O uso de ferramentas estatísticas é fundamental, mas não é o único meio de se fazer boas previsões. Qual modelo matemático conseguiu prever a crise financeira internacional? E qual modelo conseguiria entender a queda nas vendas, sem uma mente humana e informar os dados do mundo real?
Por isso, vejamos algumas dicas para melhorar o sistema de previsão:
Qual o erro?
Medir a acuracidade das previsões feitas. De que adianta fazer as previsões, se elas são sempre erradas? O modelo precisa do feedback para se ajustar, e melhorar sempre mais. E se as previsões são sempre boas, esta medida de precisão vai ser mais um elemento para confirmar e dar credibilidade ao processo de previsão.
Quantos dados?
Como regra geral, quanto mais dados disponíveis, melhor. Normalmente, preferimos trabalhar com no mínimo 2 anos de dados.Mas para melhorar ainda mais, estes dados precisam ser detalhados (e confiáveis!): separados por produto (e não agregado), segmentados por região, por cliente, dados semanais ao invés de mensais, se possível.
Entenda que a sazonalidade mensal nada mais é que a soma das sazonalidades destes itens individuais. Entender estes elementos individualmente é muito mais fácil do que entender os dados todos agregados, e neste caso, é possível usar a experiência e a intuição profissional para prever o que irá acontecer, servindo como apoio aos métodos estatísticos e ao software utilizado.
A parte mais difícil deste processo é conseguir em mãos os dados desta maneira, todo segmentado. Uma vez esta etapa cumprida, a tarefa fica muito mais simples, e não requer softwares muito complexos, e mesmo o MS Excel é de grande ajuda no início.
Quem?
Quem é o responsável pela previsão, ou ainda, quantas previsões existem dentro da empresa? Uma para o setor de vendas e marketing, outra para o setor de produção, outra para finanças… É importante que todos falem a mesma língua, isto é, compartilhem a mesma previsão. Aquele que tem os dados mais confiáveis, que consegue fazer as melhores previsões (e mais uma vez a importância da medida de precisão), deve ser o responsável pelas previsões.
Como?
Qual método está sendo utilizado para realizar as previsões? Uso de séries temporais? Modelos de regressão? Baseados em consumo de matérias primas, em vendas, em dados financeiros? Modelos complexos podem agregar todas estas informações (e muitas outras) para dar mais segurança e maior embasamento ao modelo.
Dados anormais?
Os chamados outliers têm muito a nos ensinar: identifique as causas, entenda a lógica, e aprenda com eles para evitá-los no futuro. Ter dados confiáveis é fundamental para entender porque ocorrem números muito anormais nos erros das previsões.
Comunicação
É importante obter dados de diferentes fontes, por isso, reuniões periódicas com responsáveis de marketing, vendas, compras, produção e finanças são importantes. No mínimo uma vez por mês, idealmente mais frequentemente.
Claro, fornecedores e clientes também fazer parte desta equação, e é importante ter o canal de comunicação aberto para entender as políticas de compra/venda e de estocagem de cada um, pois muita informação desta conversa pode ser incluída no modelo de previsão.
Informações externas
Se todas as fontes indicam crescimento, mas você sabe de um dado externo que afetará os negócios negativamente (um novo imposto, um fornecedor falindo, um cliente partindo, preços maiores para o futuro, etc.), inclua esta informação no modelo de previsão, corrija os dados da previsão.
Com estas dicas, espero que seu processo de previsão passe a ser mais tranquilo, e muito mais preciso!
Boa sorte e bom trabalho.
Fonte: http://www.logisticadescomplicada.com/como-melhorar-a-previsao-de-demanda/