PREVISÃO ORÇAMENTÁRIA
O desenvolvimento do orçamento requer uma visão global e razoavelmente detalhada do futuro da empresa
Costumamos descartar os outliers e os resultados adversos quando projetamos o futuro TALEB, N. N. A lógica do cisne negro, p. 160, 2008
Por que compreender a mecânica da previsão orçamentária?
Previsão da Demanda A previsão da demanda é a base para o planejamento estratégico da produção, vendas e finanças de qualquer empresa. Permite que os gestores destes sistemas antevejam o futuro e planejem adequadamente suas ações. As previsões são usadas pelo Planejamento e Controle da Produção (PCP) em dois momentos distintos: para planejar o sistema produtivo e para planejar o uso deste sistema produtivo. (TUBINO, 2009)
Previsão da Demanda A responsabilidade pela preparação da previsão da demanda normalmente é do setor de Marketing ou Vendas. Porém, existem dois bons motivos para que o pessoal do PCP entenda como esta atividade é realizada. A previsão da demanda é a principal informação empregada pelo PCP na elaboração de suas atividades; Em empresas de pequeno e médio porte, não existe ainda uma especialização muito grande das atividades, cabendo ao pessoal do PCP (geralmente o mesmo de Vendas) elaborar estas previsões. Atualmente as empresas estão buscando um relacionamento mais eficiente dentro de sua cadeia produtiva.
Marketing e PCP na previsão da demanda Geralmente a atividade orçamentária iniciase pelos suborçamentos de vendas e investimentos, partindo-se, depois para os demais.
Marketing e PCP na previsão da demanda É claro que nem sempre se principia a atividade orçamentária pelos suborçamentos de vendas e investimentos. É preferível começar pelos pontos que há maiores restrições
Uma indústria, cujos produtos têm uma demanda que excede a capacidade de fabricação, iniciará planejando as quantidades a produzir; só depois determinar quanto vai vender.
Já um produtor de álcool e açúcar, por exemplo, poderá iniciar prevendo a colheita de cana sua região, isto é, iniciará pelo planejamento da compra da matériaprima, para só depois determinar quanto irá produzir e vender
Etapas de um modelo de previsão Objetivo do Modelo Coleta e análise de dados Seleção da técnica de previsão Obtenção das previsões Monitoração do Modelo
Objetivo do Modelo A primeira etapa consiste em definir a razão pela qual necessitamos de previsões. Que produto, ou famílias de produtos, será previsto, com que grau de acuracidade e detalhe a previsão trabalhará, e que recursos estarão disponíveis para esta previsão. A sofisticação e o detalhamento do modelo depende da importância relativa do produto, ou família de produtos, a ser previsto e do horizonte ao qual a previsão se destina. Itens pouco significativos podem ser previstos com maior margem de erro, empregando-se técnicas simples. Assim como admite-se margem de erro maior para previsões de longo prazo, empregando-se dados agregados de famílias de produtos.
Coleta e Análise dos Dados Visa identificar e desenvolver a técnica de previsão que melhor se adapte. Alguns cuidados básicos: Quanto mais dados históricos forem coletados e analisados, mais confiável a técnica de previsão será; Os dados devem buscar a caracterização da demanda pelos produtos da empresa, que não é necessariamente igual as vendas passadas; Variações extraordinárias da demanda devem ser analisadas e substituídas por valores médios, compatíveis com o comportamento normal da demanda; O tamanho do período de consolidação dos dados tem influência direta na escolha da técnica de previsão mais adequada, assim como na análise das variações extraordinárias.
Seleção da Técnica de Previsão Existem técnicas qualitativas e quantitativas. Cada uma tendo o seu campo de ação e sua aplicabilidade. Alguns fatores merecem destaque na escolha da técnica de previsão: Decidir em cima da curva de troca custo-acuracidade ; A disponibilidade de dados históricos; A disponibilidade de recursos computacionais; A experiência passada com a aplicação de determinada técnica; A disponibilidade de tempo para coletar, analisar e preparar os dados e a previsão; O período de planejamento para o qual necessitamos da previsão.
Obtenção da Previsões e Monitoração Com a definição da técnica de previsão e a aplicação dos dados passados para obtenção dos parâmetros necessários, podemos obter as projeções futuras da demanda. Quanto maior for o horizonte pretendido, menor a confiabilidade na demanda prevista. A medida em que as previsões forem sendo alcançadas pela demanda real, deve-se monitorar a extensão do erro entre a demanda real e a prevista, para verificar se a técnica e os parâmetros empregados ainda são válidos. Em situações normais, um ajuste nos parâmetros do modelo, para que reflita as tendências mais recentes, é suficiente.
Processo de Previsão Dados de variáveis que expliquem as vendas Dados de históricos de Vendas Informações que expliquem comportamento atipico Tratamento estatístico dos dados de vendas e outras variáveis Informações da conjuntura econômica Decisões da área comercial Outras informações do mercado Informações de clientes Informações de concorrentes Outras informações do mercado Reunião de Previsão Comprometimento das áreas envolvidas Tratamento das informações disponíveis Previsão de vendas
Técnicas de previsão Existem uma série de técnicas disponíveis, com diferenças substanciais entre elas. Porém, cabe descrever as características gerais que normalmente estão presentes em todas as técnicas de previsão, que são: Supõem-se que as causas que influenciaram a demanda passada continuarão a agir no futuro; As previsões não são perfeitas, pois não somos capazes de prever todas as variações aleatórias que ocorrerão; A acuracidade das previsões diminui com o aumento do período de tempo auscultado; A previsão para grupos de produtos é mais precisa do que para os produtos individualmente, visto que no grupo os erros individuais de previsão se anulam.
Técnicas de previsão As técnicas de previsão podem ser subdivididas em dois grandes grupos: As técnicas qualitativas privilegiam principalmente dados subjetivos, os quais são difíceis de representar numericamente. Estão baseadas na opinião e no julgamento de pessoas chaves, especialistas nos produtos ou nos mercados onde atuam estes produtos; As técnicas quantitativas envolvem a análise numérica dos dados passados, isentando-se de opiniões pessoais ou palpites. Empregam-se modelos matemáticos para projetar a demanda futura. Podem ser subdivididas em dois grandes grupos: as técnicas baseadas em séries temporais, e as técnicas baseadas em correlações.
Qualitativos Método Delphi Estimativas da equação de vendas Opinião de executivos Pesquisa de mercado Baseados em julgamentos
Quantitativos Média Móvel Média Móvel Ponderada Exponencial Móvel Ajustamento Sazonal Regressão Linear
Previsões baseadas em séries temporais
Previsões baseadas em séries temporais Partem do princípio de que a demanda futura será uma projeção dos seus valores passados, não sofrendo influência de outras variáveis. É o método mais simples e usual de previsão, e quando bem elaborado oferece bons resultados. Para se montar o modelo de previsão, é necessário plotar os dados passados e identificar os fatores que estão por trás das características da curva obtida. Uma curva temporal de previsão pode conter tendência, sazonalidade, variações irregulares e variações randônicas.
Previsões baseadas em séries temporais 60 Sazonalidade Tendência 50 Demanda 40 30 20 10 Variação randônica Variação irregular 0 Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
Técnicas para Média
Média Móvel A média móvel usa dados de um número predeterminado de períodos, normalmente os mais recentes, para gerar sua previsão. A cada novo período de previsão se substitui o dado mais antigo pelo mais recente. M m n n D i 1 = = n Mm n = Média móvel de n períodos; D i = Demanda ocorrida no período i; n = Número de períodos; i = índice do período (i = 1,2,3,...) i
Exercício de Auto Avaliação Semana Consumo Real Previsão 1 100 2 110 3 105 4 115 5 110 6 105 7 Qual a previsão para as semanas 5, 6 e 7?
