Para ilustrar os conceitos de previsão com mais detalhes, considere o caso de uma empresa de comércio eletrônico que vende produtos on-line. Otimizar as decisões na cadeia de suprimentos (por exemplo, gerenciamento de estoque) é fundamental para a competitividade central dessa empresa, pois ajuda a ter o número exato de produtos nos locais de atendimento apropriados. Isso significa ter uma grande seleção disponível com prazos de envio mais curtos e preços competitivos, o que leva a uma maior satisfação do cliente. A principal entrada no sistema de software da cadeia de suprimentos é a previsão da demanda ou de vendas potenciais de cada produto no catálogo. Esta previsão permite importantes decisões dowstream, sendo as principais:
-
Planejamento em nível macro (previsão estratégica): para um negócio como um todo, qual é o crescimento projetado em termos de vendas e receita totais? Onde o negócio deveria ser (mais) ativo geograficamente? Como a mão de obra deve ser composta?
-
Previsão de demanda (ou inventário): espera-se que quantas unidades de cada produto sejam vendidas por localização?
-
Atividade promocional (previsão tática): como as promoções devem ser realizadas? Os produtos devem ser liquidados?
O restante do estudo de caso se concentra no segundo problema, que faz parte da família de problemas de previsão operacional (Januschowski & Kolassa, 2019). Este documento segue as principais preocupações: dados, modelos (previsores), inferências (previsões) e produção.
Para este estudo de caso, é importante ter em mente que o problema de previsão é um meio para atingir um objetivo. Embora as previsões sejam de suma importância para os negócios, as decisões downstream da cadeia de suprimentos são ainda mais importante. Em nosso estudo de caso, essas decisões são tomadas por sistemas de compra automatizados que dependem de modelos de otimização matemática da pesquisa operacional. Esses sistemas tentam minimizar o custo esperado para o negócio.
A palavra-chave é esperado. Isso significa que as previsões devem cobrir não apenas um futuro possível, mas todos os futuros possíveis, com a ponderação apropriada de acordo com a probabilidade de um determinado resultado. Para isso, o principal facilitador para a tomada de decisões downstream é uma distribuição completa dos valores da previsão, em vez de apenas ter uma previsão pontual. A seguinte figura mostra uma previsão probabilística (também chamada de previsão de densidade). Observe que é possível derivar facilmente uma única previsão de pontual (o futuro mais provável) dessa previsão probabilística, mas passar de uma previsão pontual para uma probabilística é mais difícil.
Com uma previsão probabilística, você pode obter estatísticas diferentes e adaptar os resultados para auxiliar na decisão que deseja tomar. A empresa de comércio eletrônico pode ter vários produtos importantes, os quais deseja sempre ter em estoque. Nesse caso, use um quantil alto (por exemplo, o percentil 90º), o que significaria que os produtos estarão em estoque 90% do tempo. Para outros produtos, como produtos para os quais é mais fácil encontrar substitutos (como lápis), usar um percentil mais baixo pode ser mais apropriado.
No Amazon Forecast, você pode obter diferentes quantis de previsão probabilística de forma fácil.
Ilustração da previsão probabilística
Na figura anterior, a linha preta representa os valores reais; a verde escura é a mediana da distribuição da previsão; a área sombreada em verde escuro é o intervalo de previsão no qual espera-se que 50% dos valores estejam; e a área verde clara é o intervalo de previsão no qual espera-se que 90% dos valores reais estejam.
As seguintes seções abordam as etapas envolvidas na solução do problema de previsão dessa empresa, incluindo:
