Você está na página 1de 8

RELATRIO EXECUTIVO: EFICINCIA DE PREVISES DE VENDA EM EMPRESAS SEM FUNO DE PREVISO FORMALIZADA 1. Robert W.

Samohyl
RESUMO: Para medir a eficincia da funo de previso numa empresa, deve ser levado em conta a preciso da previso e o custo do processo de previso. Este relatrio demonstra como uma empresa, sem a funo de previso formalizada dentro de seus processos administrativos, tem um pssimo histrico em termos de exatido nas previses. Sua ineficincia marcante porque as pssimas previses vm de um processo informal e intuitivo, pouco pensado em termos organizacionais, e, no final, de alto custo para a empresa.

BIO: Bob Samohyl (Ph.D, 1979, Rice University) vive e trabalha no Brasil permanentemente desde 1978, e hoje professor titular e subchefe do Departamento de Engenharia de Produo na Universidade Fed. de S. Catarina. Coordena um projeto para a implementao de tcnicas de previso em centrais eltricas e recentemente foi VicePresidente da Sociedade Brasileira de Pesquisa Operacional.

Sumrio
I. Fazendo previses por processos informais com funcionrios especialistas da rea ("market feeling") raramente suficientemente cientifico para assegurar previses precisas. Os resultados mais comuns nesses casos so erros de previso inaceitveis, estoques em excesso, e grandes despesas desnecessrias do tempo valioso dos gerentes da empresa. 2 II. Os erros de previso dos processos informais podem ser computados utilizando um clculo muito simples baseado nas alteraes dos estoques de produto acabado, ainda que a empresa no valorize nenhum sistema de anlise dos erros. III. Essas discrepncias entre o previsto do sistema informal e o observado podem ser comparadas com erros de previso de procedimentos automticos chamados modelos ingnuos. Por exemplo, a empresa poderia lanar previses mais precisas utilizando como previso as entregas de mercadoria observadas 24 dias atrs, que seriam simplesmente as entregas do mesmo dia da semana quatro semanas atrs.
1

Uma verso completa em ingls ser publicada em 2006 na revista Foresight do International Institute of Forecasting. Esta verso em portugus recebeu relevantes contribuies de Rubson Rocha, Eder Corvalao e Ary de Almeida Soares. As duas expresses erros de previso e discrepncias de previso tm o mesmo sentido neste trabalho. No ambiente empresarial, j sentimos certa tendncia de utilizar discrepncia, e na literatura acadmica erro.

IV. Previses mais precisas so o resultado de procedimentos melhores na empresa e quase sempre com menos esforo ao invs de mais.

Introduo
Sem dvida, a deciso de fixar os nveis de produo o resultado de uma previso de vendas. Mesmo que existam procedimentos formais para sistemas de previso aparecendo com cada vez mais frequencia nas empresas, muitas ainda operam na iluso de que um sistema de previses um elemento secundrio no planejamento da produo e tambm na lucratividade da empresa. Empresas nessa situao no tratam a funo de previso como um processo formal e no desfrutam dos benefcios das ferramentas de controle de processo para otimizar a utilizao de recursos. Processos informais e ineficientes, produzindo previses imprecisas a custo alto, significam oportunidades perdidas e lucro baixo.

Estudo de Caso
Empresas que desvalorizam a funo formal de previso podem aprender que uma previso ingnua pode ser no mnimo de igual preciso se no muito melhor que as previses observadas hoje na empresa e surpreendentemente custando uma frao do processo atual. O fabricante de escapamentos XYZ utiliza dados dirios para decises de curto prazo para fixar o nvel de produo. Essa empresa um dos maiores fornecedores de escapamentos do pas. Ela possui um sistema sofisticado informatizado para a programao da produo dentro de um sistema maior para o controle da maioria das operaes da empresa , mas como j foi mencionado, os processos de previso so informais. Na tabela 1, temos uma amostra dos dados de vendas e produo do escapamento mais vendido. A coluna entrega ao cliente a quantia de produto final que realmente chega ao cliente naquele dia. Produto final a quantia que sai da linha de produo naquele dia. Vendas a quantia de pedidos do dia. Na base de dados da empresa, no existe nenhuma estimativa confivel de estoques de produto final e ningum sabe quanto tempo levou para fazer as entregas individuais. Esses dados existem nas cabeas de vrios funcionrios da empresa. Tambm, a empresa no analisa suas discrepncias de previso, e o fato que nem quer saber dessas discrepncias. Tabela 1 Dados do Fabricante de Escapamentos XYZ

