Acuracidade da previsão de demanda no supermercado: como medir e comprar melhor
- há 1 hora
- 12 min de leitura
A acuracidade da previsão de demanda mostra quanto a venda prevista ficou próxima da demanda realizada. Um dos métodos mais úteis para supermercados é o WAPE, sigla de Weighted Absolute Percentage Error, ou erro percentual absoluto ponderado.
A fórmula é:
WAPE = soma dos erros absolutos ÷ soma das vendas realizadas × 100
Depois:
Acuracidade da previsão = 100% – WAPE
Se o supermercado previu as vendas de vários produtos e a soma dos erros absolutos representou 20% das vendas realizadas, o WAPE foi de 20% e a acuracidade gerencial foi de 80%.
Entretanto, o percentual não deve ser analisado sozinho. O gestor também precisa saber se a empresa costuma prever acima ou abaixo da demanda, se houve ruptura, promoção, mudança de preço ou falta do fornecedor.
O supermercado precisa medir se a previsão realmente está ficando melhor e se essa melhora está reduzindo faltas, excessos, perdas e capital imobilizado.
O que é previsão de demanda no supermercado?
A previsão de demanda estima quanto cada produto poderá vender em determinado período, loja e condição comercial.
Ela ajuda a planejar:
Compras;
Reposição;
Estoques;
Transferências;
Produção;
Promoções;
Mão de obra;
Espaço;
Transporte;
Capital de giro;
Negociações com fornecedores.
A previsão pode ser calculada para:
Um produto;
Uma categoria;
Uma loja;
Uma rede;
Um dia;
Uma semana;
Uma campanha;
Um período sazonal.
Quanto maior o nível de detalhe, maior tende a ser a dificuldade do cálculo. Prever a venda mensal total de bebidas é diferente de prever quantas unidades de determinado refrigerante serão vendidas em uma loja na próxima terça-feira.
Previsão de vendas e previsão de demanda são iguais?
Não necessariamente.
A venda realizada mostra o que passou pelo caixa. A demanda representa o que os clientes desejariam comprar se o produto estivesse disponível e em condições adequadas.
Se uma loja vendeu 80 unidades, mas ficou sem estoque durante dois dias, não é correto concluir automaticamente que a demanda foi de apenas 80 unidades.
Parte da procura pode ter sido perdida por:
Ruptura;
Falta na gôndola;
Atraso do fornecedor;
Estoque virtual;
Problema de preço;
Produto escondido no depósito;
Equipamento parado;
Setor fechado;
Falha de produção.
Quando o sistema utiliza somente a venda registrada, pode interpretar a ruptura como redução da procura e recomendar um pedido ainda menor. Esse ciclo aumenta a falta de produtos.
O que é acuracidade da previsão?
A acuracidade indica quanto a previsão ficou próxima do resultado observado.
Considere:
Previsão: 100 unidades;
Venda realizada: 110 unidades.
O erro absoluto foi de 10 unidades.
Agora considere outro produto:
Previsão: 100 unidades;
Venda realizada: 90 unidades.
O erro absoluto também foi de 10 unidades.
Os dois produtos apresentam a mesma distância entre previsão e venda, mas os efeitos operacionais são diferentes:
No primeiro caso, a previsão ficou abaixo da venda;
No segundo, ficou acima.
Por isso, a análise precisa combinar acuracidade e direção do erro.
Como calcular o erro absoluto?
O erro simples pode ser positivo ou negativo:
Erro = previsão – venda realizada
Para medir a distância sem que erros positivos e negativos se anulem, utilize o valor absoluto:
Erro absoluto = |previsão – venda realizada|
Exemplo:
Previsão: 120 unidades;
Venda: 100 unidades;
Erro: 20 unidades;
Erro absoluto: 20 unidades.
Se a previsão fosse 80 unidades e a venda 100:
Erro: –20 unidades;
Erro absoluto: 20 unidades.
Como calcular o WAPE?
Considere três produtos:
Produto | Previsão | Venda realizada | Erro absoluto |
Produto A | 120 | 100 | 20 |
Produto B | 80 | 100 | 20 |
Produto C | 200 | 250 | 50 |
Total | 400 | 450 | 90 |
Aplicando a fórmula:
WAPE = 90 ÷ 450 × 100
WAPE = 20%
A acuracidade gerencial será:
100% – 20% = 80%
Nesse exemplo, a previsão apresentou acuracidade de 80% para o conjunto analisado.
O WAPE dá maior peso aos produtos de maior volume e evita parte dos problemas causados por percentuais calculados individualmente sobre itens que vendem muito pouco.
Por que não analisar somente a acuracidade total?
Os erros podem se compensar no consolidado.
No exemplo:
O Produto A foi previsto 20 unidades acima;
O Produto B, 20 unidades abaixo;
O total dos dois ficou correto.
Entretanto, a operação ainda pode apresentar:
Excesso do Produto A;
Ruptura do Produto B;
Capital parado;
Venda perdida;
Transferência emergencial;
Espaço mal utilizado.
Uma previsão correta no total da categoria pode esconder erros relevantes por SKU, loja ou semana.
A análise deve acontecer em diferentes níveis:
Rede;
Loja;
Departamento;
Categoria;
Produto;
Dia ou semana;
Promoção;
Fornecedor.
O que é viés da previsão?
O viés mostra se a previsão tende sistematicamente a ficar acima ou abaixo da demanda.
Uma fórmula possível é:
Viés = soma das previsões – soma das vendas realizadas ÷ soma das vendas realizadas × 100
Utilizando parênteses para deixar o cálculo claro:
Viés = [(previsão total – venda total) ÷ venda total] × 100
No exemplo anterior:
Previsão total: 400 unidades;
Venda total: 450 unidades.
[(400 – 450) ÷ 450] × 100 = –11,1%
O viés foi negativo em 11,1%, indicando que a previsão ficou abaixo das vendas realizadas.
Neste artigo, adotamos a seguinte convenção:
Viés positivo: previsão acima da venda;
Viés negativo: previsão abaixo da venda.
A empresa precisa registrar qual convenção utiliza, porque alguns sistemas apresentam o sinal de maneira diferente.
Acuracidade e viés respondem a perguntas diferentes
A acuracidade responde:
Qual foi o tamanho do erro?
O viés responde:
Em qual direção estamos errando?
Uma empresa pode apresentar acuracidade razoável e viés negativo persistente. Nesse caso, tende a prever menos do que vende, aumentando o risco de ruptura.
Outra operação pode possuir viés positivo, mantendo previsões frequentemente superiores à demanda. Isso pode gerar:
Excesso de estoque;
Cobertura elevada;
Capital imobilizado;
Vencimentos;
Remarcações;
Ocupação do depósito;
Redução do GMROI.
O objetivo não é apenas reduzir o erro médio. É evitar uma tendência permanente para um dos lados.
Por que o MAPE pode distorcer a análise?
O MAPE calcula o erro percentual médio por item:
MAPE = média de |previsão – realizado| ÷ realizado × 100
O problema aparece quando um produto possui venda muito baixa ou igual a zero.
Imagine:
Previsão: duas unidades;
Venda: uma unidade.
O erro absoluto foi de apenas uma unidade, mas o erro percentual foi de 100%.
Agora considere:
Previsão: 1.010 unidades;
Venda: 1.000 unidades.
O erro foi de dez unidades, mas o percentual foi de apenas 1%.
O MAPE pode dar peso excessivo a itens de baixo volume e não pode ser calculado normalmente quando a venda realizada é zero.
Por isso, o WAPE costuma ser mais útil para análises consolidadas, enquanto o erro absoluto ajuda a entender o impacto por SKU.
Quais indicadores utilizar em conjunto?
WAPE
Mostra o erro percentual absoluto ponderado.
Acuracidade
Apresenta o resultado como proximidade percentual:
Acuracidade = 100% – WAPE
Viés
Mostra a tendência de prever acima ou abaixo.
Erro absoluto médio
MAE = soma dos erros absolutos ÷ quantidade de observações
Ajuda a entender quantas unidades, em média, separam previsão e venda.
Ruptura
Mostra se a venda utilizada na avaliação foi limitada pela falta de produto.
Cobertura
Indica quantos dias de venda o estoque representa.
Perdas
Revela se uma previsão excessiva contribuiu para vencimentos, deterioração ou sobras.
Nível de serviço
Mostra a capacidade de atender à demanda.
Estoque excedente
Identifica produtos cuja cobertura está acima da necessidade.
GMROI
Relaciona margem bruta e investimento médio em estoque.
A previsão deve melhorar o conjunto desses indicadores. Uma acuracidade maior que não reduz rupturas ou excesso pode estar sendo calculada no nível errado ou não estar chegando às decisões.
Qual período deve ser utilizado?
O horizonte precisa corresponder à decisão.
Previsão diária
Útil para:
Produção de padaria;
Rotisseria;
Hortifrúti;
Carnes preparadas;
Escala;
Abastecimento intradiário.
Previsão semanal
Útil para:
Pedidos;
Recebimentos;
Distribuição;
Promoções;
Transferências.
Previsão mensal
Útil para:
Orçamento;
Compras consolidadas;
Metas;
Fluxo de caixa;
Planejamento comercial.
Uma previsão mensal pode apresentar boa acuracidade e, ao mesmo tempo, falhar nos finais de semana. O total fecha, mas a loja enfrenta falta no sábado e excesso na segunda-feira.
Como a ruptura distorce a previsão?
Considere um produto que normalmente vende 30 unidades por dia.
Durante uma semana, ele apresentou:
Dia | Venda registrada | Situação |
Segunda | 30 | Disponível |
Terça | 28 | Disponível |
Quarta | 12 | Ruptura parcial |
Quinta | 0 | Sem estoque |
Sexta | 32 | Disponível |
A média simples será:
102 unidades ÷ 5 dias = 20,4 unidades por dia
Se o sistema utilizar essa média sem identificar a ruptura, poderá prever aproximadamente 20 unidades por dia, abaixo da demanda provável.
Antes de medir a acuracidade, o supermercado precisa registrar:
Horário de início da ruptura;
Duração;
Estoque no depósito;
Disponibilidade na gôndola;
Venda de produtos substitutos;
Pedido não entregue;
Limitação de exposição.
A venda perdida pode ser estimada, mas deve ser identificada como estimativa, não como venda efetivamente realizada.
Promoções precisam de uma previsão separada
A venda promocional não deve ser misturada indiscriminadamente com a demanda normal.
Uma campanha altera:
Preço;
Exposição;
Comunicação;
Fluxo;
Quantidade comprada;
Produtos complementares;
Participação da categoria;
Comportamento entre lojas.
Para prever uma promoção, considere:
Venda normal esperada;
Desconto;
Histórico de campanhas semelhantes;
Elasticidade;
Duração;
Espaço de exposição;
Estoque disponível;
Apoio do fornecedor;
Concorrência;
Canibalização;
Calendário;
Clima, quando relevante.
O artigo sobre previsão de demanda promocional mostra por que os períodos de oferta exigem tratamento específico.
Depois da campanha, o supermercado deve retornar à demanda normal. Manter o pedido elevado pode criar excesso no pós-promoção.
Como medir a previsão nos perecíveis?
Nos perecíveis, o erro precisa ser relacionado à produção e às perdas.
Imagine uma padaria que previu produzir 500 unidades:
Produção realizada: 500;
Venda: 420;
Sobra: 60;
Perda ou consumo interno: 20.
A previsão pode ter ficado acima da demanda, mas o gestor também precisa verificar:
Horários das fornadas;
Ruptura durante os picos;
Qualidade;
Exposição;
Clima;
Dia da semana;
Eventos;
Tamanho dos lotes.
