Impacto financeiro dos erros na previsão empresarial: um estudo comparativo entre modelos lineares e redes neurais

Resumo

A importância da previsão de demanda como uma ferramenta gerencial é um assunto bem documentado. Entretanto, é difícil mensurar os custos gerados por erros de previsão, assim como encontrar no mercado um modelo que assimile adequadamente as particularidades do funcionamento de cada empresa. No geral, quando os modelos lineares falham no processo de previsão, modelos não lineares mais complexos são considerados. Embora alguns estudos comparativos entre os modelos tradicionais e redes neurais tenham sido conduzidos na literatura, as conclusões são geralmente contraditórias. Neste sentido, o objetivo deste trabalho foi comparar a acurácia de métodos de previsão de demanda lineares e redes neurais em relação ao atual método utilizado pela empresa em estudo. Os resultados desta análise também serviram como subsídio para avaliar a influência dos erros de previsão de demanda no desempenho financeiro da empresa. O estudo foi conduzido em cinco grupos de produtos, com dados históricos de demanda abrangendo o período de 2004 a 2008. De um modo geral, pode-se afirmar que todos os modelos estudados apresentaram uma previsão boa (melhor que o atual método usado pela empresa), com erro absoluto médio percentual (MAPE) em torno de 10%. O impacto financeiro total referente aos erros de previsão para a empresa foi de aproximadamente 6,05% sobre o faturamento anual.