Boa parte das previsões de demanda ainda é feita só com o histórico de vendas. O modelo enxerga o que aconteceu, mas não sabe por quê. Se a venda subiu em dezembro por causa de uma promoção, ele registra um pico de dezembro e o repete no ano seguinte, com ou sem promoção no plano. Se o preço foi reajustado em março, ele leva meses para perceber que o patamar mudou.
O problema não é o modelo estatístico. É a falta de contexto.
- Variável externa é qualquer informação além do histórico da série: clima, promoções, preço, mídia, indicadores de mercado.
- Variáveis do plano comercial são conhecidas com antecedência e permitem antecipar o efeito, em vez de reagir a ele.
- Variáveis não somam ganhos fixos. Algumas se complementam, outras só valem em conjunto, e algumas apenas coincidem com o passado.
- Explicar bem o passado não garante prever bem o futuro. Quem decide se uma variável fica é o teste, não a correlação.
O que são variáveis externas
Variável externa é toda informação que vai além do histórico da própria série: a temperatura, as promoções planejadas, o preço praticado, as campanhas de mídia, um indicador econômico. Com as variáveis certas, o modelo deixa de repetir o calendário e passa a explicar por que a venda sobe e desce.
Elas não entram todas da mesma forma:
- Conhecidas no futuro. Promoções, reajustes de preço e campanhas fazem parte do plano comercial. A empresa sabe quando vão acontecer, e a previsão pode antecipar o efeito.
- Previstas ou observadas. Temperatura e indicadores de mercado não estão no plano. Entram como série própria, com sua própria previsão ou com o comportamento típico de cada época do ano.
Cada efeito com o seu responsável
Uma série de vendas mistura vários efeitos ao mesmo tempo: a estação do ano, o mês da promoção, o novo patamar depois do reajuste. Sem variáveis, o modelo trata tudo como padrão do passado e repete o que viu.
Com as variáveis, cada efeito ganha um responsável. O calor explica a sazonalidade. A promoção explica o pico, e o preço explica a mudança de patamar. A previsão passa a acompanhar o plano da empresa, e não apenas o calendário.
Previsão sem contexto não antecipa. Repete.
Mais variáveis não significa previsão melhor
Variáveis não são peças independentes que somam sempre o mesmo ganho. O efeito de cada uma depende das outras que já estão no modelo.
Complementares. Cada uma explica uma parte diferente da venda. Temperatura e promoções quase não se sobrepõem, e juntas rendem mais que cada uma sozinha.
Dependentes. Uma variável pode valer pouco sozinha e muito em conjunto. A campanha de mídia, isolada, quase não muda a previsão. Somada às promoções, ajuda a explicar o tamanho de cada pico.
Coincidentes. Com dados suficientes, alguma série qualquer vai acompanhar a sua venda por puro acaso. O modelo aprende a coincidência, explica o passado com perfeição e erra o futuro.
Uma variável que explica o passado não necessariamente prevê o futuro.
No laboratório abaixo, ligue as variáveis de cima para baixo e acompanhe a acurácia. Arraste o horizonte para ver como o ganho muda do primeiro mês ao ano inteiro. Depois ligue a chuva em Tóquio.
Só com Temperatura, a previsão ganha 18,0 pts. Ligue outras variáveis e veja quanto cada uma contribui.
Exemplo fictício e modelo ilustrativo: cada combinação usa os efeitos que geraram a série, estimados com um pouco de erro. Nenhum número vem de base de cliente.
Quanto cada variável contribui
Pontos de acurácia que a previsão perde se cada variável for desligada. Variáveis que explicam a mesma parte da venda dividem o ganho, por isso os pontos não somam o total. · 12 meses do ano 5
O teste decide, não a correlação
Uma variável não pode entrar na previsão só porque acompanha o passado. Ela precisa passar pelo teste, que é a previsão de meses que o modelo não viu durante o ajuste. É aí que a coincidência aparece. A chuva em Tóquio melhora o ajuste do passado de 97,2% para 97,6%, enquanto a acurácia do ano seguinte cai de 96,1% para 76,8%.
No laboratório, a regra é simples: a variável sai quando, sem ela, a acurácia do teste sobe pelo menos 2 pontos. Nas 32 combinações possíveis, e em qualquer ponto do ano, essa regra sempre retira a chuva em Tóquio e nunca retira temperatura, promoções ou preço.
No NPLAN, o mesmo princípio opera série a série. Os modelos com e sem variáveis disputam o mesmo teste, e cada indicador externo passa antes por regras mínimas de histórico e de correlação. Uma coincidência que piora o teste sai antes de chegar à previsão.
Variável externa não é enfeite do modelo. É a forma de fazer a previsão enxergar o plano comercial e o que acontece fora da empresa, desde que cada variável prove, em dados que o modelo não viu, que ajuda a prever.