A organização da informação é um fator crítico para uma boa previsão de vendas na indústria de bens de consumo de alto giro, que produz e comercializa os chamados Fast-Moving Consumer Goods. Em geral, existem três dimensões para organização da informação que precisam ser consideradas na estruturação do processo de forecasting: tempo, produto e local. Aqui, farei algumas considerações sobre a dimensão “produto”.
As áreas organizacionais de uma empresa, como marketing, comercial, produção e logística, necessitam da previsão de vendas dos produtos em níveis de agrupamento distintos. Por exemplo, o gerente de produtos analisa as informações em um nível de agregação que permita avaliar o desempenho da família pela qual é responsável. Já o gerente de produção precisa da previsão no nível de SKU, para tentar otimizar o sequenciamento de suas linhas. Fica evidente, pois, a necessidade de gerar estimativas de demanda futura em níveis de agrupamentos diferentes.
Não é razoável que a previsão de vendas seja realizada para todas as possíveis combinações de dados, primeiro porque o esforço necessário seria enorme e, sobretudo, porque cada área organizacional teria um número diferente, uma vez que não seria possível garantir que o somatório das previsões feitas no nível de SKU daria o mesmo resultado que a previsão obtida através da série de vendas consolidada. Assim, é necessário decidir em que nível de organização a informação será tratada na previsão e como esta será fragmentada (top-down) ou consolidada (bottom-up) posteriormente.
A indústria de bens de consumo costuma organizar a informação para seu processo de previsão de vendas orientada por uma visão interna de marketing, fazendo a previsão de vendas para a família de produtos dentro de uma determinada marca. Apesar de historicamente esta abordagem não ser incorreta, a diversificação recente das linhas de produtos possibilita novas abordagens que resultam em erros menores. Para isso, a empresa precisa deixar de olhar para dentro e alinhar o seu processo de previsão de vendas com o padrão, ou “momento”, de consumo de seus clientes.
Por exemplo, vamos imaginar uma empresa com cinco diferentes linhas de snacks, vendidos em embalagens de 30, 80 e 200 gramas. O consumidor pretende comprar um snack para consumir no cinema, mas não encontrou o pacote de 30 gramas de sua marca preferida. O que é mais fácil de ocorrer: o consumidor comprar outra marca no pacote individual de 30 gramas ou passar no supermercado e comprar seu snack preferido na embalagem de 200 gramas? Em geral, o “momento de consumo” predomina em relação a “preferência de marca” e o consumidor irá escolher outro salgadinho de 30 gramas. Logo, fazer a previsão por marca (“preferência”) costuma levar a um erro maior do que que por embalagem (“momento de consumo”).
Obviamente, esta regra vale apenas se o posicionamento das marcas, ou seja, o perfil do cliente, for o mesmo. Empresas de bens de consumo que possuem diversas marcas de um determinado produto, sabão em pó ou sucos, por exemplo, mas cada marca é direcionada para um público diferente, não se beneficiariam com esta prática. Empresas com marcas (ou linhas) que sejam substitutivas do ponto de vista do consumidor (correlação negativa de vendas), sim, se beneficiam e muito desta prática. Vale a pena fazer o teste!
Referências
<https://ilos.com.br/web/comparacao-entre-as-abordagens-top-down-e-bottom-up-para-previsao-de-vendas/>
Leonardo Julianelli
https://ilos.com.brSócio Executivo do ILOS. Graduado em Engenharia de Produção pela EE/UFRJ, é Mestre em Administração de Empresas pelo COPPEAD/UFRJ com extensão na EM Lyon, França, e doutor em Engenharia de Produção na COPPE/UFRJ. Tem diversos artigos publicados em periódicos e em revistas especializadas, sendo um dos autores do livro: “Previsão de Vendas: Processos Organizacionais & Métodos Qualitativos e Quantitativos”. Suas áreas de pesquisa são: Planejamento da Demanda, Serviço ao Cliente no Processo Logístico e Planejamento de Operações. Atuou durante 8 anos no CEL-COPPEAD/UFRJ, ajudando a organizar a área de Ensino em Logística. Em consultoria, realizou diversos projetos na área de logística, como Diagnóstico e Plano Diretor, Previsão de Vendas, Gestão de Estoques, Planejamento da Demanda e Plano de Capacitação em empresas como Abbott, Braskem, Nitriflex, Petrobras, Promon IP, Vale, Natura, Jequití, entre outras. Como professor, ministrou aulas em empresas como Coca-Cola, Souza Cruz, ThyssenKrupp, Votorantim, Carrefour, Petrobras, Vale, Via Varejo, Furukawa, Monsanto, Natura, Ambev, BR Distribuidora, ABM, International Paper, Pepsico, Boehringer, Metrô Rio, Novelis, Sony, GVT, SBF, Silimed, Bettanin, Caramuru, CSN, Libra, Schlumberger, Schneider, FCA, Boticário, Usiminas, Bayer, ESG, Kimberly Clark e Transpetro, entre outras.
