Espacios. Vol. 36 (Nº 10) Año 2015. Pág. 1

Métodos quantitativos de previsão de demanda aplicados em orçamento de despesas

Quantitative methods of forecasting demand applied in expenditure budget

Ana Cláudia Czermainski de SOUZA 1; André Leandro RODRIGUES 2; Diego Augusto de Jesus PACHECO 3

Recibido: 10/12/14 • Aprobado: 26/02/2015


Contenido

1. Introdução

2. Revisão Teórica

3.Metodologia

4. Resultados

5. Análise e discussão de resultados

6. Conclusões

Referências bibliográficas


RESUMO:
O artigo em questão tem como premissa investigar se o método de previsão de demanda utilizado tem margem de erro aceitável, na elaboração de orçamentos de despesa. A empresa estudada é do ramo de serviços financeiros. O estudo propõe-se a analisar o comportamento de despesas e quais fatores externos aos dados quantitativos, influenciam na efetivação das despesas orçadas. Os dados a serem pesquisados possuem periodicidade mensal e espera-se identificar de forma eficaz se o método colaborará na tomada de decisões, e não apenas na previsão quantitativa dos dados futuros.
Palavras-chave: previsões de demanda, orçamentos de despesa, serviços.

ABSTRACT:
The article in question has premised investigate whether the demand forecasting method is acceptable margin of error for the preparation of expense budgets. The company studied is the financial services industry. The study aims to examine the spending behavior and what external factors to the quantitative data, influence the realization of budgeted expenditures. The data to be surveyed have a monthly basis and is expected to identify effectively the method will work in decision making, not just in quantitative forecasting of future data.
Keywords: demand forecasts, expense budgets, services.

1. Introdução

Com a globalização, os efeitos da tecnologia sobre as organizações têm aumentado gradativamente, a informação e o conhecimento tem se tornado o fator preponderante na tomada de decisões. Porém, foi constatado certo déficit na utilização de sistemas de informação aplicados a empresas de pequeno porte. É nítida a dificuldade no manuseio da informação e segundo uma pesquisa realizada pela Mcon Consultoria Empresarial, abrangendo 150 empresas de pequeno porte, cerca de 90% das empresas pesquisadas contaram com computadores. Contudo, a maioria dessas empresas não sentiram efeitos positivos na informatização, segundo Beraldi e Escrivão Filho (2000, p.46). No Brasil, as empresas de pequeno porte representam 32% das prestadoras de serviço (SEBRAE, 2013).  Elas enfrentam o grande desafio de associar o baixo custo com a excelência na maximização de receitas, e isso não é tarefa fácil. No planejamento orçamentário, por exemplo, é necessário agir com cautela em sua elaboração, para se buscar a menor margem de erro entre o que é previsto quanto ao que será realizado.

Sendo assim, esta pesquisa como objetivo testar a técnica de previsão de demanda, em empresas que não possuam estrutura financeira suficiente para realizar investimentos significativos na área de sistemas de informação. Ou seja, através de softwares relativamente acessíveis e de baixo custo é possível, utilizar métodos estatísticos para prever com maior precisão o comportamento a ser projetado.

A pesquisa caracteriza-se pela abordagem quantitativa e estudo de caso, e será aplicada em uma empresa prestadora de serviços financeiros denominada neste artigo como empresa "A". A estrutura do artigo compõem as seguintes sessões: Referencial teórico, metodologia, desenvolvimento das técnicas aplicadas, análise e discussão de resultados através dos dados levantados e conclusões.

2. Revisão Teórica

2.1 Empresas de pequeno porte e os sistemas de informação

Com o advento da globalização, as empresas foram praticamente obrigadas a inovar e  se adequar a exacerbada rapidez na gestão de informações, buscando se manter com algum diferencial competitivo no mercado. Com a expansão rápida dos sistemas de informação, a maioria das empresas de pequeno porte possuiu certa resistência a inovação e consequentemente não conseguiram acompanhar o ritmo de oscilações que o mercado ditou.  As pequenas empresas no geral não possuem sistemas informatizados, ou seja, seus controles são feitos quase que exclusivamente por meio de papeladas intermináveis. As empresas de pequeno porte possuem uma tendência de investimento, restrito ao hardware, ou seja, investem mais em desktop's do que em softwares para gerir a informação (BERALDI E ESCRIVÃO FILHO (2000).

