Excel Avancado 2003 2007 - Forecast - Analise e Previsao de Demanda

Conhecer, compreender e operacionalizar diferentes técnicas quantitativas de previsão de demanda permitem aos tomadores de decisão empregarem as técnicas mais adequadas, para cada horizonte de planejamento, ciclo de vida do produto e tipo de tomada de decisão. Hoje, as previsões têm sua importância reconhecida, como parte do processo decisório da gestão empresarial, no auxílio da determinação dos recursos necessários para a empresa. Exemplos de aplicação: área financeira: orçamento financeiro, planejamento do fluxo de caixa; área de recursos humanos: planejamento do volume e especialidades da força de trabalho; área de marketing: planejamento de promoções; área de produção: planejamento da capacidade instalada, planos agregados de produção e gestão de estoques.

WWW.LCM.COM.BR

EXCEL AVANÇADO 2003/2007 FORECAST

http://www.fabiogoncalves.com.br [email protected]

Utilizando o Microsoft EXCEL, este livro traz uma abordagem no estilo “livro de receitas” de modelos de previsão à luz da realidade comum da grande maioria das pessoas. São revisados os principais modelos estatísticos de previsão por extrapolação, os quais são capazes de projetar no futuro padrões e tendências presentes em séries históricas passadas, e, na seqüência, aplicados através do uso de ferramentas disponíveis no Microsoft EXCEL em passos seqüenciais em uma base de dados hipotética disponibilizada no CD-rom anexo ao livro. Existe uma referência à utilização do Microsoft Access para análise de arquivos com muitas linhas, não suportados pelo Microsoft EXCEL.

Fábio Gonçalves

Fábio Gonçalves é engenheiro de produção eletricista pela FEI, Faculdade de Engenharia Industrial, cursando MBA Executivo Internacional em Logística Empresarial pela FGV Management e pela UCI University of California, Irvine. Vem atuando nos últimos cinco anos em diversas áreas da Cadeia de Suprimentos, com experiências anteriores em Engenharia, Manutenção e Obras.

EXCEL AVANÇADO 2003/2007 FORECAST ANÁLISE E PREVISÃO DE DEMANDA para consultoria, cadeia de suprimentos, marketing, vendas, produção e tomadores de decisão

Fábio Gonçalves

Nós não podemos adivinhar o futuro, mas podemos errar menos usando metodologias estruturadas de previsão.

Este livro foi concebido de forma a permitir a utilização de técnicas de previsão em apoio à tomada de decisões, sem uma robustez que dificulte o entendimento e exija conhecimentos complexos de matemática/estatística para compreensão dos modelos. Não é necessário ter conhecimentos de modelos de previsão para compreender o livro; apenas conhecimentos básicos de Microsoft Excel são desejáveis. Estudos divulgados pela APICS (American Production and Inventory Control Society) e no Journal of Business Forecasting apontam ganhos maiores de dois dígitos (acima de 10%) na redução dos níveis de estoques, produto em processamento, produto acabado. Em contrapartida,aumento nos principais indicadores de nível de serviço, como resultado da utilização de técnicas de previsão mais adequadas para cada situação.

FÁBIO GONÇALVES

Excel Avançado 2003/2007 Análise e Previsão de Demanda

Prefácio

UM GRANDE DESAFIO é ligar a teoria de tudo que vemos à prática, conseguir realizar mudanças, agregar valor e obter resultados mensuráveis. O objetivo deste livro é trazer uma abordagem prática e simples de modelos de previsão à luz da realidade comum da grande maioria das pessoas. Por esse motivo, adotamos o uso de um software já disseminado, como o Microsoft Excel, presente no meio corporativo e em computadores pessoais residenciais. São revisados os principais modelos estatísticos de previsão por extrapolação, que são capazes de projetar no futuro, padrões e tendências presentes em séries históricas passadas e, na seqüência, aplicados através do uso de ferramentas disponíveis no software, em passos seqüênciais em uma base de dados hipotética disponibilizada no CD-Rom, anexo ao livro. Existe uma referência à utilização do Microsoft Access para análise de arquivos com muitas linhas, não suportados pelo Microsoft Excel. Muito do que fazemos no âmbito da gestão empresarial está muitas vezes ligado à concepção do controle/redução da incerteza ou risco, palavra que vem do italiano antigo riscare, que significa “arriscar”. Os antigos gregos acreditavam que prever o futuro era privilégio de Tirésias. Triste figura, cego por vingança divina, que recebeu de Zeus o dom da profecia para compensar-lhe a escuridão do presente. Os roma-

IV

Previsão e Análise da Demanda com Excel 2003/2007

nos atribuíam à deusa da Fortuna, filha de Júpiter, a roda na qual o destino humano ia sendo decidido por seu capricho. Poderosas ferramentas de administração disponíveis nos dias de hoje são métodos desenvolvidos por matemáticos, cientistas e filósofos com o intuito de pôr o futuro a serviço do presente, substituindo a impotência diante do destino pela escolha e decisão. Ainda hoje, o estudo da previsão é desafiador e intrigante, mesmo com todas as descobertas feitas por pensadores que ousaram desafiar a idéia do futuro incerto decorrente da ordem inacessível dos deuses para o tratamento racional dos fatos. A utilização de modelos de previsões cresce à medida em que gestores buscam métodos científicos para tentar diminuir a dependência da sorte. No passado, executivos eram pagos para resolver problemas, reagiam ao mercado. Hoje, eles são pagos para antecipar o futuro e identificar oportunidades. Neste mundo caótico em que vivemos, onde os paradigmas mudam num espaço de tempo cada vez menor, e a quantidade de informações cresce a cada dia, a única coisa que sobrou como diferencial competitivo é a habilidade de aprender mais rápido, saber identificar e perceber as mudanças, correlacionar as mudanças com as atividades empresariais e agir. O aumento dos recursos computacionais que auxiliam na armazenagem e manipulação de dados podem levar à predominância dos números nas decisões, sendo necessária a análise criteriosa para entender a relação entre fatos e crenças subjetivas. Hoje, as previsões têm sua importância reconhecida como parte do processo decisório da gestão empresarial, no auxílio da determinação dos recursos necessários para a empresa. Por exemplo: • área financeira: orçamento financeiro, planejamento do fluxo de caixa; • área de recursos humanos: planejamento do volume e especialidades da força de trabalho; • área de marketing: planejamento de promoções; • área de produção: planejamento da capacidade instalada, planos agregados de produção e gestão de estoques.