É possível terminar o dia com sobra e ainda ter enfrentado ruptura em determinado horário.
No açougue, acompanhe:
Demanda por corte;
Rendimento;
Produção de bandejas;
Venda no balcão;
Autosserviço;
Sobras;
Validade;
Transferência entre cortes;
Aproveitamento da matéria-prima.
No hortifrúti, considere:
Maturação;
Qualidade recebida;
Clima;
Dia da semana;
Promoção;
Exposição;
Perdas;
Substituição entre produtos.
A previsão de perecíveis deve orientar produção por horário e lotes menores, e não apenas uma quantidade total para o dia.
Qual é uma boa acuracidade?
Não existe um percentual universal.
A previsibilidade varia conforme:
Categoria;
Giro;
Sazonalidade;
Frequência;
Promoção;
Prazo de reposição;
Loja;
Região;
Produto novo;
Clima;
Eventos;
Disponibilidade;
Horizonte analisado.
Produtos de alto giro e consumo regular tendem a apresentar comportamento diferente de itens sazonais, lançamentos ou mercadorias de baixa frequência.
O melhor caminho é comparar:
O indicador com o histórico;
Categorias semelhantes;
Previsão atual com um método simples;
Sistema com decisão humana;
Lojas do mesmo formato;
Períodos equivalentes.
Buscar uma meta única para todos os produtos pode criar uma precisão aparente sem utilidade operacional.
Como saber se a tecnologia realmente melhorou a previsão?
Compare pelo menos três cenários:
Previsão simples
Pode ser a média das últimas semanas ou a repetição do mesmo período anterior.
Previsão do sistema
É o resultado produzido pelo ERP, algoritmo ou solução de inteligência artificial.
Previsão final
É o número depois das alterações realizadas por compradores, gerentes ou responsáveis pela categoria.
Considere:
Método | WAPE |
Média simples | 28% |
Previsão do sistema | 19% |
Previsão após ajuste manual | 22% |
Nesse exemplo:
O sistema reduziu o erro em nove pontos percentuais;
O ajuste manual aumentou o erro em três pontos em relação ao sistema;
Mesmo assim, a previsão final continuou melhor que a média simples.
Isso não significa que ajustes manuais devam ser eliminados. Significa que precisam ser medidos.
O que é valor agregado da previsão?
O conceito de valor agregado da previsão procura descobrir se cada etapa melhorou ou piorou o resultado.
Uma comparação simples é:
Melhoria = WAPE anterior – WAPE posterior
No exemplo:
28% – 19% = 9 pontos percentuais de melhoria
Depois do ajuste humano:
19% – 22% = –3 pontos percentuais
O ajuste piorou a previsão em três pontos.
A empresa pode analisar:
Categorias nas quais o comprador agrega valor;
Situações em que o sistema é superior;
Eventos que o algoritmo não conhecia;
Ajustes repetidamente otimistas;
Alterações sem justificativa;
Necessidade de novos dados.
A experiência do comprador continua importante. A medição mostra onde essa experiência produz melhores decisões.
Principais causas de erro
Histórico contaminado por ruptura
O sistema interpreta falta de produto como falta de procura.
Promoções misturadas à venda normal
Um pico promocional eleva artificialmente a previsão futura.
Estoque incorreto
O pedido pode estar certo matematicamente e errado operacionalmente.
Cadastro duplicado
A demanda do produto fica dividida entre diferentes códigos.
Produtos substitutos ignorados
A venda migra entre marcas, tamanhos e versões.
Sazonalidade mal identificada
Datas móveis, feriados e eventos locais não se repetem no mesmo dia.
Lançamentos sem produtos comparáveis
Não existe histórico suficiente.
Alterações de preço
A mudança pode aumentar ou reduzir a procura.
Falta de registro dos eventos
O algoritmo não sabe que houve obra, problema de acesso, campanha, concorrente novo ou equipamento parado.
Ajustes manuais excessivos
O comprador pode repetir tendências otimistas ou utilizar estoques desejados como se fossem demanda prevista.
