Previsões (forecasting) é um um pilar do processo de gestão ; é altamente dependente da qualidade do histórico de dados
Fornece os fundamentos (informações) para dimensionar todos recursos de qualquer sistema de produção.
Determinar o perfil cognitivo e quantidade de pessoas.
Para fazer isso é necessário analisar histórico de dados para determinar um padrão que reflita quando e em que volume os serviços ocorrem e quais as possíveis tendências e eventos que possam afetar esses padrões (fatores de crescimento ou redução e sazonalidades).
Forecast (do inglês) significa previsão (português), ou seja, antecipar os eventos futuros para incorporar seus efeitos nos planos e representar o cenário mais provável possível.
As previsões devem ser feitas tanto numa visão de longo prazo, quanto numa visão de semanas, dias, intradia e intervalos de tempo … os tempo de amostragem são essenciais para o nível de exatidão das previsões.
Por exemplo em contact center e plataformas de e-commerce os intervalos de tempo podem variar de 5 a 30 minutos, para aumentar a precisão, outros sistemas suportados por redes de comunicação via internet podem exisgir amostras em padrão de segundos.
O forecasting (o processo), utiliza modelos estatísticos para incorporar o impacto de eventos previsíveis e não previsíveis (mas estimados) ou de premissas particulares ao negócio, incluindo as ponderações de dados para “prover ênfases para históricos recentes”, conforme o modelo de negócio, tipo do serviço, ambiente e situação.
Um dos métodos muito utilizados é o de “séries temporais”que permite isolar os efeitos das tendências e sazonalidade, para prever o volume de serviços futuros.
A “qualidade total” do forecasting depende da “qualidade da coleta, armazenamento, e recuperação de dados e informações”, análise estatística dos dados, histórico de previsões, nível de precisão, modelos e métodos de previsões , corretismo no registro de dados das operações, monitoramento, registros de eventos, ajustes de forecasting … depende de todo o processo de gestão nas suas várias etapas.
Método Funil para fazer Previsões
A forma de elaborar o forecasting é via “ método funil”.
Primeiro é feita uma previsão de longo prazo (um ano).
Depois, é feita a previsão de médio prazo (meses).
Depois a de curto prazo (semanas, dias e intradiário).
No forecasting de curto prazo, os dados são ajustados em função de mudanças de expectativas de carga de trabalho em função de campanhas, novas funcionalidades e outros tipos de eventos.
O forecasting de curto prazo é o “feijão com arroz” ou atividade diária de planejamento e monitoramento de vendas de representantes de venda e gerentes de equipes.
Identificação de Padrões
A Identificação de padrões é um objetivo da previsão.
O fundamento do forecast está na identificação de padrões a serem replicados no futuro.
São os padrões que suportam as previsões.
Sempre existirão padrões de crescimento e sazonalidade, mesmo diante de fortes mudanças.
Previsões Articuladas
Forecast de longo prazo … acima de três anos de histórico fornecem bons padrões, mas mesmo os dados de apenas um ano podem gerar boas previsões.
Forecast semanal … normalmente as segundas-feiras são os dias de maior movimento, já que refletem a “folga” do final de semana. Quando uma terça vem seguida de um feriado da segunda, esse maior movimento é transladado para a terça. Esse “padrão de feriado” aplica-se para dias pós-feriados;
Forecast intradiário (intradia) … os padrões que ocorrem a cada dia podem ser observados num conjunto de dados de uma semana.
Qualidade de Dados e Informação
O correto registro dos dados (qualidade dos dados) imputados no planejamento, execução, controle a justes, que pode envolver várias pessoas ou equipes equipes de produção, agentes e vendedores, para os vários tipos de serviços oferecidos e demandados é fator fundamental.
É importante avaliar a qualidade do forecast, continuamente.
Ela dependerá de vários outros fatores: qualidade dos dados, qualidade do processo e da estabilidade do ambiente (condições de mercado, eventos externos e internos).
Observar que previsões precisas de maior prazo não garantem previsões precisas de menor prazo.
No entanto, previsões diárias e semanais realimentam o processo de forecast e geram forecast de longo e curto prazo mais precisos.
Benefícios das Previsões
O forecasting gera vários benefícios …
- Exige compreender as relações de causas e efeitos.
- Prever desvios antes que provoquem impacto.
- Prever recursos de todos os tipos – pessoas, materiais, ferramentas, procedimentos, etc.
- Minimizar despesas, investimentos, custos de contratações de pessoas e recursos.
- Avaliar e mitigar riscos com informações para reduzir incertezas.
- Facilitar o processo de decisão.
- Avaliar demandas, quantidade, duração, distribuição no tempo.
- Avaliar
- e ofertas e preços.
Séries Temporais
O método de análise de séries temporais identifica as tendências e sazonalidades.
O fundamento deste método é que o volume de serviços (ou o tempo de tratamento de serviço) pode ser influenciado por uma série de fatores que podem ser isolados e utilizados para estimar o que ocorrerá no tempo futuro abrangido pelo forecast.
O primeiro passo numa análise de séries temporais é “isolar” o efeito da tendência e sazonalidade.
A primeira métrica, “tendência” está associada à taxa de crescimento.
A segunda, “sazonalidade” está associada à padrões de variações de carga de trabalho ao longo do tempo – mensal, semanal e intradiário.
Outros métodos utilizados para estabelecer previsões são:
Ponto de estimativa: basear o ponto futuro num único ponto no passado.
Análise da média: a previsão do ponto futuro é baseada na média de um grupo de dados. Essa média pode ser aritmética simples, móvel (deslocando o período de 12 meses a cada mês decorrido) ou ponderada (que incorpora as variações e as reflete por meio da ponderação).
Análise de regressão: utilizada quando existem dependências entre variáveis. Por exemplo: influência de um tipo de campanha.
Se muitas variáveis são envolvidas a fórmula se torna excessivamente complexa … isso deve ser evitado.
A figura ilustra um modelo de forecast de carga de trabalho”.
Qualquer previsão coleta e análise de dados e é insumo da etapa de dimensionamento.
A matéria-prima do forecasting são as cargas de trabalho calculadas de outras operações normalizadas (tratados para eliminar anomalias, ou eliminar impurezas).
Carga de trabalho é definida como: quantidade de serviços x tempo para o tratamento de serviços, distribuídos em períodos de tempo pré determinados, para cada tipo de serviço demandado … ex. venda, suporte, retenção, etc.
O skill (perfil/conhecimento e habilidades necessários para executar o serviço) é um fator importante que deve ser considerado ou representado na taxa de sucesso ou taxa de conversão de serviços.
Para fazer previsões é analisado o histórico de dados, padrões e novas tendências que afetarão esses padrões, que podem ser externos ou internos à empresa.
