AGENDA

1. CONTEXTUALIZAO

2. CATEGORIZAO

PREVISO DE VENDAS

2.1 OS MODELOS QUALITATIVOS 2.2 OS MODELOS QUANTITATIVOS

Lisboa, Setembro de 2007

AGENDA O FUTURO TEM FASCINADO A NOSSA EXISTNCIA, POIS L QUE ESTO OS NOSSOS SONHOS. 1. CONTEXTUALIZAO Adivinhos, feiticeiras (com ou sem bolas de cristal) e cartomantes (tart e outras) utilizam as suas tcnicas de previso para fornecer duvidosas certezas a todos aqueles que se preocupam com o seu incerto futuro Prever o futuro das vendas de um unidade estratgica de negcio (SBU), ou de um produto/marca, matria que os gestores no devem entregar intuio e muito menos aos astros porque a PREVISO DE VENDAS um vector central do processo de planeamento estratgico/operacional, com influncia directa sobre o plano de produo, matrias-primas, recursos humanos e projeces financeiras
4

2. CATEGORIZAO

2.1 OS MODELOS QUALITATIVOS 2.2 OS MODELOS QUANTITATIVOS

HORIZONTES DE PREVISO

Antes de seleccionar o mtodo de previso mais adequado, o gestor de marketing/vendas deve reflectir sobre os factores que podem influenciar a evoluo das vendas.

Existem factores incontrolveis

Curto Prazo de alguns dias a um ano ms, trimestre, semestre, ano. Mdio Prazo de 1 a 3 anos Longo Prazo mais de 3 anos

So todos aqueles sobre os quais a empresa no pode actuar (Ex: contexto concorrencial) Existem tambm factores controlveis So todos aqueles sobre os quais a empresa pode actuar, com particular destaque para o marketing-mix Convm reflectir a partir da anlise SWOT e FCS antes de decidir sobre o mtodo de previso a utilizar

EXISTEM DUAS PTICAS DE PREVISO A atitude do Marketing consiste em adaptar-se ao mercado e em influenci-lo. A estas duas vertentes correspondem 2 pticas diferentes de previso Previso da Evoluo espontnea do mercado Aplica-se a fenmenos sobre os quais a empresa no tem ou no pode esperar ter uma influncia sensvel mas que podem ter consequncias importantes para ela. Ex: fraldas Johnson Previso das reaces (ou respostas) do mercado Como reagir o mercado a uma determinada deciso? Trata-se de prever as respostas provveis a aces de marketing da empresa Ex: quando altero o preo => quota de mercado, n de consumidores, quantidades, ?
7

TEMAS DE PREVISO
PREVISES INCIDINDO SOBRE O MEIO AMBIENTE Ex: evolues demogrficas, econmicas, institucionais, PREVISES INCIDINDO SOBRE O COMPORTAMENTO DOS PBLICOS Ex: concorrentes, distribuidores, consumidores, PREVISES DAS VENDAS Ex: stocks (CENOURA), lanamento de novos produtos

AGENDA

Os mtodos de previso podem ser agrupados segundo duas abordagens 1. ANALTICA 1. CONTEXTUALIZAO Privilegia a consonncia de opinies, com base em mtodos objectivos o processo previsional definido, podendo ser utilizado por diferentes pessoas, as quais formulam as mesmas previses Quando recorre ao domnio quantitativo, aumentando a objectividade da previso, os modelos explicativos prevalecem Se domina o qualitativo, aumenta a subjectividade da previso. Quando se apoia em factores explicativos que lhe conferem uma estrutura fundamentada, estamos em presena do julgamento de peritos. Se lhe falta essa estrutura lgica, a intuio guia a previso (mtodos triviais) Identifica todos os factores explicativos da procura e a previsvel evoluo futura
10

2. CATEGORIZAO

2.1 OS MODELOS QUALITATIVOS 2.2 OS MODELOS QUANTITATIVOS

Os mtodos de previso podem ser agrupados segundo duas abordagens (Cont.)

A categorizao dos mtodos de previso com base na dimenso qualitativo/quantitativo e na dimenso analtico/simples, sugere 4 abordagens 1. JULGAMENTO/OPINIO DE PERITOS 2. MTODOS TRIVIAIS 3. MTODOS DE ALISAMENTO E DE EXTRAPOLAO 4. MODELOS EXPLICATIVOS/CAUSAIS

2. SIMPLISTA inseparvel da pessoa que a produz, uma vez que recorre a mtodos subjectivos A previso o resultado da extrapolao das regularidades observadas no passado, atravs de mtodos simples

11

12

AGENDA

Relativamente ao Julgamento/Opinio de Peritos 1. CONTEXTUALIZAO Deve ser includo nos chamados mtodos qualitativos, embora possa ser includo numa sub-categoria designada por mtodos opinativos Os peritos so sempre pessoas de reconhecida competncia no domnio em que se pretende prever o futuro, e podem pertencer ou no empresa Estes usam uma estrutura analtica, de experincia feita, em que a formulao da previso obedece a um encadeado lgico, com premissas slidas, recorrendo, sempre que for necessrio, analogia com outras realidades que dominam No sendo uma previso cientfica no pode ser confundida com os mtodos triviais ou intuitivos Quando um grupo de peritos pertencente mesma empresa se agrupa para fazer uma previso, estamos perante um jri de opinio executiva
14

2. CATEGORIZAO

2.1 OS MODELOS QUALITATIVOS 2.2 OS MODELOS QUANTITATIVOS

13

Relativamente ao Julgamento de Peritos (Cont.) A previso , no caso anterior, geralmente dada pela mdia aproximada das opinies do jri VANTAGENS
Rapidez, facilidade e baixo custo (i.e. tempo) O jri de opinio executiva permite consensualizao, com base na mdia, da previso obtida Este ltimo factor deve ser tido em conta, particularmente em contextos de rpida mutao

Relativamente ao Julgamento de Peritos (Cont.) Quando a previso feita por peritos maioritariamente no pertencentes empresa, estamos perante o Mtodo Delphi Trata-se de uma verso simplificada do jri de opinio executiva, tendo como principal vantagem o facto de no ser influenciado pela preocupao de no discordar do boss

DESVANTAGENS
Embora com raciocnio estruturado e lgico, tem alguma subjectividade que deriva de opinies pessoais O tempo dos executivos de topo caro Dada a especializao de cada um dos executivos, no raro um assinalvel erro de previso

1. O coordenador da previso por este mtodo questiona todos os membros do painel, que fazem chegar as suas vises, sem que nenhum deles saiba quem as efectuou 2. Faz-se uma aproximao mdia que devolvida aos intervenientes, solicita-se que estes se voltem a expressar, tendo a possibilidade de fazer nova previso 3. O processo de renovao da previso repete-se at que os valores sejam muito idnticos Em situaes de divergncia, o focus group tardio gera o consenso
16

Apesar das desvantagens o jri de opinio executiva um dos mais frequentes mtodos de previso, particularmente em PMEs
15

Relativamente ao Julgamento de Peritos (Cont.) Quando a previso feita por peritos maioritariamente no pertencentes empresa, estamos perante o Mtodo Delphi A ideia a de que o consenso gerado sem presso garante um reduzido erro de previso Esta previso tambm depende da viso subjectiva de cada um dos especialistas intervenientes A principal desvantagem o largo espao de tempo que medeia entre a previso inicial e final, que raramente inferior a 2/3 meses

Relativamente ao Julgamento de Peritos (Cont.) Podemos incluir a previso por somatrio das opinies individuais dos elementos da fora de vendas A previso feita pela fora de vendas , por vezes, ajustada a partir de outras fontes de previso, particularmente supervisores directos, com conhecimento do territrio e do perfil do vendedor Outra forma de ajustamento da previso elaborada pela fora de vendas a atribuio de um prmio pecunirio ou outro em funo da aproximao ao valor real, o que corrige possveis habilidades, optimismos/pessimismos exagerados ou outro tipo de desvios

