Professional Documents
Culture Documents
podem ser evitadas. Na programao da produo e dos nveis de estoque por produto, previses
de consumo de cada produto so necessrias para especficos perodos de tempo. Estoques de
segurana podem ser melhor dimensionados, com previses apuradas do nvel de consumo por
local e por tipo de produto ou servio. Em departamentos de marketing, previses da demanda
devem estar disponveis para que as estratgias de vendas sejam planejadas. A demanda por
produtos deve ser prevista de forma a orientar esforos promocionais. Alm disso, a previso da
demanda de produtos finais pode ser traduzida em previses de necessidades de itens como
produtos bsicos, equipamentos, componentes/partes, e servios. Em conseqncia dessas
previses de itens de demanda interdependente, a aquisio de produtos bsicos pode ser
programada, o que implica tambm na previso da disponibilidade de recursos financeiros e em
geral e no acompanhamento e previso da variao dos preos dos itens e produtos analisados.
Assim, em primeiro lugar, a previso deve ser utilizada para decidir se a demanda suficiente para
justificar a entrada da organizao numa determinada regio de mercado. Se a demanda existe mas
no em nvel suficiente para cobrir os custos logsticos do seu produto final, a organizao dever
rejeitar a oportunidade.
e curtssimo prazos (uma semana a trs meses) para o planejamento da produo, programao da
fora de trabalho, planejamento dos fluxos de materiais, e outras necessidades. Essas previses
afetam, por exemplo, a produtividade operacional e as datas de entrega com as quais a organizao
se comprometeu.
A experincia de organizaes internacionais confirma que a habilidade empresarial para a previso
reconhecida como passo inicial para o planejamento do atendimento das demandas de clientes.
Esse planejamento um direcionador do sucesso das cadeias de abastecimento em que essas
organizaes atuam (Moon et al, 2000). O suporte de mtodos especficos de previso lhes permite
ser capazes de monitorar a evoluo dos mercados e antever as suas oportunidades de negcios e
projetar a estrutura da cadeia de abastecimento de forma a tirar o melhor proveito dessas
oportunidades. O uso desses mtodos reconhecido por essas organizaes criticamente til para o
negcio no s para a visibilidade da demanda ao longo da cadeia, apoiando o projeto de sua
estrutura, como tambm pelo grande nmero de clientes internos que devem ser atendidos, nos
vrios processos comerciais internos da organizao.
Assim, sob a perspectiva estratgica e de gerncia de topo, a empresa deve desenvolver e implantar
planos para estabelecer a cadeia de abastecimento com a capacidade necessria para atender a
demanda futura e, sob a perspectiva operacional, ao conhec-la poder otimizar a cadeia pela
minimizao dos custos de manuteno de estoques, transporte, aquisio e produo. Ou seja, os
compromissos gerenciais de programao da produo ou de aquisio e de manuteno de nveis
de estoques nas cadeias de abastecimento so assumidos baseados em valores provveis e
razoavelmente precisos do nvel da demanda para determinados horizontes de tempo que o
processo de previso permitiu obter.
Alguns aspectos, como a rpida mudana tecnolgica, podem limitar o uso da previso, assim como
uma base de clientes estvel com exigncias bem estabelecidas dos produtos facilita a tarefa de
previso. Por outro lado, a participao de diferentes nveis hierrquicos da organizao nas etapas
de obteno de dados, preparao e aprovao da previso pode estar associada ao seu melhor
desempenho. Alm disso, melhores resultados de previso so associados a melhores informaes a
respeito da indstria, clientes, competidores e da economia, alm do projeto das interligaes
eficientes e troca de informaes entre departamentos da organizao, em especial com o
departamento de pesquisa de marketing, e ao uso de mtodos adequados, a disponibilidade de
recursos e uma boa base de dados para a tarefa de previso e a regularidade de sua realizao (Fildes
e Hastings, 1994, Rothe, 1978). A delegao da responsabilidade pelas previses a membros dos
canais logsticos das organizaes, como distribuidores e rede de varejistas podem ter implicaes
na sua preciso, tendenciosidade e uso. Em algumas situaes, como em mercados de exportao
ou globais, essa delegao pode ser uma necessidade, mostrando ser de importncia crescente a
consolidao de um sistema eficiente de troca de informaes entre membros das cadeias de
abastecimento.
Causal
Regresso
Box-Jenkins
Quantitativo
Formal
Amortecimento Exponencial
Autoprojeo
Mdias Mveis
Decomposio
Mtodo
Ciclo de vida
Delphi
Qualitativo
Analogia Histrica
Opinio de experts
Impactos cruzados
Opinio de executivos
Composio da fora de vendas
Espontneo
ou informal
Figura 1- Uma classificao dos mtodos de previso e anlise de sries temporais temporais
A anlise espectral,
Que baseia-se no conceito fundamental da energia associada aos componentes da srie descrita em
componentes de frequncia. O estudo da distribuio da energia corresponde anlise do espectro.
A anlise das periodicidades da srie assim descrita ir permitir, por exemplo, reconhecer se o
realizador da previso pode utilizar todo o conjunto de dados existentes para estudar o evento e
prever valores futuros, ou se ele deve descartar os seus subconjuntos cuja anlise das
periodicidades revela significativa diferena em relao s da srie temporal pertinente ao estudo. A
anlise espectral tem, assim, carter complementar s anlises no domnio do tempo, quando se
trata de previses de cunho econmico.
Por outro lado, grandes organizaes, o que se correlaciona muitas vezes com organizaes antigas
e bem consolidadas, fazem uso de mtodos mais sofisticados mais frequentemente que pequenas
organizaes. Alm dos profissionais responsveis pelas previses e seus usurios (tomadores de
deciso), nessas grandes organizaes, terem maior familiaridade com a variada gama de mtodos
existentes, a experincia no setor de atuao, o volume de dados disponveis, coletados de forma
contnua e a facilidade de sistemas computacionais atuais permitem o uso desses mtodos mais
sofisticados. Tem sido observado como tendncia, por exemplo, na ltima dcada, que o grau de
familiaridade das organizaes com os mtodos quantitativos como amortecimento exponencial e
aqueles de base estatstica como a anlise de regresso tem mantido seu patamar ou aumentado.
Embora a familiaridade com a metodologia de Box-Jenkins seja ainda pequena, j existem
resultados de sucesso de seu uso por grandes organizaes. Por exemplo, Watson (1996) cita como
as principais barreiras para o uso da previso por parte da indstria eletrnica escocesa, nesta
ordem: tempo insuficiente por causa da dedicao a outras tarefas, recursos insuficientes, base de
dados histricos insuficiente, treinamento insuficiente e ausncia de recursos ou habilidades
computacionais. O mesmo autor fez uma comparao do grau de familiaridade com os mtodos em
diferentes organizaes britnicas e americanas, baseando-se em pesquisa de campo de outros
acadmicos, como apresentado na Tabela I, onde so acrescentados resultados obtidos em estudo
similar realizado por Mentzer & Kahn(1996). Entre outros pontos, significativa a familiaridade em
organizaes americanas com o amortecimento exponencial e a anlise de regresso, conforme
apresentam Mentzer & Cox (1984) e Mentzer & Kahn (1996). Mdias mveis e projeo de
tendncia tem um bom grau de familiaridade reconhecido nas pesquisas. Por outro lado, observa-se
que a familiaridade com a decomposio clssica nas organizaes pesquisadas em 1989 e 1994 no
Reino Unido foi to baixa quanto com Box-Jenkins, com resultados bastante mais expressivos nas
pesquisas de Mentzer & Cox (1984) e Mentzer & Kahn (1996) nos Estados Unidos. Essa ltima
remarca aumento na familiaridade com a metodologia de Box-Jenkins. Da mesma forma, Watson
(1996) apresenta comparao do uso dos mtodos de acordo com resultados de pesquisa de
acadmicos, como apresentado na Tabela II a seguir.
