A previsao de inventario para quem nao e cientista de dados parece mais dificil do que realmente e. A maioria das equipas nao precisa de um modelo de caixa negra. Precisa de um historico de vendas limpo, um metodo repetivel e uma forma de detetar quando os dados mentem. Se um artigo ficou sem stock na sexta-feira passada, a folha de calculo nao tem falta de formulas - tem falta de contexto.
Isso e uma boa noticia, porque os metodos simples sao frequentemente mais solidos do que as pessoas esperam. Na revisao de Green e Armstrong no Journal of Business Research, os autores encontraram 97 comparacoes em 32 artigos e nenhuma evidencia de que a complexidade extra melhore a precisao da previsao. Prever continua a ser dificil, mas a primeira vitoria costuma vir da disciplina, nao do software sofisticado.
Uma previsao util nao e a que tem mais separadores. E a que um comprador consegue explicar, questionar e usar antes do proximo prazo de encomenda.
O que faz realmente uma previsao de inventario util
Uma previsao e uma estimativa da procura futura num periodo definido. Para o inventario, esse periodo deve corresponder ao ritmo de compra: prazo do fornecedor mais o tempo ate a proxima revisao. Se encomendam todas as segundas-feiras e o fornecedor demora 21 dias, interessam os proximos 28 dias, nao uma media anual teorica.
Uma previsao da aviso suficiente para reencomendar antes que os artigos A entrem em ruptura evitavel.
Impede que artigos de baixa rotacao absorvam capital circulante so porque alguem encomendou um pouco mais para se sentir seguro.
Vendas, compras e operacoes podem discutir um numero em vez de defender tres intuicoes diferentes.
As previsoes nao sao promessas. Sao pontos de partida. Ainda e preciso considerar problemas com fornecedores, eventos comerciais e julgamento de negocio. O objetivo nao e a perfeicao. O objetivo e menos surpresas.
Comece com metodos simples e adicione complexidade apenas quando ela se justificar
O manual do NIST sobre suavizacao descreve a media como a forma mais simples de suavizar dados e reduzir a variacao aleatoria. E exatamente por ai que a maioria das equipas de inventario deve comecar. Se o historico e razoavelmente estavel, medias moveis e metodos de suavizacao darao uma base operacional com rapidez.
Metodo 1: media movel para procura estavel
Uma media movel pega nos ultimos periodos comparaveis e calcula a media. Se preve semanalmente, uma media movel de 4 semanas costuma bastar para comecar. Exemplo: se as ultimas 4 semanas venderam 92, 104, 96 e 108 unidades, a previsao base da proxima semana e (92 + 104 + 96 + 108) / 4 = 100 unidades.
Previsao da proxima semana = (semana -1 + semana -2 + semana -3 + semana -4) / 4. Use periodos comparaveis: semanas com semanas, meses com meses.
Metodo 2: suavizacao exponencial quando o historico recente conta mais
Se as vendas recentes importam mais do que o historico antigo, passe para a suavizacao exponencial simples. Em Forecasting: Principles and Practice, Hyndman e Athanasopoulos apresentam-na como uma media ponderada do ultimo valor real e da previsao anterior. Em linguagem simples: ontem importa mais do que o trimestre passado, mas o trimestre passado nao e ignorado. Isso torna a suavizacao util quando a procura vai a deriva mas nao e fortemente sazonal.
Metodo 3: adicione um fator sazonal quando o calendario realmente importa
Se a procura sobe e desce com um padrao de calendario que se repete - prendas de dezembro, fins de semana de verao, regresso as aulas, encomendas de fim de mes - separe o efeito sazonal do nivel base. Em Forecasting: Principles and Practice, a abordagem pratica e prever a serie ajustada sazonalmente e depois adicionar o padrao sazonal de volta. E a descricao tecnica de uma ideia simples: este dezembro deve parecer-se mais com o dezembro passado do que com maio passado.
A sazonalidade vale o esforco. Na mesma revisao de Green e Armstrong, o ajuste sazonal reduziu o MAPE de 23,0 para 17,7 por cento em 68 series mensais na M-Competition original. Um bom lembrete de que uma estrutura de calendario simples pode vencer muita matematica extra.
Use uma media movel de 4 a 8 periodos quando o artigo se vende regularmente e o nivel nao se altera muito.
Use suavizacao exponencial simples quando a procura se move gradualmente e os periodos recentes merecem mais peso.
Use uma previsao base mais fatores sazonais quando o mesmo impulso de calendario se repete o suficiente para confiar.
Limpe o historico antes de confiar na matematica
O metodo de previsao importa, mas a qualidade das entradas importa mais. Devolucoes, encomendas pontuais de projetos, entregas incompletas do fornecedor e picos promocionais podem todos distorcer a base. Se alimentar ruido num modelo, apenas automatiza um mau julgamento.
As rupturas de stock sao a maior armadilha. Numa investigacao sobre previsao da procura com politicas de stock por vendas perdidas, os autores notam que, se houver stock suficiente, as vendas sao uma estimativa nao enviesada da procura, mas perante rupturas as vendas subestimam a procura e empurram as previsoes para baixo. Isso cria a espiral exata que os operadores detestam: sub-previsao, encomenda insuficiente, ruptura, repetir.
Quando a prateleira esta vazia, as vendas deixam de medir a procura e passam a medir a disponibilidade.
Um exemplo simples de ajuste por ruptura
Suponha que um artigo vendeu 210 unidades num mes de 30 dias, mas so esteve em stock durante 21 dias. A taxa diaria ingénua e 7 unidades. A taxa ajustada por ruptura e 10 unidades porque 210 / 21 = 10. Para o planeamento de reposicao, o segundo numero e muito mais proximo da realidade. O primeiro incorpora a ruptura na previsao do mes seguinte.