17

18

AGENDA

As diversas tcnicas estatsticas esto a ser cada vez mais utilizadas em previses A REGRESSO LINEAR, mtodo dos mnimos quadrados, um exemplo de uma tcnica estatstica de extrapolao 1. Quando se pretende fazer previses sobre uma varivel x a partir de outra varivel crtico que entre ambas exista uma relao causa-efeito 2. Verificada a relao causa-efeito entre as duas variveis necessrio analisar o tipo de relao existente entre as mesmas. Para tal, comea por desenhar-se um diagrama de disperso dos dados observados 3. No diagrama de disperso, cada ponto representa um par de valores observados (Xi; Yi)

1. CONTEXTUALIZAO

2. CATEGORIZAO

2.1 OS MODELOS QUALITATIVOS 2.2 OS MODELOS QUANTITATIVOS

19

20

A Regresso Linear Mtodo dos Mnimos Quadrados (Cont.)

A Regresso Linear Mtodo dos Mnimos Quadrados (Cont.)

A equao que representa uma relao do tipo linear entre 2 variveis a seguinte: Y = a + bX + e

Y = a + bX + e Descreve uma recta que, quando ajustada aos dados do diagrama de disperso , designada por recta de regresso ou recta ajustada de todo o interesse utilizar o mtodo que minimize as somas das distncias recta em valor absoluto O MMQ permite o ajustamento de uma linha recta aos dados observados de tal modo que MINIMIZA O SOMATRIO DO QUADRADO DAS DISTNCIAS ENTRE OS VALORES OBSERVADOS E A RECTA AJUSTADA, distncias essas medidas na vertical e correspondendo exactamente s diferenas entre os valores observados de Y e os valores ajustados Ya
22

Y representa a varivel explicada, dependente ou endgena X a varivel explicativa, independente ou exgena e simboliza a parte residual que abraa todos os factores explicativos de Y no includos em X e ainda eventuais erros de medio a e b so constantes, sendo a primeira representativa da intercepo da recta com o eixo vertical, e a segunda espelha o declive da recta
21

A Regresso Linear Mtodo dos Mnimos Quadrados (Cont.) O MMQ elimina o efeito residual (e), sendo a recta de regresso representada por Y = a + bX Os coeficientes so dados por: a = Y bX (intercepo da recta) b= (n XiYi - Xi Yi) / (n Xi2 ( Xi)2) (declive da recta regresso)
O coeficiente negativo ou positivo a o valor de Y quando o efeito da varivel independente X nulo, razo pela qual designada por constante O coeficiente b da recta de regresso d-nos o declive e a configurao da recta e representa a variao esperada de Y por cada unidade de variao de X

A Regresso Linear Mtodo dos Mnimos Quadrados (Cont.)

Anlise do Grau de Associao entre Variveis

Para que se possa medir com rigor a qualidade do ajustamento obtido pelo MMQ torna-se necessrio definir medidas que nos esclaream o grau de associao ou correlao entre as duas variveis consideradas Essas medidas so designadas por

Coeficiente de Correlao Coeficiente de Determinao

24

23

A Regresso Linear Mtodo dos Mnimos Quadrados (Cont.)

Coeficiente de Correlao
1. R uma medida do grau de associao linear entre variveis, assumindo valores entre -1 e +1. O primeiro significa uma relao linear perfeita mas negativa, enquanto que no segundo ela positiva. Valores prximos do zero indicam uma associao linear pobre entre as variveis O coeficiente de correlao linear de Pearson uma medida de bondade do ajustamento de um modelo de regresso linear simples a um conjunto de dados quantitativos observados

EXERCCIO: A Regresso Linear Mtodo dos Mnimos Quadrados (Cont.) EXEMPLO O DIRECTOR DE MARKETING TEM VINDO A ESTUDAR O GRAU DE ASSOCIAO ENTRE AS DESPESAS DE PUBLICIDADE E AS VENDAS REALIZADAS NO MS SEGUINTE, RELATIVAMENTE A DETERMINADA MARCA DA EMPRESA PARA O EFEITO DISPE DOS SEGUINTES DADOS:
10 14 13 15 18 15 20 21 23 25 50 80 60 70 100 60 100 120 80 130

2.

