Seu forecast erra? Meça antes de culpar o comercial.

De onde vem este texto

Em reunião de demanda, erro de forecast vira discussão rápido. O planejamento aponta o ajuste do comercial. O comercial aponta o mercado. O mês fecha sem decisão, e no mês seguinte a conversa se repete.

O que eu vi funcionar foi chegar com o erro já aberto em números: onde o forecast erra, para que lado e se o ajuste manual ajudou. Com isso na tela, ninguém precisa defender opinião. São três cortes, sempre na mesma ordem.

1. Erro por família de produto

É o primeiro corte que eu faço. Um erro de 40% no total não diz onde agir. Separando por família, quase sempre aparece um Pareto: poucas famílias explicam a maior parte do erro.

O peso de cada família no erro é o erro absoluto dela dividido pelo erro absoluto total:

Peso no erro = soma do |real - forecast| da família ÷ soma do |real - forecast| total

No exemplo, 3 de 8 famílias explicam 70% do erro. A reunião começa por elas.

Para o erro total, eu prefiro o erro ponderado (WMAPE: soma dos erros absolutos dividida pela soma do real) à média simples dos percentuais. Na média simples, um item que vende 2 unidades e erra 1 pesa tanto quanto o item mais vendido.

2. O ajuste manual ajudou? (FVA)

Todo processo de demanda que conheci tinha duas versões do número: o forecast estatístico, que sai do modelo, e o forecast ajustado depois das correções do comercial ou do planejamento. O FVA (Forecast Value Add) mostra se esse ajuste melhorou ou piorou o resultado:

FVA = erro do forecast estatístico - erro do forecast ajustado

FVA negativo quer dizer que o ajuste piorou o forecast. Aí a conversa muda: o modelo estava melhor, e o que precisa ser revisto é o processo de ajuste.

Aprendi a tomar três cuidados para o número ser justo com quem ajusta:

• Calcular por família e por quem fez o ajuste. Um ajuste pode ajudar numa família e atrapalhar em outra.
• Olhar pelo menos três meses seguidos. Um mês isolado pode ser exceção.
• Comparar sempre no mesmo horizonte. Eu acompanhava Lag 1 e Lag 3: o forecast feito um mês antes e o feito três meses antes têm erros diferentes por natureza.

3. Para que lado o erro vai (Bias)

O erro absoluto mostra o tamanho do erro. O Bias mostra a direção. Quando o erro vai sempre para o mesmo lado, deixou de ser ruído.

Bias = soma do (forecast - real) ÷ soma do real

Com Bias positivo, o forecast fica acima do real: sobra estoque, a cobertura sobe e aumenta o risco de vencimento, que em produto farmacêutico vira provisão e destruição. Com Bias negativo, o forecast fica abaixo do real e o resultado é falta de produto.

No exemplo do vídeo, o forecast ajustado ficou acima do real em 12 de 12 meses, com Bias de +15%. Doze meses seguidos não são azar. É um ajuste otimista repetido todo mês, e ele aparece direto no estoque.

4. Da análise para a ação

Com os três cortes na mesa, a pauta da reunião muda:

1. Quais famílias explicam a maior parte do erro?
2. Onde o ajuste manual está piorando o número?
3. O erro vai sempre para o mesmo lado?
4. Quem faz o quê até a próxima reunião?

Cada família crítica sai com uma ação, um dono e um prazo. Ajustes com FVA negativo são revistos ou deixam de ser feitos. E os mesmos números voltam na reunião seguinte, para mostrar se melhorou.

O que eu levo disso

Medir antes de discutir, e medir sempre do mesmo jeito: mesma métrica, mesmo horizonte, mesmo corte. Essa ideia também está no modelo de qualificação de forecast que construí em Power BI e DAX. Ele classifica o padrão de demanda de cada item (Syntetos-Boylan) e recomenda, por 8 critérios, quando o estatístico pode seguir sem revisão manual. Assim o time gasta tempo onde o risco é maior.

Checklist do fechamento do mês

Juntei os quatro passos, as fórmulas e as perguntas da reunião numa página A4.

Baixar o checklist (PDF, 1 página)

Todos os números deste artigo e do vídeo são fictícios e servem só de exemplo. Nenhum dado de empresa foi usado.