2.2 Séries Temporais

As séries temporais analisam dados históricos de qualquer natureza e de qualquer instante não simultâneo.  Possuem duas esferas de análise:

  1. Séries temporais discretas: Aonde se determina a análise dos dados sobre um período de tempo "x" constante.
    Exemplo: Análise trimestral de vendas.
  2. Séries temporais contínuas. Aonde se determina a análise de dados sobre diferentes períodos de tempo "x". Sendo então, utilizado uma amostra dos períodos para se realizar a análise.
    Exemplo: Registro de chuvas em determinado mês.

Ambas as formas, tem por objetivo realizar modelos para a análise das séries. No caso da série discreta, será realizado por domínio temporal e seu modelo será paramétrico. Ou seja, será parametrizada com o período de tempo "x". Enquanto a contínua, será por domínios de frequência, logo espectral. (BEZERRA, 2006).

As variações econômicas e organizacionais que presenciamos ao decorrer dos anos, interfere de forma significativa na tomada de decisão. Pois, não podemos descartar os efeitos e influência que essas mudanças provocam no cenário mundial. Entretanto, existem técnicas que podem auxiliar os gestores para realização de planejamentos futuros, com uma margem de erro consideravelmente menor: a previsão. Existem inúmeras formas de previsão, mas todas possuem um objetivo em comum – prever eventos futuros, de uma forma que venha a colaborar com os gestores no processo de decisão final. (LEVINE; BERENSON; STEPHAN, 2000). As técnicas de previsão de demanda são normalmente utilizadas para se obter maior precisão ao analisar dados históricos. Pode-se dizer que são subdivididas em técnicas quantitativas e qualitativas.

[..] As previsões de demanda costumam utilizar métodos quantitativos ou qualitativos. Os métodos quantitativos baseiam-se na análise de séries temporais e históricas. Métodos qualitativos baseiam-se no julgamento e no conhecimento de especialistas. (PACHECO apud MAKRIDAKIS,WEELWRIGHT; HYNDMAN,1998)

Atualmente, com a globalização e a consequente abertura de mercado a previsão de demanda será fator indispensável para acompanhar as rotineiras mudanças da concorrência. (WERNER; RIBEIRO, p. 48, 2000)

2.3 Métodos quantitativos e qualitativos

O método quantitativo subdivide-se em duas premissas. Séries temporais e causais. As séries temporais presumem que os dados futuros serão baseados nos dados históricos, mantendo um comportamento médio. Enquanto as causais, presumem que haverão variáveis que oscilarão o resultado futuro, podendo estar em divergência com o comportamento do passado.

Séries temporais (métodos de projeção): assumem que o futuro será uma reprodução do passado. Os modelos presumem Séries Temporais (métodos de projeção): assumem que o futuro será uma reprodução do passado. Os modelos presumem que os dados históricos da demanda se ajustam a uma função matemática, utilizada para projeção das demandas futuras. Exemplos de métodos de projeção são: média móvel, suavização exponencial, autocorrelação, afirmam Proto e Mesquita (2003, p.3).

Séries causais (modelos de regressão): baseiam-se na premissa de que as mesmas leis de dependência entre variáveis explicativas e a demanda permanecerá no futuro. Buscam estabelecer uma função matemática, correlacionando a demanda com uma série de variáveis independentes (VI's), e utilizam esta função para gerar novas previsões. Exemplos de métodos: regressão (simples e múltipla), modelos econométricos, afirmam Proto e Mesquita (2003, p.3).

A média aritmética ou média de um conjunto de N números: (Y¹, Y²,Y...), o somatório dos números (N), dividido pelo somatório de suas frequências. (SPIEGEL, 2009, p.67). Conforme Levine (2000), a média aritmética (também chamada de média), é, em geral, o tipo de média ou medida de tendência central mais utilizada. É calculada somando-se todas as observações em um conjunto de dados e dividindo-se o total pelo número de itens envolvidos. Contudo, existe um efeito indesejado na utilização de médias aritméticas para elaborar previsões. Elas são diretamente influenciadas por valores extremos, podendo apresentar resultados distorcidos da realidade. (LEVINE, 2000).

Cada ponto de uma média móvel simples numa série de tempo é a média aritmética ou ponderada de um número de pontos consecutivos das séries, onde o número dos pontos é escolhido de forma a eliminar os efeitos da sazonalidade e irregularidades. (WERNECK, apud BALLOU, 2006).

Já a média móvel ponderada consiste em atribuir pesos diferentes para os valores do período escolhido, o peso varia de 0 ate 1 de forma que a soma de todos os pesos seja igual a 1, escolhido a ordem da média móvel e os pesos que melhor se adéque os dados, observe a equação. (SILVA; SILVA, 2009).

    O modelo de suavizamento exponencial é usualmente usado devido a sua simplicidade e exatidão. O método atribui pesos maiores para valores recentes, com isso um conjunto poderá cair consideravelmente a partir de valores mais recentes, por exemplo. (PELLEGRINI, 2000).

3.Metodologia

A empresa "A" onde a pesquisa foi realizada é uma empresa prestadora de serviços financeiros, fundada em 2008, com o intuito de oferecer ao mercado a possibilidade de encaminhar propostas de operação de crédito para financeiras. Com aproximadamente 100 funcionários em cinco estados brasileiros, tendo seu maior foco na cidade de Porto Alegre, no Rio Grande do Sul.

Procedimentos metodológicos

A coleta de dados foi realizada através de planilhas de orçamento de outubro de 2012 à outubro de 2013. Como tratou-se de uma estudo de caso, os dados foram buscados na empresa a partir de pesquisa documental. Os documentos podem ser encontrados em arquivos públicos, ou de empresas particulares, ou em arquivos de entidades educacionais e/ou cientificas [...].Na  utilização de documentos científicos, o pesquisador depara com dois tipos: documentos primários e secundários. Os primários englobam resultados novos de pesquisa; os secundários apresentam repetição de informações. (MEDEIROS,2010).

Já o estudo de caso consiste em analisar intensamente algum registro ocorrido na empresa, podendo ser um ou mais casos. O estudo de casos envolve a análise intensiva de um número relativamente pequeno de situações e, às vezes, o número de casos estudados reduz-se a um. É dada ênfase a completa descrição e ao entendimento do relacionamento dos fatores de cada situação não importando os números envolvidos" (CAMPOMAR, 1991). A pesquisa bibliográfica abrange as publicações já realizadas sobre determinado assunto. Segundo Gil (2010), é elaborada com base em material já publicado. Normalmente a pesquisa acadêmica passará por este método, pois é necessário ao desenvolvimento dos conhecimentos existentes a continuidade ou até mesmo a inovação das pesquisas existentes.

    A empresa foi escolhida pela facilidade de acesso a informações pois um dos autores trabalha na mesma e conduz a elaboração do orçamento de despesas. Sendo assim, constatou a necessidade de realizar previsões com maior acurácia, através do único software disponível: o Microsoft Excel. Foram utilizados dados históricos de aproximadamente um ano e a elaboração de gráficos também foi conduzida a partir do mesmo software. A natureza da pesquisa foi aplicada, pois e testadas a técnica de previsão no orçamento da empresa, e a abordagem foi mista, utilizando-se de métodos qualitativos ao analisar os resultados dos métodos de previsão e quantitativos ao utilizar dados históricos para elaboração dos dados. Os métodos foram escolhidos a partir da necessidade de responder aos objetivos da pesquisa de identificar se a técnica de previsão de média simples possuirá maior acuracidade entre orçado e realizado, mesclando com o conhecimento financeiro da empresa. Pois ela, não utiliza software para elaboração de orçamentos. Partiu-se do pressuposto que se empresa não possui software apropriados, poderá utilizar cálculos estatísticos e econométricos para prever o comportamento de despesas, necessitando de baixo investimento na aquisição de ferramentas  utilizadas para executar estes cálculos.

4. Resultados

Nas empresas de pequeno e médio porte é corriqueiro o uso do Microsoft excel em áreas administrativas. O uso da ferramenta possibilita um vasto banco de dados. Na empresa estudada, o Excel já era utilizado para elaborar orçamentos, pois a empresa não possui ainda software para essa finalidade. Segundo a empresa, a planilha de orçamento mensal foi elaborada a partir de julho de 2012, anteriormente usava-se uma planilha de orçamento anual. Contudo, como ele era anualmente previsto, não se tinha uma análise mensal do comportamento das despesas para colaborar nas tomadas de decisão, tampouco a posição consolidada do mês. Na elaboração da planilha foram mensurados os setores envolvidos e as variáveis qualitativas que envolviam o orçamento. Conforme figura abaixo:

Figura 1: Setores envolvidos na coleta de dados. Fonte: Autores (2014).

As peculiaridades encontradas foram:

Tabela 1: Orçamento integral analisado

Após o levantamento dos dados históricos a planilha foi elaborada e aperfeiçoada através de elementos qualitativos de informações, ou seja, fatores pontuais que apenas especialistas tem conhecimento.  Como os eventos extraordinários é que ocasionavam as oscilações mais discrepantes, foram implantadas técnicas quantitativas nos grupos de despesa selecionados.

1º Etapa: Primeiramente a posição consolidada integral de despesas feita no Excel (tabela 1), utilizando-se dos dados históricos da empresa de janeiro de 2013. A partir da seleção realizada em janeiro, os meses de fevereiro a outubro estão apontados para posterior implantação dos métodos descritos anteriormente (tabela 2, 3, 4, 5, 6).

Tabela 2: Dados analisados – Janeiro e Fevereiro.

----

Tabela 3: Dados analisados – Março e Abril

----

Tabela 4: Dados analisados – Maio e Junho

----

Tabela 5: Dados analisados – Julho e agosto

----

Tabela 6: Dados analisados – Setembro e Outrubro

----

Após a montagem das tabelas, realizaram-se as análises dos testes de previsão. Para apuração de resultado através da técnica de média simples. Utilizou-se um período médio de 10 meses retroativos ao último mês realizado. Observou-se o valor realizado em outubro e as médias decrescendo mensalmente. Por exemplo, para se apurar a média de outubro, usou-se os meses de agosto e setembro e assim sucessivamente. Segue abaixo um exemplo de gráfico de verificação de comportamento feito. As demais despesas foram demonstradas somente através de tabelas ( tabela  7, 8, 9).

Figura 1: Exemplo de análise gráfica realiada inicialmente. Fonte: Autores (2014).

----

Tabela 7: Análise  do orçamento

----

Tabela 8: Análise  do orçamento

----

Tabela 9: Análise  do orçamento

----

Percebe-se que as empresas que não possuem software, necessitam de um método trabalhoso para se chegar a previsões corretas. Dentre as despesas analisadas verificou-se que muitas delas, quando utilizado o método de média simples, necessitam de períodos distintos para se chegar a um valor atrativo quanto à posição orçamentária do mês posterior. Como por exemplo, a folha de pagamento demonstrou-se aproximada na média de quatro meses, entretanto a despesa de assistência médica para o mesmo período teve aproximadamente 38% de erro. Segue abaixo alguns percentuais quanto à precisão da média simples, utilizando 3 e 2 meses, visando o orçamento de outubro:

Tabela 10: Análise  do orçamento

5. Análise e discussão de resultados

Através das técnicas apuradas, é clara a ineficiência dos métodos puros. Para obter uma previsão assertiva, deverá haver sido previamente realizada a análise de cada uma das despesas e suas peculiaridades. Segue abaixo, conforme as informações da empresa a descrição e o uso dos métodos, as variáveis que influenciaram os valores realizados efetivamente no mês de análise, como visto anteriormente tratou-se do mês de outubro de 2013.