Solução P 5 P 6 = = 100 + 110 + 105 + 115 4 110 + 105 + 115 + 110 4 = 107,5 = 110,0 P 7 = 105 + 115 + 110 + 105 4 = 108,5
Média Móvel Ponderada Aqui se multiplica fatores para fornecer diferentes pesos para diferentes dados % maior para o consumo mais recente
Exercício de Auto Avaliação Semana Consumo Real Previsão 1 100 2 110 3 105 4 115 5 110 6 105 7 Qual a previsão para as semanas 5, 6 e 7? Ponderações: Primeira semana anterior : 0,7 Segunda semana anterior: 0,2 Terceira semana anterior: 0,1
Solução P 5 = 110(0,1) + 105(0,2) + 115(0,7) = 112,50 P 6 = 105(0,1) + 115(0,2) + 110(0,7) = 110,50 P 7 = 115(0,1) + 110(0,2) + 105(0,7) = 107,00
Média Exponencial Móvel O peso de cada observação decresce no tempo em progressão geométrica, ou de forma exponencial. Cada nova previsão é obtida com base na previsão anterior, acrescida do erro cometido na previsão anterior, corrigido por um coeficiente de ponderação (α)
Aplica-se um fator de correção na previsão do período anterior Objetivo: Aproximar o máximo possível da variação da demanda real e a previsão realizada DICIONÁRIO DAS VARIÁVEIS ( ) M = M + α D M t t 1 t 1 t 1 M t = Previsão para o período t; M t-1 = Previsão para o período t-1; α = coeficiente de ponderação; D t-1 = Demanda do período t-1. O coeficiente de ponderação (α) é fixado pelo analista dentro de uma faixa que varia de 0 a 1. Quanto maior o seu valor, mais rapidamente o modelo de previsão reagirá a uma variação real da demanda.
Exercício de Auto Avaliação Semana Consumo Real Previsão 1 100 2 110 3 105 4 115 110 5 110 6 105 7 Coeficiente de amortecimento (α) = 0,3
Solução P 5 = 110+ 0,3 (115-110) = 111,50 P 6 = 111,50 + 0,3 (110 111,50) = 110,05 P 7 = 111,05 + 0,3 (105 111,05) = 109,24
Técnicas para Tendência
Equação Linear Y = a + bx DICIONÁRIO DAS VARIÁVEIS b a = = ( ) ( )( ) 2 2 n( X ) ( X ) n XY X Y ( ) Y b X n Y = Previsão da demanda para o período X; a = Ordenada à origem, ou intercepção no eixo dos Y; b = Coeficiente angular; X = Período (partindo de X=0) para previsão; n = número de períodos observados.
Exercício de Auto Avaliação Semana (X) Demanda (Y) Σ X ΣX² XY 1 450 2 430 3 470 4 480 5 450 6 500 7 520 8 530 Σ
Solução Semana(X) Demanda(Y) X X 2 XY 1 450 1 1 450 2 430 3 5 860 3 470 6 14 1410 4 480 10 30 1920 5 450 15 55 2250 6 500 21 91 3000 7 520 28 140 3640 8 530 36 204 4240 3830 17770 8 b = 17770 36 3830 4280 = = 8 204 36 36 336 3830 12, 73 36 a = = 421, 46 8 12, 73 Y = 421,46 + 12,73 X Y 9 = 421,46 + 12,73 (9) = 536,03 Y 10 = 421,46 + 12,73 (10) = 548,76
Técnicas para Previsão da Sazonalidade
Consiste em estabelecer índices, por meio de médias, para determinação de um índice base para cada período em estudo
Procedimentos 1 Determinar os coeficientes por períodos; 2 Determinar o coeficiente médio; 3 Obter a previsão do período sazonal.
