam dados históricos à disposição, é importante levar em

consideração outros fatores, como, por exemplo, a relevância (peso) dos dados
relativos a cada período integrante do intervalo histórico que será utilizado
como base para a previsão. Por exemplo, no caso da utilização de modelos
de séries temporais, existe mais de uma técnica de média móvel que pode ser
escolhida, como se pode observar a seguir.

„„ Se possuímos dados relativos às vendas de um produto nos últimos

n períodos para prever a demanda do próximo período e se os dados de
cada um dos períodos passados têm o mesmo “peso”, podemos utilizar
média móvel simples. Por exemplo: temos os dados das vendas de um
produto no ano anterior (de janeiro a dezembro) e, com base nesses
dados, desejamos prever a demanda de janeiro do ano seguinte; para
tanto, somamos os dados dos 12 meses e dividimos esse total por 12.
„„ Se entendemos que os valores realizados nos três meses mais recentes
do ano anterior são mais importantes para a determinação do valor
previsto para o primeiro mês do ano seguinte, então, antes de calcular
a média, ponderamos os valores, dando mais peso para os meses mais
recentes, o que pode ser feito utilizando-se a média móvel ponderada.
 Métodos de previsão de demanda 13

Porém, nem sempre existem dados históricos à disposição ou, mesmo que
existam, eles podem estar inseridos em um cenário de incerteza, o que pode
tornar sua utilização inviável, pois a demanda futura pode não se comportar
da mesma forma como se comportou no passado. Sendo assim, em situações
de incerteza, a aplicação de técnicas quantitativas não se mostra apropriada,
uma vez que realizar projeções com base em dados históricos não confiáveis
gera previsões inconsistentes. Nesses casos, são mais apropriadas as técnicas
qualitativas, pois permitem estruturar o contexto e sistematizar a análise,
proporcionando previsões mais acuradas, tendo em vista a incerteza.

„„ Se a empresa for lançar novo produto no mercado (e, por isso, não exis-
tem dados históricos disponíveis para análise e realização de projeções),
o caminho mais indicado será utilizar a técnica Delphi, que permite
gerar e capturar informações mediante ferramentas como questioná-
rios e entrevistas com os diversos agentes envolvidos na situação em
questão — ferramentas essas que são aplicadas sucessivas vezes, até
que se tenham obtido informações suficientes e se tenha atingido um
nível de consenso adequado sobre elas.
„„ Se a empresa estiver operando em um ambiente que está passando por
muitas transformações, motivadas pela entrada de novos concorrentes e
pelo crescimento do mercado, o caminho mais indicado será a utilização
da técnica de análise de cenários.

Importa reforçar que, como já mencionado, os métodos qualitativos e

quantitativos não são alternativas excludentes; eles podem ser aplicados em
conjunto. Desse modo, a aplicação das técnicas qualitativas em situações de
incerteza pode corresponder a um primeiro estágio no processo de previsão,
podendo abrir caminho para a posterior aplicação de técnicas quantitativas,
ou vice-versa, situação na qual se aumenta ainda mais a acurácia das pre-
visões. E pode-se também usar uma combinação de métodos, como duas
técnicas qualitativas em sequência, e depois uma técnica qualitativa (WANKE;
JULIANELLI, 2011).
Por exemplo, no caso de cenários complexos, em que muitas variáveis
podem influenciar a demanda futura, a técnica da análise de cenários se mos-
tra mais apropriada, pois simula situações hipotéticas futuras contando com
diferentes níveis de influência das variáveis e, com isso, permite estruturar
as análises (que são mais subjetivas) e facilitar o processo de planejamento.
14 Métodos de previsão de demanda

Essa técnica é bastante utilizada no planejamento de longo prazo, auxiliando

nas decisões estratégicas da empresa, como seleção de canais de marketing,
dimensionamento de capacidade e seleção de recursos. Em linhas gerais,
a técnica da análise de cenários consiste em identificar as variáveis que podem
impactar a demanda futura, quantificar esse impacto e elaborar previsões.
As variáveis envolvidas podem ser classificadas como ambientais (fatores
externos à empresa) e organizacionais (fatores internos, que tratam de ações
da própria empresa). Assim, as variáveis organizacionais tendem a ser mais
controláveis do que as ambientais.
A elaboração de previsões é feita em três cenários: cenário-base (realista)
e outros dois cenários alternativos (um mais otimista e outro mais pessimista).
O cenário-base pressupõe que o comportamento atual da demanda se manterá
no futuro, assim como o nível de concorrência, o market share e a estabilidade
do mercado. No primeiro cenário alternativo, as variáveis são alteradas de modo
a melhorar a situação no futuro, como aumento do mercado e diminuição da
concorrência. No segundo cenário alternativo (pessimista), as variáveis são
alteradas em sentido inverso, promovendo a piora da situação futura, como
diminuição do mercado e aumento da concorrência. Para a identificação das
variáveis envolvidas, o que nem sempre é uma tarefa fácil, podem-se utilizar
ferramentas como brainstorming com a participação de diferentes áreas organi-
zacionais (como marketing, vendas, produção, entre outras). Para a montagem
dos cenários, o cenário-base, como carrega o comportamento atual, pode ser
elaborado com a utilização de técnicas extrapolativas ou de séries temporais,
a fim de projetar variáveis ambientais e organizacionais no futuro. Já a ela-
boração dos cenários alternativos costuma ser mais complexa, pois trata de
hipóteses futuras de comportamento da demanda em função das variáveis
selecionadas, o que pode ser feito com a aplicação da técnica Delphi, visando
a obter consenso com relação aos impactos das variáveis sobre a demanda.
O desenvolvimento dos cenários propriamente ditos demanda o estudo dos
impactos mútuos de todas as variáveis, o que costuma ser feito com a monta-
gem de uma matriz, conforme ilustrado na Figura 1, em que as variáveis são
cruzadas e, para cada par de variáveis, é estabelecida uma classificação de
impacto: alto, médio, baixo. A intenção dessa análise é identificar as variáveis
e interações que precisam ser estudadas mais profundamente durante a cons-
trução dos cenários. Por fim, são analisadas as implicações de cada cenário
em relação aos objetivos organizacionais, com a atribuição de probabilidades
de ocorrência para cada cenário, e, a partir disso, são elaboradas estratégias de
atuação, estabelecidas prioridades e implementado plano de ação (WANKE;
JULIANELLI, 2011).
 Métodos de previsão de demanda 15

Figura 1. Impactos cruzados das variáveis.

Fonte: Wanke e Julianelli (2011, p. 63).

Contudo, é importante apontar que é praticamente impossível fazer uma

previsão perfeita, pois nem todos os fatores no ambiente de negócios podem ser
previstos com suficiente grau de certeza. Mudanças na economia global, por
exemplo, podem afetar o comportamento dos consumidores, e essas alterações
podem não ser captadas pelos métodos de previsão — o que acaba afetando as
previsões realizadas. Por isso, é importante aprender a conviver com previsões
inexatas e estabelecer a prática de revisão contínua das previsões, buscando
aprimorar o modelo ou a metodologia de previsão, ou até mesmo tentando
influenciar a demanda de forma a reduzir a sua incerteza. Nesse sentido,
ao fazer previsões, uma boa estratégia consiste em selecionar alguns métodos
e os examinar conjuntamente, para que se possa formar uma visão balanceada
(JACOBS; CHASE, 2012).
Quando se trata de escolher uma entre várias alternativas de métodos
quantitativos, uma forma bastante utilizada para seleção da técnica de previsão
mais adequada consiste em avaliar a precisão obtida com a aplicação de diversos
métodos, para que então se possa optar por aquele que oferecer maior precisão
(ou menor erro). Para tanto, recomenda-se aplicar algumas técnicas — fazendo
previsão para períodos passados —, calcular o erro obtido e escolher a técnica
que apresentar maior precisão. Ou seja, essa seleção é baseada em medidas de
16 Métodos de previsão de demanda

acurácia dos modelos de previsão, que visam a apontar a diferença entre os

valores reais (V) e os valores previstos (P). Essa diferença é conhecida como
erro ou resíduo (E), que pode ser expresso pela seguinte equação: E = V - P.
Entre os tipos de medidas de erro mais utilizadas para avaliar a precisão de
um método de previsão de demanda, é possível listar os seguintes (MARTINS;
LAUGENI, 2000; WANKE; JULIANELLI, 2011).

„„ Soma acumulada dos erros (SAE)

„„ Erro quadrado médio (EQM)
„„ Desvio padrão (DP)
„„ Média da soma dos erros absolutos (MSEA)

Para facilitar o entendimento de como são realizados os cálculos para

cada uma dessas medidas de erro, vejamos um exemplo simples: a previsão
de demanda de um certo item foi realizada com base em um certo modelo de
previsão, que forneceu os resultados contidos na tabela da Figura 2.

