Profissionais em SC querem mais acurácia nas previsões

Acuracidade do forecast ainda é gargalo para 44% dos profissionais de SC pesquisados pela Slimstock do Brasil

Acuracidade do forecast: um desafio nas empresas brasileiras

Desde 2016, a Slimstock Brasil vem realizando diferentes pesquisas a respeito dos temas relacionados ao planejamento de demanda e gestão de estoques com a finalidade de entender o nível de maturidade das empresas brasileiras, quais são seus principais desafios e de que forma pode contribuir para aprimorar os processos na área de Supply Chain.

Da comparação entre 3 pesquisas diferentes (2016, 2017 e 2018) com temas e objetivos distintos, um mesmo fator se apresenta constante: a dificuldade de se acertar o forecast.

 

A pesquisa de 2016 foi respondida por 58 profissionais de Supply Chain, de 33 empresas diferentes. O tema central da pesquisa era o processo de S&OP e uma das perguntas era a respeito do principal desafio interno que influenciava a execução do processo de S&OP. Enquanto 28% responderam que o alinhamento interno era o principal desafio, 24% escolheram a acuracidade do forecast.

Slimstock: Pesquisa S&OP 2016

Já na pesquisa de 2017, a pergunta era sobre os desafios no processo de planejamento e, dentre os 140 respondentes de 122 empresas, onde era possível escolher mais de uma alternativa, 42% mencionaram a acuracidade do forecast. Nessa pesquisa, a coordenação entre as áreas foi citada por 43% e o impacto dos fatores externos por 53%.

Slimstock: Pesquisa 2017

Em 2018, a pergunta foi a respeito dos KPIs mais desafiadores. Respondida por 543 profissionais de supply chain de 460 empresas, a acuracidade do forecast foi escolhida 44% dos participantes, tendo sido a resposta mais escolhida, sendo que múltiplas alternativas eram possíveis.

Slimstock: Pesquisa 2018

Resumidamente, quando se pergunta aos profissionais de Supply Chain sobre seus principais desafios permitindo-se múltiplas respostas (pesquisas de 2017 e 2018), mais de 40% inclui a acuracidade de forecast dentre eles. Quando a pergunta foi o principal desafio (2016), o tema foi mencionado como prioritário por um quarto dos respondentes.

Por que a acuracidade do forecast representa um desafio?

O forecast, ou o baseline estatístico para a projeção de demanda, é o primeiro insumo dentro de um bom processo de planejamento. A partir dessa primeira projeção, as previsões são ajustadas, os incrementos esperados a partir de promoções são incorporados e as informações e expectativas da área de vendas, sejam a partir de situações externas ou advinda dos seus clientes, são adicionadas.

Assim, quando o forecast está errado, existem dois efeitos principais. O primeiro é que as informações adicionadas por outras áreas são somadas a uma base errada, gerando uma previsão final incorreta. O segundo é que se cria uma desconfiança em relação ao próprio forecast, o que pode dificultar o entendimento entre as diversas áreas envolvidas no processo de S&OP. Não é por acaso que o alinhamento entre as áreas continua a aparecer nas pesquisas como uma dificuldade ano após ano.

A consequência final de não se ter um bom forecast é que geralmente as empresas adotam políticas de estoque mais conservadoras, preferindo garantir altos níveis de disponibilidade à ruptura ou comprometimento das vendas. Com isso, compensam a falta de confiabilidade no forecast com estoque adicional, o que, em última análise, representa um capital de giro parado, que tanto poderia reduzir o nível de endividamento da empresa como poderia liberar recursos para serem aplicados em outros projetos.

4 fatores que mais afetam a acuracidade do forecast

Com base em inúmeros diagnósticos realizados pela Slimstock do Brasil ao longo desses 4 últimos anos, existem 4 fatores que mais comumente afetam a acuracidade do forecast nas empresas.

O primeiro fator, indubitavelmente, é o tratamento de todos os itens da mesma forma. Dada a quantidade de itens dentro do portfólio da empresa, muitas vezes se torna impraticável testar modelos estatísticos alternativos para cada tipo de item. Consequentemente, emprega-se a média móvel de forma generalizada. O cenário mais comum é comparar a média móvel dos últimos 3, 6 e 12 meses, adotando a maior entre elas como forecast para os próximos períodos. O principal problema nesse tipo de abordagem é que fatores como irregularidade da demanda, tendência e sazonalidade deixam de ser dectados, consequentemente gerando distorções nas projeções.

O segundo fator é a qualidade da base de dados histórica. Muitas empresas não segregam a demanda normal da demanda promocional, o que causa dois efeitos nocivos: a distorção da média e a distorção da variação (ou tecnicamente, do desvio-padrão). Aumentando-se a média e o desvio-padrão, além do forecast a maior, também se gera estoque de segurança a mais. Ou seja, mais e mais estoque. Além das promoções, outros fatores podem afetar o histórico de vendas, tais como os relacionados à concorrência, à capacidade de produção, problemas logísticos (como a greve dos caminhoneiros em 2018) e assim sucessivamente.