Tabela I- Comparao de grau de familiaridade com alguns dos mtodos de previso (Watson,
1996; Mentzer&Kahn, 1996)
Mtodos
Sparkes&McHugh Mentzer&Cox
Fildes&Hastings
Mentzer &Kahn
(Reino Unido)
(1984)
(1984)
(1994)
(1996)
(Reino Unido)
(Estados Unidos)
(Reino Unido)
(Estados Unidos)
Qualitativos
Composio da
fora de vendas
85
SR
79
40
71
Opinio de
executivos
72
77
81
24
66
Delphi/opinio de
especialistas
43
SR
21
SI
42
73
67
56
73
Quantitativos
Tendncia
Mdias mveis
47
80
85
62
92
Espontneos
35
SR
SR
SR
SI
Amortecimento
25
32
73
33
90
Filtragem
25
SR
SR
SI
Box-Jenkins
13
26
14
38
Simulao
18
22
55
17
50
Regresso linear
13
30
72
24
78
Decomposio
clssica
12
SR
42
16
43
Mtodos
10
SR
SR
SI
Exponencial
(ARIMA)
Bayesianos
Sparkes&McHugh(1984)
Dalrymple(1987)
(Reino Unido)
(Reino Unido)
(Estados Unidos)
Qualitativos
Composio da
fora de
vendas
82
SR
45
Opinio de
executivos
68
76
37
Delphi/opinio de
especialistas
35
11
SR
Tendncia
38
63
16
Mdias mveis
38
58
21
Espontneos
28
SR
31
Amortecimento
exponencial
15
13
11
Filtragem
15
SR
SR
Box-Jenkins
SR
Simulao
12
25
SR
Regresso linear
12
Quantitativos
(ARIMA)
Neste caso, o uso de Box-Jenkins e regresso linear, conforme reportado em 1989 por Watson, foi
avaliado um pouco superior ao estudo de Dalrymple (1987). A pouca familiaridade com as tcnicas
disponveis a justificativa encontrada para o uso pelas organizaes de mtodos espontneos (de
baixo grau de formalidade em sua estrutura) ou seja, como citado por 28% e 31% dos
respondentes, conforme resultados respectivamente de Watson (1989) em estudos com
organizaes britnicas e de Dalrymple, nos Estados Unidos (1987). Hoje, essa prtica faz cada vez
menos sentido, com o uso disseminado do computador, a informao descritiva dos fenmenos, as
estatsticas e o desenvolvimento da tecnologia de informao, que permitem que se utilize cada vez
mais facilmente a informao do passado como base para a aplicao de mtodos formais de
previso.
Quantita-
tivos
anos
Mentzer&
Mentzer&
Mentzer&
Mentzer&
Mentzer&
Mentzer&
Cox (1984)
Kahn(1996)
Cox (1984)
Kahn(1996)
Cox (1984)
Kahn(1996)
24
22
45
11
24
17
92
16
Tendncia
21
28
57
21
22
Regresso
14
36
69
28
30
Simulao
10
12
Decompo-
13
40
10
19
Mdias
mveis
Amortecimento
exponencial
sio
Box-Jenkins
Redes
17
neurais
A anlise dos resultados da Tabela III revela, entre outros, significativo uso de mtodos de
amortecimento exponencial, anlise de regresso, projeo de tendncia, mdias mveis e
decomposio em horizontes de planejamento de 3 meses a 2 anos. Cresce o uso da metodologia
de Box-Jenkins no mesmo perodo, e de metodologias mais recentes, como a redes neurais. Fato
no esperado remarcado nas concluses dos pesquisadores o baixo uso de mtodos quantitativos
para horizontes menores de 3 meses verificado nos resultados da pesquisa de campo realizada em
1996 por Mentzer & Kahn, em oposio aos valores obtidos para horizontes de longo prazo (mais
de 2 anos). Esse fato merece ser avaliado e o rumo e as razes dessa tendncia verificados em novas
pesquisas de campo.
A Tabela IV, a seguir, traz resultados do grau de satisfao com o uso dos mtodos quantitativos,
nas pesquisas feitas em organizaes americanas. Embora o amortecimento exponencial e a anlise
de regresso sejam aqueles mtodos com maior grau de satisfao (72% e 66%, respectivamente),
pode-se observar que eles so seguidos bem de perto pelo mtodo da decomposio (61%) e os
demais, particularmente nos resultados mais recentes (1996), quando cresce a satisfao com a
metodologia de Box-Jenkins (de 30% em 1984 para 44% em 1996) e citada a satisfao com o uso
das redes neurais pela significativa poro de 38% dos respondentes.
Mentzer&Kahn(1996)
Mdias mveis
58
40
Amortecimento exponencial
60
72
Tendncia
58
48
Regresso
67
66
Simulao
54
50
Decomposio
55
61
Box-Jenkins
30
44
Redes neurais
38
10
De acordo com esses autores h trs grandes fases no processo de previso: Projeto,
Seleo/Especificao e Avaliao. Essas fases devem ser consideradas para nortear os especialistas
na rea ao desenvolver sua anlise e apresentar seus resultados para os tomadores de deciso.
