INTRODUÇÃO

Nos dias de hoje as previsões desempenham um papel extremamente importante

na sociedade em que vivemos e que atinge as mais diversas áreas nomeadamente nas
vidas de empresas, bancos, estudos clínicos, etc.

As previsões podem ser designadas como as “estimativas do futuro” e por vezes

há uma grande necessidade e utilidade de antever o futuro que se avizinha de forma a
prevenir eventuais imprevistos, complicações e custos desnecessários que possam surgir
nas situações do nosso dia-a-dia. Mas ao prevê-las, há que correr riscos por vezes e
haverá certamente a ocorrência de erros uma vez que o futuro é sempre algo incerto e
nada é tido como garantido certamente.

Neste trabalho, irei abordar principalmente a natureza dos dados, explicitando

alguns conceitos que o leitor possa não conhecer muito bem ou desconhecer e assim
ficar mais esclarecido sobre o assunto. Também vou referir os objectivos deste trabalho
e os objectivos da empresa sobre a realização deste projecto.A incerteza, associada a
muitos fenómenos temporais, não permite o conhecimento exato do seu comportamento
no futuro, o que nos leva a fazer previsões.

1
Métodos de Previsão

Face ao exposto, a indústria de peças automóveis tem procurado gerir a incerteza

quanto aos níveis de previsão de procura, conduzindo ao desenvolvimento de vários
métodos de previsão. Métodos estatísticos clássicos, como o alisamento exponencial e a
regressão linear, têm vindo a ser usados durante várias décadas para prever estes níveis
de previsão. (Bartezzaghi et al., 1999)

Uma previsão consiste na tentativa de extrapolar o comportamento futuro a

partir das condições atuais, utilizando dados históricos do passado. (Caiado, 2016)

A gestão de stocks recorre fundamentalmente a métodos quantitativos baseados

em séries temporais. (Ballou, 2004)

Os Métodos de Previsão, ao preverem os níveis de procura, providenciam os

inputs para o planeamento e controlo de stocks e podem ser um instrumento de auxílio à
determinação dos níveis de stock de uma organização. (Ballou, 2004)

Os modelos de previsão segundo Gonçalves (2010) dividem-se em dois tipos:

Os modelos qualitativos, por se basearem em estimativas e opiniões, são

considerados modelos subjetivos. Estes modelos são utilizados sempre que não existam
dados históricos, ou caso existam, não sejam representativos do futuro. As técnicas
qualitativas são utilizadas para previsões a médio e a longo prazo.

Os modelos de previsão quantitativos assentam no conceito da utilização dos

dados históricos da procura para estimar a procura no futuro. Urge identificar padrões
nos dados históricos e transpor este padrão para o futuro. Dentro dos modelos
quantitativos existem os modelos causais e os modelos de séries temporais.

Modelos Causais

A premissa na qual os modelos causais de previsão são construídos é a que a

procura é descrita como um fator ou fatores subjacentes ao meio ambiente, isto é, o
nível de previsão de uma variável deriva do nível da previsão de outras variáveis
relacionadas com a primeira. Se, por exemplo, o nível de atendimento ao cliente tem um
efeito positivo nas

2
vendas, então sabendo o nível de previsão do atendimento ao cliente, o valor de vendas
pode ser projetado.

Os modelos causais podem ser estáticos no caso das regressões lineares e

descritivos em modelos de simulação computacional.

No entanto, as variáveis causais são difíceis de estimar e encontrar e quando

estas variáveis são encontradas, a sua previsão tende a ser muito baixa.

É então aconselhada a utilização dos métodos qualitativos em conjunto com os

métodos quantitativos, para se proceder de forma mais eficaz, a uma análise crítica dos
resultados e previsões obtidos. (Ballou, 2004)

Série temporal

Define-se uma série temporal como um conjunto de observações associadas a

determinado fenómeno aleatório, efetuadas em períodos de tempo sucessivos e
estatisticamente relacionadas. (Brockwell e Davis, 1991)

A análise de séries temporais é uma abordagem sistemática que permite não só

compreender como uma variável se altera ao longo desse mesmo período de tempo,
proporcionando assim uma descrição dos dados, como também permite estabelecer uma
relação entre duas ou mais variáveis, ao longo de um determinado período de tempo.

A análise supracitada considera quatro componentes, a saber: tendência,

sazonalidade, movimentos oscilatórios ou cíclicos e movimentos aleatórios (ruído).

Modelos de séries temporais

Ao analisar uma série temporal pretende-se, genericamente, alcançar dois

objetivos, sendo eles, a modelação e a previsão dos valores futuros, os quais se
encontram fortemente relacionados. O primeiro objetivo consiste em encontrar um
modelo que tenha em conta as relações existentes entre as observações, permitindo a
descrição da série temporal. O segundo objetivo diz respeito à previsão de valores
futuros, pois como observa Murteira (2000) "É a própria existência do tempo que leva
as pessoas a fazer previsões e a tentar antecipar a evolução no futuro das sucessões que
estudam".

3
MÉTODOS DE PREVISÃO DE DEMANDA

Os métodos de previsão de demanda são procedimentos pré-estabelecidos e

guiados por uma metodologia que permitem identificar, de forma mais acertada, o
volume de procura por produtos em determinado período.

Assim, por meio deles, é possível visualizar, analisar e prever o padrão de

consumo dos clientes, como também realizar as estimativas para o estoque. O que
garante que a empresa tenha os produtos suficientes para entrega aos consumidores,
assim como as matérias-primas para desenvolver novas mercadorias e serviços.

Cada método de previsão de demanda é direcionado para atender às

especificidades do negócio, como sazonalidades, durabilidade do produto, desafios
logísticos e outros.

Dessa forma, o método deve ser escolhido estrategicamente para promover

vantagens competitivas à empresa, resultando em ganhos como otimização de recursos,
redução dos custos e eficiência operacional.

A seguir, conheça diferentes métodos de previsão de demanda, seguindo

abordagens qualitativas e quantitativas e saiba como selecionar a opção mais acertada
ao seu negócio.

Para que a previsão de demandas seja correta, é indispensável calcular diferentes

variáveis internas e externas ao negócio. O método contribui na seleção de quais delas
são mais relevantes para operação de acordo com as características das atividades.

Principais métodos qualitativos

Entre os métodos qualitativos para calcular a previsão de demanda da empresa

em determinado período, incluem-se:

Método Delphi: considera a opinião de especialistas sobre eventos futuros por

meio de questionário;

4
 Pesquisa de vendas: nesse método, a previsão da demanda é calculada a partir da
percepção dos vendedores, que são aqueles que têm contato com os clientes;

Júri de executivos: método que considera a opinião e avaliação dos executivos

de diferentes departamentos como vendas, planejamento, financeiro, marketing e outros
para estabelecer uma estimativa correta da demanda;

Pesquisa de clientes: realiza-se uma pesquisa com os clientes da marca,

avaliando as oscilações em variáveis que podem influenciar a demanda, como renda,
preço e senso de utilidade;

simulação: nesse método, são levantados diferentes cenários possíveis a partir da

análise das variáveis envolvidas no negócio e, a partir da avaliação, verificam-se as
previsões de demanda do período.

Portanto, os métodos de previsão de demanda qualitativos baseiam-se

principalmente no know-how de especialistas, considerando aspectos mais subjetivos
que podem interferir nas vendas.

Principais métodos quantitativos

Além das práticas citadas acima, existem os métodos quantitativos. Trata-se

daqueles que são baseados principalmente em informações e dados internos e externos,
sendo mais assertivos, mas limitando o potencial de identificar mudanças do cenário.
São eles:

Médias móveis: baseia-se no cálculo da média da demanda do período anterior,

por exemplo, três meses, para estimar o volume do mês subsequente;

Suavização exponencial: consiste em um método semelhante ao de médias

móveis, mas suaviza o peso dos meses mais antigos, dando maior peso no cálculo para
os períodos mais recentes;

ARIMA e ARIMAX: O ARIMA é um modelo de previsão de demanda

considerando a autocorrelação e as médias móveis, com a variação ARIMAX que
considera mais variáveis no cálculo;

5
 Regressão simples: consiste em um método pelo qual a avaliação é feita a partir
da relação entre variáveis, por exemplo, se a renda aumenta, a tendência é que o
consumo também;

Regressão múltipla: nesse caso, a resposta a uma variável é calculada a partir da

relação com diferentes variáveis, aumentando a potencial complexidade do cenário
analisado.

Portanto, os métodos de previsão de demanda qualitativos permitem identificar

valores mais exatos no cálculo do volume esperado de vendas do período.

Em caso de potencial de mudanças significativas no mercado, uma opção é unir

os métodos qualitativos e quantitativos para uma visão mais completa do cenário.

Como definir o método de previsão da empresa?

Para definir o método de previsão de demanda da empresa, é fundamental que as

características do negócio sejam consideradas para garantir uma operação mais
estratégica.

Além disso, contar com parceiros confiáveis e experientes é essencial para modelos
mais acertados e previsibilidade das operações.

A TDGI atua na área de manutenção, obras e eficiência energética. O que

permite um mapeamento das demandas operacionais do negócio, com indicadores
relevantes, contribuindo para a análise e o cumprimento da previsão de demanda.

Com nossos serviços principalmente preventivos e preditivos, é possível

verificar a necessidade futura de compra de peças, equipamentos de reposição,
ferramentas e outros detalhes para executar as atividades e garantir o funcionamento
ideal de todas as instalações.

6
Previsão de vendas

A previsão de vendas é o processo de estimar a receita total ou o número de

negócios que serão fechados no futuro com base em dados anteriores.

As organizações de vendas combinam dados históricos privados, bem como

dados económicos públicos relevantes e tendências passadas para criar uma antevisão
das possibilidades a curto e longo prazo para o sucesso de uma empresa. As previsões
são utilizadas para estabelecer referências de receitas mensais, trimestrais ou anuais e
podem ser um fator no cálculo das comissões da equipa.

A previsão é amplamente considerada como um aspeto fundamental da análise

empresarial. Isto deve-se ao facto de as previsões de vendas constituírem
frequentemente a base de estratégias que vão desde a contratação de novos parceiros
comerciais, passando pela seleção de contas específicas, até à previsão das necessidades
de reabastecimento das lojas com base na localização geográfica, para citar alguns
exemplos. Este é o poder da previsão de vendas!

Embora a previsão se baseie em informações factuais, a incerteza e o risco são

factores importantes a considerar na equação global. Como a incerteza é, bem, incerta, e
os efeitos da assunção de riscos também não são totalmente previsíveis, é bom ter em
mente que não é garantido que uma previsão se concretize.

No entanto, tal como uma previsão meteorológica, é melhor ter um guarda-

chuva consigo e não ter de o usar do que ser apanhado por um aguaceiro inesperado sem
ele!

Métodos de previsão de vendas

7
 Tal como há mais do que uma forma de ganhar uma venda, há mais do que uma
forma de criar uma previsão de vendas. Existem quatro métodos principais de previsão
de vendas, cada um com a sua própria definição, objetivo e processo:

1. Análise de tendências
2. Análise de regressão
3. Análise de séries cronológicas
4. Análise causal

Análise de tendências

A análise de tendências é importante porque dá às empresas uma visão do

desempenho a curto e longo prazo. As empresas podem centrar-se em diferentes
segmentos da sua atividade para chegar a um palpite fundamentado sobre o que devem
continuar ou deixar de fazer para alterar os resultados futuros.

Por exemplo, uma empresa de velas e fragrâncias para o lar de grande sucesso
pode utilizar a análise de tendências para compreender quais os aromas mais procurados
durante as férias de inverno nos últimos cinco anos. Esta informação pode então ser
utilizada para planear com maior precisão as necessidades de produção futuras, criar
campanhas de marketing e determinar a forma de recriar ou desenvolver os resultados
de receitas anteriores.

Análise de regressão

A análise de regressão é o método de previsão de vendas que inspecciona a

forma como as estratégias de vendas individuais (a variável independente) afectam o
desempenho (a variável dependente) ao longo do tempo. O modelo utiliza dados de
desempenho anteriores para prever o que poderia acontecer se a estratégia continuasse
ou se outra fosse utilizada em seu lugar. Este método está mais fortemente enraizado na
matemática do que outros.

A análise de regressão é essencial para as empresas que precisam de ter uma

compreensão mais profunda do desempenho das suas vendas e de como podem alterá-lo

8
a um nível pormenorizado e granular. Para realizar esta análise, as equipas de vendas
têm de compreender claramente o que está a afetar as suas vendas, tanto a nível interno
como externo. Também precisam de ter recolhido dados suficientes sobre estas
variáveis ao longo do tempo para poderem fazer uma previsão exacta.

Isto também significa que as variáveis que avaliam terão de ser mensuráveis,
razão pela qual este método examina normalmente as estratégias de vendas ao longo do
tempo, uma vez que as empresas têm acesso a toda a informação necessária.

Análise de séries cronológicas

A análise de séries cronológicas na previsão de vendas utiliza dados recolhidos

em vários intervalos de tempo para acompanhar as alterações ao longo do tempo. Isto
pode ser utilizado para criar novas estratégias de vendas, determinar a probabilidade de
um determinado resultado ou compreender a causa subjacente de um resultado previsto.

Uma das maiores vantagens da utilização da análise de séries cronológicas em

relação a outros métodos de previsão de vendas é a capacidade de prever padrões ao
longo de épocas, ciclos e tendências. Também é útil para descobrir pontos de dados
passados irregulares que não criam padrões.

Para utilizar corretamente a análise de séries cronológicas para fazer previsões

para o futuro, é necessário registar consistentemente os seus dados de vendas. Algumas
aplicações reais deste método incluem a fixação de preços de bens físicos que são
afectados pela escassez da cadeia de abastecimento e a deteção de anomalias nas
receitas que devem ser tidas em consideração no planeamento da estratégia de vendas
do próximo trimestre.