O terceiro fator é a falta de um modelo que permita antecipar as influências externas sobre o negócio da empresa. As pesquisas feitas nos 3 anos anteriores, em pleno momento de crise econômica no Brasil, refletem claramente a preocupação dos executivos de supply chain com esse fator. Novamente, algumas providências simples podem ajudar a perceber os movimentos de mercado e incorporá-los às previsões. Por exemplo, o uso de suavização exponencial, isto é, a aplicação de um peso maior aos períodos anteriores mais próximos, pode ajudar a ajustar o forecast, seja para baixo no momento de aprofundamento da crise, ou para cima no momento de retomada. Muitas vezes as empresas estão preocupadas em usar inteligência artificial para resolver esse tipo de questão, quando muitas vezes, estatísticas simples podem trazer resultados mais rapidamente.

O quarto fator é a falta de mecanismos simples que auxiliem a direcionar a análise para os itens que fogem ao comportamento previsto. A adoção de regras que permitam identificar os itens com variações de demanda acima ou abaixo do esperado, além de regras que permitam identificar mudanças na frequência de venda dos itens pode direcionar a análise para as situações que realmente demandam ação por parte dos profissionais de supply chain. Embora a teoria seja simples, a prática pode ser inviável quando o forecast é feito em planilhas, especialmente em função da complexidade de se baixar dados diariamente dos ERPs e atualizá-los em planilhas.

Assim, resumidamente, o uso de modelos estatísticos inadequados, as bases de dados históricas poluídas, a falta de métodos para se capturar influências externas e a falta de mecanismos de controle de exceções representam os principais gargalos à melhoria dos modelos de forecast, embora não sejam os únicos.

Medir a acuracidade do forecast – ou não

Existe um debate sobre a utilidade ou não de se medir a acuracidade do forecast. A vertente que é favorável à mensuração apoia-se sobre a máxima “o que não é medido não é gerenciado”. Ou seja, não é possível avaliar se os modelos adotados de forecast estão evoluindo ou não caso não exista uma forma de se medir.

Por outro lado, a vertente contra a mensuração argumenta que a acuracidade do forecast não resolve o problema central, que é a disponibilidade dos itens para os clientes finais, no local certo e no tempo certo, sob a condição de não se ter estoque em excesso. Para esses, mensurar o nível de serviço e o excesso de estoque são mais razoáveis.

O aprofundamento nesse tema, no entanto, será foco de futuros artigos, incluindo pesquisas sobre as práticas das empresas no Brasil. Para responder à pesquisa sobre esse tema, clique aqui.

Como melhorar a acuracidade do forecast

Existem ajustes que as empresas podem fazer em seus modelos atuais para melhorar a acuracidade do forecast. O artigo sobre como construir um baseline estatístico dá uma visão geral de modelos que devem ser aplicados em cada tipo de situação.

Além disso, limpar as bases históricas, embora a princípio seja um processo moroso, pode contribuir fortemente para a melhoria das projeções. Esse, porém, não pode ser um acontecimento único. Ao contrário, deve ser incorporado à rotina mensal de forma que as situações que distorcem os resultados sejam continuamente excluídas das bases de dados usadas para a realização do forecast.

Ainda que essas duas iniciativas possam trazer grandes benefícios, especialmente para empresas que fazem forecast em planilhas, a melhor alternativa ainda é a aplicação de soluções específicas para planejamento.

Nesse sentido, o Slim4, software da Slimstock, automatiza todo o processo de geração de forecast, desde a leitura dos dados do ERP até a aplicação automática dos diferentes modelos estatísticos que levam a projeções mais acuradas.

As empresas que adotam essa solução estão um passo à frente de seus concorrentes, entendendo o comportamento de um a um de seus produtos, antecipando as tendências de mercado e tornando sua organização mais eficiente e alinhada. Partindo-se de um baseline estatístico mais adequado, os analistas de demanda podem concentrar-se no tratamento das exceções, bem como no aprofundamento das discussões com outras áreas com base em casos fundamentados e relevantes.

Veja também 5 perguntas fundamentais para a gestão dos slow movers >>

A necessidade da ferramenta certa para o trabalho

Nesse ambiente dinâmico e volátil do mercado, é necessário operar com as máximas velocidade e precisão possíveis. Estar bem preparado para as mudanças do mercado é o que garantirá um desempenho maior que a concorrência e a conquista do mercado. Para tanto, ter a ferramenta certa para otimizar a gestão de portfólio e de estoques é fundamental.

Na Slimstock, somos especialistas na otimização de estoque e temos uma solução para cada tipo de negócio. Nosso software de otimização, o Slim4, é utilizado com sucesso por várias empresas ao redor do mundo.

Slimstock: Especialistas na Otimização de Estoques >>

Desde 1993, a Slimstock tem sido sinônimo da melhor previsão de demanda, da mais eficiente gestão de estoque, de uma clara análise de estoque e de um estoque confiável. Temos mais de 800 clientes em todo o mundo que incluem grandes, médias e pequenas empresas.

 


Veja as soluções que a Slimstock tem à disposição da sua empresa para controle e otimização de estoques.

 

SHARE: