Apesar de ser muito difícil controlar e medir todas as variáveis determinantes do volume de vendas é possível hoje em dia, realizar boas previsões com uso de técnicos adequadas
Antes de falar em métodos de previsão de vendas vamos analisar alguns parâmetros relacionados que usualmente são confundidos: demanda, meta e previsão. A demanda de mercado é o volume total que pode ser adquirido por consumidores em uma área geográfica em um período de tempo. Pode ser estimada com uso de variáveis como:
> Tamanho da população
> Poder aquisitivo
> Interesse em comprar
A demanda da empresa é usualmente expressa em porcentagem da demanda de mercado relativa à participação da empresa no mercado. A meta é o valor estipulado, imposto pela alta direção como objetivo a ser alcançado, muitas vezes relacionado com o orçamento, que pode ser bem diferente da previsão de vendas que é o valor estimado com base em dados históricos e sistema de informações como previsto para ser efetuado no(s) próximo(s) período(s).
Alguns estudos podem ajudar de forma significativa na estimativa da demanda, potencial de mercado e na redução do erro de previsão. Tais estudos utilizam informações provenientes de:
> Censo
> Relatórios de dados setoriais
> Pesquisas de mercado
> Registros de vendas da empresa
> Potencial demográfico da região de atuação
> Poder aquisitivo dos possíveis compradores
> Concentração comercial
> Índices econômicos
No varejo, por exemplo, há a tendência de achar que a compra convencional é racional, refletida, seguindo um padrão, controlada e portanto, previsível. Por sua vez a compra por impulso é emocional, urgente, sem padrão, fora de controle, sendo assim, imprevisível do ponto de vista numérico. Não é essa a situação encontrada na grande maioria dos casos quando se utilizam métodos quantitativos. Os estudos de métodos quantitativos que envolvem estudos de correlação, sazonalidade e tendências podem auxiliar muito na minimização do erro da estimativa. Os métodos quantitativos de previsão mais utilizados são:
> Média Móvel Simples
> Média Móvel Ponderada
> Correlação e Regressão
> Regressão Múltipla
> Séries Temporais: Modelos Aditivo e Multiplicativo
> AutoCorrelação e Correlação Cruzada
> Modelos Auto-Regressivos (ARIMA)
> Simulação
Média Móvel Simples
É um dos métodos mais utilizados. A média dos últimos n períodos (meses, semanas, trimestres) é utilizada como estimativa do próximo. Por exemplo, a previsão para abril é a média de janeiro, fevereiro e março.
-> Previsão de maio = (Fev + Mar + Abr)/3
Média Móvel Simples
É outra alternativa de previsão. A média ponderada dos últimos n períodos é utilizada como estimativa do próximo atribuindo-se pesos diferentes para cada período. Nesse método, períodos mais próximos recebem maior peso.
-> Previsão de maio = (1 x Fev + 2 x Mar + 3 x Abr)/6
A média móvel pode ser ponderada utilizando pesos similares para períodos com mesmas características. Por exemplo, para a previsão de vendas de produtos relacionados ao clima, meses anteriores com igual característica (frio/calor) recebem peso maior. As diversas marcas e produtos têm aceitação diferente nas várias regiões? Qual perfil de cliente compra mais qual produto? As previsões de vendas podem ser globais (nacionais) ou devem ser parciais por produto, região ou tipo de cliente? Essas questões podem ser respondidas por estudos de afinidade ou correlação.
A correlação entre variáveis é outro método para realizar a previsão. É necessária a prévia verificação da relação de causa e efeito entre as variáveis estudadas. Não adianta tentar prever vendas de um produto a partir de índices econômicos de outro setor se os setores ou produtos não forem complementares ou substitutos. Uma vez constatada a correlação pode-se obter uma função, uma fórmula que estima as vendas a partir da outra variável correlacionada que pode ser um índice econômico, vendas de outro produto ou serviço, ou simplesmente o mês do ano. Esse método, chamado de regressão pode ser utilizado com diversas variáveis de entrada tornando-se uma regressão múltipla.
O impacto nos volumes de vendas e conseqüentemente nas previsões de alterações no comportamento do cliente devem ser levados em conta:
Programa de fidelização
> Promoções
> Compras por Internet
> Código de defesa do consumidor
> Poder aquisitivo
Essas situações, bem como as influências de datas comemorativas, eventos e sazonalidade dos históricos de vendas podem ser avaliados através de métodos de séries temporais. O modelo aditivo verifica na sazonalidade (por ex.: igual mês de anos anteriores) e acrescenta ou retira uma quantidade à tendência. O modelo multiplicativo faz o mesmo trabalhando com porcentagens de crescimento ou queda de vendas.
A melhor forma de avaliar qual o modelo de previsão de vendas mais adequado a cada caso é a de avaliar o erro na previsão se utilizássemos tal método nos meses anteriores e comparar as previsões com as vendas efetivadas. Para aplicar esses métodos, as planilhas de cálculo possuem algumas funções. No caso dos modelos mais complexos são softwares estatísticos (ex.: SPSS, Minitab) ou softwares específicos para previsões (por ex.: ForecastPro) alguns já disponíveis no Brasil.
Victor Svoll é professor universitário e pesquisador associado ao PROVAR-FIA – instituição conveniada à FEA-USP. Contato: (11) 3091-6045 ou pelo e-mail: vsvoll@aol.com