9
Análise causal

A análise causal é um tipo de previsão de vendas que avalia e prevê a forma

como as flutuações do mercado irão afetar os lucros de uma empresa. Este tipo de
previsão permite às equipas de vendas desenvolver estratégias e planos para um futuro
previsível. Pode também ajudá-las a desenvolver modelos de vendas e de publicidade
que tornem os objectivos o mais à prova de futuro possível.

Um modelo de previsão causal começa por avaliar o estado atual do mercado e

identificar os factores que irão influenciar a sua direção durante um determinado
período de tempo. Estes incluem a posição atual da empresa, as variáveis independentes
e os factores dependentes.

Para as equipas de vendas, a análise causal garante que o seu departamento está
preparado para a procura prevista. Isto significa que pode estar atento a potenciais
períodos de abrandamento, como uma recessão ou um abalo no sector, bem como a
períodos de elevado crescimento, em que se espera um boom no mercado. Como
mencionámos anteriormente, não é garantido que este método de previsão de vendas
seja totalmente exato. Mas permite aos líderes não serem apanhados inesperadamente
pela chuva.

Como escolher o método de previsão correto

O objetivo da previsão de vendas é encontrar uma resposta à pergunta: "Como

podemos esperar o desempenho das nossas vendas durante um determinado período?"
Todos os tipos de métodos de previsão acima referidos são concebidos para fornecer
essas respostas.

Independentemente do método de previsão de vendas que escolher, terá de

seguir os seguintes passos para o utilizar eficazmente:

10
Etapa 1: Definir o seu plano

Esclarecer o problema, delinear a forma como as informações da previsão serão

utilizadas, identificar a quem se destinam os resultados e determinar como serão
divididas as responsabilidades do projeto de previsão.

Passo 2: Reunir materiais

Isto inclui dados relevantes, informações do seu CRM e ferramentas de que pode
necessitar para completar o método de previsão da sua escolha.

Etapa 3: Efetuar uma análise preliminar

Quais são os resultados previstos para esta previsão? Considere factores

relevantes como a sazonalidade. Mais tarde, irá comparar a sua expetativa com o
resultado. Além disso, considere os prós e os contras do método de previsão específico
que escolheu e como isso pode afetar a forma como encara a sua previsão.

Passo 4: Utilizar o seu modelo

Execute o seu modelo e procure um resultado. O resultado deve fazer sentido

com a pergunta que fez. Se não fizer, procure erros e ajuste-o antes de o executar
novamente. Não se esqueça de registar os resultados de cada execução, para prevenir.

Etapa 5: Avaliar os resultados

As informações que recebeu do método de previsão corresponderam às suas

expectativas? Porquê ou porque não? Se os seguintes dados de saída se concretizassem,
de que forma afectariam o trabalho da sua equipa de vendas?

11
Vantagens da previsão de vendas

As vantagens da previsão de vendas incluem:

 Estabelecer uma base de referência para a definição de objectivos realistas a

todos os níveis
 Tomar decisões informadas
 Resolução de conflitos de prioridades
 Distribuir corretamente os recursos
 Prevenir ou mitigar potenciais bloqueios de estradas
 Colaborar com outros departamentos em projectos comuns
 Proporcionar uma sensação de segurança aos investidores e outros intervenientes
importantes.

A regra número um da previsão de vendas é utilizar dados tão exactos quanto

possível. A sua previsão só será tão precisa quanto os dados em que se baseia. Também
é fundamental que a sua previsão seja conservadora e consistente com os seus dados
históricos de vendas.

12
 CONCLUSÃO

A crescente procura por níveis cada vez mais elevados de serviço e de qualidade
pressiona as organizações a terem maior agilidade e a direcionarem as suas atividades
para a satisfação do cliente final, delineando todos os seus sistemas e procedimentos
com o objetivo principal de melhorar a velocidade e a confiança da resposta. A
existência de um sistema de gestão de stocks eficiente e otimizado é uma componente
essencial para a obtenção de níveis elevados de serviço.

A previsão da procura assume elevada importância na gestão de stocks de peças

sobressalentes. Devido à procura deste tipo de artigos apresentar sazonalidade e
intermitência a previsão da procura torna-se uma tarefa difícil e complexa.

A literatura existente neste domínio, em particular no caso da procura irregular,

não é extensa, referindo apenas a criação de um nível de stock seguro para lidar com
eventuais ruturas, conforme é referido por Chen et al. (2009).

Nesta dissertação foram analisados vários modelos para previsão da procura e

foram utilizadas as medidas de erro MSE, MAE e MAPE de forma a avaliar o
desempenho dos modelos. Para o conjunto de teste o método ARIMA foi o que
conseguiu melhores resultados de acordo com a medida de erro MAPE.

Sendo que o objetivo final da MCoutinho Peças é a satisfação do cliente, o nível

de stock deve ser o mais próximo possível da procura desejada de forma a que o cliente
seja servido no menor tempo possível.

13