Prefácio

V

As empresas estabelecem metas e objetivos futuros e procuram prever os fatos que ocorrerão com a construção de diversos cenários, para selecionar as ações que permitirão alcançar as metas e os objetivos estabelecidos em cada situação. Apesar de tudo, é bom não esquecer da Lei que Murphy formulou e ficou famosa, cujo enunciado original era: “Se há duas ou mais maneiras de fazer alguma coisa e uma delas pode resultar em catástrofe, alguém o fará dessa maneira”. Depois, virou: “Se há uma maneira de uma coisa dar errado, dará”. Então, esteja sempre preparado para os imprevistos. Mas nem por isso podemos nos abdicar do planejamento. Lembre-se das palavras “Finis origine pendet” ou “o fim depende do início”. Se um determinado empreendimento não vai bem, esteja certo de que isso decorre de decisões equivocadas, de estratégias inadvertidas e de projetos não implementados no decorrer do tempo. Para os que evoluírem na busca de metodologias mais refinadas, o livro servirá de base conceitual quando for utilizar softwares específicos de forecast. Amadurecer é considerar um número maior de variáveis, fazer a gestão do intangível de forma a garantir a perenidade – “aquilo que tem continuidade e não se acaba” – das instituições. Sob uma perspectiva holística, temos:

Indivíduo

Estado

Filosófico

Aspecto

Maturidade

Autonomia

Tem o discernimento do que é certo ou errado

Consciência

Perspectiva de tempo

Emocional

Juventude

Heteronímia

Não tem discernimento Pequeno – dias do que é certo ou errado

Físico

Infância

Anomia

Desconhece o outro

Gerações – anos

Curto – Tem que ser agora

Acredito que o sucesso corporativo, hoje, exige a incorporação de duas atitudes em nossos hábitos. A primeira é ser Socrático, admitir a ignorância em tudo; ter certeza que você é um ignorante é pensar que você é um ser humano, você se encontra num universo infinito com

VI


infinitas possibilidades. O preconceito vem da ignorância, de não admitir que você não sabe tudo. A segunda é respeitar as diferenças, lembrar do Mito da Caverna narrado por Platão no livro VII do “República” é, talvez, uma das mais poderosas metáforas imaginadas pela filosofia, em qualquer tempo, para descrever a situação geral em que se encontra a humanidade. Para o filósofo, todos nós estamos condenados a ver sombras à nossa frente e tomá-las como verdadeiras. Essa poderosa crítica à condição dos homens, escrita há quase 2500 anos, inspirou e ainda inspira inúmeras reflexões pelos tempos a fora. Cada um de nós está dentro de sua própria caverna, devemos tentar se colocar no lugar dos outros, entrar na caverna dos outros e olhar o mundo com o olhar das outras pessoas, que viveram coisas diferentes, que têm experiências diferentes, saborear a ignorância.

Visão Geral dos Capítulos

PARA QUE FAÇA SENTIDO, o livro foi dividido em partes sequenciais, onde são agregados novos conceitos até o momento onde se juntam todos, permitindo ter uma visão ampla da demanda. São indicadas as diretrizes para a implementação de técnicas quantitativas de previsão, realizando uma análise macro e micro da demanda.

Parte 1: Uma Análise Macro da Demanda • CAPÍTULO 1 — Processo de Previsão ou “Forecast” – Conceito do processo de previsão e onde ele se encaixa num ambiente de negócios • CAPÍTULO 2 — Conhecendo a Demanda com a Análise da Situação Atual – Uma análise macro da demanda, permitindo ver o grau de complexidade da demanda que está sendo gerenciada • CAPÍTULO 3 — Análise de um Arquivo Pequeno de um Ano de Demanda – Da teoria à prática, passo a passo veremos como fazer uma análise macro da demanda • CAPÍTULO 4 — Análise de Arquivos Grandes com Vários Anos de Demanda Através do Access • CAPÍTULO 5 — Análise de Arquivos Grandes com Vários Anos de Demanda, com Banco de dados em Access e Tabela Dinâmica em Excel 2003 ou Direto no Excel 2007

VIII


Parte 2: Conceitos e Modelos de Extrapolação de Previsão – Da teoria à prática, passo a passo criaremos e analisaremos cada modelo matemático • CAPÍTULO 6 — Métodos de Previsão de Demanda – Conceito de modelos de previsão quantitativos e qualitativos • CAPÍTULO 7 — Modelos de Extrapolação — Média Móvel • CAPÍTULO 8 — Modelos de Extrapolação – Ajuste Exponencial • CAPÍTULO 9 — Modelos de Extrapolação – Regressão Linear • C APÍTULO 10 — Modelos de Extrapolação – Regressão Exponencial • CAPÍTULO 11 — Modelos de Extrapolação – Regressão Polinomial de 2ª Ordem, Quadrática ou Parabólica

Parte 3: Conceito de Sazonalidade, Erros de Previsão, Correlação e Outliers (Valores Atípicos) • CAPÍTULO 12 — Cálculo do Coeficiente Sazonal • CAPÍTULO 13 — Medidas de Erro das Previsões e Valores Atípicos (Outliers) • CAPÍTULO 14 — Coeficiente de Correlação

Parte 4: Estudo e Escolha do Melhor Modelo de Previsão e Possibilidades de Agrupamento Através de Sistemas de Classificação Para Análises • CAPÍTULO 15 — Escolha do Melhor Modelo de Previsão • CAPÍTULO 16 — Classificação dos Produtos

Parte 5: Modelos Explicativos ou Causais (Será mostrado onde localizar variáveis macro- econômicas e uma visão do início das análises. Criaremos, passo a passo, um modelo causal de regressão linear múltipla com três variáveis econômicas, mas não entra-

Visão Geral dos Capítulos

IX

remos em detalhes de outros modelos econométricos em função da complexidade.) • CAPÍTULO 17 — Obtenção de Dados Macro Econômicos Para Construção de Modelos Explicativos ou Causais • CAPÍTULO 18 — Modelos Causais

Parte 6: Conceito de Indicadores e Ciclos: As forças misteriosas que guiam os fatos, numa visão superficial e rápida de que existem fatos que obedecem algumas constantes, citado apenas como curiosidade para os que se apaixonarem pelo assunto e tiverem interesse em se aprofundar • C APÍTULO 19 — O Novo Pensamento Sobre KPIs (Key Performance Indicators): Porque você pode estar trabalhando com as medidas erradas • CAPÍTULO 20 – Ciclos

Quem Deve Ler Este Livro

ESTE LIVRO FOI ESCRITO COM O INTUITO de ensiná-lo a trabalhar com modelos matemáticos de previsão utilizando o Microsoft Excel, não para processos rotineiros que necessitam de constantes revisões, mas para adquirir base conceitual e processos importantes onde se deseja entender os resultados obtidos. É concebido de forma a permitir a utilização de técnicas de previsão no apoio à tomada de decisões, sem uma robustez que dificulte o entendimento e exija conhecimentos complexos de matemática/estatística para compreensão dos modelos. É indicado para profissionais que utilizam ou necessitam realizar previsões de demanda, como: pessoal de marketing, vendas, consultores, gestão de estoque, produção, financeiro etc. Não é necessário ter conhecimentos de modelos de previsão para compreender o livro, apenas conhecimentos básicos de Microsoft Excel são desejáveis. Existe uma referência à utilização do Microsoft Access para análise de arquivos com muitas linhas, não suportados pelo Microsoft Excel.

Sumário

Parte 1 Uma Análise Macro da Demanda .........................................

1

1

PROCESSO DE PREVISÃO OU “FORECAST” ........................................... É Possível Prever o Futuro? ......................................................... O Que Eu Preciso Fazer para Ganhar Mais Dinheiro (Lucro) no Futuro? ................................................................................

3 3

2

CONHECENDO A DEMANDA COM A ANÁLISE DA SITUAÇÃO ATUAL ......... Média Aritmética ......................................................................... Desvio Padrão .............................................................................. Propriedades ................................................................................. Coeficiente de Variação ...............................................................

11 15 16 17 18

3

ANÁLISE DE UM ARQUIVO PEQUENO DE UM ANO DE DEMANDA ............ 21 Desenvolvendo o Exercício ......................................................... 21 Onde Encontrar ............................................................................ 47

4

ANÁLISE DE ARQUIVOS GRANDES COM VÁRIOS ANOS DE DEMANDA ATRAVÉS DO ACCESS ....................................................................... 49 Desenvolvendo o Exercício ......................................................... 49 Onde Encontrar ............................................................................ 70

4

XVI

5


ANÁLISE DE ARQUIVOS GRANDES COM VÁRIOS ANOS DE DEMANDA, COM BANCO DE DADOS EM ACCESS E TABELA DINÂMICA EM EXCEL 2003 OU DIRETO NO EXCEL 2007 .................................................................. 71 Desenvolvendo o Exercício ......................................................... 71 Access .................................................................................. 71 Onde Encontrar ............................................................................ 95 Excel 2007 ................................................................................... 95 Onde Encontrar ............................................................................ 107

Parte 2 Conceitos e Modelos de Extrapolação de Previsão ............... 109

6

MÉTODOS DE PREVISÃO DE DEMANDA ............................................... Classificação dos Métodos de Previsão: ...................................... 1. Métodos de Previsão Qualitativos ............................................ 1.1. Opiniões de executivos ................................................. 2. Métodos Quantitativos ............................................................. Hipótese Básica ....................................................................

111 111 112 113 115 115

7

MODELOS DE EXTRAPOLAÇÃO – MÉDIA MÓVEL ................................. Modelo Matemático ..................................................................... Desenvolvendo o Exercício ......................................................... Onde Encontrar ............................................................................

117 117 119 130

8

MODELOS DE EXTRAPOLAÇÃO – AJUSTE EXPONENCIAL ....................... Modelo Matemático ..................................................................... Desenvolvendo o Exercício ......................................................... Onde Encontrar ............................................................................ AJUSTE EXPONENCIAL ..........................................................

131 131 132 140 141

9

MODELOS DE EXTRAPOLAÇÃO – REGRESSÃO LINEAR .......................... Modelo Matemático ..................................................................... Desenvolvendo o Exercício ......................................................... R múltiplo e R-Quadrado .............................................................

143 143 144 156

Sumário

XVII

Erro Padrão e MQ ........................................................................ Stat t ............................................................................................. Anova ........................................................................................... Intervalo de Confiança ................................................................. Onde encontrar .............................................................................

156 158 161 163 164

10

MODELOS DE EXTRAPOLAÇÃO – REGRESSÃO EXPONENCIAL ................. Modelo Matemático ..................................................................... Desenvolvendo o Exercício ......................................................... Onde Encontrar ............................................................................

165 165 166 178

11

MODELOS DE EXTRAPOLAÇÃO – REGRESSÃO POLINOMIAL DE 2ª ORDEM, QUADRÁTICA OU PARABÓLICA ........................................................... 179 Modelo Matemático ..................................................................... 179 Desenvolvendo o Exercício ......................................................... 180 Onde Encontrar ............................................................................ 191

Parte 3 Conceito de Sazonalidade, Erros de Previsão, Correlação e Outliers (Valores Atípicos) .................................................... 193

12

CÁLCULO DO COEFICIENTE SAZONAL ................................................. Coeficiente Sazonal ..................................................................... Desenvolvendo o Exercício .................................................. Onde Encontrar ............................................................................

