Inovamos novamente, lançando a solução open source ForecastG4 colaborativa, capaz de estimar previsões de demanda de forma dinâmica e acurada, e que pode ser incrementada com bibliotecas da comunidade R.
De volta para o Futuro
Forecast é a designação que utilizamos nas empresas como sinônimo para previsão de demanda futura. Trata-se de uma projeção ou predição, baseada em julgamentos, prognósticos e cálculos sobre algo - como o clima ou a demanda - que irá ocorrer no futuro.
Forecasting é o processo de planejar, coletar, armazenar, processar, apresentar e utilizar estes dados temporais – históricos e futuros – com o propósito de estimar as próximas demandas e daí calcular as necessidades futuras. Este processo de previsão é um dos maiores desafios para qualquer tipo de negócio, pois envolve muitas incertezas. Pior ainda: Trata-se de uma especulação empresarial, onde apostamos muito dinheiro e nos antecipamos, empurrando pedidos de compra e ordens de produção num sentido incerto.
Se por um lado desejamos evitar estes ônus, então porque insistimos em prever nossas demandas?
A resposta é simples: Ainda não resolvemos a causa do problema, que reside nos longos lead times, bem como nas restrições da time fence. Quando existem melhores alternativas, tais como o postponement, a questão esta resolvida. No entanto - na maioria dos casos - o dilema se resume em duas opções: Continuar reféns do processo de forecast ou perder vendas.
Prever a demanda é um exercício de risco, onde o objetivo é reduzir as incertezas e aumentar a probabilidade de sucesso. Apostamos na esperança de acertar, sabendo que iremos errar. Para aqueles que já se resignaram em participar e aceitaram os termos deste jogo especulativo, resta apurar se estamos efetivamente empregando as melhores ferramentas que a tecnologia da computação pode nos oferecer para aumentarmos as chances de sucessos?
Em nossas observações, via-de-regra, negativo: Não estamos usando ferramentas à altura de nossos desafios. Pela simples falta de conhecimento, os analistas planejadores empregam previsões ingênuas que pioram ainda mais a impressão ruim que os empresários formaram deste processo, ao longo de sua experiência. Na realidade, muitos destes empresários também estão despreparados, na medida em que ainda confundem previsão como meta.
Nas empresas em que realizamos projetos de consultoria técnica em forecast, iniciamos com um breve diagnóstico do processo de previsão, cujas aspectos investigados demonstram suas necessidades e fraquezas. Daí, redesenhamos o processo de previsão determinando um roteiro mensal, que especifica os parâmetros e o procedimento operacional (POP), passo-a-passo.
Este POP de forecast também define as responsabilidade, atribuições, regras, eventos e datas, de maneira que tudo seja esclarecido e não haja pressupostos errôneos. Em seguida, um programa de capacitação conceitual e prática (hands-on) deve ser aplicado para todos que estão envolvidos no processo, de modo que compreendam seus papéis, as técnicas empregadas e suas vulnerabilidades.
Previsão com precisão
O resultado do forecast é uma sequência (série ou vetor de números reais discretos e equi-espaçados) para cada item (produto acabado), projetados adiante no futuro próximo.
A primeira etapa deste processo consiste na extração dos dados históricos armazenados no ERP de empresa (seja SAP, Totvs, Oracle, Produtec ou quaisquer outras soluções comerciais).
Daí, aplicamos métodos subjetivos, matemáticos, estatísticos ou computacionais, tais como análises de regressão linear ou análise de sensibilidade. Analistas amadores empregam recursos de previsão do Excel, por exemplo. O MS-Excel 2016 é uma ferramenta multi-propósito extraordinária, no entanto só é capaz de produzir previsões ingênuas, tais como regressão linear, logarítmica, exponencial, potenciação, média móvel e suavização exponencial. Sou instrutor de Excel e, com todo o respeito que esta maravilhosa ferramenta merece, é preciso reconhecermos que não se trata de uma ferramenta desenvolvida para forecast, nem mesmo para aqueles “magos” que propõem programar sistemas de previsões em planilhas. Basta compararmos os resultados para concluir que simplesmente não será este o caminho utilizado pelo profissional especialista em previsões.
