Factores Determinantes da Demanda na Educação

António Dos Santos Gundana

Marketing Educacional

Nelson Patias

Introdução

Na literatura é possível encontrar algumas definições de demanda, Kotler (1991) define a

demanda de mercado para um produto como sendo o “volume total que seria comprado por
um grupo de clientes definido, em uma área geográfica definida, em um período definido, em
um ambiente de marketing definido e sob um programa de marketing definido”. Consul e
Werner (2010) explicam a importância da previsão de demanda pelo fato de se ficar evidente
o “que”, “quanto” e “quando” comprar, os autores ainda expressam que os benefícios dessa
previsão afetam a velocidade de entrega e o custo do produto.

Previsão de demanda e sua classificação

A previsão de demanda exerce uma função de grande importância nas organizações em geral,
como explicitado por Gerber et. Al (2013), ao enunciar que a previsão de demanda é o ponto
inicial do planejamento de atividades como fluxo de caixa, planejamento da produção entre
outras, sendo utilizada com mais frequência em empresas que tratam de bens de consumo, já
Veiga, Veiga e Duclós (2010) afirmam que uma boa previsão de demanda pode proporcionar
à empresa uma vantagem competitiva, visto que sua utilização auxilia na tomada de decisão,
no entanto, por se tratar de uma ferramenta gerencial e lidar com projeções, seu resultado não
é exato, sendo assim, cabe ao gestor. Além disso, os autores citam que esses métodos são
indicados para previsões a médio e longo prazo, os autores afirmam ainda que eles podem ser
utilizados separadamente, no entanto, usualmente, sua aplicação se dá em conjunto com
outros métodos qualitativos ou quantitativos. Lemos (2006) define três métodos qualitativos,
sendo eles os métodos chamados pelo autor de jogo de representações, a pesquisa de
intenções e por último o Delphi, métodos esses apresentados nos tópicos posteriores.

Jogo de Representações

O método chamado de jogo de representações (Role Playing) é definido por Armstrong

(2001) como sendo uma interação entre pessoas escolhidas pela administração, essas pessoas
vão decidir acerca de alguma questão, e essa decisão seria tratada como uma previsão. Lemos
(2006) afirma que a aplicação dessa técnica se dá quando há conflito entre as partes
envolvidas. Armstrong (2001) ainda cita a importância da similaridade entre o evento real, e
o simulado, sendo necessária a criação de regras e o conhecimento por parte dos
participantes, da situação a ser tratada.

Pesquisa de intenções

A pesquisa de intenções é definida por Lemos (2006) como um método para se avaliar
planos, metas e expectativas dos indivíduos em relação a uma variável ou evento, deste
modo, sua utilização está intimamente ligada a previsão de demanda e tomada de decisão
referentes à penetração de um novo produto no mercado, por exemplo, como citam
Chambers; Mullick e Smith (1971), quando afirmam que as preferencias de clientes e a
probabilidade dos mesmos comprarem produtos, podem ser descritos por padrões de
prioridade, sendo portanto, de grande auxílio na previsão de demanda, no entanto, Lemos
(2006) afirma que o método é mais efetivo quando os entrevistados estão realmente
interessados no produto.

Delphi

O método Delphi, de acordo com Linstone e Turoff (2002) pode ser definido como um
método para a estruturação de um processo de comunicação em grupo tendo esse processo o
objetivo de resolução de problemas complexos, do mesmo modo, Ribeiro (2009) confirma
que o método busca o aprendizado através da troca de opiniões entre os participantes, visando
minimizar os inconvenientes e destacar os pontos positivos do grupo, evidenciando as
convergências de opiniões. Ainda segundo Ribeiro (2009), sua aplicação é indicada quando
não é possível aplicar técnicas puramente matemáticas e quando o julgamento pessoal é
relevante.

