Toda opera\u00e7\u00e3o que planeja demanda acompanha um n\u00famero de acur\u00e1cia. Ele aparece no relat\u00f3rio mensal, entra na pauta do S&OP, \u00e9 comparado com a meta e com o m\u00eas anterior. E, na maior parte das vezes, esse n\u00famero est\u00e1 sozinho \u2014 sem dizer onde o erro pesa mais, nem se vale a pena investir para reduzi-lo.<\/p>\n\n\n\n
O erro de previs\u00e3o n\u00e3o some quando a m\u00e9dia melhora. Ele migra: para o estoque parado de um item que vendeu menos do que o plano previa, para a capacidade ociosa de uma linha que produziu para uma demanda que n\u00e3o chegou, ou para o pedido perdido de um SKU que vendeu mais do que qualquer cen\u00e1rio considerava. Cada um desses efeitos tem um custo financeiro. Nenhum deles aparece no indicador de acur\u00e1cia agregado \u2014 aparece semanas depois, na conta de estoque, na ociosidade da f\u00e1brica ou na receita que n\u00e3o foi realizada.<\/p>\n\n\n\n
Um MAPE ou um WAPE consolidado no n\u00edvel da empresa \u00e9 \u00fatil para acompanhar tend\u00eancia ao longo do tempo, mas esconde uma caracter\u00edstica importante do erro de previs\u00e3o: ele n\u00e3o se distribui igualmente entre os itens. Em qualquer portf\u00f3lio, uma parte pequena dos SKUs concentra a maior parte da receita \u2014 e do custo de errar a previs\u00e3o. \u00c9 justamente a\u00ed que a m\u00e9dia some. Um punhado de itens com erro alto pode ser compensado, no c\u00e1lculo agregado, por muitos itens de baixo volume com erro pequeno. O indicador da empresa parece “sob controle” enquanto o erro que mais custa continua sem solu\u00e7\u00e3o.<\/p>\n\n\n\n
Isso n\u00e3o \u00e9 um problema de f\u00f3rmula, \u00e9 um problema de recorte. MAPE e WAPE respondem perguntas diferentes \u2014 j\u00e1 exploramos essa diferen\u00e7a, e a limpeza autom\u00e1tica de outliers que deveria preceder o c\u00e1lculo de qualquer uma delas, em Acur\u00e1cia de previs\u00e3o sem drama: MAPE, WAPE e limpeza autom\u00e1tica de outliers [inserir link]<\/em>. Mas nenhuma das duas, olhada isoladamente no n\u00edvel corporativo, diz onde investir. A pergunta que interessa ao CFO e ao Diretor de Supply Chain n\u00e3o \u00e9 “qual foi a acur\u00e1cia este m\u00eas”. \u00c9: em quais SKUs ou fam\u00edlias o erro custa mais caro, e vale a pena reduzir esse erro?<\/p>\n\n\n\n Medir o erro por SKU ou por fam\u00edlia de produtos muda a pergunta. Em vez de uma m\u00e9dia que dilui tudo, aparece uma distribui\u00e7\u00e3o: grupos de produtos com demanda est\u00e1vel e alto volume tendem a ter erro baixo e previs\u00edvel; outros, com sazonalidade forte, ciclo de vida curto ou depend\u00eancia de poucos clientes, concentram erro alto \u2014 e normalmente concentram, tamb\u00e9m, um custo desproporcional de estoque parado ou de atendimento perdido quando esse erro se realiza.<\/p>\n\n\n\n Esse recorte n\u00e3o precisa ser sofisticado para ser \u00fatil. Segmentar por fam\u00edlia, por faixa de giro (curva ABC) ou por variabilidade de demanda j\u00e1 \u00e9 suficiente para identificar onde o erro pesa mais. A escolha entre olhar o WAPE por fam\u00edlia (ponderado por volume, mais direto para leitura financeira) ou o erro item a item (mais direto para decis\u00f5es operacionais) depende de qual decis\u00e3o est\u00e1 sendo tomada: or\u00e7amento de capital de giro pede uma leitura; pol\u00edtica de estoque item a item pede outra.<\/p>\n\n\n\n O ponto central \u00e9 que, sem esse recorte, toda decis\u00e3o sobre onde investir em melhoria de previs\u00e3o \u2014 mais dados, mais colabora\u00e7\u00e3o com vendas, um modelo estat\u00edstico mais adequado \u2014 \u00e9 tomada no escuro.<\/p>\n\n\n\n Uma vez que o erro est\u00e1 medido por segmento, ele deixa de ser s\u00f3 um indicador de qualidade estat\u00edstica e passa a alimentar decis\u00f5es concretas.<\/p>\n\n\n\n Pol\u00edtica de estoque:<\/strong> itens com erro historicamente alto pedem uma pol\u00edtica de estoque de seguran\u00e7a diferente de itens com erro baixo \u2014 n\u00e3o porque a regra mude, mas porque o risco que cada item carrega \u00e9 diferente. Tratar todos os SKUs com a mesma margem de seguran\u00e7a significa sobrar estoque onde o erro \u00e9 pequeno e faltar exatamente onde o erro \u00e9 grande.