Exercício de Auto Avaliação Trimestre Períodos de Análise 1 2 3 1 300 270 350 2 50 30 70 3 150 160 200 4 200 220 240
Passos na solução Trimestre Períodos de Análise 1 2 3 1 300 270 350 2 50 30 70 3 150 160 200 4 200 220 240 Demanda 700 680 860 Média 175 170 215 1 Determina o quantitativo por período da demanda; 2 Encontra-se a média por período;
Passos na solução - continuação 3 Divide cada período e respectivo trimestre pela média para obter os coeficientes por períodos Trimestre Períodos de Análise Coeficientes 1 2 3 1 2 3 1 300 270 350 1,71 1,59 1,63 2 50 30 70 0,29 0,18 0,33 3 150 160 200 0,86 0,86 0,93 4 200 220 240 1,14 1,29 1,12 Demanda 700 680 860 Média 175 170 215
Passos na solução - continuação 4 Somar os coeficientes obtidos no trimestre e por períodos e encontra uma média, para obter o coeficiente médio; 5 Some o quantitativo da demanda dos períodos; 6 Determine a média da demanda total. Trimestre Períodos de Análise Coeficientes 1 2 3 1 2 3 Coeficiente Médio 1 300 270 350 1,71 1,59 1,63 1,64 2 50 30 70 0,29 0,18 0,33 0,27 3 150 160 200 0,86 0,86 0,93 0,91 4 200 220 240 1,14 1,29 1,12 1,18 Demanda 700 680 860 2.240 Média 175 170 215 746,67
Passos na solução - final 6 Divida a média da demanda total pelo número de trimestres. 7 Multiplique o resultado obtido no passo 6 por cada coeficiente médio e obtém a previsão do período sazonal Trimestre Períodos de Análise Coeficientes 1 2 3 1 2 3 Coeficiente Médio Previsão do Período 4 1 300 270 350 1,71 1,59 1,63 1,64 306 2 50 30 70 0,29 0,18 0,33 0,27 49 3 150 160 200 0,86 0,86 0,93 0,91 170 4 200 220 240 1,14 1,29 1,12 1,18 220 Demanda 700 680 860 2.240 745 Média 175 170 215 746,67 746,67 4 trimestres = 186,67
A sazonalidade é expressa em termos de uma quantidade, ou de uma percentagem, da demanda que desvia-se dos valores médios da série. Caso exista tendência, ela deve ser considerada. O valor aplicado sobre a média, ou a tendência, é conhecido como índice de sazonalidade. A forma mais simples de considerar a sazonalidade nas previsões da demanda, consiste em empregar o último dado da demanda, no período sazonal em questão, e assumi-lo como previsão.
Previsões Baseadas em Correlações
Buscam prever a demanda de determinado produto a partir da previsão de outra variável que esteja relacionada com o produto. O objetivo da regressão linear simples consiste em encontrar uma equação linear de previsão, do tipo Y = a + bx (onde Y é a variável dependente a ser prevista e X a variável independente da previsão), de forma que a soma dos quadrados dos erros de previsão (b) seja a mínima possível. Este método também é conhecido como regressão dos mínimos quadrados.
Y = PREVISÃO DA DEMANDA PARA O ITEM DEPENDENTE b = ( ) ( )( ) 2 2 n( X ) ( X ) n XY X Y Y β Y = a + bx a = ( ) Y b X n β 2 0 X = VALOR DA VARIÁVEL INDEPENDENTE X
Manutenção e Monitorização do Modelo Uma vez decidida a técnica de previsão e implantado o modelo, há necessidade de acompanhar o desempenho das previsões e confirmar a sua validade perante a dinâmica atual dos dados. Esta monitorização é realizada através do cálculo e acompanhamento do erro da previsão, que é a diferença que ocorre entre o valor real da demanda e o valor previsto pelo modelo para um dado período. A manutenção e monitorização de um modelo de previsão confiável busca: Verificar a acuidade dos valores previstos; Identificar, isolar e corrigir variações anormais; Permitir a escolha de técnicas, ou parâmetros, mais eficientes.
