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

Disponível somente no TrabalhosFeitos
  • Páginas : 58 (14333 palavras )
  • Download(s) : 0
  • Publicado : 12 de julho de 2012
Ler documento completo
Amostra do texto
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 PauloFevereiro - 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 compartilhema 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 mercadodinâmico, 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 serconsiderada 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 pelacomplexidade natural do problema. Pode-se ainda pensar em compor algum modelo de auto-regressão conjuntamente com variáveis explicativas, incorporando mais informações ao modelo e supostamente melhorando suas previsões em empresas de bebidas.

Palavras-chave: Previsão de vendas. Análise de séries temporais. Modelos de autoregressão.

ABSTRACT

The growth of the beverage market, particularly thenon-alcoholic beverages, due to changes in consumer habits and the quest for a healthier life, among other things, change the scenario and the performance of forecasts beverage industries. The forecasting process should be reviewed, establishing formal communication mechanisms to share information between different hierarchical levels within the organization. The aim of this paper is to explore thepossibility of using a methodology capable of identifying patterns of relationships useful in predicting individual sales in the beverage industry. Thus, the modeling performed in this work focuses on the analysis of statistical methods that fit the reality of this dynamic market, constant seasonal and sensitive to such marketing, pricing and competitive market, and individual demands. A majorconcern was to determine which method (time series, causal methods) would be featured in an individualized prediction. Among the different tests performed, we can highlight the following results: (1) the auto-regression model can be considered adequate to predict product demand at the individual level, (2) causal regression model is not able to explain the data series in the volume of beverage sales,but does not deny that a relationship exists between this and the average price. It is concluded that the method auto-regression proposed can be used for predictions, because errors seem to be supportable by natural complexity of the problem. One can also think of writing a self-regression model together with the explanatory variables, incorporating more information to the model and supposedly...
tracking img