Previsão de Vendas em Ambientes Complexos

Alvaro Villarinho

Com um cenário vivido desde 2013 – fruto de uma política econômica expansionista e baseada em consumo – as empresas veem se deparando com restrições e incertezas motivadas por queda de renda alancada pelo desemprego, tempo de reação da economia, tributação, dólar entre outras variáveis. Particularmente, os anos de 2015 e 2016 mostram-se desafiadores, uma vez que os dados de desemprego mostraram-se numa escala quase ortogonal atingindo a casa de 13% a 14% medidos pela Pesquisa Nacional por Amostra de Domicílios Contínua – PNADC.

Inserida neste ambiente complexo, as empresas se depararam e se deparam com uma tarefa hercúlea: prever a trajetória da demanda dos produtos. Vendas são a principal variável-chave em qualquer organização, seja ela pequena empresa, média empresa ou mesmo uma grande corporação, uma vez que o input desta variável acarretará no desdobramento de políticas: de compras e estoques, de produção, logística, recursos humanos, financeiros de curto e longo prazo, despesas gerais e administrativas, entre outras peças organizacionais, para a formação do retorno requerido pelo capital.

Nesse artigo, trabalharemos com a demanda sazonal da Ambev em milhares de hectolitros, que fora disponibilizada no sítio http://fundamentos.mz-ir.com/Default.aspx?c=194 pela área de Relações com Investidores da corporação.

Figura 1: Gráfico da demanda em hl (000) do período que vai do primeiro trimestre de 2008 até o primeiro trimestre de 2019

De fato, a demanda tem uma trajetória (drift) crescente nos picos de vendas (1º trimestre de cada ano) no período que vai de 2008 até 2013, se estabiliza para, na sequência, declinar vertiginosamente. Lembrando que estratégias de aumento de preços em ambiente recessivo (desemprego mais aumento de carga tributária mais variação cambial) é complexa para não dizer desafiadora.

No quadro abaixo, podemos observar o pico de vendas ao longo do primeiro trimestre de cada ano.

Quadro 1: Sazonalidade da demanda em hectolitros (000)

Em razão do direcionamento da série, utilizaremos o modelo ARIMA – modelo auto regressivo integrado de médias móveis – que é uma generalização de um modelo auto regressivo de médias móveis. Para detalhamento mais aprofundado, a Wikipedia forneceu um excelente conteúdo teórico do modelo (https://pt.wikipedia.org/wiki/ARIMA).

Trabalha-se com um trecho da série temporal para inferir sobre o modelo (train) e, a partir daí efetuamos a previsão da demanda para períodos posteriores (test).

O nosso modelo capturou o que a impressa especializada chamou de “O fim da ressaca” com uma expressiva receita por hectolitro, com melhores margens e Ebitda robusto relação a períodos anteriores. No conjunto, tais fatores são positivos e refletiram na recente precificação da ação pelo mercado com ajustes das informações recentes. Mais ainda, o modelo, indica uma tendência de aumento de demanda da empresa para os próximos períodos, o que, no meu entender é uma sinalização bastante interessante, que pode ser vista na Figura 2.

Na linha azul as projeções e intervalos de confiança de 95% e 80%, respectivamente.

Figura 2: Previsão da demanda para os próximos períodos

Podemos concluir que a junção de estatística e econometria de séries temporais para previsão de demanda é uma excelente ferramenta que não deve ser desprezada por nenhum gestor para efetuar todo um planejamento estratégico e seus desdobramentos que é possibilitar debates com a equipe e moldurar o planejamento com foco em retorno pelo investimento acima e além do custo do capital.