Demanda
Previsão de demanda: métodos, MAPE, viés e consenso
Previsão de demanda é a estimativa de quanto os clientes vão comprar de cada produto ou família em cada período futuro. Ela combina o histórico de vendas, tratado por um método estatístico, com a informação do comercial sobre o que o histórico não mostra: lançamentos, promoções, clientes novos e clientes perdidos. Toda decisão de compra, produção e estoque começa nela.
Este artigo é para quem precisa fazer ou melhorar a previsão da fábrica. Você vai ver os métodos mais usados (média móvel, suavização exponencial e sazonalidade), como medir o erro com MAPE e viés, como conduzir o consenso com o comercial e exemplos numéricos de cada cálculo.
O que é previsão de demanda, em uma resposta curta?
Previsão de demanda é um número para o futuro, acompanhado de uma medida de quanto ele costuma errar. A previsão sempre vai errar; o objetivo é errar pouco, sem tendência para cima ou para baixo, e saber o tamanho do erro para dimensionar estoques e capacidade. Uma previsão sem medição de erro é só uma opinião.
Por que a previsão de demanda importa para o PCP?
A previsão alimenta o S&OP, que define volumes por família, e o plano mestre, que define produto por semana. Dela saem as compras de itens com lead time longo, a contratação de turnos e o nível de estoque de produto acabado.
Quando a previsão é alta demais de forma sistemática, sobra estoque e capital parado. Quando é baixa demais, falta produto e a fábrica vive de urgência. O erro também define o tamanho do colchão: quanto maior a variação do erro, maior o estoque de segurança necessário para o mesmo nível de atendimento.
Quais são os principais métodos de previsão de demanda?
Para a maioria das indústrias, três métodos simples resolvem boa parte dos itens. Métodos mais sofisticados existem, mas só valem a pena quando os simples já estão medidos e funcionando.
| Método | Como funciona | Quando usar | Limitação |
|---|---|---|---|
| Média móvel | Média dos últimos N períodos | Demanda estável, sem tendência nem sazonalidade | Reage devagar a mudanças; atrasa em tendência |
| Suavização exponencial | Previsão anterior corrigida por uma fração do erro | Demanda estável com pequenas oscilações | A versão simples também não capta tendência |
| Índice sazonal | Base multiplicada por um fator de cada mês | Padrão que se repete todo ano | Exige alguns anos de histórico confiável |
Média móvel: exemplo de cálculo
A média móvel de 3 meses prevê o próximo mês como a média dos três últimos. Considere este histórico de vendas de um produto:
| Mês | Venda real | Cálculo da média móvel (3 meses) | Previsão |
|---|---|---|---|
| Janeiro | 420 | ||
| Fevereiro | 380 | ||
| Março | 450 | ||
| Abril | 410 | (420 + 380 + 450) ÷ 3 = 1.250 ÷ 3 | 417 |
| Maio | 470 | (380 + 450 + 410) ÷ 3 = 1.240 ÷ 3 | 413 |
| Junho | 440 | (450 + 410 + 470) ÷ 3 = 1.330 ÷ 3 | 443 |
| Julho | (410 + 470 + 440) ÷ 3 = 1.320 ÷ 3 | 440 |
As previsões foram arredondadas para unidades inteiras (416,67 vira 417, 413,33 vira 413, 443,33 vira 443). A previsão para julho é 440.
Quanto maior o N, mais estável e mais lenta a média. Uma média de 12 meses quase não reage a uma mudança real; uma de 2 meses reage a qualquer ruído.
Suavização exponencial: como funciona
A suavização exponencial simples corrige a previsão anterior por uma fração do erro:
Nova previsão = previsão anterior + α × (venda real − previsão anterior)
O α (alfa) fica entre 0 e 1. Alfa alto reage rápido; alfa baixo suaviza mais. Usando α = 0,3 e partindo da previsão de abril (417):
- Maio: 417 + 0,3 × (410 − 417) = 417 + 0,3 × (−7) = 417 − 2,1 = 414,9
- Junho: 414,9 + 0,3 × (470 − 414,9) = 414,9 + 0,3 × 55,1 = 414,9 + 16,53 = 431,43
- Julho: 431,43 + 0,3 × (440 − 431,43) = 431,43 + 0,3 × 8,57 = 431,43 + 2,57 = 434,0
A vantagem prática é que o método precisa guardar só a última previsão e a última venda, e dá mais peso ao passado recente sem descartar o resto.
Sazonalidade: índice sazonal
Quando um mês vende sistematicamente mais ou menos que a média, calcula-se um índice: média de vendas daquele mês dividida pela média mensal geral. Se, em três anos de histórico, dezembro teve média de 600 unidades e a média mensal geral foi 400, o índice de dezembro é 600 ÷ 400 = 1,5.
A previsão é feita sobre a demanda sem o efeito sazonal e depois multiplicada pelo índice. Com uma base de 420 unidades por mês, a previsão de dezembro fica 420 × 1,5 = 630. Se janeiro tem índice 0,8, a previsão de janeiro fica 420 × 0,8 = 336.
Como medir o erro da previsão de demanda?
Duas medidas resolvem quase tudo: uma para o tamanho do erro e outra para a direção.