Método Quantitativo

A respeito dos métodos quantitativos, Higuchi (2006) é incisivo e define como uma análise
de dados passados de maneira objetiva a fim de realizar uma projeção futura através do
emprego de modelos matemáticos. Garcia (2011) afirma que há diversos métodos de previsão
de demanda de maneira quantitativa sendo nesses métodos empregadas técnicas simples,
como no caso da média simples, e também métodos complexos que exigem do usuário
conhecimento estatístico e de matemática computacional, como o ARIMA (modelo auto
regressivo de média móvel) e o método de redes neurais.
Técnica de Regressão Linear e Correlação

O método que utiliza a Regressão linear e Correlação é definido por Gaither e Fraizer (2002)
como sendo um modelo de previsão que relaciona uma variável dependente e outras
independentes, sendo utilizado do conhecimento do pesquisador para estabelecer valores
futuros da variável dependente, a partir dessa relação.

Método da média móvel

Sobre os modelos baseados em média, Tubino (2009) afirma que são importantes para
remover influencias de variações randômicas dos dados históricos, combinando os valores
extremamente baixos e altos gerando uma previsão com menor variabilidade, no entanto, o
autor indica que, para a média móvel, utilizam-se dados de um conjunto de períodos,
geralmente mais recentes e com um número definidos anteriormente para gerar uma previsão,
além disso, para cada novo período incluído nesse conjunto, um período mais antigo é
retirado.

Método Box-Jenkins

Um método considerado mais complexo por alguns autores, a técnica Box-Jenkins é

explicitada por Martínez e Zamprogno (2003), esses autores afirmam que se trata de uma
modelagem paramétrica, trabalhando com ajuste de modelos auto regressivos e/ou de média
móveis de um conjunto de dados, este modelo é conhecido como ARIMA, citado
anteriormente e sobre ele, Box, Jenkins e Reinsel (2011), afirmam se tratar de um modelo
poderoso para a descrição das séries temporais, e pode ser obtido somando ou integrando
processos.

Método de Redes Neurais

Como citado anteriormente um dos métodos qualitativos é o método de Redes Neurais,

segundo Kuo e Xue (1999) essa técnica “é derivada de modelos de neurofisiologia, e consiste
em uma coleção de elementos não lineares simples cujos inputs e outputs são ligados para
formar uma rede.” Ainda segundo Kuo e Xue (1999) existem diversos estudos que buscam
comparar os métodos de redes neurais com métodos considerados tradicionais de previsão de
demanda como Box-Jenkins e outros métodos quantitativos, o autor ainda revela que esses
estudos são muitas vezes contraditórios.

Método Fuzzy neural network (rede Neuro-Fuzzy)

Existe outro método qualitativo de previsão de demanda que utiliza como base as redes
neurais artificiais, chamado de Fuzzy neural network (rede Neuro-Fuzzy). A lógica Fuzzy,
que segundo Gomide e Gudwin (1994) pode ser traduzida como Nebulosa, é baseada na
teoria dos conjuntos Fuzzy. Os autores afirmam ainda que, diferente da lógica binária onde a
variável verdade só pode ser verdadeira ou falsa, ou da lógica multivalores, no qual a
verdade pode se apresentar na forma de um elemento de um conjunto finito em um intervalo,
na lógica Nebulosa os valores assumem aspectos linguísticos como “muito verdade”, “não
verdade”, “muito falso” entre outros. Segundo Kou e Xue (1999) algumas maneiras de se
utilizar essa integração fuzzy-neural já foram testadas, como o emprego do algoritmo de
aprendizado para melhorar a performance de sistemas Fuzzy.

Modelo auto regressivo

Outro exemplo de modelo é o modelo autorregressivo, que segundo Box, Jenkins e

Reinsel2011) é um modelo estocástico, no qual o resultado se da através da combinação
linear de valores anteriores do processo e um valor randômico.

Modelo integrado de previsão de demanda

Foram citados no presente artigo, métodos de previsão de demanda tanto qualitativos quanto
quantitativos, além dos apresentados, outros métodos diferentes podem ser encontrados na
literatura, como o modelo proposto por Fernandes e Anzanello (2010), que consiste
basicamente em um modelo integrado de previsão de demanda, ou seja, um modelo que
apresenta tanto dados quantitativos quanto informações qualitativas. Os autores apresentam
em seu trabalho a metodologia dessa técnica separando a mesma em etapas (cinco) utilizando
o parecer de especialistas e da ferramenta AHP (Analytic Hierarchy Process) como forma de
realizar essa previsão. Segundo Lemos e Fogliatto (2008) o emprego da integração de
métodos é uma maneira de obter resultados mais precisos, conseguindo mesclar a
contextualização fornecida pelos dados qualitativos com a parte matemática das séries
temporais. Lemos e Fogliatto (2008) ainda apresentam em seu trabalho outra forma de
técnica integrada, utilizando método de extrapolação, sendo este quantitativo, com método
Delphi que é qualitativo.

Referências

ARMSTRONG, SCOTT J. Principles of Forecasting: A handbook for Researchers and

Practioners.Kluwer Academic Publishers.2001.
BOX, G. E. P.; JENKINS, G. M.; REINSEL, G.C. Time Series Analysis: forecasting and
control. 4ª Edição. Hoboken, John Wiley & Sons INC, 2011.

CONSUL, F. B.; WERNER, L. Avaliação de Técnicas de Previsão de Demanda Utilizadas

por um Software de Gerenciamento de Estoques no Setor Farmacêutico. XXX Encontro
Nacional de Engenharia de Produção, São Carlos, out. 2010.

GERBER, J. Z.; MIRANDA, R. G. de,; BORNIA, A. C.; FREIRES, F. G. M. Organização

de Referenciais Teóricos sobre Diagnóstico para a Previsão de Demanda. Revista
Eletrônica de Gestão Organizacional, Recife, v. 11, n. 1, p. 160-185, jan./abr. 2013.

GOMIDE, F. A.C.; GUDWIN, R. R.; Modelagem, Controle, Sistemas e Lógica Fuzzy.

SBA Controle & Automação. v. 4, n. 3, p. 97-115, set. /out. 1994.

KOTLER, Philip.;Administração de Marketing. Prentice Hall. 10ª edição. p. 140-143.

1991.

KUO, R. J.; XUE, K. C. Fuzzy Neutral Network with Application to Sales Forecasting.
Elsevier Science B. V. Out. 1999.

LEMOS, F. de O. Metodologia para Seleção de Métodos de Previsão de Demanda. Porto

Alegre. UFRGS,

2006. 183 p. Dissertação (Mestrado) – Programa de Pós-Graduação em Engenharia de

Produção, Escola de

Engenharia, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2006.

MARTÍNEZ, R. O.; ZAMPROGNO, B. Comparação de Algumas Técnicas de Previsão

em Análise de Séries Temporais. Revista Colombiana de Estadística, v. 28, n. 2, p. 129-
157. 2003

PELLEGRINI, F. R.; FOGLIATTO, F. S. Passos para Implementação de Sistemas de

Previsão de Demanda - Técnicas e Estudo de Caso. Revista Produção, v. 11, n. 1, p. 43-64.
2001

TUBINO, Dalvio Ferrari. Planejamento e controle da produção: teoria e prática. Atlas,

2009.

VEIGA, C. R. P.; VEIGA, C. P.; DUCLÓS, L. C. . Profuturo: Programa de Estudos do

Futuro, São Paulo, v. 2, n. 2, p. 83-107, jul./dez. 2010.
WERNER, L.; LEMOS, F. de O.; DAUDT, T.; Previsão de Demanda e Níveis de Estoque
uma Abordagem Conjunta Aplicada no Setor Siderúrgico. XIII SIMPEP, Bauru, nov.
2006.