Forecasting: o desafio de planejar demanda em cenários de incerteza

O forecasting é um ponto relevante para a cadeia de supply chain. Todo o planejamento da área parte de um número, que é quanto o mercado vai demandar, e sua função é atender essa demanda. Caso a projeção seja errada, o impacto acumulado na cadeia é grande. Rafael Scucuglia irá falar sobre o desafio de planejar a demanda em cenários de incerteza, algo cada vez mais evidente.

O desafio de planejar com incertezas

Fazer forecasting não é como utilizar uma bola de cristal. Não é feita uma previsão, mas sim um planejamento em condições de incerteza. O objeto de análise não é o que vai acontecer no futuro, mas o quão incerto é o que se está antevendo agora. É válido lembrar que não há modelo algum que seja capaz de antever com precisão o futuro, sempre haverá um grau de incerteza.

Um problema recorrente é o viés retrospectivo. Ele altera a forma como olhamos para o passado e interpretamos a previsibilidade dos fatos. As coisas sempre parecem mais óbvias que iriam acontecer depois de terem de fato acontecido. Outro problema é o falso positivo. Pode-se dizer, por exemplo, que a pandemia poderia ter sido prevista porque diversos especialistas alertavam para essa possibilidade há décadas. Porém isso é muito vago, e o excesso de alerta acaba indo contra o seu propósito. 

O que atrapalha o trabalho do previsor

O primeiro elemento é o caos. Projeção de vendas e demandas é um sistema caótico não-linear de segunda ordem. Existem diversos fatores que influenciam os resultados e o que irá acontecer, e coordenar todos no forecasting é um grande desafio. Além disso, existe uma integração com diversas outras áreas, que irão reagir e utilizar as previsões feitas. 

É preciso focar em planejar as condições de incerteza, mesmo nesse cenário de caos. Rafael exemplifica com um arquétipo de pensamento complexo, um ciclo eterno que sempre vai gerar demanda por novos processos. É necessário quebrar esse ciclo para manter uma boa qualidade e atender às demandas. Não se pode confundir causa com correlação, nem se ater a explicações simples demais para coisas muito complexas.

Outro ponto que atrapalha é a ergodicidade. Ele é o questionamento se probabilidades passadas observadas se aplicam a eventos futuros. É importante lembrar que nem todos os eventos relevantes vão estar no seu modelo matemático, sendo preciso pensar fora da caixa. Os vieses cognitivos, como o viés de confirmação e o viés do sobrevivente, também têm forte influência na nossa interpretação dos dados para forecasting.

Assista à palestra na íntegra: Forecasting: o desafio de planejar demanda em cenários de incerteza

[embed]https://youtu.be/kOriAHMwlWE[/embed]