195 196 196 206

13

MEDIDAS DE ERRO DAS PREVISÕES E VALORES ATÍPICOS (OUTLIERS) ... 13.1. Medidas de Erro das Previsões ........................................... Erro de Previsão Et: ..................................................................... Desvio Absoluto At : .................................................................... Desvio Absoluto Médio DAM: .................................................... Erro Quadrático Médio EQM: ..................................................... Erro Absoluto Médio Percentual EAMP: ..................................... Viés da Previsão: ..........................................................................

207 207 208 208 208 208 208 209

XVIII


Sinal de Rastreamento TS (Tracking Sinal): ................................ Desenvolvendo o Exercício ......................................................... 13.2. Valores Atípicos (Outliers) .................................................. Desenvolvendo o Exercício ......................................................... Entrada ................................................................................. Opções de Saída ................................................................... Onde Encontrar ............................................................................

14

209 210 221 222 224 225 229

COEFICIENTE DE CORRELAÇÃO .......................................................... 231 Índice R2 ...................................................................................... 234

Parte 4 Estudo e Escolha do Melhor Modelo de Previsão e Possibilidades de Agrupamento Através de Sistemas de Classificação Para Análises ................................................... 237

15

ESCOLHA DO MELHOR MODELO DE PREVISÃO .................................... 239 Desenvolvendo o Exercício ......................................................... 239 Onde Encontrar ............................................................................ 276

Parte

1

UMA ANÁLISE MACRO DA D EMANDA

AVANÇADO AVANÇADO

1

Processo de Previsão ou “Forecast”

V

AMOS ANALISAR ALGUMAS PERGUNTAS antes de começar a falar de pre-

visão, onde ela se encaixa num contexto de negócios.

É Possível Prever o Futuro? Para o “pai” da administração moderna, Peter Druker, as mudanças mais importantes são aquelas que acontecem sem que ninguém as preveja. Fatos ocorridos nos últimos 10/20 anos mostram acontecimentos que não estavam previstos. Por exemplo, ninguém previu que o estabelecimento da Comunidade Econômica Européia não iria provocar um crescimento econômico explosivo na Europa mas, ao contrário, conduzir à estagnação econômica e disputas mesquinhas. O crescimento econômico explosivo da China e, posteriormente, da Índia. Ninguém previu a emergência dos 55 milhões de chineses residentes no exterior como uma nova superpotência econômica. Ninguém previu que o maior impacto da Revolução da Informação sobre os negócios seria uma reestruturação radical do mais antigo dos sistemas de informações, o modelo contábil. Desta forma, não se pode tomar decisões para o futuro. Decisões são compromissos com ações, podemos tomar decisões no presente como forma de construir o futuro. Estas decisões devem ser tomadas tendo em

AVANÇADO AVANÇADO

2

Conhecendo a Demanda com a Análise da Situação Atual

ANTES DE INICIAR AS PREVISÕES, uma etapa que a antecede é o levantamento de dados, uma análise da situação atual e do grau de complexidade da demanda que está sendo gerenciada. É importante, no levantamento dos dados, a utilização de uma abordagem sistêmica, onde fazemos as seguintes perguntas: • De onde viemos? – O que foi feito no passado. • Aonde estamos? – Ter uma idéia do posicionamento em relação à concorrência. • Para onde estamos indo? – Baseado na situação atual em relação à concorrência e tendências de mercado, projetar o futuro. Contemplando duas características em cada uma das questões: • funcionalismo (realçando que cada elemento tem uma função a desempenhar num sistema mais amplo) – Todas as atividades de uma corporação são importantes e remuneradas de acordo com o grau de conhecimento envolvido e impacto nos resultados; • holismo (que o todo se compõe de subsistemas e seus elementos estão inter-relacionados) – Muitas decisões devem ser tomadas em conjunto, por exemplo, não adianta marketing fazer uma pro-

12


moção ou aumentar os esforços de vendas se não houver capacidade para atender a demanda, capacidade de produzir ou logística de entrega. Você assumiu a área de marketing, produção ou logística de uma empresa e precisa entender o nível de complexidade envolvido na gestão dos processos e recursos. As primeiras perguntas a serem respondidas são: Qual o grau de variabilidade da demanda que estou gerenciando? Os itens com maior valor (pode ser custo, faturamento ou rentabilidade) têm demanda estável? Após analisar três anos de dados históricos disponibilizados para execução dos exercícios, chegaremos ao resultado da Tabela 2.1, e das Figuras 2.1 e 2.2. 1) O valor da demanda (faturamento, lucro, demanda) vem crescendo em 20% ao ano. 2) A quantidade de itens novos vem crescendo numa taxa menor que o valor. A diferença pode ser um incremento na quantidade da demanda ou reajuste de valor ocorrido nos períodos. 3) Itens com coeficiente de variação de demanda até 0,20 – representavam um terço do valor e uma tendência de queda na participação (%) de itens e valor total: • No Year 01 itens: 12% dos itens e 39% do valor; • No Year 02 itens: 12% dos itens e 38% do valor; • No Year 03 itens: 10% dos itens e 35% do valor; • para esses itens é fácil prever a demanda futura, com baixa probabilidade de erro, porque possuem uma demanda constante muito próxima à média, resultando num desvio padrão pequeno que, dividido pela média, fez com que o coeficiente de variação fosse baixo. 4) Itens com coeficiente de variação entre 0,21 e 0,40 – representam um terço do valor e uma estabilidade na participação (%) de itens e valor total:

Parte

2

CONCEITOS E MODELOS DE EXTRAPOLAÇÃO DE P REVISÃO

AVANÇADO AVANÇADO

6

Métodos de Previsão de Demanda DEMANDA É FUNÇÃO DE: • Tendência: crescente, decrescente ou estacionária. • Ciclicidade (séries longas): flutuações econômicas de ordem geral. • Sazonalidade: demanda varia de acordo com a época do ano. • Componentes aleatórios: causas não identificadas. Fatores de escolha para os diferentes métodos de previsão: • Disponibilidade de dados: modelos matemáticos exigem mais dados numéricos. • Horizonte de previsão: alguns métodos são melhores para previsões de longo prazo, outros para curto prazo. Para o curto prazo, alguns autores recomendam a utilização de métodos estatísticos baseados em médias ou no ajuste de retas. Já para os períodos de médio e longo prazos, recomenda-se a utilização de modelos explicativos e econométricos.

