Previsões com Séries Temporais são usadas quando um histórico de dados de vários anos para um produto ou linha de produtos está disponível e quando os relacionamentos e as tendências entre as variáveis são claras e relativamente estáveis.
- Um dos princípios básicos da previsão estatística é usar os dados do desempenho passado para obter uma leitura da taxa de crescimento atual e de quão rápido está aumentando ou diminuindo.
- Usar fatores ou taxas para facilitar a descrição das fórmulas, compreensão e cálculo.
- A” “taxa corrente” e as mudanças na taxa (aceleração” e desaceleração) constituem a base da previsão.
- No entanto, a questão não é tão simples … as tendências não são imediatamente óbvias.
- Elas estão misturadas com variações sazonais e invariavelmente distorcidas por vários fatores … por exemplo, efeitos de uma grande campanha de promoção de vendas, queda de sistema de informações, fenômenos econômicos e sociais e assim por diante.
- Vivemos num mundo que tudo muda. A previsão de ontem não é igual a de hoje, precisa de ajustes.
- Os dados brutos precisam ser tratados antes que sejam utilizáveis e isso é um imperatico, feito com frequência, quando do uso da análise de séries temporais e previsões de uma forma geral.
- Descobrir padrões é uma atividade essencial na escolha do tipo de método de previsão.
- Um padrão significa que elementos de um conjunto de dados se repetem de maneira previsível.
- A figura ilustra quatro padrões básicos da maioria das séries temporais.
- Existe também um quinto padrão chamado “aleatório” quando variações dos dados históricos são tão irregulares que se torna muito difícil a previsão de eventos futuros.es
Séries Temporais e Fundamentos.
A máxima das previsões por série temporal é Previsão = Tendência vezes Sazonalidade.
- A previsão de séries temporais é uma técnica de análise de dados para prever valores futuros com base em dados históricos que são coletados em intervalos regulares ao longo do tempo.
- A principal finalidade é identificar e modelar padrões e tendências nos dados históricos para extrapolar esses padrões para o futuro.
- A previsão de séries temporais ocorre quando você faz previsões científicas – com base em dados históricos com registro de data e hora.
- As séries temporais existem nas mais variadas áreas de aplicação, como: finanças, marketing, economia, etc.
- O método de análise de séries temporais identifica fatores de tendências e sazonalidades.
- O fundamento do método é que o volume de serviços (receita, tráfego, vendas, demanda, recursos, etc) pode ser influenciado e previsto por uma “série de fatores” (taxas, proporções, razões) que podem ser isolados e utilizados para estimar o que ocorrerá no tempo futuro coberto pelo forecast (previsão).
- Em termos de equação, podemos dizer que fprevisão = ftendência x fsazonalidade
- Desdobrando ou fatorando mais ainda … fprevisão = ftendência anual x fsazonalidade mensal x fsazonalidade semanal x fsazonalidade diária .
- Diante disso, o primeiro passo para previsão via método de análise de séries temporais é “isolar” o efeito da tendência das taxas de sazonalidade.
- Tendência está associada à previsões no longo prazo da taxa de crescimento (por exemplo de um ano para outro ou num período).
- Sazonalidade está associada à padrões de variações de carga de trabalho no curto prazo, ao longo do tempo, tipicamente mensal, semanal e intradiário.
Vejamos como a separação da tendência e sazonalidadepodem ser feita …
Cálculo da Tendência de Crescimento Anual.
Veja o gráfico e tabela … que ilustra como calcular a tendência de crescimento anual para elaborar o forecast.
- Uma taxa média anual de crescimento (tendência de crescimento anual), pode ser calculada comparando dois anos mês a mês, identificando as taxas de crescimento de cada mês e calculando a média de crescimento entre todos os crescimentos mensais … o cálculo da taxa de crescimento de janeiro = (132000- 115000) / 115000 = 14,8%, para os demais meses, o cálculo é similar.
- A média anual de crescimento do exemplo é 15,1%, que é a média das doze taxas de crescimento anual e essa é um informação utilizada para fornecer estimativa inicial do volume de serviços (que pode ser demanda de contatos, chamadas, registros de atendimento, etc), para o ano N+1.
- Considerando que em muitas vezes o período de amostra ou de forecast é inferior a um ano, utiliza-se também a tendência mensal (taxa de mudança mensal), que neste exemplo seria calculada como 15,1% / 12 = 1,26%.
- A taxa de crescimento média pode ser representada por um fator de crescimento médio mensal = 1, 0126, onde fator de crescimento mensal = (1 + taxa de crescimento mensal).
Cálculo da Sazonalidade Mensal.
Após calculada a tendência (crescimento), o próximo passo é calcular as sazonalidades, ou seja, os padrões de oscilações mensais e semanais, diários e intervalos no dia previstos para o período da previsão.
Identificar sazonalidades sem isolar a tendência, induz a erros de interpretação e cálculo, já que a tendência de crescimento está atuando em conjunto (misturada) com a sazonalidade.
Os passos 5 e 6, ilustrados na figura, descrevem uma forma de calcular a sazonalidade sem a interferência da tendência de crescimento, da seguinte forma:
Passo 5.
- Deslocar para o valor presente todos os valores dos últimos 12 meses em relação ao último mês do príodo de forecasting, no nosso exemplo dezembro.