Regras de historico limpo
- Sinalize periodos de ruptura:Registe dias ou semanas com disponibilidade zero para os excluir ou ajustar, nao para os incluir na media.
- Separe promocoes da base:Uma semana de saldos ou um pico de marketing deve ficar numa coluna de eventos, nao inflacionar para sempre a previsao base.
- Remova encomendas pontuais:Compras grandes de projeto, preenchimentos de lancamento e transferencias internas sao eventos de planeamento, nao procura ordinaria.
- Use a verdade do inventario, nao apenas as vendas:Se a precisao dos registos e fraca, corrija primeiro as contagens. Registos de stock sujos distorcem tanto o historico como as compras. Veja o custo real de niveis de estoque imprecisos.
- Preveja familias antes de variantes quando necessario:Um historico fino em tamanho-cor ou formato frequentemente preve-se melhor a nivel de grupo primeiro e depois distribui-se.
Um fluxo de trabalho em folha de calculo para executar todas as segundas-feiras
Pode executar uma previsao respeitavel num unico separador com linhas por SKU e colunas para os ultimos 12 a 24 periodos, sinalizadores de disponibilidade, notas de eventos, previsao, real e erro. O objetivo nao e criar um modelo bonito. O objetivo e criar uma rotina repetivel.
Rotina de previsao de segunda-feira
- Exporte o historico por semana ou mes:O semanal e melhor para artigos de alta rotacao. O mensal basta para catalogo mais lento.
- Adicione duas colunas auxiliares:uma para estado de stock, outra para notas de eventos. Esses dois campos evitam um numero surpreendente de previsoes erradas.
- Escolha um metodo base por classe de artigo:Comece com medias moveis para artigos estaveis e suavizacao para os que vao a deriva.
- Aplique sazonalidade apenas quando se repetir:Se consegue apontar o mesmo impulso de calendario mais do que uma vez, adicione um fator sazonal. Se nao, mantenha a simplicidade.
- Preveja a janela de reposicao:Estime a procura ao longo do prazo do fornecedor mais o intervalo ate a proxima revisao de encomenda.
- Registe cada alteracao manual:Se as vendas dizem que um cliente novo adiciona 300 unidades no proximo mes, registe a alteracao e o motivo. Alteracoes ocultas destroem a aprendizagem.
Tres verificacoes de precisao que qualquer pessoa pode calcular
Nao precisa de um painel cheio de estatisticas. Precisa de algumas medidas que digam se a previsao erra de forma sistematica e por quanto.
Erro medio com sinal. Um vies positivo significa que tende a sobre-prever. Um vies negativo significa que subestima cronicamente a procura e convida rupturas.
Erro absoluto medio, o desvio medio em unidades. Como notam Green e Armstrong, o MAE e uma medida simples e util para decisoes de producao e controlo de inventario.
Erro percentual absoluto ponderado. A documentacao de planeamento da procura da AWS Supply Chain usa o WAPE como metrica agregada de precisao porque mostra o erro total da previsao face a procura real total.
Use o MAPE com cuidado. No guia de precisao de Hyndman, o MAPE fica indefinido quando a procura real e zero e pode explodir quando os valores reais estao perto de zero. Isso torna-o uma ma escolha para artigos de baixa rotacao, lancamentos ou series com frequentes periodos de procura zero.
Comece com vies, MAE e WAPE. Adicione metricas mais sofisticadas apenas quando essas tres estiverem estaveis e compreendidas.
Faca backtesting antes de o levar para as compras
Uma previsao nao esta pronta porque parece razoavel. Esta pronta depois de a testar em periodos passados que nao viu. O guia de validacao cruzada para series temporais de Hyndman descreve a origem de previsao movel: avance pelo historico, preveja para a frente e calcule a media dos erros. E a versao adulta de perguntar: isto teria funcionado no trimestre passado?
Backtest rapido
- Reserve os ultimos 8 a 12 periodos:Nao os use para construir o primeiro modelo.
- Execute cada metodo candidato:media movel, suavizacao e qualquer versao sazonal que queira comparar.
- Meca vies, MAE e WAPE:Avalie os metodos em periodos que nao viram.
- Escolha o metodo que as pessoas conseguem explicar:Se dois metodos estao proximos, escolha o que a equipa realmente ira manter.
Saiba onde a folha de calculo tem dificuldades
- Produtos novos: Tome emprestado o historico de um artigo semelhante, categoria ou plano de lancamento porque o novo SKU ainda nao tem um padrao estavel.
- Procura irregular ou intermitente: Preveja primeiro a nivel de familia ou categoria e planeie a reposicao individual com mais revisao manual.
- Promocoes e negocio por projeto: Adicione alteracoes de eventos separadamente em vez de pedir ao modelo base que adivinhe eventos especiais.
- Fraca precisao do inventario: Se rececao, ajustes e controlo de localizacao sao fracos, corrija primeiro o processo. Uma previsao sobre registos maus continua a comprar a quantidade errada.
E aqui que a priorizacao importa. Use uma analise ABC para decidir que artigos merecem mais atencao na previsao, e combine a previsao com uma revisao disciplinada do estoque de seguranca para que a incerteza nao se transforme em compras excessivas generalizadas.
Conclusao
A previsao de inventario para quem nao e cientista de dados tem menos a ver com matematica avancada e mais com honestidade operacional. Limpe o historico. Comece com medias moveis ou suavizacao. Adicione sazonalidade apenas quando se repetir. Meca vies e erro absoluto. Faca backtesting antes de confiar no numero.
Proximo passo: escolha 20 SKU importantes, construa um separador semanal e compare previsao contra real durante as proximas 8 semanas. Depois disso, a previsao deixara de parecer teorica e passara a fazer parte da forma como compra.