Coeficiente de Determinao
R2 deve ser utilizado como uma medida da qualidade da recta de regresso e do ajustamento feito, particularmente quando o seu objectivo central fazer previses. Neste caso, este no deve ter valores inferiores a 0,75, uma vez que funcionar como medida de confiana depositada na recta de regresso como instrumento de previso
25

Despesas em Publicidade Vendas ms seguinte

26

Coeficientes: Correlao e Determinao

Ajustamentos Sazonais

A Sazonalidade pode influenciar previses Coef. Correlao 0,8407 (84,07%)

Existe uma correlao linear positiva entre as despesas em publicidade efectuadas num ms e as vendas realizadas no ms seguinte Elevando ao quadrado o coeficiente de correlao linear simples obtmse o valor do coeficiente de determinao

As previses de vendas so muitas vezes feitas mensal ou trimestralmente e os factores de sazonalidade so responsveis por muitas alteraes no curto prazo Se no se tiver em conta este factor, a previso pode falhar Quando o histrico de vendas utilizado para obter previses, a validade das mesmas pode melhorar se se introduzirem ajustamentos de forma a eliminar os efeitos sazonais

Coef. Determinao 0,7068 (70,68%)

27

28

Exerccio
Calcular um ndice sazonal a partir de uma srie numrica

Previses Naf

ndice Sazonal 0,73 1,13

Trim. 1 Trim. 2 Trim. 3 Trim. 4

Ano 1 Ano 2 Ano 3 Ano 4 49 57 53 73 77 98 85 100 90 89 93 98 79 62 88 78

Mdia Trim. 58,0 90,0 92,3 76,8 Mdia = 79,25

ndice Sazonal 0,73 1,13 1,16 0,97

1,16 Esta a tcnica mais simples de previso e muitas vezes utilizada como 0,97 forma de comparao com outras tcnicas. Dentro deste mtodo, as empresas utilizam muitas vezes a tendncia de curto prazo para fazer as suas previses Assume que nada ir mudar e que a melhor estimativa para o futuro o nvel actual de vendas

Deve ser feita uma distino entre uma previso naf dita normal e aquela que ajusta factores sazonais

Srie Numrica Dessazonalizada

Vendas Previso

Trim. 1 Trim. 2 Trim. 3 Trim. 4 49 77 90 79 49 77 90

Com ajustamentos sazonais

O erro para o trim. 2 a diferena entre 49 e 77. A frmula : Logo, o erro para o trim. 2 de -36% Porque as vendas efectivas no trim. 2 foram 77, o erro de previso (76-77)/77 = -1,3%

Erro de Previso (%) = (Previso Actual)/Actual

Trim. 1 Trim. 2 Trim. 3 Trim. 4

Ano 1 Ano 2 Ano 3 Ano 4 67 78 73 100 68 87 75 89 78 77 79 84 81 64 91 80

29

Trim. 1 Trim. 2 Trim. 3 Trim. 4 Vendas 67 68 78 81 Previso 76 79 76

67*1,13 68*1,16 78*0,97

Com o ajustamento, o erro de previso diminuiu significativamente

30

Mtodo das Mdias Mveis Erro de Previso

Quando quer comparar a validade da previso com vrios perodos deve ser utilizada a frmula do erro mdio de previso absoluto MAPE (Mean Absolute Percentage Error)

Uma das formas mais fceis de seguir tendncias nas vendas atravs do mtodo das mdias mveis

Ft+1 = (St+St-1++St-n+1)/n
Ft+1 a previso para o prximo perodo St vendas no perodo corrente n nmero de perodos na mdia mvel

MAPE = ( (previso-actual)/actual)/n, em mdulo

n o nmero de previses a ser feitas No exemplo anterior, quando o MAPE utilizado para calcular o erro sem ajustamento de sazonalidade, o resultado de 22,7%

!!!