Como melhorar a acuracidade da previsão?
Organize os dados
Revise vendas, rupturas, estoques, perdas, transferências, cadastros e promoções.
Escolha a granularidade certa
Meça por produto, loja e período compatíveis com a decisão.
Separe demanda normal e promocional
Campanhas precisam de histórico, duração e parâmetros próprios.
Registre eventos
Feriados, clima, obras, inaugurações, concorrência e indisponibilidade ajudam a explicar desvios.
Analise o viés
Descubra se a empresa tende a prever acima ou abaixo.
Priorize exceções
Não é necessário revisar manualmente todos os produtos. Concentre-se em:
Curva A;
Alto risco de ruptura;
Grande excesso;
Perecíveis;
Promoções;
Erros recorrentes;
Fornecedores com prazo longo.
Meça os ajustes humanos
Compare previsão original e final.
Corrija parâmetros de abastecimento
Boa previsão não compensa:
Prazo de entrega errado;
Estoque de segurança inadequado;
Pedido mínimo excessivo;
Baixa frequência de entrega;
Lote incompatível;
Falha de reposição.
Aprenda com o erro
Toda diferença relevante precisa gerar um motivo e, quando necessário, uma correção no modelo.
Como a inteligência artificial ajuda?
A inteligência artificial pode analisar simultaneamente:
Histórico;
Tendências;
Sazonalidade;
Promoções;
Preço;
Elasticidade;
Clima;
Eventos;
Perfil da loja;
Produtos substitutos;
Rupturas;
Calendário;
Comportamentos regionais.
Ela também pode calcular previsões no nível de SKU e loja, algo difícil de realizar manualmente quando a rede possui milhares de produtos.
O conteúdo sobre inteligência artificial no controle de estoque apresenta aplicações dessa tecnologia em compras, estoques, promoções e abastecimento.
A IA, entretanto, depende de dados confiáveis e execução. Uma previsão melhor não evita a ruptura se:
O pedido não for aprovado;
O fornecedor atrasar;
O produto ficar no depósito;
O estoque estiver incorreto;
A promoção não for comunicada;
A equipe não executar a recomendação.
Painel prático para o gestor
Indicador | Atual | Anterior | Meta |
WAPE | |||
Acuracidade | |||
Viés | |||
Erro absoluto médio | |||
Ruptura | |||
Cobertura | |||
Estoque excedente | |||
Perdas | |||
Pedidos emergenciais | |||
Ajustes manuais | |||
Melhoria sobre método simples |
O painel deve permitir análise por:
Loja;
Categoria;
Produto;
Fornecedor;
Comprador;
Promoção;
Horizonte;
Dia da semana.
Como relacionar previsão e orçamento de compras?
A previsão estima a demanda. O orçamento define quanto a empresa pode comprar para atendê-la dentro da meta de estoque e da capacidade financeira.
Uma previsão maior não autoriza automaticamente um pedido maior.
Antes da compra, verifique:
Estoque disponível;
Pedidos em trânsito;
Cobertura;
Margem;
Capital de giro;
Validade;
Espaço;
Lote mínimo;
Prazo do fornecedor.
O artigo sobre orçamento de compras com Open to Buy mostra como transformar vendas e estoques planejados em um limite de compras.
Rotina de acompanhamento
Diariamente
Verifique rupturas;
Acompanhe perecíveis;
Registre eventos;
Corrija estoques críticos;
Observe desvios relevantes.
Semanalmente
Calcule o WAPE;
Analise o viés;
Compare previsão e venda;
Revise promoções;
Verifique excessos;
Avalie pedidos emergenciais.
Mensalmente
Compare métodos;
Analise ajustes humanos;
Revise parâmetros;
Separe lojas e categorias;
Relacione acuracidade com perdas e capital;
Defina planos de melhoria.
Plano para começar em 30 dias
Primeira semana: defina o cálculo
Escolha WAPE e viés;
Defina o nível de análise;
Determine o horizonte;
Registre a versão original da previsão;
Padronize as fórmulas.
Segunda semana: organize os dados
Identifique rupturas;
Separe promoções;
Revise cadastros;
Confira estoques;
Registre eventos excepcionais.
Terceira semana: crie a linha de base
Calcule a previsão simples;
Compare com o sistema;
Analise ajustes manuais;
Identifique categorias críticas;
Meça excesso e ruptura.
Quarta semana: melhore as causas
Ajuste parâmetros;
Corrija dados;
Revise promoções;
Treine compradores;
Defina responsáveis;
Repita o cálculo.
Se você acompanha tecnologia, compras e rentabilidade no varejo alimentar, faça seu cadastro no site da Expo Supermercados. Para conversar sobre previsão de demanda ou sugerir novas pautas, utilize também o chat disponível no site.
Principais erros na medição
Alterar a previsão depois de conhecer a venda
A previsão precisa ser congelada antes do período analisado.
Medir apenas o total da rede
Erros por loja e produto podem se compensar.
Ignorar ruptura
Venda registrada não representa toda a demanda.
Utilizar apenas o MAPE
Produtos com baixa venda ou venda zero podem distorcer o indicador.
Misturar horizontes
Previsões diárias, semanais e mensais possuem dificuldades diferentes.
Comparar promoções com períodos normais
A condição comercial modifica a demanda.
Buscar 100% de acuracidade
A demanda possui variabilidade. O objetivo é reduzir erros relevantes e melhorar decisões.
Avaliar somente o algoritmo
Parâmetros, ajustes humanos, fornecedor e execução também influenciam.
Melhorar a previsão sem medir o estoque
O ganho precisa aparecer em ruptura, excesso, perdas, margem e capital.
Perguntas frequentes
O que é acuracidade da previsão de demanda?
É uma medida da proximidade entre a quantidade prevista e a demanda ou venda realizada.
Como calcular?
Uma opção é calcular o WAPE, dividindo a soma dos erros absolutos pela soma das vendas realizadas. A acuracidade gerencial pode ser apresentada como 100% menos o WAPE.
O que é WAPE?
É o erro percentual absoluto ponderado. Ele mede o erro total em relação ao volume total realizado.
O que é viés da previsão?
É a tendência de prever sistematicamente acima ou abaixo da demanda.
Qual é uma boa acuracidade?
Não existe um percentual único. O resultado depende da categoria, horizonte, promoção, giro e previsibilidade do produto.
Venda e demanda são iguais?
Não necessariamente. Rupturas e falhas de execução podem impedir que parte da demanda se transforme em venda.
Como medir produtos sem venda?
Analise o erro em unidades e utilize métodos capazes de tratar vendas iguais a zero. Evite depender somente do MAPE.
A IA garante uma previsão correta?
Não. Ela pode melhorar a análise, mas depende de dados, parâmetros, fornecedores e execução operacional.
O comprador ainda precisa revisar a previsão?
Sim. Porém, os ajustes devem possuir justificativa e ser medidos para verificar se melhoram o resultado.
Supermercados pequenos podem medir?
Sim. Uma planilha com previsão, venda, erro absoluto, ruptura e promoção já permite começar.
Prever melhor é decidir melhor
A previsão não precisa acertar exatamente todas as vendas. Ela precisa reduzir erros que provocam falta, excesso, perda e capital parado.
O supermercado deve descobrir três coisas:
Qual é o tamanho do erro?
Estamos prevendo acima ou abaixo?
A previsão está melhorando estoque, disponibilidade e margem?
Quando essas respostas estão disponíveis, tecnologia e experiência deixam de competir. O sistema calcula, o profissional interpreta, a equipe executa e o resultado melhora as próximas previsões.
Continue acompanhando os conteúdos e vídeos da Expo Supermercados. Faça seu cadastro e converse com nossa equipe pelo chat do site.
Conteúdo de supermercadista para supermercadista.
Comentários