Figura 2. Resultados das medidas de acurácia de um modelo de previsão de demanda.

Fonte: Martins e Laugeni (2000, p. 181).

Com base nos dados da tabela, é possível proceder com o cálculo das quatro
medidas de erro mencionadas:

SAE = 25 - 20 + 20 ... + 40 = 75
EQM = 625 + 400 + 400 ... + 1.600 = 3.525 / 6 = 587,5
DP = √ EQM = √ 587,5 = 24,2
MSEA = 25 + 20 + 20 ... + 40 = 135 / 6 = 22,5
 Métodos de previsão de demanda 17

Agora que você já aprendeu como se calculam as medidas de erro men-

cionadas, vejamos um exemplo de sua aplicação para a escolha do método de
previsão da demanda. Para tanto, vamos analisar a situação de uma empresa
fabricante de bicicletas que deseja realizar a previsão de vendas de seus produtos
para períodos futuros com base em dados históricos disponíveis. Porém, essa
empresa está em dúvida a respeito do método que vai utilizar — se será média
móvel simples, média móvel ponderada ou média móvel com ajustamento
exponencial. A fim de identificar o método mais indicado, as três técnicas
foram aplicadas para cálculo das previsões para os períodos históricos como
forma de poder comparar o que teria sido previsto para aqueles períodos
e o que foi de fato realizado e, assim, medir a acurácia de cada técnica.
Os resultados apurados por meio de cada uma das técnicas estão apresentados
na tabela da Figura 3 (MARTINS; LAUGENI, 2000).

Figura 3. Resultados das medidas de acurácia das três técnicas de previsão de demanda.
Fonte: Martins e Laugeni (2000, p. 190).
18 Métodos de previsão de demanda

Os resultados apurados pelas três técnicas foram, então, consolidados na

tabela apresentada na Figura 4.

Figura 4. Resultados das medidas de acurácia de um modelo de previsão de demanda.

Fonte: Martins e Laugeni (2000, p. 191).

Analisando os resultados de forma comparativa, é possível concluir que, nesse

caso, o método mais apropriado é a média móvel simples, pois foi a técnica que
apresentou maior precisão, ou seja, menor erro nas quatro medidas consideradas.

DIAS, E. N. et al. Previsão de demanda: uma análise quantitativa baseada em séries

temporais de uma empresa fabricante de portas. In: ENCONTRO DE ENGENHARIA DE
PRODUÇÃO AGROINDUSTRIAL (EEPA), 9., 2015, Campo Mourão. Anais eletrônicos [...].
Campo Mourão: Universidade Estadual do Paraná, 2015. Disponível em: http://www.
fecilcam.br/anais/ix_eepa/data/uploads/1-engenharia-de-operacao-e-processos-da-
-producao/1-01.pdf. Acesso em: 10 ago. 2020.
JACOBS, F. R.; CHASE, R. B. Administração de operações e da cadeia de suprimentos.
13. ed. Porto Alegre: AMGH, 2012.
MARTINS, P. G.; LAUGENI, F. P. Administração da produção. São Paulo: Saraiva, 2000.
MOREIRA, D. A. Administração da produção e operações. 2. ed. São Paulo: Cengage
Learning, 2012.
ROSSETTO, M. et al. Técnicas qualitativas de previsão de demanda: um estudo multicasos
com empresas do ramo de alimentos. In: SIMPÓSIO DE EXCELÊNCIA EM GESTÃO E TEC-
NOLOGIA, 8., 2011, Resende. Anais eletrônicos [...]. Resende: Associação Educacional Dom
Bosco, 2011. Disponível em: https://www.aedb.br/seget/arquivos/artigos11/55814697.
pdf. Acesso em: 10 ago 2020.
WANKE, P.; JULIANELLI, L. (Orgs.). Previsão de vendas: processos organizacionais e mé-
todos quantitativos e qualitativos. 2. ed. São Paulo: Atlas, 2011.
 Métodos de previsão de demanda 19

Os links para sites da web fornecidos neste capítulo foram todos testados, e seu fun-
cionamento foi comprovado no momento da publicação do material. No entanto, a
rede é extremamente dinâmica; suas páginas estão constantemente mudando de
local e conteúdo. Assim, os editores declaram não ter qualquer responsabilidade
sobre qualidade, precisão ou integralidade das informações referidas em tais links.