MAPE: o tamanho do erro
O MAPE (Mean Absolute Percentage Error, erro percentual absoluto médio) é a média dos erros em percentual, sem sinal. Usando a média móvel do exemplo:
| Mês | Real | Previsão | Erro absoluto | Erro % (erro ÷ real) |
|---|---|---|---|---|
| Abril | 410 | 417 | 7 | 7 ÷ 410 = 1,71% |
| Maio | 470 | 413 | 57 | 57 ÷ 470 = 12,13% |
| Junho | 440 | 443 | 3 | 3 ÷ 440 = 0,68% |
| MAPE | (1,71 + 12,13 + 0,68) ÷ 3 = 4,84% |
Um MAPE de 4,84% significa que, em média, a previsão errou cerca de 5% para mais ou para menos. Três meses é pouco para concluir algo; na rotina, acompanhe o MAPE com uma janela de vários meses.
Cuidado com itens de volume baixo. Se um item vendeu 2 e a previsão era 4, o erro é de 100% e distorce a média de toda a carteira. Por isso muitas empresas usam o WMAPE, que pondera pelo volume: soma dos erros absolutos dividida pela soma das vendas reais.
Viés: a direção do erro
O viés mostra se a previsão erra sempre para o mesmo lado. Ele é calculado com sinal: soma de (previsão − real) dividida pela soma das vendas reais. Considere a previsão do comercial para um produto:
| Mês | Previsão comercial | Real | Previsão − real |
|---|---|---|---|
| Mês 1 | 500 | 450 | +50 |
| Mês 2 | 520 | 470 | +50 |
| Mês 3 | 510 | 440 | +70 |
| Soma | 1.530 | 1.360 | +170 |
Viés = 170 ÷ 1.360 = 12,5%. A previsão ficou acima da venda real nos três meses, em média 12,5%. O MAPE desse caso também seria alto, mas o recado do viés é outro: não é ruído, é tendência de superestimar. Erro aleatório se compensa com estoque de segurança; viés se corrige na origem, conversando com quem faz o número.
Como fazer o consenso com o comercial?
O método estatístico enxerga o passado. O comercial enxerga o que vai mudar. O consenso junta os dois sem deixar que um apague o outro:
- Parta da previsão estatística, calculada pelo planejamento, por família e por item.
- Peça ao comercial apenas os ajustes com motivo: um cliente novo, uma promoção, a perda de um contrato, um aumento de preço. Cada ajuste é registrado com a premissa.
- Separe previsão de meta. A meta é o que se quer vender; a previsão é o que se espera vender. Se as duas forem iguais por regra, o viés aparece em poucos meses.
- Meça os dois números. Compare o erro da previsão estatística com o da previsão ajustada. Se o ajuste piora o resultado de forma recorrente, a discussão passa a ser sobre o processo, e não sobre o número do mês.
- Feche o número no prazo do ciclo para que suprimento tenha tempo de verificar capacidade e materiais.
Na prática
O erro mais comum: usar a meta de vendas como previsão e nunca medir o erro. O número chega ao PCP já “aprovado”, o plano é feito em cima dele, e a sobra vira estoque que ninguém assume. Como ninguém acompanha o viés, o mesmo erro se repete no orçamento seguinte. O outro lado também acontece: o PCP desconfia da previsão, corta por conta própria e passa a faltar produto quando o comercial acertava.
A regra para segunda-feira: pegue os 20 itens de maior volume, ou os itens A da curva ABC, e monte uma planilha com previsão e venda real dos últimos seis meses. Calcule o MAPE e o viés de cada um. Os itens com viés alto, sempre para o mesmo lado, vão para a próxima reunião de demanda com a pergunta: qual premissa está fazendo esse número errar sempre na mesma direção?
Perguntas frequentes
Qual o melhor método de previsão de demanda?
Não existe um melhor para todos os itens. O método adequado depende do padrão de cada um: estável, com tendência, sazonal ou intermitente. A forma correta de escolher é testar métodos no histórico e comparar o erro de cada um. Na maioria das fábricas, a disciplina de medir o erro e corrigir o viés traz mais resultado do que trocar de método.
Qual é um MAPE aceitável?
Não há um número universal. O MAPE depende do nível de agregação (família erra menos que item), do horizonte (o mês que vem erra menos que daqui a seis meses) e do tipo de produto. O melhor referencial é o histórico da própria empresa: acompanhe o MAPE mês a mês e trabalhe para reduzi-lo, priorizando os itens de maior impacto.
Previsão de demanda é responsabilidade do comercial ou do PCP?
Das duas áreas, com papéis diferentes. Em muitas empresas, o planejamento cuida da base estatística, da medição de erro e da organização do processo, e o comercial é responsável pelas premissas de mercado e pelos ajustes. O número de consenso precisa ter um dono claro, para que alguém responda pelo erro e pela correção.
Conclusão
Uma boa previsão de demanda une um método simples, aplicado com consistência, à informação do comercial, e é medida todo mês pelo MAPE e pelo viés. Melhorar a previsão começa por medir o erro, e não por trocar de método.
Continue aprendendo: O que é S&OP, Como calcular o estoque de segurança e Plano mestre de produção.
PCP Brasil, conteúdo educativo. Exemplos numéricos são ilustrativos e devem ser adaptados às condições e regras de cada operação.
Gilles Silva
Executivo e consultor em PCP, Supply Chain e S&OP, com mais de 15 anos estruturando planejamento em indústrias. Fundador do PCP Brasil e NortePlan.
Descubra onde o seu planejamento está hoje