gestão de estoque e compra

Prévia do material em texto

GESTÃO DE 
ESTOQUE E COMPRA
Gisele Lozada
Gestão da demanda 
e previsão
Objetivos de aprendizagem
Ao final deste texto, você deve apresentar os seguintes aprendizados:
 � Identificar as estratégias que envolvem demanda dependente e 
independente.
 � Reconhecer as previsões estratégicas e de análises temporais.
 � Analisar as previsões a partir de regressões, médias e suavizações.
Introdução
“Como estarão as vendas da empresa daqui a 10 anos?” A resposta a essa 
pergunta tão comum entre as empresas e seus gestores é de grande 
relevância para uma série de decisões estratégicas a serem tomadas. 
No entanto, chegar a ela não é uma tarefa fácil, dada a natural comple-
xidade do ambiente empresarial, no qual os gestores se veem cons-
tantemente diante de decisões a serem tomadas que podem tanto ser 
influenciadas pela demanda quanto causar impacto sobre ela. Nesse 
contexto, surgem então novos questionamentos, igualmente relevantes, 
tais como: “De onde vem a demanda pelos produtos ou serviços da 
empresa?”.
Com essas e outras dúvidas somadas a todas as preocupações, forma-
-se um contexto em que as empresas necessitam realizar atividades como 
gestão da demanda e previsão. A primeira delas objetiva coordenar e 
controlar todas as fontes de demanda de uma empresa, e a segunda, por 
sua vez, colabora para isso oferecendo importantes informações sobre a 
demanda a fim de que a empresa possa tanto se preparar para atendê-la 
quanto ter conhecimento necessário para poder influenciá-la a seu favor, 
desempenhando, assim, a efetiva gestão da demanda.
A elaboração de previsões pode ser conduzida mediante a aplicação 
de métodos de diversas naturezas, organizados em categorias e subca-
tegorias de técnicas que atendem a diferentes propósitos, requerendo 
diferentes tipos de dados e informações — e, por isso, sendo aplicáveis, 
cada uma delas, a distintos contextos. Além disso, a combinação dessas 
técnicas pode ser a alternativa mais efetiva para um bom processo de 
previsão, de modo que ele seja adequado às questões a que se pretende 
responder (ou pelo menos conhecer melhor) por meio da elaboração das 
previsões, bem como das decisões a serem tomadas com base nelas. Por 
isso, é importante conhecer algumas questões relevantes do ambiente 
empresarial, como os tipos de demanda e as alternativas de métodos 
disponíveis para a elaboração de previsões.
Neste capítulo, serão apresentadas as estratégias que envolvem de-
manda dependente e independente, que são dois tipos importantes 
de demanda. Além disso, você vai poder estudar sobre alguns tipos de 
previsão e métodos aplicáveis a eles, tais como as previsões estratégicas, 
que possuem natureza mais subjetiva, requerendo a aplicação de méto-
dos qualitativos de previsão; e as previsões táticas, que possuem natureza 
mais objetiva, requerendo métodos quantitativos, entre os quais estão 
as análises temporais, subgrupo de métodos que inclui técnicas que 
permitem elaborar previsões a partir de regressões, médias e suavizações.
1 Estratégias que envolvem demanda 
dependente e independente
As atividades de gestão da demanda tem o propósito de coordenar e controlar 
todas as fontes de demanda de uma empresa e, até mesmo, de uma cadeia 
de suprimentos, visando a garantir que as operações sejam executadas de 
maneira eficaz e que o produto/serviço atenda adequadamente às necessidades 
e expectativas do cliente final (o que inclui fazer que o produto/serviço esteja 
disponível no momento certo). Frente a esses objetivos da gestão da demanda, 
surge o seguinte questionamento: de onde vem a demanda pelos produtos ou 
serviços de uma empresa? Para responder a essa questão, convém partir da 
consideração de que há duas fontes básicas de demanda: a demanda dependente 
e a demanda independente (JACOBS; CHASE, 2012). 
Demanda dependente consiste na demanda por um produto ou serviço 
que é decorrente da demanda por outros produtos ou serviços. Por exemplo, 
se uma empresa vende mil triciclos, então serão necessárias mil rodas dianteiras 
e 2 mil rodas traseiras. Ou seja, a demanda dependente funciona como um 
tipo de demanda interna, que não precisa ser prevista, mas, sim, tabulada. 
Já a informação sobre quantos triciclos a empresa espera vender em um deter-
Gestão da demanda e previsão2
minado período corresponde à demanda independente, pois essa demanda 
não é consequência direta da demanda por outros produtos. 
