Modelo de séries temporais e métodos causais na previsão de vendas,estudo de caso da indústria de bebidas não-alcoólicas

Fundação Instituto de Administração – FIA

Daniela Cristina Castelo Branco de Melo

Modelo de séries temporais e métodos causais na previsão de vendas, estudo de caso da indústria de bebidas não-alcoólicas

Monografia apresentada à Fundação Instituto de Administração como requisito parcial para conclusão do MBA Finanças sob a orientação do Prof. Dr. José Roberto Securato.

São Paulo Fevereiro - 2012

RESUMO

O crescimento do mercado de bebidas, particularmente o de bebibas não alcóolicas, em virtude das mudanças de hábitos de consumo e a busca por uma vida mais saudável, entre outros aspectos, mudam o cenário e o desempenho das previsões em indústrias de bebidas. Os processos de previsão devem ser reexaminados, estabelecendo mecanismos de comunicação formais que compartilhem a informação entre os diferentes níveis hierárquicos dentro da organização. O objetivo deste trabalho é explorar a possibilidade de usar uma metodologia capaz de identificar padrões de relacionamento úteis na previsão de vendas individual na indústria de bebidas. Assim, a modelagem realizada neste trabalho teve como foco a análise de métodos estatísticos que se enquadrem a realidade desse mercado dinâmico, de constante sazonalidade e sensível a ações de marketing, preço e concorrência, prevendo demandas individuais. Uma das maiores preocupações foi verificar qual método (séries temporais, métodos causais) teria destaque em um processo individualizado de previsão. Entre os diferentes testes efetuados, pode-se destacar os seguintes resultados: (1) a modelagem de auto-regressão pode ser considerada adequada para a previsão de demanda de produtos no nível individual; (2) o modelo de regressão causal não é capaz de explicar os dados da série de volume de vendas de bebidas, contudo não nega que exista uma relação entre este e o preço médio praticado. Conclui-se que o método de auto-regressão proposto pode ser utilizado para as previsões, pois os erros parecem ser suportáveis pela