  1. Provento: As variáveis que influenciam o comportamento basicamente estão associadas à alta rotatividade presente na empresa.
  2. Desencaixe não provisionado: O desencaixe são todos os pagamentos aos quais os demais setores não informam ao setor financeiro, podendo causar uma quebra de caixa. Para esses valores a utilização de qualquer método quantitativo não validará a previsão do realizada para o mês posterior, o valor refletirá as despesas extraordinárias da empresa.
  3. Aluguéis e condomínio: Mantém uma constante oscilando apenas no que se refere a condomínio, devido a utilização de luz ou água em excesso.
  4. Assistência médica: Estão vinculados a quantidade de consultas que os colaboradores realizam no mês anterior, portanto somente com o fluxo de informação correto gerará um valor aproximado de previsão.
  5. Ordenados à pagar: A folha de pagamento da empresa, assim como o provento vincula-se a movimentação de funcionários e também as comissões pertencentes ao comercial.
  6. Despesas de viagem: As viagens realizadas na empresa estão diretamente relacionadas com agenda dos operadores comerciais. Portanto, agendas mais longas poderão extrapolar valores orçados por média.

A falta de comunicação entre os setores dificulta a realização do orçamento. Por tratar-se de um grupo de despesa basicamente fixas, não possuem grandes oscilações de um mês a outro. A utilização da média simples, poderá ser utilizada com no máximo três meses anteriores ao orçamento, pois a média em suas extremidades de valor poderá ocasionar uma previsão errônea.

O uso do excel demonstrou-se eficaz ao tabular os dados, com fórmulas simplórias. No excel, foram utilizadas as fórmulas de Média e Variação e montagem de gráficos. Percebe-se que a partir da pesquisa realizada é evidente que mesmo empresas que não possuam estrutura poderão ter uma boa ferramenta para controles financeiros e principalmente de baixo custo.

O resultado da pesquisa se mostrou eficiente, para defender a ideia de que o ajuste de opinião complementa os dados matemáticos. Como por exemplo, nas despesas de viagem, ao qual altera-se pelo comportamento do segmento do local de hospedagem e não somente nesse aspecto, como também nas passagens aéreas. Os períodos de alta e baixa temporada influenciarão os valores, informações que técnicas quantitativas isoladas não conseguem  prever.

6. Conclusões

Essa pesquisa investigou se o método de previsão de demanda utilizado tem margem de erro aceitável, na elaboração de orçamentos de despesa no ramo de serviços financeiros.    As empresas de pequeno porte possuem certa resistência a implantação de sistemas de informação, não somente pelo fator cultural, mas geralmente pelo alto valor agregado que exige-se para tal.

Mediante a utilização do software Excel, extremamente comum em pequenas empresas, nota-se que a empresa estudada possuía uma gama de despesas basicamente fixas, não necessitando de investimentos na área de tecnologia da informação. O que demonstrou-se necessário, foi a melhor comunicação entre os setores da empresa. Caso a empresa venha a instigar está característica certamente o orçamento será realizado de forma mais apurada. A média aritmética mesmo possuindo metodologia simples, ainda pode ser usada devido ao comportamento linear na maioria das despesas observadas.

    O estudo de caso teve seus objetivos alcançados ao verificar que o método quantitativo usado estava correto e contribuiu para influenciar as empresas de pequeno a utilizarem a ferramenta do excel na ausência de software mais sofisticados, possuindo um baixo nível de conhecimento já torna-se possível a previsão de despesas, contribuindo assim para qualquer decisão estratégica que a empresa deva tomar.