Se a demanda é gerada a partir de muitos clientes cuja maioria faz compras 
individuais de apenas uma fração do volume total distribuído pela empresa, 
há um caso de demanda independente. Por outro lado, se a demanda depende 
da programação de produção de outros produtos e/ou serviços, trata-se de uma 
demanda dependente. Por exemplo, o número de pneus encomendados de um 
fornecedor é um múltiplo do número de carros que um fabricante colocará em 
produção. Essa diferença exige meios específicos de previsão das necessidades. 
A demanda independente é aleatória, isto é, as causas da variação na demanda 
são incertas e têm origem em muitos fatores. Nesse caso, a previsão pode ser 
elaborada por meio de técnicas de previsão estatística — o que normalmente 
gera bons resultados. Aliás, a maior parte dos modelos de previsão de curto 
prazo é focada em condições de demanda independente e aleatória. Já a de-
manda dependente é altamente influenciada pela demanda independente e, 
por isso, não é aleatória, sendo que o entendimento dessas influências permite 
apurar a demanda dependente. Com isso, a previsão de necessidades relativas 
à demanda dependente resulta em projeções perfeitas, uma vez que se baseia 
na demanda do produto final, conhecida antecipadamente e com exatidão. 
Esse, aliás, é um bom exemplo de como a previsão pode ser aperfeiçoada por 
meio da identificação de influências sistemáticas, regularidades e padrões que 
ocorrem na demanda com o passar do tempo (BALLOU, 2006).
Sendo assim, no que tange à elaboração de previsões, a empresa não tem 
muito o que fazer em relação à demanda dependente. Ela deve ser atendida, 
mas será um reflexo da demanda independente, podendo até mesmo representar 
aquisições em vez de produção. Já com relação à demanda independente, essa, 
sim, pode e deve ser prevista. Além de ser prevista, a empresa pode executar 
diversas medidas ou estratégias em relação à demanda independente, tais 
como adotar uma postura (JACOBS; CHASE, 2012):
 � ativa e buscar influenciar a demanda;
 � passiva e simplesmente responder à demanda. 
Na primeira hipótese, a empresa pode focar em sua força de vendas, atuando 
em frentes como oferecimento de incentivos aos clientes e ao seu próprio 
pessoal, promoção de campanhas para venda de produtos ou, até mesmo, 
buscar a redução de custos para, com isso, poder oferecer preços mais atrativos. 
Todas essas são ações com potencial para promover o aumento da demanda. 
3Gestão da demanda e previsão
Já a segunda hipótese pode ser motivada por diversos fatores, que podem 
levar uma empresa a não desejar interferir sobre a demanda, decidindo simples-
mente aceitar os acontecimentos. Entre esses motivos, é possível citar situações 
como as seguintes: a empresa está operando em sua capacidade máxima e, 
por isso, não deseja impulsionar a demanda; a empresa está incapacitada de 
alterar a demanda em razão das despesas de propaganda; a demanda pode 
estar fora de alcance do controle da empresa (como no caso de um comprador 
único); entre tantas outras. Além disso, podem existir ainda outros motivos 
competitivos, jurídicos, ambientais, éticos e morais que fazem que a demanda 
seja aceita passivamente.
Você pode saber mais sobre demanda dependente e independente na obra 
Administração de operações e da cadeia de suprimentos (2012), de F. Robert Jacobs e 
Richard B. Chase. Nela, há capítulos específicos voltados para cada um desses ti-
pos de demanda — o capítulo 17 aborda a demanda dependente, e o capítulo 18, 
a demanda independente.
Seja como for, no que diz respeito à elaboraçãode previsões, o foco principal 
de interesse precisa estar ajustado para a previsão de itens independentes. 
Afinal, os itens de demanda independente são aqueles que podem e devem 
ser previstos, e a aplicação das técnicas de previsão de demanda se destina 
ao estudo e à projeção da demanda de tais itens. Realizando a previsão da 
demanda, a empresa pode ter conhecimento prévio do comportamento futuro 
da demanda e, assim, tomar decisões com relação à gestão dessa demanda.
A elaboração de previsões pode ser conduzida por meio da aplicação de 
métodos de natureza tanto qualitativa (que utiliza decisão gerencial) quanto 
quantitativa (que utiliza modelos matemáticos). Em outras palavras, os métodos 
qualitativos são subjetivos ou arbitrários, sendo baseados em estimativas e 
opiniões. Já os métodos quantitativos são mais objetivos, sendo baseados em 
dados (JACOBS; CHASE, 2012). 
A combinação dessas técnicas pode ser a alternativa mais efetiva para um 
bom processo de previsão, de modo que ele seja adequado às questões a que se 
pretende responder (ou pelo menos conhecer melhor) por meio da elaboração 
das previsões, bem como das decisões a serem tomadas com base nelas.