<\/p>\n\n\n\n Capacidade:<\/strong> o mesmo racioc\u00ednio vale para decis\u00f5es de capacidade e de produ\u00e7\u00e3o. Fam\u00edlias de produto com erro de previs\u00e3o consistentemente alto pedem mais flexibilidade \u2014 capacidade que pode ser realocada rapidamente, lotes menores, ciclos de replanejamento mais curtos. Alocar capacidade r\u00edgida para uma demanda que historicamente \u00e9 dif\u00edcil de prever \u00e9 comprar, de antem\u00e3o, o custo do erro que ainda vai acontecer.<\/p>\n\n\n\n Nenhuma dessas decis\u00f5es elimina o erro de previs\u00e3o. Ele \u00e9 estrutural: nenhuma previs\u00e3o acerta 100%. O que muda \u00e9 que a empresa passa a decidir, com base em dados, onde vale a pena reduzir o erro e onde vale a pena absorv\u00ea-lo com estoque ou capacidade dimensionados para esse risco especificamente.<\/p>\n\n\n\n Para tornar isso concreto, um exerc\u00edcio ilustrativo: imagine uma fam\u00edlia de produtos que responde por 5% do faturamento, mas concentra 30% do erro de previs\u00e3o ponderado por volume da empresa. Enquanto o MAPE ou o WAPE consolidado da companhia continuar “dentro da meta”, essa fam\u00edlia seguir\u00e1 gerando estoque parado ou ruptura em ciclos alternados, sem que ningu\u00e9m veja isso no indicador agregado. O custo est\u00e1 l\u00e1. S\u00f3 n\u00e3o tem uma linha pr\u00f3pria no relat\u00f3rio.<\/p>\n\n\n\n Esse \u00e9 o motivo pelo qual acur\u00e1cia de previs\u00e3o n\u00e3o deveria ser tratada como um n\u00famero \u00fanico a ser perseguido. Ela \u00e9 um instrumento de diagn\u00f3stico, e s\u00f3 orienta decis\u00e3o quando medida no recorte certo: por SKU, por fam\u00edlia, por variabilidade, ponderada pelo impacto financeiro de cada erro.<\/p>\n\n\n\n Softwares de previs\u00e3o de demanda como o Previsor existem justamente para apoiar esse tipo de medi\u00e7\u00e3o segmentada, conectando o erro identificado \u00e0s decis\u00f5es de pol\u00edtica de estoque e capacidade tratadas no planejamento integrado. Quer entender onde o erro de previs\u00e3o est\u00e1 custando mais caro na sua opera\u00e7\u00e3o? Agende uma conversa com um especialista da Linear<\/strong>.<\/a><\/p>\n\n\n\n <\/p>","protected":false},"excerpt":{"rendered":" Toda opera\u00e7\u00e3o que planeja demanda acompanha um n\u00famero de acur\u00e1cia. Ele aparece no relat\u00f3rio mensal, entra na pauta do S&OP, \u00e9 comparado com a meta e com o m\u00eas anterior. E, na maior parte das vezes, esse n\u00famero est\u00e1 sozinho \u2014 sem dizer onde o erro pesa mais, nem se vale a pena investir para […]<\/p>","protected":false},"author":3,"featured_media":528,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_uf_show_specific_survey":0,"_uf_disable_surveys":false,"footnotes":""},"categories":[11],"tags":[19,21,20],"class_list":["post-1372","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-previsao-de-demanda","tag-previsao-de-demanda","tag-sop","tag-supply-chain"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/posts\/1372","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/comments?post=1372"}],"version-history":[{"count":3,"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/posts\/1372\/revisions"}],"predecessor-version":[{"id":1375,"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/posts\/1372\/revisions\/1375"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/media\/528"}],"wp:attachment":[{"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/media?parent=1372"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/categories?post=1372"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/linearsm.com.br\/en\/wp-json\/wp\/v2\/tags?post=1372"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Como medir o erro por SKU e por fam\u00edlia<\/h4>\n\n\n\n
Do erro medido \u00e0 pol\u00edtica de estoque e de capacidade<\/h4>\n\n\n\n
O erro aparece antes do resultado \u2014 a pergunta \u00e9 onde<\/h4>\n\n\n\n