O USO DE MODELOS DE PREVISO COMO ELEMENTO CENTRAL PARA PLANEJAMENTO E ORAMENTO EMPRESARIAL

Jorge Eduardo Scarpin Brasil Mestre em Contabilidade e Controladoria UNOPAR R. Henrique Dias, 580 apto 501 Londrina PR Brasil Tel: (43) 3342-9015 Fax: (43) 3324-2608 e-mail: jorgescarpin@onda.com.br Mrcia Regina Santiago Brasil Ps Graduada em Administrao Industrial UEL R. Samuel Moura, 367 apto 1003 Londrina PR Brasil Tel: (43) 3328-7909 Fax: (43) 3338-3500 e-mail: marciasantiago@onda.com.br Maria Aparecida Scarpin Brasil Mestre em Contabilidade e Controladoria UNOPAR R. Henrique Dias, 580 apto 501 Londrina PR Brasil Tel: (43) 3342-9015 Fax: (43) 3324-2608 e-mail: jorgescarpin@onda.com.br

Palavra-chaves: Previso, Oramento, Planejamento

Tema: Aplicaciones Matemticas a la Contabilidad de Gestin

medios audiovisuales y/o informticos: data-show e retroprojetor.

O USO DE MODELOS DE PREVISO COMO ELEMENTO CENTRAL PARA PLANEJAMENTO E ORAMENTO EMPRESARIAL
Palavra-chaves: Previso, Oramento, Planejamento

Tema: Aplicaciones Matemticas a la Contabilidad de Gestin

RESUMO

Em situaes de gerenciamento em uma organizao, a necessidade de planejamento muito grande devido necessidade de tomada de decises de longo prazo (no caso de investimentos de capital), de mdio prazo (aquisio de equipamentos) ou de curto prazo (transporte de mercadorias e necessidades financeiras). Em todos estes casos, a previso um importante aliado em um planejamento eficiente e eficaz. Oramento uma importante ferramenta de planejamento. Por meio dele, projetam-se informaes sobre o futuro e, a previso, parte fundamental disto. Se no h previso ou a previso errada, causar uma srie de problemas e custos. Os custos podem ser operacionais, de marketing, financeiros e pode provocar tambm impactos na satisfao do consumidor. Este trabalho enfocar a necessidade de um modelo de previso com a construo do mesmo, utilizando como base um estudo de caso em uma empresa de Servios Auxiliares de Transportes Areos do Paran.

1. CARACTERIZAO
Atualmente, vrios setores da economia, so fortemente afetadas pelo fator concorrncia. Esta, muitas vezes, utiliza-se de mecanismos como marketing e produo para atrair novos mercados ou para aumentar sua fatia em mercados j existentes. No obstante, as empresas enfrentam ainda as interferncias econmicas, causadas por intervenes em nvel de macro e microeconomia. Essas situaes, apesar de saudveis pois obrigam s empresas a tornarem-se cada vez mais dinmicas - geram um grande problema para o planejamento do processo produtivo, pois interferem diretamente na demanda, gerando oscilaes entre o previsto e as vendas. Segundo LAS CASAS (1999), estas diferenas geram um impacto bastante expressivo nos setores de produo, pessoal, finanas e em outros setores da empresa. As oscilaes entre o previsto e as vendas reais, variam de negcio para negcio, entretanto, na maioria das vezes, esse fato ocorre porque os mtodos utilizados, na gerao das previses de venda, so insuficientes para gerar boas previses. A situao se agrava ainda mais quando as previses so de mdio e longo prazos. Segundo MOSIMANN & FISCH (1999), citando LOPES A sofisticao tecnolgica, os imensos mercados que se abriram e as maneiras de se chegar a eles, a produo em massa, a concepo de estrutura empresarial, a acirrada competio inter e intra nacional exigem do administrador extraordinria ateno necessidade de, com razovel antecedncia, estabelecer misses e objetivos da empresa, estudar e selecionar os caminhos alternativos implantar a estrutura e implementar os planos e idias escolhidas. Em outras palavras, PLANEJAR. O presente trabalho foi desenvolvimento junto a uma empresa de Servios Auxiliares de Transportes Areos do Norte do Paran. A empresa faz o atendimento em terra (check-in, handling e check-out de vos) de uma companhia area. Sua remunerao feita com base no nmero de passageiros atendidos (no caso o nmero de passageiros embarcados). Para a elaborao dos oramentos financeiros desta empresa, fundamental que haja um sistema de previso de embarque de passageiros, para, com isso, ter uma previso de receitas. O objetivo deste trabalho elaborar um sistema de previso de demanda, hoje praticamente inexistente na empresa. Para tanto, foram obtidos dados histricos de embarque de passageiros no Aeroporto de 1984 at maio de 2002.

2. PLANEJAMENTO
Segundo MOSIMANN & FISCH (1999), citando LOPES A sofisticao tecnolgica, os imensos mercados que se abriram e as maneiras de se chegar a eles, a produo em massa, a concepo de estrutura empresarial, a acirrada competio inter e intra nacional exigem do administrador extraordinria ateno necessidade de, com razovel antecedncia, estabelecer misses e objetivos da empresa, estudar e selecionar os caminhos alternativos implantar a estrutura e implementar os planos e idias escolhidas. Em outras palavras, PLANEJAR. A misso que o objetivo determinado e a Continuidade que o objetivo natural so objetivos permanentes a serem perseguidos pela empresa e so fruto de um planejamento que Antecede a todos os demais. Podemos portanto definir Planejamento como sendo a determinao dos objetivos a serem atingidos e dos meios pelos quais esses objetivos devem ser alcanados. a ponte que serve de elo entre o onde estamos e para onde vamos. A figura a seguir ilustra o que conceitua-se sobre planejamento:

MISSO

CONTINUIDADE

CRENAS E VALORES

MODELO DE GESTO ONDE ESTAMOS PARA ONDE VAMOS

PLANEJAMENTO
SITUAO ATUAL SITUAO DESEJADA

Figura 1 - Planejamento: Viso Geral

Planejamento a funo bsica que garante o sucesso das demais, antecede a ao. O Planejamento se preocupa com os efeitos futuros das decises tomadas no presente, algo que se faz antes das aes efetivas. O Planejamento se divide em Estratgico e Operacional.

2.1. Planejamento Estratgico

Segundo o Dicionrio Aurlio (1986) Estratgia a arte de aplicar os meios disponveis com vista consecuo de objetivos especficos. FIGUEIREDO & CAGGIANO (1997) afirmam que Planejamento Estratgico uma definio, em termos de futuro, do que a entidade vai fazer e como vo ser utilizados estrategicamente seus recursos; envolve-se com a determinao dos objetivos e metas da corporao, assim como com o desenvolvimento de padres, polticas e estratgias, por meio das quais eles sero alcanados , e fundamenta-se em informaes a respeito do meio ambiente. Segundo DRUCKER (1974) O Planejamento Estratgico no envolve decises futuras e sim a futuridade das decises atuais. O que interessa ao administrador os efeitos que a sua deciso, hoje, ter no futuro previsvel. As conseqncias e efeitos futuros desejados so as molas propulsoras do ato de decidir agora. A Funo do planejamento o aperfeioamento na qualidade do processo decisrio. formado por cinco etapas : 1. Fixar os objetivos da organizao. 2. Verificar o cenrio aonde a empresa opera dever ser feita uma projeo para o futuro. 3. Verificar os recursos existentes, homens, mquinas, materiais e dinheiro. 4. Determinar onde quero chegar, qual a meta, o ponto de estratgia rumo aos objetivos. As decises estratgicas dizem respeitos ao estabelecimento do relacionamento entre a empresa e o meio ambiente. 5. Fazer os traos gerais, esboar um programa de ao para alcanar metas estratgicas de longo ou curto prazo. As decises so essenciais. Estabelecer as reas-chaves no que tange: quem fazer, o que fazer, quando fazer e para que fazer. O Planejamento Estratgico tem a finalidade de estabelecer quais sero os caminhos a serem percorridos para se atingir a situao desejada. a arte da passagem do estgio ONDE ESTOU para o estgio ONDE QUERO CHEGAR. Preocupa-se com os efeitos futuros das decises tomadas no presente e se inicia muitas vezes com a avaliao da citao presente da empresa comparada com desempenhos passados,

fazendo-se a partir da projees que levam em conta cenrios alternativos mais provveis no futuro. Alguns fatores externos podem impactar o desempenho da empresa, por exemplo: a) Econmicos: taxas de juros, inflao. b) Sociais: nveis de emprego, demandas, hbitos, rendas, presses sindicais. c) Polticos: decises governamentais, programas de partidos polticos. d) Legais: projetos de leis, interpretaes legais. e) Tecnolgicos: novas tecnologias e seus impactos sobre estruturas de processos industriais e do mercado. f) Etc. A avaliao destes fatores permite a identificao dos pontos fortes e fracos da empresa bem como as oportunidades e ameaas do mercado.

2.2 Planejamento Operacional

Consiste na definio na poltica e metas operacionais da empresa consubstanciadas em planos para um determinado perodo de tempo de acordo com as diretrizes estratgicas j estabelecidas. Segundo FERNANDEZ (1989) trata-se de um processo decisrio que identifica, integra, avalia e escolhe o plano a ser implementado, dentro dos planos operacionais alternativos dos vrios segmentos da empresa em consonncia com as metas, objetivos, estratgias e polticas da empresa. MAXIMIANO (2000) assim define: planejamento Operacional consiste na previso dos meios/atividades e recursos que devero ser acionados para possibilitar a realizao de um objetivo. no Planejamento Operacional que se define os planos, polticas e objetivos operacionais da empresa e tem como produto final o oramento operacional na busca de um equilbrio das interaes dinmicas que ocorrem em nvel de seus subsistemas internos. Subdivide-se em diversas etapas utilizando em cada uma delas o Sistema de Informaes como suporte. Sistema de Informaes: uma rede de informaes cujos fluxos alimentam o processo de tomada de decises, no apenas como um todo, mas tambm em cada rea de responsabilidade. O objetivo do sistema produzir as informaes necessrias para suporte execuo e ao gerenciamento de cada operao da empresa. O aspecto essencial das informaes que elas constituem uma importante fonte de conhecimento da empresa. A informao auxilia a organizar o conhecimento que a empresa j possui. Abordando com maior profundidade o sistema de informao, verifica-se que ainda hoje muitos confundem informao com computador. A informao existe muito antes da inveno do computador, pois informao no apenas calhamaos de papis. Informao: O desafio maior da informao o de habilitar os gestores a alcanar os objetivos propostos para a organizao, por meio do uso eficiente dos recursos disponveis. A adequao do sistema de informaes s atividades que se desenrolam no planejamento operacional depender de perfeita compatibilizao entre as informaes geradas por aquele sistema e o modelo decisrio dos gerentes.

2.2.1. Oramento
uma pea constante do planejamento empresarial. Segundo FREZATTI (2000), a funo do oramento controlar o resultado futuro. O controle fundamental para o entendimento do grau de desempenho atingido e quo prximo o resultado

almejado se situou em relao ao planejado. Uma vez atingida tal etapa, possvel redirecionar, enfatizar, ajustar as aes para atingir os objetivos previamente traados. a operacionalizao do planejamento atravs de expresses quantitativas. " o enfoque sistemtico e formal execuo das responsabilidades de planejamento, coordenao e controle da administrao". WELSCH (1996). Seus objetivos so: a) Projetar o resultado econmico financeiro b) Controlar o desempenho organizacional diante dos objetivos e metas prestabelecidas c) Os propsitos e usos do oramento so: d) Acompanhar o desempenho da empresa e) Assegurar a anlise dos desvios dos planos f) Garantir o controle dos desvios planejados g) Quantificar os objetivos de todas as subunidades da organizao (reas de responsabilidade) Posto que o lucro o objetivo essencial de toda a empresa, a meta do controle oramentrio consiste no planejamento do lucro que se quer atingir mediante a realizao de certo volume de operaes para determinado perodo de tempo (CAMPIGLIA & CAMPIGLIA, 1995). Vantagens de um Sistema de Oramento a) Fixao de objetivos, poltica, estratgias e planos; b) Harmonizao dos objetivos individuais como os da organizao; c) Quantificao de datas e atividades; d) Reduo do envolvimento dos altos escales com operaes rotineiras; e) Julgamento do desempenho das unidades da empresa; f) Racionalizao no uso dos recursos; g) Atuao como instrumento de comunicao e coordenao. Obstculos do Oramento a) Dados estimados; b) Incerteza quanto ao ambiente externo e interno; c) Anlise do custo x benefcio do sistema; d) No deve substituir a flexibilidade, criatividade e bom senso dos gestores.