Referências bibliográficas

SEBRAE. Acesso em: http://www.sebrae.com.br/customizado/estudos-e-pesquisas/temas-estrategicos/conjuntura-economica/boletins-de-estudos-pesquisas/boletim-estudos-e-pesquisas-nr-24-outubro-2013.pdf acesso em 15/11.

BERALDI, Lairce Castanhera; ESCRIVAO, Edmundo Filho. Impacto da tecnologia de informação na gestão de pequenas empresas Ci. Inf., Brasília, v. 29, n. 1, p. 46-50, jan./abr. 2000

BEZERRA, Manoel Ivanildo Silvestre. Apostila de Análise de Séries Temporais , p. 4, 2006.

CAMPOMAR, Marcos Cortez. Do uso de "estudo de caso" em pesquisas para dissertações e teses em administração. Revista de Administração, SP, v.26, n.3,p.95-97, julho/setembro 1991.

GIL, Antônio Carlos. Como elaborar projetos de pesquisa, p.29 -  5. Ed.-  São Paulo : Atlas, 2010.

FAZZIO, Paulo José. Microsoft Excel com matemática financeira, De fazzio assessoria, p. 4, 2002

FLORES, Maria Lucia Pozzatti. O USO DO EXCEL PARA RESOLVER PROBLEMAS DE OPERAÇÕES FINANCEIRAS, CINTED UFRGS, V.2 Nº2, p. 2-3, Novembro, 2004

LEVINE, David. Estatística: Teoria e aplicações. 2000.

MEDEIROS, João Bosco – Redação Cientifica: A prática de fichamentos, resumos, resenhas, 3. Reimpr.-  São Paulo :  – Atlas, 2010.

NUNES, et al., APLICAÇÃO DOS CONCEITOS DE PREVISÃO DE DEMANDAS BASEADAS EM SÉRIES TEMPORAIS EM UMA CONCESSIONÁRIA DE MOTOCICLETAS (ESTUDO DE CASO) - XXIX Encontro Nacional de engenharia de Produção - 2009

PACHECO, Natália Araújo. Previsão de Vendas em uma empresa de combustíveis. TCC apresentado na UFGRS, 2006.

PELLEGRINI, Fernando Rezende. METODOLOGIA PARA IMPLEMENTAÇÃO DE SISTEMAS DE PREVISÃO DE DEMANDA – p.8, 2000

PROTO, L.O.Z.; MESQUITA, M.A. Previsão de demanda para planejamento da capacidade de empresa do setor cimenteiro – XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil,– p.3. 21 a 24 de out de 2003

SILVA, Paulo Wagner Lopes da Silva; SILVA Rodrigo Mero Sarmento. Modelos matemáticas para previsões e comparativo de eficiência usando o maple – p. 4 - IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação Tecnológica, 2009.

SPIEGEL, Murray R. Estatística – 3º Edição. 2009.

WERNECK, Roberto Freitas – Análise e previsão de demanda numa empresa de distribuição de medicamentos – p.12,.2007.

WERNER, Liane; RIBEIRO, José Luis Duarte. PREVISÃO DE DEMANDA: uma aplicação dos modelos Box-Jenkins na área de assistência técnica de computadores pessoais, Revista Gestão e Produção, 2003.


1. Departamento de Administração de Empresas. Complexo de Ensino Superior de Cachoeirinha – Cachoeirinha – Brasil. Email: anaczermainski@gmail.com

2. Departamento de Administração de Empresas. Complexo de Ensino Superior de Cachoeirinha – Cachoeirinha – Brasil. EMail: compras.pap@hotmail.com

3. Programa de Pós-Graduação em Engenharia de Produção – PPGEP. Universidade Federal do Rio Grande do Rio Grande do Sul, Brazil. Email: profdajp@gmail.com

 

Vol. 36 (Nº 10) Año 2015
[Índice]
[En caso de encontrar algún error en este website favor enviar email a webmaster]