Avaliação de modelos de previsão no Atacarejo

Abstract

O “Atacarejo” é um tipo de canal de varejo que vem crescendo em importância de vendas no varejo brasileiro e na preferência de compra das famílias brasileiras. Este canal tem como característica atender dois tipos de clientes, os clientes de atacado e clientes de varejo. Como toda organização de varejo, o “Atacarejo” define as estratégias de venda baseadas em projeções de venda. Uma projeção incorreta pode acarretar aumento de custos com excesso de estoque ou perda de venda pela falta de produto. Dessa maneira se faz necessário realizar previsões de venda mais assertivas para otimizar a operação. Entre os diversos modelos existentes de previsão se destacam os modelos de Série Temporal e Rede Neural. Dessa forma busca se responder: Qual das técnicas dos modelos de Série Temporal e Rede Neural apresenta maior acurácia nas vendas do “Atacarejo”? Para isso, coletou-se dados de venda de cinco lojas de “Atacarejo” com o objetivo de analisar o composto de marketing produto, preço e localização dos clientes de “Atacarejo”. Após, submeteu-se os dados a uma avaliação quantitativa, desenvolvendo três modelos de previsibilidade: Alisamento Exponencial, ARIMA e Redes Neurais, e os resultados comparados por indicadores de acurácia. Após comparação dos resultados dos modelos, o modelo ARIMA apresentou ser o melhor modelo de previsão para as vendas do “Atacarejo”.

Cash and Carry is a type of retail channel that has been growing in importance in sales in Brazilian retail and in the preference of purchase by Brazilian families. This channel has the characteristic of serving two types of customers, wholesale customers and retail customers. Like any retail organization, Cash and Carry defines sales strategies based on sales projections. An incorrect projection can lead to increased costs with excess inventory or loss of sale due to lack of product. Thus, it is necessary to make more assertive sales forecasts to optimize the operation. Among the various existing forecasting models, the Time Series and Neural Network models stand out. Thus, it seeks to answer: Which of the techniques of the Time Series and Neural Network models is more accurate in the sales of Cash and Carry? To this end, sales data were collected from five Cash and Carry stores in order to analyze the marketing mix of product, price and location of Cash and Carry customers. Afterwards, the data was subjected to a quantitative assessment, developing three predictability models: Exponential Smoothing, ARIMA and Neural Networks, and the results compared by accuracy indicators. After comparing the results of the models, the ARIMA model proved to be the best forecasting model for the sales of Cash and Carry.