Previsão de procura: quando a folha de cálculo deixa de chegar

Em quase todas as empresas de distribuição, indústria ou retalho existe uma folha de cálculo de previsão. Foi construída por alguém competente, ao longo de anos, e funciona razoavelmente bem. Até ao dia em que a procura muda de padrão e ninguém percebe porquê a tempo. A pergunta é se há hoje métodos claramente melhores, e a investigação tem uma resposta.

A competição M5

As competições M, organizadas desde 1982 por Spyros Makridakis, são a referência mundial em métodos de previsão. A quinta edição, em 2020, usou dados reais do Walmart: 42.840 séries de vendas organizadas em hierarquia, do total até cada produto em cada loja, com previsões pedidas para 30.490 combinações de produto e loja. Participaram 5.507 equipas de 101 países (Makridakis, Spiliotis e Assimakopoulos, 2022).

O resultado marcou uma viragem. Foi a primeira competição M em que todos os métodos do topo foram de aprendizagem automática pura e claramente melhores do que todos os métodos estatísticos de referência.

O método vencedor foi 22,4% mais preciso do que o melhor método estatístico de referência. Os cinco primeiros superaram todos a marca dos 20%.

O que os vencedores fizeram de diferente

Três ingredientes repetem-se nos métodos do topo:

1. Aprender com muitas séries ao mesmo tempo. Em vez de um modelo por produto, um modelo treinado com todos os produtos e lojas. Os autores chamam-lhe cross-learning, e praticamente todos os 50 melhores métodos o usaram.
2. Informação externa. Preços, promoções e eventos do calendário. Mesmo nos métodos estatísticos clássicos, acrescentar estas variáveis melhorou a precisão em 6% a 13%.
3. Árvores de decisão em gradiente. A maioria dos métodos de topo usou LightGBM, uma técnica de aprendizagem automática rápida e robusta, hoje amplamente disponível.

Onde estão os limites

A competição também mostra o que a aprendizagem automática não resolve. O ganho foi grande nos níveis agregados, cerca de 40% no total de vendas, mas pequeno ao nível de cada produto em cada loja, onde rondou os 3%. A procura de um artigo individual, num dia, numa loja, continua a ter muito de imprevisível. Só 7,5% das equipas bateram o método de referência. E os autores lembram que os resultados vêm de um retalhista e de um setor.

O que isto significa para a tua operação

• Prevê ao nível em que decides: se a decisão é a encomenda semanal ao fornecedor por família de artigos, é aí que o ganho é maior.
• Usa a informação que já tens. Preços, promoções e calendário estão quase sempre num sistema, e a M5 mostra que valem mais do que um algoritmo sofisticado sem eles.
• Planeia o stock em função da incerteza. Um bom modelo devolve uma estimativa com incerteza: artigos com previsão estável precisam de menos stock de segurança, e artigos incertos precisam de mais.
• Antes de mudar, corre o modelo em paralelo com o método atual durante algumas semanas e mede os erros dos dois, para decidir com números da tua própria operação.