Para as empresas do setor de alimentos, é fundamental ter um processo de previsão de demanda eficaz. Sem previsões acuradas da demanda, os produtos errados acabam no estoque, o desperdício aumenta e as exigências dos varejistas não podem ser atendidas. No entanto, prever a demanda futura é agora mais desafiador do que nunca.
Qual é o valor preditivo dos dados históricos de vendas? Em que nível você deve fazer previsões quando há escassez de planejadores? E como responder às flutuações em um mercado extremamente volátil?
Neste artigo, exploramos esses três dilemas principais em mais detalhes e fornecemos dicas para ajudar você a tomar as decisões certas.
Um cenário desafiador para a indústria alimentícia
As empresas de produção e comércio de alimentos estão sob grande pressão. A demanda é imprevisível e os varejistas esperam uma confiabilidade de entrega excepcionalmente alta. A taxa OTIF (On Time in Full) deve ser superior a 99%, caso contrário, haverá penalidades. Enquanto isso, os produtos perecíveis precisam estar tão frescos quanto possível quando chegam às prateleiras.
As empresas de alimentos geralmente são pegas de surpresa por campanhas promocionais ou mudanças de última hora dos varejistas, apesar de terem definido seus planos de compra e produção com semanas de antecedência. Como é frustrante perceber que sua escassa capacidade de produção foi alocada para os produtos errados!
Decisões de supply chain
Para as empresas de alimentos, é fundamental criar uma previsão de vendas precisa. Quanto melhor for a previsão do que o cliente pedirá, mais confiável e imediata será a entrega. Isso também permite uma produção mais eficiente e com menos desperdício.
No entanto, o foco não está tanto na previsão em si, mas sim no que a empresa faz com ela. Como transformar uma previsão em um planejamento de demanda bem equilibrado? Como traduzir esse planejamento de demanda em uma estratégia de suprimento e produção que suporte de forma ideal seus indicadores financeiros? E como o alinhar continuamente as operações com a estratégia?
No fim das contas, essas são as principais decisões que determinam o sucesso ou o fracasso de uma empresa de alimentos.
Da previsão ao planejamento da demanda
Uma previsão geralmente consiste em duas partes: um componente estatístico e um componente pragmático.
A parte estatística calcula a demanda com base em dados históricos de vendas, usando algoritmos matemáticos e, cada vez mais, inteligência artificial e machine learning. A parte pragmática incorpora informações de mercado externo – dados que não podem ser derivados de tendências históricas, mas que geralmente são conhecidos pelas equipes de vendas ou por outros departamentos.
Isso inclui contratos futuros com novos clientes varejistas, mudanças no layout das prateleiras ou produtos que estão sendo retirados de linha. Esses eventos planejados podem afetar significativamente a demanda e devem ser considerados no processo de planejamento da demanda.
Dilema 1: qual é o valor dos dados históricos?
Na esteira da COVID-19, da inflação, da guerra na Ucrânia e de outros eventos perturbadores, a demanda do consumidor se tornou altamente volátil. Os números de vendas anteriores e os dados contextuais perderam muito de seu poder preditivo, tornando mais difícil para as empresas confiarem apenas nos dados históricos de vendas. Embora a previsão estatística continue sendo a base, as percepções de mercado e os dados dos clientes estão se tornando cada vez mais cruciais.
Um exemplo claro são as promoções de varejo planejadas. Essas promoções podem provocar picos enormes na demanda, portanto, as equipes da cadeia de suprimentos devem ser informadas o mais cedo possível.
Nossa recomendação: tornar a integração de dados externos uma parte explícita do processo de previsão. Os calendários promocionais e os números das previsões dos varejistas devem ser incorporados com rapidez e precisão aos sistemas de planejamento, em vez de ficarem esquecidos na caixa de entrada de um vendedor.
Uma reclamação comum é que as previsões dos varejistas são de baixa qualidade. Isso pode ser verdade, mas não é desculpa para ignorá-las. Para os principais clientes, é aconselhável comparar suas previsões com as projeções internas e sempre ter um planejador ou vendedor para avaliar quaisquer discrepâncias.
Dilema 2: em que nível se deve fazer a previsão?