Gestão da demanda e previsão4
Além dessas duas categorias básicas (qualitativa e quantitativa), as técnicas 
de previsão são organizadas em outras subcategorias. Isso ocorre especialmente 
no caso dos métodos quantitativos, que são organizados em subdivisões, 
como métodos voltados para análises de séries temporais e modelos focados 
em relações causais. Os métodos voltados para análise de séries temporais 
partem da premissa de que os dados relacionados à demanda passada podem 
ser utilizados para prever a demanda futura. Isso porque consideram a ideia de 
que os dados passados podem incluir diversos componentes, como tendência, 
sazonalidade e ciclos. Já os modelos focados em relações causais supõem que 
a demanda esteja relacionada a um ou mais fatores integrantes do ambiente, 
sendo essa a categoria de métodos mais indicada para situações em que se 
deseja estudar a relação entre demanda dependente e independente.
Embora os diferentes métodos de previsão de demanda existentes possam, 
em princípio, ser utilizados em quaisquer circunstâncias, para que possa iden-
tificar qual método é mais apropriado, a empresa precisa considerar alguns 
fatores, tais como (MOREIRA, 2012; JACOBS; CHASE, 2012):
 � horizonte de tempo a ser previsto; 
 � disponibilidade de dados; 
 � exatidão necessária;
 � volume do orçamento para a previsão; 
 � disponibilidade de pessoal qualificado.
No que diz respeito à disponibilidade de dados, tempo e recursos, alguns 
métodos, especialmente os que são mais sofisticados e que envolvem modelos 
matemáticos, exigem dados numéricos com certa abundância e profissionais 
com conhecimento suficiente para trabalhar com os modelos, além de outros 
recursos, como computadores e software. Já com relação ao horizonte de 
previsão, alguns métodos se mostram mais apropriados para previsões de 
longo prazo, o que compreende vários anos no futuro, enquanto outros são 
geralmente aplicados para a realização de previsões para períodos mais curtos, 
como meses, semanas ou mesmo dias. Além disso, ao selecionar um modelo 
de previsão, é preciso ter em mente que existem outros fatores relevantes a 
serem considerados, como o grau de exatidão necessário à previsão e o nível 
de flexibilidade da empresa (se ela consegue reagir rapidamente a mudanças, 
a previsão pode ser menos exata). O fato é que o método precisa ser adequa-
damente escolhido para que possa gerar resultados com o máximo de acurácia 
possível, tendo em vista que previsões malfeitas podem implicar consequências 
significativamente prejudiciais para a empresa, já que as decisões tomadas 
5Gestão da demanda e previsão
com base nelas podem envolver altos investimentos de capital (JACOBS; 
CHASE, 2012).
Contudo, além dos diferentes tipos de demanda, as previsões podem estar 
voltadas para o atendimento a diversos e distintos propósitos, e, com isso, 
determinadas categorias de métodos podem ser mais indicadas para certas 
situações, como você verá a seguir.
2 Previsões estratégicas e de análises temporais
É bastante comum que as organizações e os seus gestores se questionem 
como estarão as vendas da empresa passados dez anos. A resposta a essa 
pergunta é de grande relevância para uma série de decisões estratégicas a 
serem tomadas pela empresa — porém, responder a ela não é algo simples, 
dada a natural complexidade do ambiente empresarial, em que muitas variáveis 
são capazes de promover impacto sobre as vendas. E, nesse cenário, muitas 
das decisões empresariais a serem tomadas são difíceis, pois podem tanto ser 
influenciadas pela demanda quanto causar impacto sobre ela. Por exemplo, 
a escolha do local onde será instalada uma empresa pode, por um lado, ser 
impactada por questões relativas à demanda e, por outro, promover impacto 
sobre a demanda por seus produtos e serviços. E decisões como essas podem 
envolver fatores tanto qualitativos quanto quantitativos (WANKE et al., 2011; 
MOREIRA, 2012).
Sendo assim, o processo de tomada de decisões no ambiente empresarial 
dificilmente envolve apenas fatores quantitativos (que tendem a ser mais facil-
mente mensurados e tratados), pois aspectos qualitativos muitas vezes não apenas 
estão presentes, mas também são indispensáveis para uma análise criteriosa. 
E isso é fundamental, especialmente quando se trata de decisões estratégicas, 
cujo alcance costuma envolver grandes intervalos de tempo. Frente a esse hori-
zonte, a empresa geralmente possui pouca ou nenhuma informação prévia sobre 
importantes aspectos, como a demanda, sendo preciso estimar e projetar seu 
comportamento. E é nesse contexto que surge a necessidade da realização de 
previsões e gestão da demanda, visando a reduzir a incerteza natural do cenário.
Contudo, é praticamente impossível fazer uma previsão perfeita, pois 
existem fatores no ambiente de negócios que não podem ser previstos com 
suficiente grau de certeza. Por isso, é importante que a empresa saiba conviver 
com previsões inexatas e estabeleça a prática de revisão contínua das previsões, 
buscando aprimorar sua elaboração ou, até mesmo, tentando gerir (influenciar) 
a demanda de forma a reduzir a sua incerteza (JACOBS; CHASE, 2012).