Previses de vendas so geradas por um grupo da alta gerncia da empresa e so puramente julgamentos de valor. O grupo se rene em horrios irregulares, em geral quando alguma informao aparece e julgada suficientemente relevante por um membro desse grupo executivo, ou quando dois ou mais gerentes se encontram para tomar cafezinho. Anotaes das reunies so passadas para o vice-presidente da empresa e ele ento toma a deciso de quanto, quando e como produzir.

Planejamento da Produo e a Necessidade de Prever


Na figura 1, temos a seqncia de eventos para fazer uma previso da data do inicio do processo informal no dia 15/11 at o dia da entrega nas mos do cliente 29/11. Vamos ilustrar o processo de previso atravs de um exemplo tirado da experincia do fabricante de escapamentos. Um pedido chega na empresa, pedindo entrega para o dia 29/11, D(29/11) na figura 1, e demorando cinco dias para o setor de logstica entregar a mercadoria para o outro lado do pas. Portanto, produto acabado tem que estar em condies de iniciar a fase de entrega no dia 23/11, FP(23/11). E adicionalmente sabe-se que leva 6 dias de trabalho para produzir o escapamento, incluindo tempo na fila, rearranjo da linha de produo, tempo de processamento e finalmente empacotamento, a produo tem que ter incio no dia 16/11, SP(16/11), no mais tardar. Figura 1 Produo e Planejamento da Produo

Pedidos vm a qualquer hora, mas existem restries sobre a data da entrega e a viabilidade de fazer previses. So trs situaes diferentes: 1. O pedido recebido dentro do perodo de entrega, entre pontos FP e D, e nesse caso as expectativas do cliente sero frustradas porque no h tempo suficiente para entrega dentro do prazo. 2. O pedido recebido durante a produo, entre SP e FP. O tempo insuficiente para produzir novas unidades para entrega no dia 29/11, no entanto, h tempo suficiente para entregar produto acabado se houver estoques. Esse caso exige uma previso precisa para assegurar que produto acabado esteja disponvel para entrega. 3. O pedido recebido antes do inicio da produo a SP. Agora a empresa tem tempo sobrando para produo e entrega nas mos do cliente. Neste caso, clientes esperam voluntariamente longos perodos e no reclamam. Aqui a funo de previso no to importante como na outra situao. A fbrica, por causa da qualidade do produto ou da sua situao monoplica no mercado, se acha numa posio privilegiada, rara no ambiente empresarial moderno. No entanto, se pedidos chegam perto do tempo SP, custos de fila e rearranjo podem ser minimizados atravs de uma previso precisa. Na prxima seo, levando em conta os perodos estudados aqui, vamos medir a exatido das previses do fabricante de escapamentos.

Medindo os Erros de Previso quando a Empresa No Tem Procedimentos Formais de Previso


Em primeiro lugar, considera-se que uma previso localizada no tempo por duas datas, o dia quando foi feito a previso e a data sendo prevista no horizonte da previso. Na figura 1, veja a notao F(29/11; 15/11), representando previses para entrega no dia 29/11, previses feitas no dia 15/11. Dado o fato de que previses so feitas para produzir e inevitavelmente entregar produto, a previso para entrega no dia 29/11 tem que ser feita no mximo no dia SP(16/11), permitindo tempo suficiente (no mnimo, 2 semanas na situao da figura 1) para produo e entrega da mercadoria. . Quando a previso precisa, estoques de produto final no alteram porque a empresa vende exatamente a quantia que a previso mandou fabricar. Portanto, previso acurada representada por estoques constantes. Mesmo assim, sem dados confiveis sobre estoques, podemos construir uma medida de erro nas previses. A premissa bsica que trs datas so importantes: segundo as datas da figura 1, produo que fica pronta numa certa data, 23/11, por