Outra consideração importante para as empresas é determinar o nível mais eficaz de previsão. Devemos prever a demanda total de todos os produtos de uma só vez ou deve calcular a demanda futura para cada item individual e cliente separadamente?
Observamos que as equipes de planejamento preferem fazer previsões no nível do cliente/item porque elas fornecem as percepções mais concretas e são particularmente úteis para promoções (específicas do cliente). O raciocínio geralmente é que quanto mais detalhado, melhor. Entretanto, quando se trata de previsão, nem sempre é esse o caso. A previsão no nível do cliente/item exige uma quantidade significativa de tempo dos planejadores e aumenta o risco de se perder nos detalhes. Além disso, geralmente há menos dados disponíveis nesse nível granular, o que torna as previsões estatísticas inerentemente menos confiáveis.
No nível do cliente ou de família de produtos, a demanda pode ser prevista com muito mais precisão por um sistema do que no nível do cliente/item individual, especialmente quando um item é encomendado apenas algumas vezes por ano.
A chave é estruturar o processo de previsão de forma a maximizar o uso da tecnologia e, ao mesmo tempo, fazer o melhor uso possível das percepções de mercado das equipes comerciais. A abordagem ideal é uma combinação: prever um número seleto de grandes clientes no nível do cliente/item e, ao mesmo tempo, prever um “grupo restante” de clientes menores no nível do item. Dessa forma, o senhor obtém o melhor dos dois mundos:
- Grandes clientes, que fazem pedidos semanalmente e geram quantidades substanciais de dados, são adequados para previsões estatísticas e merecem atenção especial das equipes de vendas.
- Os clientes menores, que fazem pedidos com menos frequência, são mais bem previstos em um nível de agregação mais alto, garantindo que os planejadores não gastem uma quantidade desproporcional de tempo com eles.
Dilema 3: como reagir a variações?
As promoções e outros eventos podem causar variações significativas na demanda. Especialmente no setor de alimentos, em que os produtos têm uma vida útil curta, essas flutuações podem facilmente levar ao desperdício. É fundamental não apenas prever esses picos com precisão, mas também reconhecer, interpretar e responder adequadamente a eles no planejamento da demanda.
Para isso, é aconselhável implementar um processo robusto de “detecção de outliers” e usar as ferramentas certas. Com um software inteligente e/ou machine learning, os desvios na demanda podem ser cada vez mais detectados com precisão. Além disso, ao interpretar os dados, é essencial diferenciar com base no tipo de cliente:
- Para os principais clientes (A), um planejador de demanda deve analisar o desvio.Para clientes menores, a eficiência deve ter prioridade, permitindo que o sistema tome a decisão.
A resposta eficaz aos desvios exige uma interação bem equilibrada entre o conhecimento humano e a automação do sistema. Atualmente, a demanda dosplanejadores é alta demanda e devem concentrar seu tempo apenas nas tarefas em que agregam mais valor. Nossa recomendação é aplicar os princípios degestão por exceção: automatizar as decisões de rotina o máximo possível e envolver os planejadores humanos somente quando houver um desvio significativo (outlier) ou ao lidar com clientes importantes.
Para isso, é essencial ter um sistema avançado de planejamento dae supply chain, que possa identificar outliers, priorizá-los e atribuí-los à pessoa adequada para ação.
Software e conhecimento
A previsão de demanda na indústria alimentícia é essencial para a sobrevivência, mas, como mostramos neste artigo, há algumas armadilhas. Utilize as informações do mercado externo, escolha a combinação certa de níveis de agregação e concentre-se nas exceções. Essas são apenas algumas das dicas que compartilhamos regularmente com os clientes do setor de alimentos que usam nossas soluções.
Há quase 30 anos, nossa equipe e a plataforma orientada por IA (Slim4) vêm aprimorando as cadeias de suprimentos em todo o mundo. Nossas soluções são projetadas para ajudar empresas de todos os setores a tomar melhores decisões sobre a cadeia de suprimentos. Por meio da Slimstock Academy, apoiamos nossos clientes e qualquer pessoa que esteja comprometida com a melhoria contínua. Se quiser saber mais sobre previsão e planejamento na indústria alimentícia, entre em contato conosco. Teremos o maior prazer em explicar o que podemos oferecer e como podemos ajudá-lo com esse aspecto fundamental do seu negócio.
