O que é forecast de vendas — e como o fazer sem data scientist

Duas falhas com a mesma raiz: o produto estrela que esgotou na segunda semana e a palete de outra coisa ainda no armazém em março. Ambas são problemas de forecast, e ambas ficam adiadas porque prever soa a coisa que exige um analista de dados — um lugar que a maioria das lojas nunca vai abrir.

Não é preciso para levar quase todo o valor. É preciso histórico suficiente para ver um padrão, um método que perceba mesmo, e uma regra para saber quando repor. É isso que este artigo mostra, por esta ordem: primeiro o que a palavra quer dizer, depois a conta, e só no fim a ferramenta.

O que é forecast — e o que não é

Comecemos pelo forecast significado, que é o que mais se procura. O que é forecast: uma estimativa de quantas unidades vai vender num período futuro, para comprar a quantidade certa no momento certo. É toda a definição — forecasting o que é, na prática, não passa disto. Não é adivinhar o futuro: é uma estimativa com uma margem de erro, e a margem de erro é a parte útil.

• Responde a uma pergunta de compra, não de analítica: quantas unidades, para quando, de que variante.
• Está sempre errado numa certa medida. Um forecast sem intervalo de confiança é um palpite de fato e gravata.
• Quando se fala de o que é previsões aplicadas a uma loja, fala-se de uma linha de encomenda, não do comportamento de um comprador em concreto.
• O seu valor está inteiro na decisão que muda. Se ia encomendar o mesmo de qualquer forma, não precisava dele.

O que é forecast de vendas na prática: a conta

A maioria dos artigos sobre previsão de vendas alinha uma dúzia de métodos ordenados por sofisticação — e é assim que um lojista acaba por não aplicar nenhum. Há três que consegue executar com uma folha de cálculo e o seu histórico de encomendas, por esforço crescente.

• Média móvel: as últimas 4 a 8 semanas, com média. Serve para produtos de venda estável. Defeito: chega sempre atrasada a uma mudança.
• Média móvel ponderada: igual, mas as semanas recentes pesam mais. Uma linha de trabalho a mais e reage mais depressa.
• Sazonal ingénua: o que vendeu na mesma semana do ano passado, ajustado pelo seu crescimento. Para tudo o que depende do tempo ou de datas, ganha às outras duas e não tem matemática.

Concretamente, para um produto: pegue nas unidades semanais das últimas oito semanas, dê peso duplo às duas últimas, e tem a semana seguinte. Multiplique pelas semanas de prazo do fornecedor, some um colchão de uma a duas semanas para o que não repõe depressa, e compare com o stock atual. Esse número — não o forecast — é aquilo sobre que se age. Faça-o para os seus dez produtos principais e cobriu a maior parte do dinheiro.

Começar à mão ensina-lhe o seu próprio erro. Ao fim de um mês saberá que produtos são previsíveis e quais não são, e é esse conhecimento que torna qualquer ferramenta útil depois, em vez de apenas impressionante.

O único resultado que importa: antecipar a rutura de stock

Os forecasts leem-se uma vez; os alertas são acionados. O objetivo prático de um forecast de vendas é antecipar a rutura com margem para a reposição chegar a tempo: o aviso tem de disparar quando «stock atual ÷ venda semanal prevista < prazo de entrega», não no dia em que a prateleira fica vazia.

Duas coisas tornam esse aviso fiável: conhecer o prazo de cada fornecedor em vez de um valor global, e calar-se nos produtos onde ficar sem stock não lhe custa nada.

O que a IA acrescenta — e o que não acrescenta

O forecast com IA vende-se como um salto e percebe-se melhor como poupança de esforço. Um modelo pesa ao mesmo tempo sazonalidade, tendência e promoções em todo o catálogo, sem ninguém manter uma folha por produto. Isso vale dinheiro, e é uma afirmação diferente de «mais preciso»: num produto estável com dois anos de histórico limpo, uma média ponderada é difícil de bater.

• Onde ganha claramente: muitos produtos ao mesmo tempo, sazonalidades sobrepostas e históricos longos.
• Onde não ganha: um produto novo sem histórico. Nenhum método inventa dados; num lançamento está a estimar por comparação, e devem dizer-lho.
• Onde engana: qualquer previsão apresentada como um número único. Peça o intervalo e leia um intervalo largo como informação.

Quando compensa um software

Passar da folha de cálculo para software não é uma questão de precisão, mas de quantas decisões toma por semana e de se alguém se lembra de as tomar. Quatro sinais:

• Tem mais de ~50 referências com rotação real e a folha só é atualizada para as dez primeiras.
• Os prazos são longos ao ponto de repor tarde significar semanas de venda perdida, não dias.
• Já teve duas ruturas do mesmo produto. Uma é azar; duas é um processo em falta.
• Ninguém é dono da decisão de compra, por isso ela acontece quando alguém repara — sempre mais tarde do que devia.

Se nenhum destes se aplica, fique com a folha de cálculo. É esta a linha em que assenta o agente Previsão de procura da AllHub: prevê com o histórico de vendas que a sua loja já tem, mostra o intervalo de confiança em vez de um número seguro de si, e diz-lhe quando repor antes de a prateleira estar vazia.

Em resumo

Fazer forecast não é um projeto de ciência de dados para o qual não está qualificado. É um hábito semanal com três entradas: o que vendeu, quanto demora o fornecedor e quanto lhe custa uma rutura. Faça-o à mão durante um mês nos seus dez produtos principais e saberá exatamente o que quer automatizar.

Não precisa de um data scientist para deixar de ficar sem o seu produto estrela. Precisa de saber o ponto de reposição e de ser avisado antes de o cruzar — é tudo o que o agente Previsão de procura faz por si.