3. PREVISO E PLANEJAMENTO DE VENDAS

O planejamento de vendas representa os componentes de receita e despesas de vendas no plano global de resultados (WELSCH, 1996). Segundo CAMPIGLIA & CAMPIGLIA (1995), a meta da venda governa toda a poltica operacional da empresa, uma vez que, em essncia, a venda o fato administrativo gerador do lucro ordinrio. As implicaes oramentrias pertinentes se condensam nestes quesitos: o que vender, quanto vender, quando, onde e como vender, por quanto vender. Por outras palavras: volume, espcie, reas de venda, preos e poltica promocional de venda. O planejamento de vendas possui uma srie de elementos que podem ser generalizados da seguinte maneira (WELSCH, 1996): Estabelecimento das bases por meio da formulao de: Objetivos da empresa. Estratgia da empresa. Previso de vendas. Preparao de um plano de vendas por meio da elaborao de: Um plano de promoo de vendas e publicidade. Um plano de despesas de vendas. Um plano de marketing.

Tendo tambm o oramento como pea para acompanhamento e controle do planejamento de vendas.

3.1. Previso
De acordo com MENTZER & BIENSTOCK (1998), previso uma projeo para o futuro de uma demanda esperada, dado um determinado conjunto de condies. Temos de distinguir aqui o que se refere como planejamento de vendas e previso de vendas. A previso de vendas uma parte do planejamento, visto que uma projeo tcnica da procura em potencial para um perodo especfico e de acordo com determinadas hipteses. Uma previso de vendas ser transformada num plano de vendas quando a administrao tiver acrescentado o seu julgamento, as suas estratgias, as aplicaes de recursos e a sua dedicao no sentido de tomar medidas agressivas para alcanar os objetivos das vendas (WELSCH, 1996). Por sua vez, MENTZER & BIENSTOCK (1998) distinguem previso de planejamento, quando afirmam que o planejamento de vendas definido como aes gerenciais especficas a serem tomadas para atingir ou exceder a previso de vendas. Segundo MAKRIDAKIS; WHEELWRIGHT & HYNDMAN (1998) h cinco passos bsicos para a elaborao de uma previso. Passo 1: Definio do Problema Algumas vezes, a definio do problema pode ser o aspecto mais difcil de uma previso. Envolve o desenvolvimento de um profundo entendimento sobre como a previso ser usada, quem requereu a previso e como a funo de previso enquadrase dentro da organizao. Passo 2: Coleta de dados e informaes H sempre pelo menos dois tipos de informaes disponveis. Os dados estatsticos e o julgamento das pessoas chaves na organizao. Os dois tipos de dados e informaes so requeridos para a elaborao da previso. Passo 3: Anlise preliminar (exploratria) O que os dados representam para a organizao? Quais dados devem ser necessariamente usados? Os dados apresentam algum tipo de tendncia ou sazonalidade? As respostas a estas questes devem ser procuradas para que o processo de previso transcorra de forma satisfatria. Passo 4: Escolha do modelo de previso O passo 4 envolve a escolha dentre vrios modelos de previso existentes, tais como modelos de alisamento exponencial, modelos de regresso, modelos BoxJenkins, modelos ARIMA e tambm modelos no lineares, tais como regresso com erros de ARIMA, modelos de interveno, modelos de ARIMA multivariados etc. Passo 5: Uso e avaliao do modelo de previso Uma vez escolhido o modelo e seus parmetros, o modelo estar pronto para ser usado e necessrio que ocorram avaliaes constantes dos erros da previso, inclusive para incremento do modelo.