Este mtodo assume que o futuro ser uma mdia dos valores passados Bom mtodo de previso de muito curto prazo Devem tentar-se vrias ordens de forma a seleccionar aquela que apresentar um menor erro mdio de previso Idealmente, devemos conseguir trabalhar com, pelo menos, 10 perodos Todos os perodos tm um peso igual. Isto significa que a informao que advm dos perodos mais antigos e mais recentes tratada da mesma forma na previso
32

Se calcularmos o MAPE, utilizando o ajustamento sazonal, o erro mdio de apenas 8,6%

31

ndice Sazonal

EXERCCIO: Mtodo das Mdias Mveis (Cont.)

Perodos 3 4
77 68 90 78 78,3 79 81 70,8 68,9

0,73 1,13 1,16 0,97

Mtodo do Alisamento Exponencial

Uma das maiores vantagens deste mtodo o facto de enfatizar informao mais recente e ir descontando informao antiga

1 Vendas Actuais Vendas Ajustadas MM2 ajustada MM3 ajustada

49 67

5
57 78 58 55,2

6
98 87 89,8 89,3

S*t vendas alisadas para o perodo t e previso para perodo t+1 a constante de alisamento St vendas do perodo t S*t-1 vendas alisadas para o perodo t-1 ou previso do perodo t-1

S*t = St + (1- ) S*t-1

Previso com base MM2:

F3 = ((S1 + S2)/2) * I3) F3 = ((67 + 68)/2) * 1,16 F3 = 78,3

A grande questo determinar o . O factor de alisamento pode variar entre 0 e 1. Assim, valores baixos de so convenientes quando as vendas sofrem poucas alteraes, enquanto que valores prximos de 1 aplicam-se quando existe uma forte flutuao das vendas. Se dermos o valor de 1 a naf obtemos os mesmos resultados que com o mtodo atravs da determinao dos diferentes

Previso com base MM3 F4 = ((S1 + S2 + S3)/3) * I4) F4 = ((67 + 68 + 78)/3) * 0,97) F4 = 68,9
33

A melhor forma de seleccionar o MAPE

34

ndice Sazonal

EXERCCIO: Mtodo de Alisamento Exponencial (Cont.)

igual a 0,2
1 Vendas Actuais Vendas Ajustadas Vendas alisadas* Previso de Vendas
49 67

0,73 1,13 1,16 0,97

Exerccio
A seguinte srie numrica corresponde s vendas de uma empresa comercial, por trimestre e nos ltimos 4 anos

2
77 68 67,2

Perodos 3 4
90 78 69,4 77,9 79 81 71,7 67,3

5
57 78 73 52,3

6
98 87 75,8 82,5

2001 2002 2003 2004

S*t = St + (1- ) S*t-1 Ft+1 = S*t * It+1 S*2 = 0,2 * (68) + 0,8 (67) = 67,2 F3 = 67,2 * 1,16 = 77,9 S*3 = 0,2 * (78) + 0,8 (67,2) = 69,4 F4 = 69,4 * 0,97 = 67,3

S*4 = 0,2 * (81) + 0,8 (69,4) = 71,7 F5 = 71,7 * 0,73 = 52,3 S*5 = 0,2 * (78) + 0,8 (71,7) = 73 F6 = 73 * 1,13 = 82,5 MAPE = ((77,9-90)/90 + (67,3-79)/79 + (52,3-57)/57 + (82,5-98)/98)/4 = 13,1%

Utilizando diferentes mtodos de previso de vendas, pretendese o clculo das vendas dos seguintes perodos: a) b) c) d) 1Trimestre de 2005 4Trimestre de 2005 3Trimestre de 2006 Ano de 2006
36

1 35 2 65 3 75 4 185

30 70 78 172

33 72 73 188

32 71 83 199

35