Assim, apresenta-se a seguir as fases do processo de previso em acordo com a estrutura em trs
fases de Levenbach e Cleary (1984), mas segundo a abordagem de Winklhofer et al (1996). Em cada
uma delas, so identificados passos relativos a algumas questes a serem definidas, que orientam a
sua utilizao como apoio ao planejamento pela prtica empresarial. So elas:
(A) Fase de Projeto:
1. Propsito/uso da previso (ao estabelecer o propsito, o horizonte de tempo e as unidades de
medida dos valores previstos devem ser definidos)
2. Nvel de agregao da previso (produto individual, linha de produtos, grupo de produtos,
marca, empresa, setor)
3. Horizonte de tempo e freqncia da preparao da previso (avaliar a relao entre o maior ou
menor horizonte de planejamento e a maior ou menor frequncia das revises da previso)
4. Recursos necessrios (financeiros, pessoal e tecnolgico: computadores e sistemas
computacionais)
5. Responsveis pela previso: realizadores da previso e usurios/tomadores de deciso
11
A Tabela V a seguir apresenta critrios usados por organizaes americanas para avaliar a
efetividade da previso de vendas, na fase de avaliao do processo de previso, conforme
resultados de pesquisa de campo de Mentzer&Kahn (1996). Entre eles, a preciso e a credibilidade
12
dos valores apresentados aos tomadores de deciso esto entre os mais citados, seguidos pelo
impacto no desempenho do servio ao cliente e facilidade de uso do mtodo. Curiosamente, os
critrios finaceiros so os citados o menor nmero de vezes pelos respondentes, indicando que so
questes principalmente de impacto operacional que balizam os passos do processo de previso.
% importncia
(ponto de vista dos respondentes)
Preciso
92
Credibilidade
92
77
Facilidade de uso
75
Giro do estoque
55
46
Custo
41
Retorno no investimento
35
13
Preciso
(fonte confivel)
Conformidade/Pertinncia
14
Horizontal ou estacionria
(tpica de processos de produo sobre controle)
Sazonal
(por exemplo, vendas mensais de cerveja)
Cclica
(vlido para grandes conjuntos de dados: expanses e depresses da economia, por exemplo)
Tendncia
(linear, exponencial, quadrtica, curva S etc.),
primeira diferena
15
Preciso da Previso
Para a medida de preciso da previso, inicialmente deve-se definir medida do erro de previso. O
erro de previso pode ser medido como:
=> Esse clculo leva a cancelamento de valores, com perda da grandeza dos erros.
et / X (t )
n
=> Esse clculo d maior importncia aos maiores erros e permite comparaes entre
sries diferentes.
(et )2
n
et
n
=> "Mean Squared Error" (MSE), cujo clculo d maior importncia aos maiores erros.
=>Mean Absolute Deviation (MAD), cujo clculo d importncia ao mdulo dos erros.
16
O horizonte de tempo da previso tem um direto impacto na seleo do mtodo a utilizar. Alguns
mtodos se aplicam tanto no curto (at 3 meses), mdio (3 meses a 2 anos) ou longo (mais de 2
anos) prazos. Pode-se citar a regresso mltipla nesse caso. Os modelos univariados Box-Jenkins
no so recomendados para largos horizontes de tempo. Adequados ao curto e mdio prazos,
pode-se citar os mtodos de mdias mveis, decomposio clssica, e projees de tendncia. Na
medida que o horizonte se alarga, os mtodos quantitativos vo perdendo sua aplicabilidade, sendo
mais adequadas as abordagens qualitativas ou baseadas no julgamento, como o Delphi. Da mesma
forma, ao introduzir um produto, mtodos qualitativos como a analogia histrica se aplicam. A
previso de pontos de mudana do padro das sries impe restries ao uso de mdias mveis e
amortecimento exponencial, em geral inadequadas para esse fim. Modelos univariados Box-Jenkins
igualmente no se aplicam, embora suas formulaes mais complexas tenham uso mais
generalizado. Alm disso, a perspectiva do ciclo de vida do produto orienta a escolha do(s)
mtodo(s) de previso. Ou seja, h mtodos que se adequam s respectivas fases do ciclo de vida,
como apresentado na Figura 2 a seguir.
17
vendas
Amortecimento
exponencial
Mtodos de sries
temporais
Mtodos
qualitati
-vos
Box-Jenkins
Economtricos
Abandono
das
decises
4
tempo
Introduo do
produto
(1) Introduo do produto no mercado
(2) "Crescimento" das vendas do produto; projeo das vendas.
tempo< 30 meses => amortecimento exponencial
tempo> 30 meses => Box-Jenkins
(3) Estgio "maduro" => Causalidade explicada (extensa base de dados,
maior conhecimento das relaes entre fatores)
=> mtodos economtricos
Box-Jenkins, ...
