Guia passo a passo para prever suas vendas (com Minitab)

Como prever suas vendas?

Nós humanos somos obcecados para prever nosso futuro, tanto que frequentemente nos preocupamos muito com nosso futuro que acabamos por não aproveitar o presente. Essa é exatamente a razão para videntes, adivinhos e pessoas que dizem saber o futuro em geral, serem sempre sendo procurados.

Com estatísticas podemos deixar a suposição de lado e termos informações concretas sobre o futuro. Claro, com muito raciocínio lógico e matemática. Chamamos isto de previsão estatística. Em nossa vida profissional talvez não estejamos interessados em saber nosso futuro pessoal como o nome da pessoa que iremos casar, mas saber quanto iremos lucrar, quanto será a venda em nosso comércio etc. Seria algo bem interessante, não?

[embed]https://youtu.be/vw4g8FhvpK4[/embed]

Vamos ver como podemos prever algo usando o Minitab.

Basicamente existem dois métodos de previsão que podemos utilizar, os métodos qualitativos e os métodos quantitativos.

• Qualitativos: Nos métodos qualitativos utilizamos bastante da habilidade do pesquisador ou do profissional que acompanha o sistema, nele temos pesquisa de mercado, simulação de cenários e método Delfi.

• Quantitativos: Nos métodos quantitativos utilizamos muito modelo matemático, nele temos duas ramificações: Projeção e Correlação.
  • Correlação: Temos Regressão Simples, Regressão Múltipla e Métodos Econométricos.
  • Projeção: Temos médias móveis, Suavização Exponencial, Projeção de tendências, Decomposição e Box Jenkins.

Vamos estudar a suavização exponencial. Temos em geral três métodos, o método exponencial de suavização simples, dupla e tripla.

Mas antes, atente a algumas observações:

1. Ao fim do material temos uma breve explicação de alguns conceitos estatísticos utilizados no texto.
2. Fazemos normalmente previsões para um período curto (um, dois, três períodos), quando queremos prever para tempos muito longos a exatidão é menor.

Vamos lá!?

Passo 1: coletar dados

Vamos utilizar como exemplo a produção de leite por litros em vários dias, mas você pode fazer com a planilha que tiver, com os dados que precisa prever! Com a Worksheet do nosso exemplo, temos:

Passo 2: verificar o tipo de suavização exponencial

Após termos os dados coletados, como acima, devemos ver qual tipo de suavização iremos utilizar, no Minitab prossiga conforme:

• Gráfico -> Gráfico de series temporais -> Simples. E selecione a coluna Litros (ou a que tiver dos dados).

Gerando o gráfico:

Nesse gráfico podemos observar sazonalidade e não possui tendência, seja crescente ou decrescente. Utilizamos os métodos de suavização com o seguinte critério:

• Para suaviazação exponencial simples utilizamos quando temos apenas sazonalidade.
• Quando temos tendência crescente ou decrescente utilizamos o método de suavização exponencial dupla.
• Caso temos dados sazonais e com tendência utilizamos o método de suavização tripla.

Passo 3: aplicar a suavização exponencial

Agora que sabemos qual método utilizar, prosseguimos para a previsão da seguinte forma

•  Estat -> Séries Temporais -> Suavização de Exp Simples.

Selecione os dados de interesse (Litros), como peso clique para usar 0,2, número de previsões 3.

Em opções, troque o K para 10.

Geramos assim o gráfico da suavização dos litros

Nesse gráfico você pode notar nossa alpha sendo igual a dois e, logo abaixo a medida de precisão, três delas, EPAM (Erro percentual absoluto médio), DAM (Desvio absoluto médio) e o DPM (Desvio médio quadrático), quanto menores elas forem mais exatas são nossas previsões.

Voltando a janela Session do Minitab, temos os dados de previsão, os quais aparecem em uma tabela

Previsões

Vemos na tabela as previsões para o 21º, 22º e 23º dia.

Caso na hora de utilizarmos o alpha = 0,2 na janela da exp simples, utilizarmos automaticamente o ARIMA, isto é:

Geraríamos outras medições de precisão e as previsões dariam por:

Previsões

Para os outros casos de suavização, a aplicação é a mesma, porém em “Séries Temporais” na aba “Estat”, utilizamos outro método que não Exp Simples.

Para o caso de suavização Exponencial Dupla teremos um gráfico com tendência e sem sazonalidade, parecido com:

E para o caso de suavização exponencial tripla, teremos tendência e sazonalidade, como o gráfico:

Dicionário estatístico

• Séries temporais: Em estatística, econometria, matemática aplicada e processamento de sinais, uma série temporal é uma coleção de observações feitas sequencialmente ao longo do tempo.
• Tendência: Existe uma tendência quando há um aumento ou diminuição de longo prazo nos dados. Não precisa ser linear. Às vezes, nos referiremos a uma tendência de "mudança de direção" quando ele pode passar de uma tendência crescente para uma tendência decrescente.
• Sazonalidade: Uma série temporal é sazonal (periódica) quando os fenômenos se repetem a cada período idêntico de tempo – por exemplo, fenômenos que ocorrem diariamente em uma certa hora, todos os dias, ou em um certo mês em todos os anos.

• Suavização Exponencial: A suavização exponencial de dados da série temporal atribui pesos exponencialmente decrescentes para observações mais recentes a mais antigas. Em outras palavras, quanto mais velhos os dados, menos prioridade ("peso") aos dados são fornecidos; Dados mais recentes são vistos como mais relevantes e é atribuído mais peso. Parâmetros de suavização (constantes de suavização) - geralmente indicados por α - determinam os pesos para observações.
  • O alisamento exponencial simples (único)usa uma média móvel ponderada com pesos exponencialmente decrescentes
  • A suavização exponencial dupla corrigida pela tendência da Holté geralmente mais confiável para lidar com dados que mostram tendências, em comparação com o procedimento único.
  • O alisamento exponencial triplo(também chamado de Holt-Winters Multiplicativo) geralmente é mais confiável para tendências ou dados parabólicos que mostram tendências e sazonalidade.

Quer se aprofundar ainda mais nesse assunto? Inscreva-se no Curso de Certificação Green Belt da FM2S 

Ou faça parte da Assinatura FM2S clicando no banner abaixo: