Motor de previsão de demanda
Substituir a planilha de previsão por um modelo em produção com retreino mensal.
- Erro de previsão (MAPE)
- −32%Erro de previsão (MAPE)
- Giro de estoque
- +18%Giro de estoque
- Unidades de negócio atendidas
- 6Unidades de negócio atendidas
Contexto
Compras, estoque e escala de equipe eram planejados a partir de média histórica em planilha, gerando ruptura em picos e excesso em baixa temporada. Havia dados transacionais suficientes, mas sem tratamento de sazonalidade, feriados e efeitos promocionais.
Evolução do impacto
Antes: previsão manual em planilha. Depois: modelo em produção com retreino mensal.
Abordagem
- 01
Diagnóstico do erro
Baseline com a previsão manual para medir MAPE por unidade de negócio e identificar onde o erro custava mais.
- 02
Engenharia de variáveis
Features de sazonalidade, calendário, lags, médias móveis e indicadores promocionais, com validação em janelas temporais.
- 03
Modelagem
Gradient boosting (XGBoost) com tuning de hiperparâmetros e comparação contra modelos estatísticos clássicos.
- 04
Operacionalização
Pipeline de retreino mensal no Databricks e entrega da previsão em Power BI para o time de planejamento.
Stack completa
Impacto & resultados
- MAPE caiu de 24,5% para 16,6% no mesmo período comparável.
- Planejamento de compras passou a usar o modelo como referência oficial.
- Redução de rupturas em picos sazonais sem aumento de estoque médio.
Tem um desafio parecido? Posso avaliar viabilidade e desenhar o caminho.
Falar sobre um projetoVeja também
6 conteúdos · sugestões automáticas