Classificação dos Métodos de Previsão: 1. Qualitativos – baseados no julgamento. Podem ser usados quando não há abundância de dados, porém existe suficiente conhecimento qualitativo.

112


2. Quantitativos – modelos matemáticos. Permitem controle do erro, mas exigem informações quantitativas. Como boa prática, a previsão deve ser no máximo um terço do volume de dados. a. Modelos de extrapolação ou Séries temporais: o futuro reproduzirá o passado. Os fatores que geraram a demanda passada são conhecidos e refletem o comportamento passado da demanda; podem, portanto, ser projetados para o futuro, assumindo que sejam mantidas as mesmas condições de oferta e procura no mercado. b. Modelos explicativos ou Métodos causais: demanda é relacionada a uma ou mais variáveis internas ou externas à empresa (variáveis causais). É explicativo, no sentido de que prevê-se que as mesmas relações de dependência do passado ocorrerão no futuro. Os fatores que afetarão a demanda futura compreendem o que se denomina de prognóstico ou predição, e exigem de quem os faz um amplo conhecimento do produto considerado e, principalmente, das condições gerais dos negócios e da percepção antecipada do rumo do mercado consumidor.

1. Métodos de Previsão Qualitativos Métodos qualitativos são usados quando dados históricos são inexistentes ou escassos. Tais técnicas vêm encontrando crescente aplicação prática devido à alta customização dos produtos o que resulta em séries históricas com poucos dados devido ao rápido ciclo de vida dos produtos, e ao crescente lançamento de novos produtos no mercado. Técnicas qualitativas são baseadas em opiniões de especialistas. Estes analisam situações similares, em conjunto com os dados existentes, para predizer valores futuros de demanda. As técnicas mais difundidas de “forecasting” qualitativo estão associadas à pesquisa de mercado e incluem a utilização de grupos focados e técnicas de consenso. Das técnicas de consenso, a mais difundida é o método Delphi, que segue alguns métodos na seqüência.

AVANÇADO AVANÇADO

7

Modelos de Extrapolação – Média Móvel

UTILIZAMOS O MODELO DA MÉDIA MÓVEL quando a demanda não apresenta tendência ou sazonalidade. Médias móveis: a cada nova previsão, os valores mais antigos são abandonados ou ponderados mais fracamente. Componente Sistemático de demanda = nível Nesse modelo, estimamos o nível no período t pela média da demanda durante os períodos N mais recentes. Isso representa uma média móvel para o período N.

Modelo Matemático 1 N ∑ At − j +1 N j =1 N = número de períodos incluídos na média. Aj = valor observado no período j. Fj = valor projetado para o período j. Ft +1 =

Equação 7.1

O item 10F18SD69 tem o histórico da demanda conforme Tabela 7.1 e Figura 7.1.

AVANÇADO AVANÇADO

8

Modelos de Extrapolação – Ajuste Exponencial

O método de ajuste exponencial tem sido muito utilizado em diversos setores industriais e apresenta bons resultados para previsões de curto prazo com base em dados históricos de consumo.

Modelo Matemático Ft+1 = Ft + a (At – Ft )

Equação 8.1

Ft+1 = Ft + (1 – f_amort )(At – Ft )

Equação 8.2

Ft+1 = a(At) + (1 – a)(Ft )

Equação 8.3

Onde: Ft+1 = Projeção para o período seguinte. Ft = Projeção do período atual. a = Fator de ponderação; varia entre 0 e 1 At = Valor observado no período atual. f_amort = Fator de amortecimento é o complemento aritmético do fator de ponderação = (1- a).

AVANÇADO AVANÇADO

9

Modelos de Extrapolação – Regressão Linear

A REGRESSÃO LINEAR SIMPLES faz parte do repertório básico de qualquer estudante da área das Ciências Exatas. As calculadoras científicas mais comuns trazem, pré-programado, o algoritmo para este cálculo. Porém, ainda que operacionalmente simples, certos aspectos do uso de regressão linear merecem uma discussão adicional. O Microsoft Excel oferece duas funções estatísticas para resolver o problema de regressão linear. Para a primeira etapa do processo — cálculo dos parâmetros da equação de regressão — é oferecida a função LINEST (PROJ.LIN), e para a segunda etapa — cálculo das projeções — a função TREND (TENDÊNCIA).

Modelo Matemático y = mx+b

Equação 9.1

onde: y é a variável dependente

m=

n (∑ xy ) − (∑ x )(∑ y ) n

(∑ x ) − (∑ x ) 2

2

m é a declividade

Equação 9.2

144


x é a variável independente

(∑ y )(∑ x ) − (∑ x )(∑ xy) b é a ordenada na origem Equação 9.3 n (∑ x ) − (∑ x ) 2

b=

2

2

Ou

(

y= y+m x−x

)

Equação 9.4

onde: y=

∑y∴x = ∑x n

n

valor médio de y e x.

m=

Equação 9.5 e 9.6

Sxy m é a declividade Sxx

Sxy = ∑ xy −

∑x *∑y n

(∑ x ) Sxx = ∑ x − n

Equação 9.7

Equação 9.8

2

2

Equação 9.9

Desenvolvendo o Exercício 1. Abrir o arquivo 10F18SD69.xls localizado na pasta database\excel do CD.