Uma forma de acompanhar o desempenho do modelo consiste em verificar o comportamento do erro acumulado que deve tender a zero, pois espera-se que o modelo de previsão gere, aleatoriamente, valores acima e abaixo dos reais, devendo assim se anular. O erro acumulado deve ser comparado com um múltiplo do desvio médio absoluto, conhecido como MAD (Mean Absolute Deviation). Em geral, compara-se o valor do erro acumulado com o valor de 4 MAD. Quando ultrapassar este valor, o problema deve ser identificado e o modelo deve ser revisto. Datual Dprevista MAD = n
Exercício de Auto Avaliação Período Datual α = 0,10 α = 0,50 Dprevista Erro Dprevista Erro 1 90 2 95 3 98 4 90 5 92 6 95 7 90 8 100 9 92 10 95 Σ Erro = Σ Erro = MAD = MAD =
Solução Período Datual α = 0,10 α = 0,50 Dprevista Erro Dprevista Erro 1 90 2 95 90,00 5,00 90,00 5,00 3 98 90,50 7,50 92,50 5,50 4 90 91,25-1,25 95,50-5,25 5 92 91,12 0,88 92,62-0,62 6 95 91,20 3,80 92,31 2,69 7 90 91,58-1,58 93,65-3,65 8 100 91,42 8,58 91,82 8,18 9 92 92,27-0,27 95,91-3,91 10 95 92,25 2,75 93,95 1,05 Σ Erro = 25,41 Σ Erro = 8,99 MAD = 31,61/9 = 3,51 MAD = 35,85/9 = 3,98 Para α = 0,10, temos que: 4 x 3,51 = 14,04 < 25,41 Para α = 0,50, temos que: 4 x 3,98 = 15,92 < 8,99
Uma série de fatores pode afetar o desempenho de um modelo de previsão, sendo que os mais comuns são: A técnica de previsão pode estar sendo usada incorretamente, ou sendo mal interpretada; A técnica de previsão perdeu a validade devido à mudança em uma variável importante, ou devido ao aparecimento de uma nova variável; Variações irregulares na demanda podem ter acontecido em função de greves, formação de estoques temporários, catástrofes naturais, etc. Ações estratégicas da concorrência, afetando a demanda; Variações aleatórias inerentes aos dados da demanda.
Referências FREUND, J. E. Estatística aplicada. 11 ed. Porto Alegre: Bookman, 2006. GONÇALVES, F. Excel avançado 2003/2007: Forecast Análise e previsão de demanda, Rio de Janeiro: Ciência Moderna, 2007. MARTINS, G de A. e DOMINGUES, O. Estatística geral e aplicada. 4 ed. São Paulo: Atlas, 2011. OBERT, R. As previsões na empresa: planos de financiamento, orçamentos e tesouraria. Portugal: Cetop, 1991 PASCUAL, R. C. Prevision tecnológica y de la demanda. Barcelona: Marcombo, 1990. SCHARPE, N. R., DE VEAUX, R. D. e VELLEMAN, P. F. Estatística aplicada a administração, economia e negócios. Porto Alegre: Bookman, 2011. SCHUBERT, P. Orçamento integrado empresarial: metodologia, elaboração controle e acompanhamento. 3 d., Rio de Janeiro: Freitas Bastos, 2005. SELEME, R e SELEME, R.B. Automação da produção: abordagem gerencial. Curitiba: Ibpex, 2008 TUBINO, D. F. Manual de planejamento e controle da produção. 2 ed. São Paulo: Atlas, 2009. WANKE, P e JULIANELLI, L. (Orgs.). Previsão de vendas: processos organizacionais & métodos quantitativos e qualitativos. São Paulo: Atlas, 2006.