(4) Declnio das vendas (competio do mercado)
=> projeo do declnio.
18
Qualitativos
Quantitativos
Estatsticos
mais apropriado
Preciso( escala de
0 a 10: 0 menor
10 maior)
Previso de padres
Previso de pontos de
mudana (turning points)
Aplicabilidade
(escala de 0 a 10:
obter a previso
o menor
Facilidade de entendimento
e interpretao dos resultados
Desenvolvimento
(escala de 0 a 10:
Exigncia de armazenagens
0 menor 10 maior)
Tempo de execuo
Fonte: Levenbach &Cleary (1984); Sullivan & Claycombe
(1982) ( a ser revisto)
Modelo Input-output
x
2 anos por ms
> 1000
4 anos por ms
No aplicvel
Custos de computao
Horizonte de tempo
10 maior)
4 anos por ms
5 Pontos
Ciclico
5 anos por ms
Tendncia
Determinsticos
3 anos por ms
No aplicvel
3 Pontos
manuseados
Horizontal
5-10 Pontos
5 pontos
Conjunto de dados
Modelo economtrico
Modelo de regresso
(Shiskin X-11)
Projeo de tendncias
Determinsticos
decomposio TCSI
(Box-Jenkins)
ARIMA
Amortecimento exponencial.
Mdias mveis
Estatsticas sumrias
Analogia histrica
Previso visionria
Pesquisa de mercado
Mtodo Delphi
Estatsticos
Inteno de compra
NA
10
10
10
NA
10
No aplicvel
1
1
x
x
NA
10
NA
10
19
20
8. Leituras Recomendadas
Levenbach, H. e Cleary, J.P. (1984, pg. 3-60), The Modern Forecaster: The Forecasting Process Through Data
Analysis, Lifetime Learning Publications, USA, Captulos 1 a 5.
Makridakis, S. e Wheelwright, S.C. (1982), Handbook of Forecasting- A managers guide, John Wiley and
Sons.
Chambers, J.C, Mullick, S.K. e Smith, D.D. (1974), An Executives guide to forecasting, John Wiley and Sons.
Sullivan, W.G. e Claycombe,W.W. (1977),
Reston, Virginia
Winklhofer, H., Diamantopoulos, A. e Witt,S.F.(1996), Forecasting Practice: a review of the empirical
literature and an agenda for future research, International Journal of Forecasting, n.12, pg. 193-221.
Dalrymple, D.J. (1987), Sales Forecasting Practices: Results from a United States Survey, International Journal
of Forecasting, vol. 3, pg. 379-391.
Watson, M.C. (1996), Forecasting in the Scottish Eletronics Industry, International Journal of Forecasting,
vol. 12, n. 3, pg. 361-371.
Mentzer, J.T. e Cox, J. E. (1984), Familiarity, application, and performance of sales forecasting techniques,
Journal of Forecasting, vol. 3,n.1, pg. 27-36.
Sparkes, J.R. e McHugh, A.K.(1984), Awareness and use of forecasting techniques in British industry, Journal
of Forecasting, vol. 3, pg. 37-42.
Fildes, R. e Hastings, R. (1994), The organization and improvement of market forecasting, Journal of the
operational research society, vol. 45, pg. 1-16.
Rothe, J. (1978), Effectiveness of sales forecasting methods, Industrial Marketing Management, vol. 7, pg.
114-118.
Watson (1989)-citado por Watson(1996), como uma pesquisa anterior do autor, mas no consta das
referncias.
Moon, M.M., Mentzer, J.T., Thomas Jr., D.E. (2000), Customer demand planning at Lucent Technologies-A
case study in continous improvement through sales forecast auditing, Industrial Marketing Management, vol.
29, pg. 19-26.
Schultz, R. L. (1992, p. 410), Editorial: Fundamental aspects of forecasting in organizations, International
Journal of Forecasting, vol. 7, pg. 409-411.
Mentzer, J. T. e Kahn, K. B. (1995), Forecasting technique familiarity, satisfaction, usage, and application, vol.
14, n. 5, pg. 465-477.
Box, G.E.P. e Jenkins, G. (1976), Times series analysis, forecasting and control, Holden-Day.
Bell, P. C. (1981), Adaptive sales forecasting with many stockouts, Journal of the operational research society,
vol. 32, pg. 865-873.
21