- Por exemplo, para descontarmos a tendência de crescimento de novembro basta considerarmos o crescimento de 1 mês. Isto é, multiplicar 177000 (tráfego ou receita de novembro) pelo fator de crescimento mensal = 1,0126 e obteremos 179225 (isto é, o valor que novembro representaria em dezembro).
- Para o mês de outubro, deveremos considerar dois meses ou 168000 x 1,01266 (fator de crescimento de outubro) x 1,0126 (fator de crescimento de novembro) = 172.251 e assim por diante, para calcular todos os outros meses.
Passo 6.
- Calcular o fator de sazonalidade para cada mês, dividindo o volume de serviços de cada mês pela média do volume de chamadas do passo 5 … no exemplo a média.
- O fator de sazonalidade permite, agora, comparar as contribuições sazonais sem interferência do fator de crescimento.
- Por exemplo: o mês de dezembro é o mês de maior volume, com 12,8% de volume de chamadas acima do tráfego médio anual, já o mês de julho, é o mês de menor tráfego, com menos 15,1% abaixo da média de tráfego anual e assim por diante.
- Maio apresenta um volume relativamente maior que agosto.
Cálculo da Previsão.
Uma vez calculadas as taxas de tendências e os fatores sazonais, elas podem ser usadas para prever, de forma confiável, os volumes futuros de chamadas.
O diagrama ilustra as previsões – o forecast – para todos os meses do ano N+2, incorporando tanto a taxa de tendência, quanto o fator de sazonalidade.
Volume médio mensal sem a tendência.
O ponto de início para o cálculo do forecast é a média das projeções dos volumes mensais no último mês da amostra (Ano N+1).
Que no nosso exemplo é 160.514.
Este número é usado já que representa a informação mais atualizada como a média de todos os meses sem a tendência (vide diagrama).
Desde que esse número é a média de todos os meses, ele também é um mês genérico em relação à sazonalidade.
Aplicar o fator sazonal: por exemplo, o mês de fevereiro é um mês relativamente de baixo volume – porque tem menos dias e mais feriados em comparação com outros meses do ano – com um fator de sazonalidade de 0, 911. Em contrapartida, outubro é um dos meses de maior volumetria, com um fator sazonal de 1, 073.
Aplicar a tendência: no nosso exemplo, o crescimento mensal (ou a taxa de tendência) é aplicado uma vez para janeiro, duas vezes para fevereiro e, assim por diante (isto é, o número de meses do ponto corrente até o ponto futuro desejado).
Forecast de Curto Prazo.
Após completar o cálculo das tendências e sazonalidades mensais, um próximo passo que pode ser necessário é fazer ajustes relacionados aos pesos dos dias da semana.
Pontos de Atenção
- Meses com cinco segundas feiras … se, por exemplo, julho (ou qualquer mês de 31 dias) começa num sábado, domingo, ou segunda-feira, nesse mês existirão cinco segundas-feiras no mês, em vez de quatro. Uma vez que as segundas-feiras são, geralmente, os dias de maior tráfego da semana, o volume mensal poderá necessitar de ajustes para refletir o volume de chamadas adicional.
- Feriados – meses com feriados poderão necessitar de ajustes, especialmente aqueles móveis (Ex.: Natal). Meses com feriados estáveis … feriado toda terceira segunda-feira do mês, por exemplo, não necessitarão de ajustes.
- Reflexos de fatores de negócios … forecast de curto prazo – mensais – provavelmente necessitarão de ajustes para incorporar e refletir possíveis mudanças em vários fatores de negócios, tais como campanhas de marketing, novas versões de produtos, implementação de inovações ou diferentes tecnologias, dentre outros.
- Informações de cada tipo de evento – é crucial seja interno ou externo, que possa afetar ou influenciar o volume de serviços ou contatos para validar e tornar mais preciso o forecast mensal (curto prazo).
O forecast começa com a previsão de volume de demanda, carga de trabalho, receita ou recusos em um período futuro, normalmente 1 ano.
Para fazer isso é: 1)analisado um histórico de dados para determinar um padrão que reflita quando e em que volume os servoços e cargas de tralho ou demanda de recursos acontecem e 2) são consideradas possíveis tendências e eventos que possam afetar esses padrões (fatores de crescimento ou redução).
Esse padrões futuros dependerão do padrão passado e padrão futuro projetado pela empresa.
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.
Tanto numa visão de longo prazo, quanto numa visão mensal, semanal, diária e intradia e intervalos, vom intervalor de tempo que podem variar de 5 a 30 minutos, por exemplo.
O forecasting (processo de previsão), 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”. Ou seja, utiliza ponderações (ou fatores) para incorporar as tendências diárias, semanais, mensais, em intervalos de tempo, conforme aconselhável para o tipo do serviço, ambiente e situação.
O método de séries temporais é o mais utilizados, principalmente quando da previsão de recursos envolvendo fatores humanos, centralizados ou distribuídos em rede.
Este método permite isolar os efeitos das tendências e sazonalidade, para prever o volume mensal, semanal, diário, intradiário de demandas de servços.
A “qualidade total” do forecasting depende da “qualidade de dados da empresa”, da cadeia de serviços da empresa, obtenção e análise de dados históricos, métodos de previsões., pesquisa, planejamento, corretismo na execução dos planos, no registro de dados das operações, corretismo na gestão (monitoramento e registros de eventos e ajustes de forecasting), disponibilidade e manutenção de redes e sistemas de informações e telecomunicações,