3.2. Necessidade da Previso e sua inter-relao com Oramentos

Um modelo de previso essencial para a elaborao de planejamentos e oramentos confiveis. Um modelo de previso errado, ou a ausncia de um modelo estruturado pode acarretar graves problemas no gerenciamento da empresa. Os problemas ocasionados podem ser de natureza estratgica, ttica e/ou operacional.

3.2.1. Custos incorridos pela falta de Previses confiveis

A falta de um modelo estruturado para previses pode acarretar diversos problemas em todas as reas de uma empresa. Alm disto, uma previso errnea traz graves conseqncias no planejamento da empresa e tambm no seu oramento, visto que est relacionada, dentre outros com:

 Introduo de Novos Produtos Metas de Vendas Estrutura de Custos Produo e Logstica no dia-a-dia Os problemas causados pela falha em previses esto relacionadas, segundo WELSCH, 1996), MENTZER & BIENSTOCK (1998), MAKRIDAKIS; WHEELWRIGHT & HYNDMAN (1998), dentre outros com, alm de consideraes dos autores: Decises Estratgicas Erros em previses podem levar a empresa a tomar decises estratgicas equivocadas, provocando, muitas vezes, problemas para a continuidade da empresa, como por exemplo: Instalao de uma empresa em local onde no h demanda; Sub ou super dimensionamento de plantas de produo; Desenvolvimento de novo produto sem haver demanda; Erro em deciso de formao de preo de venda; Custos Operacionais Normalmente envolvem custos Logsticos e de Produo, tais como: Produzir produtos errados baseado na previso; Visto o erro anterior, a alterao do setup da fbrica causa custos altos; Custos com Materiais mais elevados, levando inclusive a decises de compras erradas; Pode ocasionar o envio do produto errado ao lugar errado no tempo errado; Custos de Marketing Pode levar a campanhas de marketing sub ou super dimensionadas pela previso errada de venda de um produto; Pode levar a promoes de reduo de preo baseada em falsa previso; Metas para quotas de venda inadequadas; Custos Financeiros Uma previso errada traz conseqncias diretas para a rea financeira de qualquer empresa que trabalhe com algum tipo de oramento (por mais simples que seja), tais como: Super dimensionamento da previso de vendas, fazendo com que haja um super dimensionamento da sobra financeira da empresa, o que, em no ocorrendo, traz efeitos danosos, como, por exemplo, a necessidade de ir buscar recursos de terceiros para coberturas de caixa; Sub dimensionamento da previso de vendas, fazendo com que a empresa busque recursos de terceiros para prevenir um suposta quebra de caixa que no ocorrer; Necessidades de alteraes oramentrias aps o mesmo ter entrado em operao, por ocasio; Satisfao do Consumidor Alm de custos, erros em previso podem tambm trazer problemas quanto a satisfao de consumidores. Os problemas podem ser, dentre outros: Produzir produtos que os consumidores no querem; No fazer um produto que os consumidores querem; No ter produtos nos lugares e nas quantidades que os consumidores querem.

4. ESTUDO DE CASO
O estudo de caso deu-se em uma empresa de Servios Auxiliares de Transportes areos do Norte do Paran, com dados de 1984 at maio de 2002. Os dados

da srie histrica representam 221 meses, aqui discriminados em algarismos arbicos, numerando-os de 01 a 221. Para a elaborao do modelo, ser feita uma decomposio clssica, utilizando os mtodos Holt Winters, Arima e Regresso para a previso.

4.1. Decomposio Clssica

A decomposio clssica pelo modelo aditivo apresentou os seguintes resultados, para os doze ltimos dados da srie histrica: Obs. Observ. Mdia Mvel Fator Saz. Srie Ajust. Tendncia Comp.Irreg. 207 6300,968 6587,866 -122,350 6423,317 6297,736 125,581 208 7204,000 6541,283 278,350 6925,650 6457,515 468,135 209 6433,548 6390,960 -34,407 6467,955 6568,151 -100,195 210 5947,000 6272,877 51,045 5895,955 6664,281 -768,325 211 8078,710 6176,022 435,747 7642,963 6810,338 832,625 212 7403,226 6129,490 260,053 7143,173 6664,416 478,758 213 5820,000 6108,110 2,063 5817,937 6238,819 -420,882 214 5882,903 6072,385 150,437 5732,466 5768,041 -35,575 215 5405,000 6127,551 103,682 5301,318 5451,230 -149,912 216 5164,839 6149,890 -168,452 5333,291 5350,660 -17,369
Quadro 1 - Decomposio Clssica - Modelo Aditivo

