Planeamento da Procura
Desenvolvimento de uma base de dados históricos de vendas, limpa de outliers e eventos extraordinários.
Nova Abordagem da Previsão da Procura
Base
Desenvolvimento de uma base histórica de vendas, limpa de outliers e eventos.
Consolidação dos dados de eventos, em formato padronizado e replicável, de forma que possam ser utilizados na fase de Geração.
Geração
Definição do horizonte de previsão (curto vs longo prazo)
Introdução de métodos automáticos, reduzindo o esforço manual e aumentando a robustez.
Combinação de modelos de séries temporais com modelos causais (machine learning), capturando tendências históricas e incorporando inputs de eventos, permitindo previsões de vendas mais precisas.
Validação
Implementação de uma estratégia para validar todas as previsões geradas, destacando as previsões com baixa precisão ou que se desviam do alvo.
Análise comparativa de vendas históricas e previsões de produtos similares (marca, embalagem,...) para reforçar o processo de validação.
Monitorização
Definição de métricas de precisão transversais a toda a organização.
Painel de monitorização com visualizações personalizadas conforme as necessidades dos stakeholders, permitindo diferentes tipos de análise.
Identificação de metas de KPI para avaliar oportunidades de melhoria.
Impulsionar a geração de previsões
Séries Temporais
Modelos de Séries Temporais
O modelo de previsão utiliza análise de séries temporais que são capazes de capturar tendências e sazonalidades (por exemplo, diversos modelos de suavização exponencial, autorregressivos e de médias móveis).
Agregação
Diferentes níveis de agregação são automaticamente testados e avaliados na história, nomeadamente na hierarquia de produtos e canais de venda.
Modelos Causais
O modelo aumentará ainda mais a confiabilidade ao aplicar modelos causais (por exemplo, machine learning) que relacionam tendências e sazonalidade com variáveis exógenas, incorporando informação de eventos e outros dados.