AVANÇADO AVANÇADO

10

Modelos de Extrapolação – Regressão Exponencial

MUITOS PROBLEMAS ENCONTRADOS na prática ajustam-se melhor com os modelos de regressão não-linear, cujas equações são de grau maior do que um. O Microsoft Excel oferece um modelo de regressão exponencial composto por duas funções estatísticas, LOGEST (PROJ.LOG), que calcula os parâmetros da equação, e GROWTH (CRESCIMENTO), que gera as projeções. Observação – A resolução matemática dos problemas de regressão não-linear envolve conceitos que estão fora do alcance destas notas. Assim, não apresentaremos as fórmulas para cálculo dos parâmetros, como fizemos no caso da regressão linear, restringindo-nos tão somente a definir os símbolos que aparecem nas expressões matemáticas. As rotinas de processamento são suficientes para obter a solução dos exemplos apresentados.

Modelo Matemático y = bmx onde:

Equação 10.1

Modelos de Extrapolação – Regressão Exponencial

177

22. O resultado final será o mesmo que o obtido anteriormente, conforme Figura 10.20, bastando, agora, fazer as mudanças de layout conforme desejar.

Figura 10.20 – Resultado final utilizando a opção linha de tendência

23. Matematicamente, a fórmula apresentada da segunda forma, via linha de tendência, é idêntica à calculada inicialmente apenas usando neperiano “e = 2,71828”. y = 1978,59 x (1,009122)x y = 1978,6 x (e)0,009x (1,009122)x = (e)y ln (1,009122)x = ln(e)y x . ln (1,009122) = y . ln(e) x . 0,00908 = y . 1 24. O valor de R2 será explicado em um capítulo específico sobre erros e coeficiente de correlação.

AVANÇADO AVANÇADO

11

Modelos de Extrapolação – Regressão Polinomial de 2ª Ordem, Quadrática ou Parabólica

O MICROSOFT EXCEL NÃO POSSUI funções específicas pré-programadas para calcular os parâmetros deste modelo. Da primeira forma, iremos usar algumas técnicas da Álgebra Elementar para determinar os valores dos coeficientes a0, a1 e a2 da equação (11.1).

Modelo Matemático y = a0 + a1x + a2x2

Equação 11.1

onde: y

é a variável dependente

a0, a1 e a2 são os coeficientes constantes da variável independente x

é a variável independente

Parte

3

CONCEITO

DE

SAZONALIDADE, ERROS DE PREVISÃO , CORRELAÇÃO E OUTLIERS (VALORES ATÍPICOS)

AVANÇADO AVANÇADO

12

Cálculo do Coeficiente Sazonal1

O CONHECIMENTO DOS FATORES SAZONAIS é útil para previsões em curto prazo. O objetivo básico da maior parte dos métodos consiste em obter um índice sazonal para cada período, que represente uma porcentagem de sua média. Praticamente todas as demandas estão sujeitas a algum tipo de sazonalidade. A humanidade e seus grupos sociais, desde tempos remotos, sempre tiveram suas atividades controladas por algum tipo de evento periódico: inverno e verão, meses do ano, período semanal e mesmo ao longo das horas do dia. Esta variação rítmica de atividade tem inúmeras implicações, dentre elas um forte impacto na gestão das operações, onde os componentes sazonais muitas vezes devem ser levados em conta para uma utilização mais eficiente dos recursos e oportunidades disponíveis. Em função da importância deste fator, devemos procurar manter sempre um controle do processo de previsão, evitando que este seja visto como o resultado de caixa preta em que os valores são fornecidos sem que o usuário saiba como foram obtidos. Por fim, vale a pena avaliar em que situações uma maior complexidade do processo de determinação dos índices sazonais seria justificável, em lugar do uso de métodos mais simples e também de mais fácil compreensão. 1

Cálculo do Coeficiente Sazonal – Este capítulo é composto por adaptações e trechos do artigo Lidando com Sazonalidades no Processo Logístico.

AVANÇADO AVANÇADO

13

Medidas de Erro das Previsões e Valores Atípicos (Outliers)

13.1. Medidas de Erro das Previsões TODA DEMANDA POSSUI UM COMPONENTE ALEATÓRIO. Um bom modelo de previsão deve captar o componente sistemático da demanda, mas não o componente aleatório. O componente aleatório se manifesta na forma de erro de previsão. Os erros de previsão possuem informações valiosas e devem ser analisados cuidadosamente. Os administradores devem fazer análises completas dos erros em uma previsão por dois motivos: a. Podem utilizar as análises de erros para determinar se o modelo de previsão adotado está prevendo detalhadamente o componente sistemático da demanda. Por exemplo, se um modelo de previsão estiver superestimando, o componente sistemático, então, tomará ações de forma a corrigir a modelo. b. Os administradores estimam o erro da previsão porque qualquer plano de contingência deve ser responsável por tal erro. Por exemplo, considere uma empresa que têm duas fontes de suprimento para componentes: um fornecedor localizado na Europa, no qual os pedidos tem que ser colocados com dois meses de antecedência, e outro fornecedor local, ao qual os pedidos são emitidos com uma semana de antecedência. O fornecedor local é mais caro, ao passo que o fornecedor europeu custa

AVANÇADO AVANÇADO

14

Coeficiente de Correlação

TAMBÉM CHAMADO DE “coeficiente de correlação produto-momento”, ou simplesmente de “r de Pearson”, mede o grau da correlação (e a direção dessa correlação – se positiva ou negativa) entre duas variáveis de escala métrica. O coeficiente de correlação r varia entre –1 (reta descendente) e + 1 (reta ascendente). Os coeficientes de correlação: a) se r = 1, as duas variáveis relacionadas têm correlação perfeitamente positivas.

Figura 14.1 – Gráfico das duas variáveis com correlação positiva

Parte

4

ESTUDO E ESCOLHA DO MELHOR MODELO DE PREVISÃO E POSSIBILIDADES DE AGRUPAMENTO ATRAVÉS DE S ISTEMAS DE CLASSIFICAÇÃO PARA ANÁLISES

AVANÇADO AVANÇADO

15

Escolha do Melhor Modelo de Previsão

APÓS VER VÁRIOS MODELOS DE EXTRAPOLAÇÃO, conceitos de sazonalidade e medição de erro, fica a pergunta: Qual o melhor modelo para cada caso? Como escolher? É esta pergunta que iremos responder neste capítulo.

Desenvolvendo o Exercício 1. Abrir o arquivo 20M19AC96.xls localizado na pasta database\excel do CD.

Figura 15.1 – Dados históricos

Escolha do Melhor Modelo de Previsão

275

69. Vamos selecionar os Dados deixando apenas os dados da demanda qtd (Y) e um dos modelos Polinomial – Sazonal, conforme Figura 15.67.

Figura 15.67 – Seleção dos dados

70. O resultado será a exibição do gráfico conforme Figura 15.68. Lembrando que se clicar em Dados de novo para fazer a seleção de outro modelo, será necessário retornar à planilha com a tabela dinâmica e incluir novamente. Quando desmarcamos no gráfico, estamos retirando da tabela dinâmica também.

Figura 15.68 – Gráfico final da demanda qtd (Y) com modelo de extrapolação polinomial sazonal

AVANÇADO AVANÇADO

16

Classificação dos Produtos

NA REALIZAÇÃO DE PREVISÃO DE DEMANDA, é comum ter centenas de produtos para serem estudados. Porém, para efeito de gestão e resultados finais, nem sempre é necessária a análise individual de todos os produtos. Muitos itens podem ser agregados, através de critérios pré-determinados, em uma mesma série temporal, e analisados conjuntamente. Seguem alguns exemplos de agregação:

16.1. Classificação ABC A metodologia mais usual para a agregação de produtos é a classificação ABC, a qual determina a importância do produto, relacionando o valor (pode ser custo, faturamento ou rentabilidade) da demanda. Neste caso, para cada classe é definido um nível de detalhamento a ser adotado de acordo com a importância dos produtos.

296


TABELA 16.1 – Tabela de Previsão de Demanda pela Classificação ABC Classe

A

% Valor da Demanda

80%

% Qtd. Produtos

Previsão de Demanda

20%

A previsão de demanda é feita individualmente para cada produto. Para análise gerencial, pode quebrar a análise da demanda por região, cliente ou vendedor. De forma geral, somente estratificações nas séries correspondentes a produtos na classe A justificam-se economicamente.

B

15%

30%

A previsão de demanda é feita individualmente para cada produto. Porém, análises detalhadas por região, cliente ou vendedor normalmente não são necessárias. O tratamento estatístico dos produtos das classes A e B são idênticos.

C

5%

50%

Para os produtos nesta classe, o mais indicado é a realização de uma previsão agregada de demanda.

Figura 16.1 – Curva da classificação ABC

Desenvolvendo o Exercício 1. Abrir o arquivo All years with classification.xls localizado na pasta database\excel do CD.

308


A tendência mundial é a adoção de um sistema de classificação padrão para facilitar a integração entre empresas e o comércio B2B. O UNSPSC fornece um padrão multi-setor aberto, para uma classificação global, eficiente e precisa de produtos e serviços. O código UNSPSC tem diversos níveis, tais como o segmento, a família, a classe e o produto. O mapeamento hierárquico normalmente é melhor para realizar previsões consolidadas do que tentar previsões diretamente dos produtos. Assim, em vez de realizar previsões do nível mais baixo (por exemplo, produtos), é geralmente melhor construir classificadores para primeiro realizar previsões em um nível mais elevado (por exemplo, segmentos). A previsão nem sempre começa pelo nível mais elevado para o nível mais baixo. Depende do nível de detalhamento dos dados que tem em mãos.

Figura 16.23 – Exemplo de um produto classificado no sistema UNSPSC

Benefícios da adoção de um sistema de classificação padrão e global como o UNSPSC:

Parte

5

MODELOS EXPLICATIVOS OU C AUSAIS

AVANÇADO AVANÇADO

17

Obtenção de Dados Macroeconômicos Para Construção de Modelos Explicativos ou Causais

A CONSTRUÇÃO DE MODELOS CAUSAIS PARTE DO PRINCÍPIO de que existe outras variáveis que influem na demanda, sendo necessária a busca do histórico destas variáveis para verificar se realmente existe correlação e permitir a construção de modelos explicativos ou causais, contemplando as mesmas dentro do modelo matemático. Mostraremos a seguir alguns dos principais locais para a busca de variáveis, mas muitas outras estão disponíveis na Internet, dependendo dos produtos que estão sendo analisados, como, por exemplo commodities (petróleo, aço etc.), entre outras.

17.1. Indicadores de Conjuntura Econômica – Banco Central do Brasil DESENVOLVENDO O EXERCÍCIO 1. Entrar no site do Banco Central do Brasil (site: http://www.bc.gov.br ou http://www.bcb.com.br). Clicar no link ‘Economia e finanças’ no menu esquerdo da página de entrada do site, conforme Figura 17.1.

AVANÇADO AVANÇADO

18

Modelos Causais

ESTE CAPÍTULO TEM COMO OBJETIVO o início do estudo de modelos causais, realizando a análise de variáveis externas em relação à demanda interna de uma empresa. Modelos causais buscam relacionar a demanda (variável dependente) com outros fatores, como PIB, inflação, tempo, população etc. (variáveis independentes). Exemplos de modelos causais seriam as técnicas de regressão linear e regressão não-linear. Com a globalização, as crises econômicas que ocorrem ao redor do mundo e os ciclos econômicos causam impacto no desempenho das empresas, que acaba refletindo diretamente na demanda. Vamos pegar valores hipotéticos do valor total da demanda de uma empresa ao longo do tempo e confrontá-los com a evolução da economia do país nesse mesmo período de tempo. O objetivo é verificar se existe uma relação de dependência dessas variáveis através da análise de correlação e a variação de uma em relação a outra, através da regressão linear.

Evolução da Conjuntura Econômica do País e os Fatos mais Relevantes do Período A evolução do Produto Interno Bruto (PIB) do país nos últimos 11 anos, como é conhecida, foi marcada pela estabilidade monetária após a

Modelos Causais

363

Figura 18.41 – Regressão múltipla e análises

Y = 2.757,88 + 3,07 X + 80,22 IGP-M – 246,83 Preço + 11,64 Marketing Observe que o modelo, para este exemplo, possui uma excelente correlação (R múltiplo = 0,926 e índice R2 (R-Quadrado = 0,859). A análise dos resultados é semelhante à realizada para regressão linear simples, no capítulo 9, mas com um aumento na complexidade nos cálculos com uso de matrizes. Não iremos entrar em detalhes, já que o importante é saber interpretar os resultados. Quem se interessar e quiser se aprofundar, pode encontrar o detalhe dos cálculos em livros teóricos sob o tópico Regressão Linear Múltipla.

Parte

6

CONCEITO DE I NDICADORES E CICLOS

AVANÇADO AVANÇADO

19

O Novo Pensamento Sobre KPIs (Key Performance Indicators)

Porque Você Pode Estar Trabalhando com as Medidas Erradas1 É comum encontrar empresas que acreditam estar usando KPIs, com 20 ou mais indicadores sem foco e alinhamento, que são medidos mensal e trimestralmente. Quando é feita a pergunta: O que é feito com os KPIs? Quais as melhorias obtidas desde que começaram a ser monitorados? A resposta mais comum é que eles não criaram mudança, alinhamento e crescimento, portanto, eles nunca foram KPIs. Este é o sintoma de muitas companhias que estão trabalhando com as medidas erradas. A história de uma companhia aérea nos ajuda a compreender o que é um verdadeiro KPI, e aponta onde procurar KPIs na sua organização. Portanto, é preciso que a corporação desenvolva sua cultura interna para indicadores. Não basta delinear alguns indicadores, é preciso conhecer tendências, pontos críticos, pontos minimamente aceitáveis; é 1. O Novo Pensamento sobre KPIs – Este capítulo é composto por adaptações e trechos dos artigos “The New Thinking on KPIs: Why You May Be Working with the Wrong Measures” e “Os indicadores de desempenho e o piloto automático”.

368


preciso saber se a coleta de dados está correta, identificar erros de “lançamentos” ou de inputs dos dados; é preciso analisar se os resultados em análise estão compatíveis com os demais, inclusive em outros processos fora do nosso alcance. Enfim, é preciso andar sempre desconfiado, ligado e atento a tudo. É preciso até perceber que não estamos entendendo corretamente o que aquele indicador está mostrando. Após estes questionamentos, com segurança, podemos tirar conclusões e decidir sobre o que fazer. O significado disso é gestão “gerenciamento”, saber de onde viemos, onde estamos e onde queremos chegar. Podem ocorrer casos que, como reação a pressões, alguém seja levado a adotar indicadores que não refletem, de modo direto, a verdade sobre seu trabalho. Por exemplo, se ele atua numa área de produção, ou mesmo em um processo de apoio, como manutenção da infra-estrutura da empresa, ele pode querer adotar a “Satisfação do Cliente Final” como um indicador resultante de sua atuação. Entretanto, mesmo sendo um indicador vital, ele não estará vinculado à gestão do profissional nas áreas de sua abrangência. É comum que todos os gestores queiram ser o centro das atenções, quando são analisados os resultados do último período na empresa, e queiram atribuir a si a “grande tacada” que permitiu atingir tais níveis de resultados. Temos que entender: há resultados do time e há resultados de um processo individual. Entender como eles se complementam é importante. Mas haverá indicadores finalísticos (que apontam os índices globais da empresa num período) e os indicadores intermediários de apoio. O gestor precisa entender qual é a sua parte no negócio. A gestão baseada em um Painel de Indicadores requer algo mais do que apenas listar indicadores desejáveis ou que outras empresas adotam. É mais do que disseminar e propagar o uso de um Painel de Indicadores. Precisamos nos preparar para interagir com eles. Um Sistema de Gestão bem estruturado, que possua Indicadores de Desempenho suficientemente alinhados à visão de futuro, comporão a “Inteligência do Negócio” da nossa organização, que reflitam as boas práticas internas e os bons resultados externos.

AVANÇADO AVANÇADO

20

Ciclos1

“De acordo com a Lei da Repetição Periódica, tudo aquilo que aconteceu terá de voltar a acontecer muitas outras vezes – e não caprichosamente, mas em períodos regulares, cada coisa no seu próprio período, e não em outro, e cada uma delas obedecendo sua própria lei... A mesma natureza que se deleita com a repetição periódica nos céus é a natureza que regula os assuntos na Terra. Não subestimemos o valor dessa insinuação.” MARK TWAIN HÁ MILHARES DE ANOS, o homem vem tentando prever o futuro, e seu fracasso nesta jornada se encontra descrito pela História. Iniciou com adivinhos, profetas, oráculos, feiticeiros, astrólogos, numerólogos, místicos, charlatões e videntes, que diziam ter poderes sobrenaturais que lhes permitiam prever o futuro. Ao longo da História, guerras foram travadas, e reinos caíram como resultado desses pronunciamentos. Ainda hoje não estamos livres de seus equivalentes. 1. Ciclos – Este capítulo é composto por adaptações e trechos do livro “Cycles: the mysterious forces that trigger events”.

Excel Avancado 2003 2007 - Forecast - Analise e Previsao de Demanda

Recommend Documents