Obs. 207 208 209 210 211 212 213 214 215 216

Por sua vez, pelo mtodo multiplicativo, os resultados foram os seguintes: Observ. Mdia Mvel Fator Saz. Srie Ajust. Tendncia Comp.Irreg. 6300,968 6587,866 97,7928 6443,183 6365,725 1,012168 7204,000 6541,283 109,2730 6592,661 6424,234 1,026218 6433,548 6390,960 96,8143 6645,248 6512,865 1,020326 5947,000 6272,877 100,5908 5912,071 6553,562 0,902116 8078,710 6176,022 111,7789 7227,399 6639,378 1,088566 7403,226 6129,490 107,1706 6907,890 6473,127 1,067164 5820,000 6108,110 100,5696 5787,035 6080,388 0,951754 5882,903 6072,385 105,1732 5593,536 5672,377 0,986101 5405,000 6127,551 105,3168 5132,135 5442,904 0,942904 5164,839 6149,890 93,4888 5524,554 5469,257 1,010111

Quadro 2 - Decomposio Clssica - Modelo Multiplicativo

A decomposio traz como principal benefcio, nesta srie de dados, que os mesmos possuem uma tendncia definida e um fator sazonal importante, o que mostra que, provavelmente, o mtodo Holt Winters funcionar melhor do que o Holt, que, na metodologia Arima, o melhor modelo ter um componente sazonal e que, na regresso, a incluso de um conjunto de variveis dummy trar bons resultados. Estas observaes, entretanto, so apenas suposies, sendo que as comprovaes viro com a apresentao dos modelos.

4.2. Alisamento Exponencial

Nos modelos de alisamento exponencial, foi escolhida a metodologia Holt Winters, pois os resultados foram melhores do que os mtodos sem tendncia ou pelo mtodo de Holt, ou seja, sem sazonalidade. A metodologia Holt Winters foi aplicada utilizando dois softwares. A primeira modelagem foi feita com o software Microsoft Excel e a segunda modelagem com o software Statistica. A modelagem com o software Microsoft Excel, um software no especializado em previso apresentou o melhor modelo como sendo o Holt Winters multiplicativo, com erro absoluto mdio de 292,56. Os ndices utilizados foram os seguintes: Nvel = 0,692; Tendncia = 0,0038 e Sazonalidade = 1. O mtodo aditivo foi descartado, visto que o erro absoluto mdio foi de 307,10.

A utilizao da srie completa foi a que apresentou melhores resultados, j que foram feitos testes usando apenas os dados mais recentes ou metade dos dados. Tal constatao tambm foi encontrada quando foi utilizado o software Statistica para a modelagem da srie. Quando a modelagem do mtodo de Holt Winters multiplicativo foi feita no software Statistica, um software mais poderoso, a previso melhorou, apresentando um erro absoluto mdio de 274,73 (e erro percentual na casa dos 10%), o que no foi uma diferena to significativa. Os ndices trabalhados foram os seguintes: Nvel = 0,655; Tendncia = 1,00 e Sazonalidade = 0,00. Apesar de serem ndices diferenciados, isto facilmente explicado, j que, enquanto o Excel considerou todo o peso na Sazonalidade e quase nenhum na Tendncia, o Statistica fez o inverso, sendo que, em ambos os casos, o ndice de Nvel foi semelhante. A previso para os seis meses seguintes foi: Observ. Previso 222 6554,440 223 7935,173 224 7090,151 225 6057,839 226 6832,937 227 6647,461
Quadro 3 - Previso - Holt Winters Multiplicativo - Statistica

O grfico com os dados observados e previstos, ficou da seguinte forma:

M o d e lo H o lt W in te rs M u ltip lica tivo L in .tre n d , m u lt.se a so n ; A lp h a = ,6 5 5 De lta = 1 ,0 0 Ga m m a = 0 ,0 0 P a ssa g e iro s E m b a rca d o s 12000 2500 2000 1500 8000 1000 6000 4000 2000 -1 0 0 0 0 -2 0 0 0 -2 0 -1 5 0 0 0 20 40 60 80 100 120 140 160 180 200 220 -2 0 0 0 240 500 0 -5 0 0

P as s agei ros E m barc ados

10000

Ob se rva e s P A X _ OB S (L ) S m o o th e d S e rie s (L ) R e sid s (R )

Grfico 1 - Previstos e Embarcados - Holt Winters Multiplicativo

O mtodo aditivo foi descartado, visto que o erro absoluto mdio foi de 285,43.

