Upload
hoangmien
View
213
Download
0
Embed Size (px)
Citation preview
André Jun Nishizawa
Cap. 10 Prevendo a demanda
André Jun Nishizawa
Sumário
1. Projetando tendências
2. Agregação da demanda
3. “Analisando” o futuro
4. Integrando as previsões
André Jun Nishizawa
1. Projetando tendências•Séries temporais•Os quatro componentes•Horizonte de previsão
André Jun Nishizawa
1. Projetando tendências
Se estamos lidando com produtos que têm histórico de vendas, podemos, então, trabalhar com o desempenho prévio.
Assim, com técnicas de análises de séries temporais, é possível projetar vendas futuras.
André Jun Nishizawa
Vendas mensais históricas
2009 2010 2011 2012
Histórico Previsão
?
André Jun Nishizawa
2009 2010 2011 2012
Histórico Previsão
?
Vendas mensais históricas
André Jun Nishizawa
Análise do padrão
Histórico Previsão
Projeção
Vendas mensais históricas
André Jun Nishizawa
1. Projetando tendências
Como se projeta o gráfico?
André Jun Nishizawa
Componentes da demandaComponente
de nível
Dem
anda
Meses
André Jun Nishizawa
Componentes da demandaComponente
de nível
Dem
anda
Meses
Componentede tendência
Meses
André Jun Nishizawa
Componentes da demandaComponente
de nível
Dem
anda
Meses
Componentede tendência
Componentesazonal
Meses Meses
André Jun Nishizawa
Componentes da demandaComponente
de nível
Dem
anda
Meses
Componentede tendência
Componentesazonal
Meses Meses
Componentealeatório
Meses
Dem
anda
André Jun Nishizawa
Componentes da demandaComponente
de nível
Dem
anda
Meses
Componente de nível é um valor único que representa a média das vendas.
André Jun Nishizawa
Componentes da demandaComponentede tendência
Meses
Componente de tendência é uma linha reta que reflete a tendência geral de aumento ou queda de vendas.
André Jun Nishizawa
Componentes da demandaComponente
sazonal
Meses
Componente sazonal é uma curva que capta a subida e a queda das vendas ao longo de cada ano.
André Jun Nishizawa
Componentes da demandaComponente
aleatório
Meses
Dem
anda Componente aleatório
representa qualquer outra variação na demanda, independentemente da causa, e não possui padrão ao longo do tempo.
André Jun Nishizawa
1. Projetando tendências
Os 3 primeiros são chamados componentes sistemáticos, pois seu comportamento é constante ao longo do tempo e pode ser previsto.
Componentede nível
Dem
anda
Componentede tendência
Componentesazonal
André Jun Nishizawa
1. Projetando tendências
O componente aleatório
não pode ser previsto
mas as ferramentas incluem este fator, projetando-o na previsão
assim, temos o que chamamos de intervalo de confiança
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
A probabilidade de a demanda real estar entre o topo e o fundo da barra laranja é de 90%
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Intervalo de confiança250
200
150
100
50
0 1 2 3 4 5 6 7 8 9 10 11 12I I I I I I I I I I I I
André Jun Nishizawa
Horizonte de previsão
Trata-se do período mais longo para o qual é viável gerar uma previsão.Podemos prever o horizonte mais distante que quisermos.
Contudo, quanto mais longe, mais imprecisa é a previsão.Não faz sentido prever mais que 12 a 18 meses
André Jun Nishizawa
1. Projetando tendências
Qual o benefício da previsão?