Qual a estratégia atualmente mais efetiva em sistema especializados de forecast? Se descartarmos os softwares de redes neurais, forecast genético e outras abordagem que exigem investimentos expressivos, chegamos nas soluções computacionais que empregam forecast dinâmico. Estes softwares empregam o princípio computacional da força bruta: Para cada item, experimentam inúmeros modelos de previsão, básicos ou sofisticados, avaliando a aderência de cada modelo contra a linha de base (histórico efetivo). Daí o software seleciona automaticamente o modelo com maior aderência, e extrapola a série temporal futura utilizando este modelo.
O método de forecast dinâmico se mostrou tecnicamente o mais bem-sucedido porque diferentes empresas apresentam realidades distintas, portanto são necessários diversos modelos de previsão. Por outro lado, nossa frustração até alguns anos atrás sempre residiu na barreira do investimento. Recomendávamos nos cursos, de forma isenta, soluções comerciais avançadas, no entanto era muito baixa a adesão das empresas que seguiam em frente, investindo numa ferramenta mais profissional. A maioria estacionava no estágio das previsões no Excel, e se dava por satisfeita.
Acontece que a comunidade acadêmica já desenvolveu estes modelos, portanto não faz sentido deixarmos de explorar os recursos que estão ao nosso alcance... Ainda mais se estes recursos são Open Source (leia-se: gratuitos). Nossa inovação foi viabilizarmos uma ponte que ainda não existia entre as soluções acadêmicas e a realidade empresarial, viabilizando uma solução computacional capaz de processar dinamicamente os históricos de quaisquer quantidades de itens, produzindo as melhores séries forecast que se tem notícia.
Tela do StudioR, mostrando o início do código-fonte do ForecastG4.
Por que escolhemos R?
Existem ótimos forecasters no mercado. São soluções comerciais cujas vantagens residem na facilidade de uso e nos recursos visuais e avançados, tais como colaboração de equipes e consolidação de demandas. Portanto, tem o seu mérito e justificativa comercial. No entanto, padecem perante o dilema do investimento, na medida em que os analistas nas empresas não conseguem convencer seus empresários em inclui-los na verba. Esta não é uma suposição, mas um fato que constatamos na maioria das empresas.
Um novo paradigma resolve esta estagnação do desenvolvimento cientifico, na medida em que estamos resgatando o papel de um analista empresarial proativo, que ultrapassa as limitações dos pacotes prontos, sabe o que precisa e o que esta fazendo, e intervém nos processos sempre que for preciso. Ocorre que desde os anos 1990 observamos que a programação de computadores foi se complicando e afastando do usuário médio, e se elitizou entre os desenvolvedores de sistemas. A maioria dos usuários passou a se contentar em utilizar Excel ou Apps superficiais. No entanto, cursos de SixSigma resgataram a estatística como ferramenta analítica, através do popular Minitab. Mais recentemente, o Projeto R (Studio R é uma interface do R) ultrapassou com muitas vantagens todas as demais ferramentas estatísticas, graças ao poder da comunidade Open Source.
Tela do Google Trends mostrando a popularidade do Minitab e StudioR.
R é um ambiente para desenvolvimento de cálculos e análises estatísticas. É também uma linguagem de programação com capacidade para construir gráficos avançados, criada numa universidade na Nova Zelândia por Ross Ihaka e Robert Gentleman, e aperfeiçoada pelo esforço colaborativo ao redor do mundo todo. Sua capacidade é - virtualmente – ilimitada, na medida em que a linguagem pode ser expandida com a instalação de extensões especializadas (packages).
No laboratório de desenvolvimento da G4, experimentando modelos de forecast avançados já disponíveis em R, conseguimos desenvolver toda a infraestrutura requerida para selecionar automaticamente os melhores modelos, viabilizando uma solução capaz de alcançar e ultrapassar os resultados de diversos pacotes comerciais.
O que faz do ForecastG4 uma solução inovadora?
O ForecastG4 é um programa open source (gratuito) desenvolvido pela G4 DanielGasnier.com Consultoria, e licenciado AS-IS conforme especificações Creative Communs SA-BY, que roda no ambiente Studio R. O programa processa em batch uma quantidade ilimitada de itens (produtos acabados), desde que a planilha inputG4.csv contenha 36 meses de histórico, gerando três arquivos: (1) planilha outputG4.csv com 36 meses de demanda prevista; (2) planilha sinteseG4.csv contendo as estatísticas de todos os itens; e (3) arquivo plotG4.pdf contendo duas paginas de gráficos (figura abaixo) por item, e um histograma dos métodos selecionados.
Pagina Panorama do Plot64 contendo gráficos das previsões para analise.
Suas principais características e funcionalidades são:
Especializado em Forecast: Esta solução foi concebida para processar o forecast de inúmeros itens de forma prática, externa e independentemente do ERP que a empresa utilize (basta que o ERP seja capaz de exportar os dados históricos. Ainda não há conduites com quaisquer ERP).
Licenciamento gratuito: Até aviso em contrário, os participantes do curso de forecast para analistas (versão de 16 horas) receberão o programa ForecastG4 e os demais subsídios para operá-lo gratuitamente. No entanto, o curso in-company é pago, sendo imprescindível para conseguir utilizar esta solução, pois inclui o registro e o laboratório de aplicação.
Código aberto: O ForecastG4 foi documentado de forma semântica (amigável), de forma que qualquer programador consegue facilmente compreender as técnicas empregadas.
Inúmeros modelos: A linguagem R conta com inúmeros pacotes de forecast, e novos pacotes são acrescidos frequentemente. Até a presente momento o ForecastG4 inclui 20 modelos de forecast, no entanto a versão 1.1 prevê até 36 modelos simultâneos, entre os quais:
Séries temporais univariáveis (espaçamentos regulares).
Médias móveis.
Suavização exponencial.
Decomposição e filtragem.
Sazonalidade.
Método theta.
Modelos autoregressivos (AR model).
Modelos ARIMA (com seleção automatica da ordem).
Assistência, patches & upgrades: Os usuários registrados contam com suporte à distância, e receberão as novas versões disponíveis por até 12 meses (depois deste período haverá uma anuidade simbólica para manutenção da comunidade).
Forecasting colaborativo: Os usuários licenciados participam de uma comunidade Open Source mantida pela G4, e que incentivará o intercâmbio de melhorias gratuitas.
Intervenção humana: O ForecastG4 pretende gerar a primeira tentativa (bootstrap). A partir dos gráficos, o analista poderá avaliar as escolhas automáticas do software. Caso este usuário julgue que outro modelo apresenta maior aderência do que o método escolhido, poderá intervir manualmente, preenchendo na planilha manualG4.csv o codigo e modelo desejado (bastará reprocessar o ForecastG4 para que seja transferida esta série escolhida, em substituição da anterior).
Histograma dos modelos utilizados numa rodada de ForecastG4.
A ilustração acima demonstra quais modelos foram selecionados para uma amostra de 145 itens, em um CASE real do Laboratório de forecast. A distribuição mostra que praticamente todos os modelos, neste caso exceto 10 e 11, encontraram aplicabilidade.
Laboratório hands-on
Traga seus próprios dados, pois nosso treinamento será aplicado sobre os históricos efetivos da sua empresa, de maneira que quaisquer particularidades possam ser identificadas, avaliadas e ajustadas no curso (nuts&bolts). O participante concluirá o treinamento de forecast em dois dias, sabendo como utilizar a solução na sua empresa, pois o laboratório inclui:
Entrega e instalação do Studio R & ForecastG4.
Manual da solução ForecastG4.
Preparação e configuração dos dados (inputG4).
Processamento batch.
Análise dos resultados (outputG4, sinteseG4 e plotG4).
Histograma dos modelos.
Intervenções manuais e ajustes (manualG4).
Edição do código-fonte e inclusão de novos modelos.
Saiba mais
Encerrando este artigo, esperamos ter acrescentado alguns insights sobre a especialidade de forecast, e demonstrado as vantagens desta alternativa para o processamento de previsões de demanda.
Para mais novidades, fique conectado através de nosso blog e, se desejar, compartilhe suas opiniões ou dúvidas escrevendo para contato@DanielGasnier.com