exemplo, reflete uma previso feita alguns dias antes disso, 15/11, para entrega no dia 29/11. Portanto, o produto final do dia 23/11 a previso feita no dia 15/11, e a diferena entre a quantia de produto final e a quantia de entrega alguns dias depois a medida do erro de previso. importante notar que ns no devemos comparar produto final com a quantia de entregas no mesmo dia, mas sim precisamos levar em conta a realidade logstica da empresa e permitir certo nmero de dias para entrega final at as mos do cliente. O gerente de logstica revelou que a entrega pode ser at 5 dias teis na pior das hipteses. Com essas idias, ns podemos calcular dos dados da tabela 1 os erros de previso para vrias suposies do tempo de entrega. A mdia dos erros chamada de discrepncia absoluta mdia (DAM), e a mdia dos erros dirios. Discrepncias so positivas e negativas, mas para o calculo da mdia dos erros, todas so consideradas positivas. Se no for assim, a soma iria ficar sempre igual a zero com as positivas cancelando as negativas, e a mdia tambm ficaria igual a zero. As DAM estimadas para vrios tempos de entrega, de 0 a 6 dias, esto na figura 2.

Figura 2 Erro de Previso Relacionado ao Perodo de Entrega Podemos ver que o erro mdio de previso (DAM) tem valor mnimo, aproximadamente 160 unidades por dia, quando a defasagem de entrega fica em zero, quer dizer, quando supomos que a entrega do produto final para o cliente ocorre no mesmo dia que termina a produo. Para defasagens mais realistas, as discrepncias mdias ficam num intervalo de 175 a 195 unidades, perodo de entrega igual a 6 e 4 dias, respectivamente. Portanto, vamos utilizar o valor representativo de 180 unidades de erro dirio de previso para esta empresa. Mas agora a questo como julgar o tamanho deste erro, e conseqentemente julgar tambm o trabalho da comisso executiva responsvel pela sua construo e tambm sua preciso.

Julgando o Tamanho do Erro de Previso

Segundo os gerentes da empresa, as previses so as melhores possveis considerando a incerteza do setor e as instabilidades da economia do pas em geral. Devemos perguntar se a perspectiva deles inquestionvel. Uma maneira de julgar o erro deles fazer comparaes com os erros de algum procedimento ingnuo como, por exemplo, utilizar valores de vendas no passado como previses de vendas futuras. A idia simples, o que aconteceu num certo dia no passado (por exemplo, 14 dias atrs) deve se repetir no futuro, um procedimento de previso simplrio ou ingnuo. Veja bem que os custos para montar este tipo de previso so praticamente zero, e certamente muito mais barato que a comisso executiva de gerentes. Voltando na figura 1, a previso ingnua para entregas no dia 29/11 D(29/11) poderia ser a quantia de mercadoria entregue no dia 1/11 D(1/11). Na prxima seo, ns vamos ver que utilizando dados de 28 dias atrs, como nossa previso tem certo charme intuitivo e produz resultados surpreendentemente precisos. Erro de Previso de Previses Ingnuas Calculamos erros de previso baseados nas previses ingnuas de entregas observadas 12 dias teis atrs, e 13 dias teis atrs, e 14 dias teis atrs, e assim por diante at 24 dias teis atrs. As discrepncias absolutas mdias (DAM) so ilustradas na figura 3. Figura 3 As Discrepncias das Previses Ingnuas