Gestão da demanda e previsão6
Previsões estratégicas
A elaboração de previsões é uma atividade fundamental para toda organização 
e toda decisão importante da administração, sendo elas, aliás, o alicerce do 
planejamento corporativo de longo prazo. Entre os vários fatores que a em-
presa necessita prever, existe um que ocupa posição de destaque: a demanda. 
Afinal, ela é o ponto de partida de todos os demais aspectos que integram 
o contexto organizacional e que são objeto de previsão, como a necessidade 
de matéria-prima e mão de obra, a capacidade produtiva, os estoques, etc. 
Além disso, prever a demanda é necessário para que a empresa possa gerir 
a demanda relativa aos produtos e/ou serviços que ela oferece, tornando-se 
capaz de influenciar a demanda e, assim, reduzir a incerteza a que está exposta 
(WANKE et al., 2011; MOREIRA, 2012; JACOBS; CHASE, 2012).
Porém, a elaboração das previsões é conduzida por meio de diferentes 
abordagens, cuja definição é baseada no objetivo da previsão. Algumas pre-
visões têm o intuito de servir para análises genéricas de demandas, como a 
projeção de qual deve ser a demanda para um grupo de produtos durante o 
ano subsequente. Já outras previsões objetivam auxiliar no estabelecimento 
da estratégia de como tal demanda será atendida, em um sentido global. Tais 
previsões são denominadas previsões estratégicas (JACOBS; CHASE, 2012).
Previsões estratégicas são destinadas à tomada de decisões relacionadas a 
questões como estratégia global, capacidade, projeto dos processos de produ-
ção, projeto dos processos de serviços, suprimento, projeto de localização e 
distribuição e planejamento de vendas e operações.Essas questões envolvem 
decisões normalmente de longo prazo, que se referem à maneira como a 
demanda será atendida, estrategicamente falando.
Porém, as previsões também são necessárias para decisões de médio e curto 
prazo, a partir das quais a empresa planeja, organiza e conduz sua operação 
diária, ou seja, seu modo de operação nos processos realizados diariamente. 
Nesse contexto estão questões como a definição de quando o estoque de um item 
deve ser reabastecido ou quanto de um item deve ser programado para produção 
durante a semana subsequente. Essas são denominadas previsões táticas, cujo 
propósito é estimar a demanda em um período de tempo relativamente curto, 
em poucas semanas ou poucos meses. Tais previsões são importantes para 
garantir que, no curto prazo, a empresa seja capaz de atender às expectativas 
de seus clientes em relação a quesitos como tempo de atendimento, além de 
outros critérios relacionados à disponibilidade de seus bens e serviços.
7Gestão da demanda e previsão
Previsões estratégicas são destinadas à tomada de decisões de longo prazo, relacionadas 
à estratégia global de como a demanda será atendida. Já previsões táticas são voltadas 
para decisões de médio e curto prazo, que dizem respeito às operações e aos processos 
por meio dos quais a estratégia global é posta em prática.
Seja qual for o tipo de previsão (se estratégica ou tática, por exemplo), elas 
serão construídas com base em modelos e técnicas, que correspondem aos 
métodos de previsão. Esses consistem basicamente em um processo metodo-
lógico utilizado para a determinação de dados futuros apurados a partir de 
modelos estatísticos, matemáticos ou econométricos, ou, ainda, em modelos 
subjetivos apoiados em uma metodologia de trabalho clara e previamente 
definida. Tais métodos permitem transformar dados históricos ou outros 
parâmetros diversos em estimativas futuras a respeito de um determinado 
fenômeno, como a demanda, por exemplo (WANKE et al., 2011; MARTINS; 
LAUGENI, 2000).
Assim como os objetivos aos quais se destinam os diferentes tipos de 
previsão são distintos, também há diferenças em relação aos métodos que 
podem ser utilizados para a elaboração das previsões. Os métodos são clas-
sificados em função de uma série de aspectos, sendo que as duas principais 
categorias de métodos de previsão são os métodos qualitativos e os métodos 
quantitativos. Dentre os principais aspectos que diferenciam essas categorias, 
é importante destacar os seguintes.
 � Métodos qualitativos: são essencialmente subjetivos, correspondendo 
a técnicas baseadas na experiência daquele que faz a previsão. Com 
o objetivo de estruturar o raciocínio com vistas a apoiar a tomada de 
decisão, o desenvolvimento desse tipo de técnica ocorre mediante meca-
nismos como pesquisas de opinião, painéis e reuniões de especialistas, 
tendo o recurso humano como processador de informação.
 � Métodos quantitativos: são essencialmente objetivos, consistindo em 
técnicas que se baseiam em dados passados para prever o comportamento 
futuro. O desenvolvimento desse tipo de técnica é realizado por meio de 
cálculos matemáticos ou estatísticos, com vistas a permitir a realização 
de análises mais objetivas que os métodos qualitativos.
Gestão da demanda e previsão8
Métodos qualitativos são técnicas de previsão essencialmente subjetivas, enquanto 
os métodos quantitativos são técnicas mais objetivas. 
Mudanças esperadas na economia global afetarão as previsões? Existem 
mudanças no comportamento dos nossos clientes que não estão sendo captadas 
por nossas abordagens e que impactarão a demanda? Essas são perguntas a 
que se deseja responder com a elaboração de previsões de demanda, e, para 
consegui-lo, pode ser preciso utilizar diferentes métodos de previsão (JACOBS; 
CHASE, 2012).
Quando um problema se apresenta pouco estruturado, com muitas infor-
mações não quantificáveis ou ainda indefinidas (como é o caso do estágio 
que antecede o estabelecimento de uma estratégia), a análise quantitativa não 
se mostra viável, sendo necessário tomar decisões com base na experiência, 
no poder de avaliação e no julgamento do decisor — ou, pelo menos, a tomada 
de decisões deve ser iniciada com base nessas capacidades, para que depois 
seja possível a realização de um estudo quantitativo. Depois que o problema 
já estiver suficientemente estruturado (como é o caso do estágio posterior ao 
estabelecimento de uma estratégia), dispondo de dados conhecidos e quanti-
ficáveis, aí sim se tornará possível a realização de uma análise quantitativa. 
Ou seja, ao se pensar em decisões (e previsões) estratégicas e táticas, é provável 
que, antes da implementação da solução apurada (quantitativa), seja necessário 
levar em conta alguns fatores subjetivos (qualitativos) (MOREIRA, 2012).
Frente ao exposto até aqui, é possível traçar um paralelo entre os dois tipos 
de previsão apresentados e as duas categorias de métodos de previsão, o que 
leva à consideração de que previsões estratégicas possuem natureza mais 
subjetiva, e, por isso, sua elaboração tende a requerer a aplicação de métodos 
qualitativos. Já as previsões táticas possuem natureza mais objetiva, estando 
sua elaboração mais voltada para a aplicação de métodos quantitativos, entre 
os quais figuram, como importantes representantes, as chamadas análises 
temporais.
9Gestão da demanda e previsão
Análises temporais
Análises temporais são baseadas no exame de dados históricos sobre o fenô-
meno que se deseja avaliar, como no caso da análise de dados sobre vendas 
passadas para que se possam elaborar previsões relativas à demanda futura de 
um certo produto ou serviço. Tais análises são realizadas mediante a aplicação 
de técnicas baseadas em séries temporais, que lançam mão de dados históri-
cos de um fenômeno (como vendas/demanda) para determinar padrões que 
possivelmente se repetirão no futuro. Em outras palavras, as séries temporais 
têm como foco o conhecimento de valores passados da variável que se deseja 
prever, tendo a expectativa de que o padrão observado nos valores passados 
forneça informação adequada para a previsão de valores futuros (WANKE 
et al., 2011; MOREIRA, 2012).
O termo série temporal diz respeito a um conjunto de valores relativos a um fe-
nômeno (como a demanda, por exemplo), tomados em instantes específicos de 
tempo, organizados cronologicamente e com o mesmo espaçamento (como meses, 
trimestres ou outros).
Ainda, as séries temporais apresentam subdivisões, sendo as mais popu-
lares entre elas alguns modelos baseados em médias, suas variações (como 
suavizações) e procedimentos auxiliares (como a regressão). Tais alternativas 
serão apresentadas com maior detalhamento a seguir.
Gestão da demanda e previsão10
3 Previsões a partir de regressões, médias 
e suavizações
Antes de mais nada, é importante apontar que diferentes autores apresentam 
a classificação dos métodos de previsão de variados modos. Uma das classi-
ficações mais comumente utilizadas organiza os métodos da seguinte forma 
(WANKE et al., 2011; MOREIRA, 2012).
Há duas categorias básicas:
 � métodos qualitativos — subjetivos, baseados em opiniões e julgamentos;
 � métodos qualitativos — objetivos, baseados em dados e variáveis.
Dentro dos métodos quantitativos, há as seguintes duas subcategorias.
 � Séries temporais: grupo de métodos focados na análise de dados históri-
cos, entendendo que o comportamento passado da demanda se repetirá 
no futuro. Entre as técnicas mais conhecidas desse grupo, estão os 
modelos baseados em médias móveis (que podem ser simples ou com 
ponderações e suavizações, como o amortecimento ou ajustamento 
exponencial) e também a decomposição clássica.
 � Modelos causais: grupo de métodos focados na análise da relação entre 
variáveis, entendendo que a demanda é influenciada por outros diversos 
fatores. Entre as técnicas mais conhecidas desse grupo, estão os modelos 
de regressão linear (que pode ser simples ou múltipla). 
Cabe ainda comentar que, embora sejaapontada como uma técnica in-
tegrante do grupo dos modelos causais (já que ela analisa a relação entre 
variáveis), a regressão linear pode ser necessária também durante a condução 
de métodos baseados em séries temporais, como ocorre, por exemplo, no caso 
do modelo de decomposição clássica (uma técnica de séries temporais), que 
utiliza uma regressão linear em parte dos seus cálculos (em que as variáveis 
são a demanda e o tempo). Devido a isso, eventualmente a regressão pode ser 
listada como uma técnica integrante do grupo dos métodos de séries temporais 
(JACOBS; CHASE, 2012). Veja o Quadro 2.
11Gestão da demanda e previsão
Fonte: Adaptado de Jacobs e Chase (2012).
Método de 
previsão
Quantidade de 
dados históricos
Padrão dos 
dados
Horizonte 
de previsão
Regressão linear 10 a 20 
observações; 
para pelo menos 
cinco observações 
por período
Dados 
estacionários, 
de sazonalidade 
e tendência
Curto a médio
Média móvel 
simples
6 a 12 meses; em 
geral, são usados 
dados semanais
Os dados devem 
ser estacionários 
(por exemplo, 
sem tendência 
ou sazonalidade)
Curto
Média móvel 
ponderada 
e suavização 
exponencial 
simples
5 a 10 observações 
necessárias 
para começar
Os dados devem 
ser estacionários
Curto
Suavização 
exponencial 
com tendência
5 a 10 observações 
necessárias 
para começar
Dados 
estacionários e 
com tendência
Curto
Quadro 1. Técnicas de previsão para análise de séries temporais
Outras distinções que às vezes ocorrem derivam do fato de que alguns 
autores podem entender um determinado método como sendo especialmente 
relevante e útil e, com base nisso, apresentá-lo como uma classe de métodos. 
Isso ocorre, por exemplo, com o método da simulação, que por vezes é indicado 
como integrante dos métodos qualitativos (WANKE et al., 2011; MOREIRA, 
2012), mas que também pode ser apresentado como uma categoria específica 
de classificação dos métodos. Assim, enquanto alguns autores indicam que 
os métodos de previsão são classificados em duas categorias básicas e suas 
subcategorias (como apresentado ao início da seção), outros podem indicar 
que os métodos de previsão (e consequentemente as próprias previsões) são 
classificados em quatro tipos básicos: técnicas qualitativas, análise de séries 
temporais, relações causais e simulações (JACOBS; CHASE, 2012).
Gestão da demanda e previsão12
 � Técnicas qualitativas: são subjetivas ou arbitrárias, baseando-se em 
estimativas e opiniões. 
 � Análise de séries temporais: fundamentadas na ideia de que os dados 
relacionados à demanda passada podem ser utilizados para prever a 
demanda futura, considerando que os dados passados podem incluir 
diversos componentes, como influências de tendência, sazonais ou 
cíclicas (que serão apresentados em detalhes a seguir). 
 � Relações causais: apresentadas com base na técnica de regressão li-
near, supõem que a demanda esteja relacionada a um ou mais fatores 
integrantes do ambiente. 
 � Simulações: são modelos que permitem que o realizador da previsão 
considere uma série de premissas acerca da condição da previsão. 
As técnicas qualitativas e a análise de séries temporais são as técnicas mais utilizadas, 
especialmente no contexto do planejamento e controle da cadeia de suprimentos, 
ambiente no qual as empresas atuam de forma integrada para o atendimento da 
demanda.
Como mencionado anteriormente, quando foram citadas as técnicas de 
análise de séries temporais, considera-se que a demanda de bens ou serviços 
é formada por componentes — e, por isso, é oportuno saber um pouco mais 
sobre eles. Com relação a esses componentes, entende-se que, na maioria dos 
casos, a demanda pode ser desmembrada em seis componentes: demanda média 
do período, tendência, elemento sazonal, elementos cíclicos, variação aleatória 
e autocorrelação. A Figura 1 apresenta o caso de uma demanda ao longo de 
um período de quatro anos, ilustrando a presença dos componentes média, 
tendência, elementos sazonais e variação aleatória (os pontos) acompanhando 
a curva ajustada de demanda (traço diagonal). 
13Gestão da demanda e previsão
Figura 1. Demanda histórica de um produto consistindo em uma tendência de crescimento 
e demanda sazonal.
Fonte: Jacobs e Chase (2012, p. 456).
Sazonal
Tendência
Média
1 2 3 4
Ano
Número de
unidades
demandadas
Os componentes da demanda revelam também os seus comportamentos, tais como 
os seguintes: a tendência consiste em um comportamento sistemático de crescimento 
ou redução da demanda; a sazonalidade corresponde a um comportamento que se 
repete em intervalos constantes; ciclos são intervalos de tempo nos quais a demanda 
apresenta comportamento totalmente distinto.
As linhas de tendências costumam ser o ponto de partida do desenvol-
vimento de uma previsão, sendo ajustadas aos efeitos sazonais, elementos 
cíclicos e a qualquer outro evento esperado que possa influenciar a previsão 
final. Os fatores cíclicos costumam ser mais difíceis de determinar porque o 
período pode ser desconhecido ou a causa do ciclo pode não ser considerada, 
sendo que a influência cíclica na demanda pode se originar de fatos como 
eleições políticas, guerras, condições econômicas ou pressões sociológicas. 
A variação aleatória é a porção inexplicada da demanda, aquela que resta 
quando são dela subtraídas todas as suas causas conhecidas (tendência, sa-
zonalidade, ciclo e autocorrelação). Por não ser possível identificar a causa 
dessa demanda remanescente, supõe-se que ela seja puramente aleatória, 
provocada por eventos ocorridos ao acaso. A autocorrelação indica a per-
sistência da ocorrência, sendo o valor esperado altamente correlacionado 
Gestão da demanda e previsão14
aos seus próprios valores passados. Assim, quando a demanda é aleatória, 
pode variar muito de um período para outro, mas, quando há autocorrelação 
elevada, não existe expectativa de que a demanda varie muito nesse período 
(JACOBS; CHASE, 2012).
Previsões a partir de regressões
Tendo como foco a relação funcional existente entre duas ou mais variáveis 
correlacionadas, a previsão a partir de regressões é uma técnica utilizada para 
prever uma variável a partir de outra, sendo a relação entre elas geralmente 
desenvolvida com base em dados observados. Tais dados devem ser primei-
ramente colocados em um gráfico, para ver se assumem uma forma linear ou 
se, pelo menos, parte deles é linear, já que a regressão linear, como o próprio 
nome já indica, se trata de uma categoria especial de regressão em que a relação 
entre as variáveis forma uma linha reta. Ou seja, a regressão linear parte da 
premissa de que os dados passados e as projeções futuras ocorrem ao longo 
de uma linha reta (JACOBS; CHASE, 2012).
Esse método pode ser empregado para a previsão tanto de séries temporais 
quanto de relações causais: quando a variável dependente (geralmente o eixo 
vertical de um gráfico) muda como consequência do tempo (representado 
pelo eixo horizontal), trata-se de uma análise de séries temporais; quando a 
variável dependente muda em virtude da alteração em outra variável (como 
a demanda por sorvete em relação ao aumento da temperatura), trata-se de 
uma relação causal.
Sendo assim, a análise de regressão linear consiste em utilizar pares de 
valores da variável dependente e da(s) variável(is) independente(s) ou causal(is), 
com o objetivo de compreender se existe alguma relação entre elas, investigar a 
força e a natureza dessa relação, para, então, criar uma ferramenta de previsão 
(WANKE et al., 2011; MOREIRA, 2012).
A regressão se apresenta em variações como a regressão linear simples e a 
regressão linear múltipla. A primeira é aplicável aos casos em que a demanda 
está ligada a apenas uma variável causal. Já a segunda se aplica aos casos em 
que há duas ou mais variáveis causais ligadas à demanda.
Previsões a partir de médias 
Quando a demanda de um produto não aumenta nem diminui rapidamente e 
não apresenta características sazonais, uma média móvel pode ser útil para 
eliminar as flutuaçõesaleatórias da previsão. Embora as médias móveis sejam 
15Gestão da demanda e previsão
geralmente centralizadas, é mais adequado utilizar dados passados para prever 
de maneira direta o período subsequente (JACOBS; CHASE, 2012).
É importante selecionar o melhor período para a média móvel, tendo em 
mente que, quanto mais longo for o período considerado na média móvel, mais 
elementos aleatórios serão suavizados. Porém, se houver uma tendência nos 
dados (elevação ou diminuição), a média móvel apresentará a característica 
desfavorável de defasar a tendência. Desse modo, embora gere mais oscilação, 
um intervalo de tempo mais curto possibilita um acompanhamento mais 
próximo da tendência. Já um intervalo de tempo mais longo apresenta uma 
resposta mais suavizada, mas atrasa a tendência.
O temo “móvel” se deve ao fato de que, com o passar do tempo, o valor do 
período mais recente é incluído no cálculo da média para calcular a previsão 
do período seguinte. Para o cálculo da média móvel, pode-se utilizar todo 
o intervalo de dados históricos disponível ou selecionar frações dele para a 
apuração da média.
A média móvel se apresenta em algumas variações, como média móvel 
simples, média móvel ponderada e média móvel com suavização exponencial. 
Enquanto a média móvel simples concede pesos iguais a cada componente da 
série de dados que está sendo utilizada, a média móvel ponderada permite a 
atribuição de pesos para cada elemento (desde que a soma de todos os pesos 
seja igual a 1) — atribuição essa que pode ser realizada com base na experiência 
ou por tentativa e erro. Como regra, o passado mais recente é entendido como 
o indicador mais importante do que se deve esperar no futuro e, portanto, 
deve receber um peso mais alto. Contudo, se os dados apresentam elementos 
como sazonalidade, os pesos devem ser atribuídos de forma a considerar esse 
comportamento.
Em comparação com a média móvel simples, a média móvel ponderada 
apresenta uma vantagem indiscutível no que se refere à capacidade de modificar 
os efeitos de dados passados. Entretanto, a técnica é mais inconveniente e 
onerosa que o uso do método de suavização exponencial, que será apresentado 
a seguir.
Previsões a partir de suavizações
A principal desvantagem dos métodos de previsão apresentados anteriormente 
(média móvel simples e média móvel ponderada) é a necessidade de manter 
continuamente uma grande quantidade de dados históricos. Como todo dado 
Gestão da demanda e previsão16
novo é adicionado, descarta-se a observação mais antiga e calcula-se a nova 
previsão. Em muitas aplicações, as ocorrências mais recentes indicam melhor 
o futuro do que as de um passado mais distante. Se ao caso em estudo for 
válida essa premissa de que a importância dos dados é reduzida à medida que 
o passado se torna mais distante, então a suavização exponencial poderá ser o 
método mais apropriado para se utilizar (JACOBS; CHASE, 2012).
Nesse método, a previsão é calculada considerando-se a previsão do úl-
timo período e um coeficiente α que multiplica o consumo real e a previsão 
no período. A intenção central do método é atribuir um maior peso para os 
valores históricos mais recentes, entendendo que esses são mais importantes 
na determinação da previsão (MARTINS; LAUGENI, 2000).
O coeficiente α pode ser interpretado como um fator de ponderação que 
determina a relevância dos valores mais recentes para cálculo da previsão, 
sendo que 0 < α < 1. Quanto mais perto de 1 for o α, mais sensível ao último 
valor será a previsão. O coeficiente pode ser definido para cada contexto por 
meio de técnicas específicas, como as que o relacionam com o erro médio 
ocorrido nas previsões dos períodos passados, buscando determinar o α que 
minimiza o erro médio de previsão. Contudo, geralmente costumam ser 
adotados valores entre 0,1 e 0,3 para α.
Para elaborar previsões utilizando-se o método de suavização exponencial, 
são necessários apenas três dados: a previsão do período mais recente, a de-
manda real que ocorreu nesse período de previsão e a constante de suavização 
(α). Essa constante determina o nível de suavização e a velocidade da reação 
em relação às diferenças entre previsões e eventos reais. Assim, a aplicação 
do método gera uma nova previsão, que é igual à antiga, mas acrescentada 
de uma parcela de erro e apurada pela diferença entre a previsão anterior e o 
que realmente aconteceu (JACOBS; CHASE, 2012).
A técnica de suavização exponencial é uma das mais utilizadas entre todas 
as técnicas de previsão existentes, sendo parte integrante de praticamente todos 
os programas de previsão informatizados, o que se deve a características como:
 � ela gera previsões surpreendentemente acuradas;
 � sua formulação é relativamente fácil;
 � o usuário consegue entender como o modelo funciona;
 � ela não requer muitos cálculos para ser usada;
 � ela requer um uso minimizado de dados históricos;
 � a verificação de seu desempenho é facilmente calculada.
17Gestão da demanda e previsão
Você pode saber mais sobre os métodos de previsão anteriormente apresentados e 
suas variações na obra Administração de operações e da cadeia de suprimentos (2012), de 
F. Robert Jacobs e Richard B. Chase. Entre as suas páginas 458 e 470, você encontrará de-
talhes sobre a aplicação dos métodos a partir da demonstração por meio de exemplos.
BALLOU, R. H. Gerenciamento da cadeia de suprimentos/logística empresarial. 5. ed. Porto 
Alegre: Bookman, 2006.
JACOBS, F. R.; CHASE, R. B. Administração de operações e da cadeia de suprimentos. 
13. ed. Porto Alegre: AMGH, 2012.
MARTINS, P. G.; LAUGENI, F. P. Administração da produção. São Paulo: Saraiva, 2000.
MOREIRA, D. A. Administração da produção e operações. 2. ed. São Paulo: Cengage 
Learning, 2012.
WANKE, P. et al. Previsão de vendas: processos organizacionais e métodos quantitativos 
e qualitativos. 2. ed. São Paulo: Atlas, 2011.
Gestão da demanda e previsão18