André Jun Nishizawa
1. Projetando tendências
Qual o benefício da previsão?Eliminar a variabilidade previsível
Permitindo o planejamento antecipado
André Jun Nishizawa
1. Projetando tendências
Demanda
André Jun Nishizawa
1. Projetando tendências
Cadeia A
André Jun Nishizawa
1. Projetando tendênciasPr
obab
ilida
de
Variabilidade na previsão
Cadeia A
André Jun Nishizawa
1. Projetando tendências
Cadeia B
Previsão
André Jun Nishizawa
1. Projetando tendências
DemandaProb
abili
dade
Variabilidade na previsão
Cadeia B
Previsão
André Jun Nishizawa
1. Projetando tendências
Demanda
Prob
abili
dade
Variabilidade na previsão
Cadeia A
Cadeia B
Previsão
André Jun Nishizawa
2. Agregação da demanda
André Jun Nishizawa
2. Agregação da demanda
As empresas raramente efetuam previsões de produtos isolados (como vimos até aqui).
O custo de cálculo para milhares de produtos separados seria proibitivo.
André Jun Nishizawa
2. Agregação da demanda
Assim, o procedimento padrão é agrupar os produtos na hora de realizar as previsões
Ou seja, realizar a agregaçãoSão mais confiáveis, pois trabalham com amostragem maior.
André Jun Nishizawa
2. Agregação da demanda
Amostragem pequena = maior chance de erroExemplo:
10.000 produtos com 200 mil de vendas/anoSignifica que cada produto vendeu 20 unidadesContudo se agrupados em 100 categorias
Então, cada grupo terá 2.000 vendas em média
André Jun Nishizawa
2. Agregação da demanda
200.000em vendas 10.000
produtos 20 unidades vendidas por
produtos
André Jun Nishizawa
2. Agregação da demanda
100categorias
2.000 unidades
vendidas por categoria200.000
em vendas
Previsõesmais realistas
André Jun Nishizawa
2. Agregação da demanda
Quanto maior a quantidade de dados, maior a qualidade da previsão.
Pode ser possível prever semanas ou até dias.Contudo, com poucos dados, consegue-se apenas prever meses ou até apenas trimestres.
André Jun Nishizawa
2. Agregação da demanda
10 20 30 40 50 60 70 80 90 100I I I I I I I I I
100
80
60
40
20
-
-
-
-
Porcentagem de itens
Porc
enta
gem
de
vend
as
Produtos Arepresentam 80% das vendas
André Jun Nishizawa
2. Agregação da demanda
10 20 30 40 50 60 70 80 90 100I I I I I I I I I
100
80
60
40
20
-
-
-
-
Porcentagem de itens
Porc
enta
gem
de
vend
as Produtos Brepresentam 15% das vendas
André Jun Nishizawa
2. Agregação da demanda
10 20 30 40 50 60 70 80 90 100I I I I I I I I I
100
80
60
40
20
-
-
-
-
Porcentagem de itens
Porc
enta
gem
de
vend
as
Produtos Crepresentam 5% das vendas
André Jun Nishizawa
2. Agregação da demanda
No caso de haver um produto de maior relevância, como fazer a previsão dentro do grupo agregado?
André Jun Nishizawa
2. Agregação da demanda
Produto % Tri 1 Tri 2 Tri 3 Tri 4
Todos 100% 473 491 503 519
1 17% 80 84 86 52
2 10% 47 49 50 52
3 8% 38 39 40 42
Agregada
Des
mem
brad
a
André Jun Nishizawa
3. Analisando o futuro
André Jun Nishizawa
3. Analisando o futuro
Como fazer a previsão para produtos que não têm histórico?
André Jun Nishizawa
3. Analisando o futuro
Como fazer a previsão para produtos que não têm histórico?
Aproveitar previsão de algum produto semelhanteOu fazer uso de técnicas subjetivas
André Jun Nishizawa
Técnica subjetiva
Considerartodas as influências comerciaisfatores externos
situação econômicacaracterísticas do mercadoclientes
André Jun Nishizawa
Economia
Mercado
Técnica subjetiva
Empresa Clientes
Necessidades e desejosPosicionamento
Indicadores econômicos Concorrência e características
André Jun Nishizawa
Técnica subjetiva
Fatores econômicoseconomia em expansão favorece o aumento nas vendas
Economia
Mercado
Empresa Clientes
André Jun Nishizawa
Técnica subjetivaFatores de mercado
mais difíceis de modelar, pois incluem concorrência e moda de mercado.
Economia
Mercado
Empresa Clientes
André Jun Nishizawa
ModaValor com maior incidência
Mercado
1.0
1.6
2.0
2.0
1.6
1.61.0
1.0
1.0
1.0
André Jun Nishizawa
Moda
André Jun Nishizawa
Moda
André Jun Nishizawa
Moda
André Jun Nishizawa
Técnica subjetivaClientes
Foco “do” cliente: quais suas necessidades e desejos?
Economia
Mercado
Empresa Clientes
André Jun Nishizawa
Técnica subjetivaNovos produtos?
Os clientes vão comprar?Como é a aceitação?
André Jun Nishizawa
Técnica subjetivaNovos produtos: ciclo de vida
Aceitação
Vend
as
André Jun Nishizawa
Técnica subjetivaNovos produtos: ciclo de vida
Crescimento
Vend
as
André Jun Nishizawa
Técnica subjetivaNovos produtos: ciclo de vida
Maturidade
Vend
as
André Jun Nishizawa
Técnica subjetivaNovos produtos: ciclo de vida
Maturidade
Vend
as
André Jun Nishizawa
Ponto desencadeante
Nasce do estudo de doenças contagiosasHoje é aplicado a diversos tipos de sistemas “contagiosos”, como índice de criminalidade, bolsa de valores e padrões de consumo
André Jun Nishizawa
Ponto desencadeante
A
Linear
B
Uniforme
C
Contínua
D
Valor único
E
Valores múltiplos
André Jun Nishizawa
Ponto desencadeante
Vendas acumuladas
Pontos desencadeantes
André Jun Nishizawa
Ponto desencadeante
Vendas acumuladas
O ponto desencadeante ocorre por meio da interação de pessoas, transmitindo um germe.
André Jun Nishizawa
Ponto desencadeante
Vendas acumuladas
Em determinado momento, o número suficiente de pessoas é contaminado (ponto desencadeante)
André Jun Nishizawa
Ponto desencadeante
Vendas acumuladas
Em determinado momento, o número suficiente de pessoas é contaminado (ponto desencadeante)
André Jun Nishizawa
Ponto desencadeante
Vendas acumuladas
O comportamento do ponto desencadeante funciona muito bem com produtos inovadores
André Jun Nishizawa
Ponto desencadeante
André Jun Nishizawa
Ponto desencadeanteQualidadebaixa
baixo
alta
alto
Preço
Penetraçãode mercado
Skimming(superfície)
Econômico
Prêmio
André Jun Nishizawa
Ponto desencadeante
André Jun Nishizawa
Ponto desencadeante
André Jun Nishizawa
4. Integrando as previsões
André Jun Nishizawa
4. Integrando as previsões
Para melhorar a confiabilidade das previsões, pedimos que vários analistas o façam.
Contudo, é muito difícil de se trabalhar com diversas previsões diferentes ao mesmo tempo.
André Jun Nishizawa
4. Integrando as previsões
Solução óbviaReunião fechadaPara uma única conclusão
CompetiçãoA análise final é do analista mais incisivo
André Jun Nishizawa
Técnica Delphi
1 2 3
Neutro
Envio dasprevisões
André Jun Nishizawa
Técnica Delphi
1 2 3
NeutroComparação resumida sem identificação
André Jun Nishizawa
Técnica Delphi
1 2 3
Modificações considerando as análises anônimas
Neutro
André Jun Nishizawa
Técnica Delphi
1
2 3
Neutro
Embora demorada, pesquisas mostram que o Delphi produz previsões mais objetivas e confiáveis.
André Jun Nishizawa
Fim
“Nada lhe posso dar que já não exista em você mesmo.
Não posso abrir-lhe outro mundo de imagens, além daquele que há em sua própria alma.
Nada lhe posso dar a não ser a oportunidade, o impulso, a chave. Eu o ajudarei a tornar visível o seu próprio mundo, e isso é tudo.” (Herman Hesse)