Podemos ver do ponto inicial da figura 3 que a previso baseada nas entregas observadas 12 dias teis atrs tem DAM igual a 150 unidades. A menor DAM ficou em 140 unidades para previses utilizando entregas observadas 24 dias teis atrs (28 dias corridos), o mesmo dia da semana h 4 semanas atrs. Comparando estes resultados com figura 2, podemos ver que as previses ingnuas so melhores que as previses da comisso executiva. Olhando para estas concluses, a empresa ficou estupefata. A empresa gasta uma quantia de recursos considervel entre gerentes com alta capacidade nas suas reas, quem devem entender os detalhes do mercado e da economia onde se insere a empresa. Ademais, a diretoria da empresa acha que o vice-presidente responsvel pela produo deve ter conhecimentos suficientes para sintetizar as anotaes da comisso e determinar nveis de produo equilibrados com a demanda. Na situao como est, a empresa gasta demais para previses inexatas.

Finalmente, o que tem que ser colocado claramente o seguinte: desde que a funo de previso da empresa no formal e, conseqentemente, no tem procedimentos definidos e estruturados e nem histrico, as ineficincias e os custos desta situao ficam escondidos, anlises mais aprofundadas so dificultadas, e uma avaliao do processo de previso fica praticamente impossvel. H uma lio de moral aqui. Qualquer fabricante utilizando informalidades para construir previses deve comparar a exatido das previses com previses ingnuas, e se o resultado favorece as previses ingnuas, quase sempre o caso, ento o fabricante encontrou uma rea para diminuir custos e melhorar o seu desempenho financeiro. A literatura acadmica alerta os praticantes sobre um possvel vis nas previses que vm de procedimentos pouco quantitativos. Pode-se imaginar o vis nas previses que vm de procedimentos tambm informais. Avanando para Mtodos Melhores A empresa no deve achar que as previses ingnuas so as chaves de sucesso, mas sim deve considerar a utilizao de outros mtodos automticos que tambm dependem dos dados passados. Existem metodologias que levam em conta tendncias dos dados no tempo, a sazonalidade do mercado especfico, e as correlaes com outros fatores dentro e fora da empresa. A utilizao destas metodologias no significa que o julgamento de valor dos especialistas seja desnecessrio. Muito pelo contrario, uma vez que temos um sistema funcionando produzindo previses racionais e tcnicas baseadas no passado, ento os especialistas tero uma base melhor para opinar sobre o futuro e modificar as previses se o futuro implica em mudanas no captadas nos dados passados. A literatura acadmica mostra claramente que o melhor sistema de previso aquele que combina formalmente os mtodos quantitativos com os qualitativos.

Referncias
Armstrong, J. S (2001). Principles of Forecasting. Boston, Kluwer Academic Publishers. Gardner, Everette S. and Elizabeth A. Anderson (1997). Focus forecasting reconsidered. International Journal of Forecasting, Volume 13, Issue 4, December, pp. 501-508. Gilliland, Michael (2005). How to assess the effect of organizational polititics on the efficiency of the forecasting process. Foresight, International Institute of Forecasters. October, pp16-17. Goodwin, Paul, Konstantinos Nikolopoulos, Robert Fildes, and Michael Lawrence (2005). On the accuracy of judgmental interventions on forecasting support systems. Working Paper/022. Lancaster University Management School. Hopp, Wallace and Mark Spearman (2000). Factory Physics, Second Edition. New York, McGraw-Hill. Mentzer, John T. and Mark A. Moon (2004). Sales Forecasting Management : A Demand

Management Approach, 2nd edition . California, Sage Publications. Moretin Roldan, Frederico, Dario Ikuo Miyake (2004) Mudanas de Forecast na Indstria Automobilstica: Iniciativas para a Estruturao dos Processos de Tomada de Deciso e Processamento da Informao. Revista Gesto e Produo, v.11, n.3, p.413-427.
Samohyl (2006). Measuring the Efficiency of an Informal Forecasting Process, Foresight, International Institute of Forecasters. A sair.

Contato: Robert Wayne Samohyl, PhD. Universidade Fed. de S. Catarina, Engenharia de Produo 55-48-3331-7000 samohyl@deps.ufsc.br

Você também pode gostar