4.3. Arima
Na metodologia ARIMA, a primeira coisa a ser feita estacionar os dados. Os grficos a seguir comprovam que os dados realmente apresentam uma no estacionariedade, conforme se observam nos grficos a seguir:

Res duos

A u to c o r r e l a tio n F u n c tio n E M B A RQUE ( S ta n d a r d e r r o r s a r e w h ite - n o i s e e s ti m a te s ) Lag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Corr. +,963 +,927 +,909 +,896 +,872 +,853 +,840 +,837 +,825 +,804 +,791 +,788 +,757 +,722 +,706 S.E. ,0668 ,0667 ,0665 ,0664 ,0662 ,0660 ,0659 ,0657 ,0656 ,0654 ,0653 ,0651 ,0650 ,0648 ,0647 - 1 ,0 - 0 ,5 0 ,0 0 ,5 Q 207,7 401,0 587,8 770,1 943,7 1110, 1273, 1435, 1593, 1744, 1891, 2037, 2173, 2297, 2417, 1 ,0 p 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

Grfico 2 - ACF da Srie Original

Na anlise do PACF, a no estacionariedade dos dados ainda mais visvel, visto que h um grande prego na lag 1 e caindo a praticamente 0 na lag 2.
P a r ti a l A u to c o r r e la tio n F u n c ti o n E M B A R QUE ( S ta n d a r d e r r o r s a s s u m e A R o r d e r o f k - 1 ) Lag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Corr. +,963 -,005 +,231 +,063 -,086 +,069 +,043 +,158 -,067 -,094 +,098 +,052 -,349 -,010 +,136 S.E. ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 ,0673 - 1 ,0 - 0 ,5 0 ,0 0 ,5 1 ,0

Grfico 3 - PACF da Srie Original

Para tornar a srie estacionria, utilizou-se a primeira diferena o que trouxe bons resultados. Para anlise, foi utilizado tanto a srie completa quanto a srie a partir de julho de 1994 (poca da entrada em vigor do Plano Real). Os modelos com a srie completa (desde janeiro de 1984) trouxeram melhores resultados. O primeiro modelo testado foi o ARIMA (1,1,1,). A anlise do modelo mostrou um prego na lag 4 (um pouco positivo), na lag 7 (um pouco negativo), na lag 12 (fortemente positivo) e na lag 14 (um pouco negativo). Diante disso, observou-se uma possibilidade de sazonalidade, para a explicao do prego na lag 12, e o erro observado foi de 2965, sendo que as previses ficaram quase que lineares. Foi-se ento utilizados modelos SARIMA. O primeiro teste foi com o modelo SARIMA (1,1,1) (1,0,0) 12. Este modelo foi mais preciso, com um erro de 2205. A anlise dos pregos tambm mostrou-se melhor, j que s houve um pequeno prego na lag 4 (ligeiramente positivo) e pregos nas lag 7 e 14 (ligeiramente negativo). Para eliminar o prego na lag 4, foi adicionado mais um fator de sazonalidade, passando o modelo para SARIMA (1,1,1) (2,0,0)12. Este modelo deixou apenas os pregos nas lag 7 e 14 (ligeiramente negativo), com um erro de 1898. A eliminao de todos os pregos aconteceu no modelo SARIMA (3,1,7) (2,0,0)12. Este modelo, alm de eliminar todos os pregos, trouxe o menor erro (1751). Pela anlise comparativa dos modelos, o modelo que apresentou melhor representatividade (pelo valor de p) e tambm melhor erro, foi o modelo com

sazonalidade, modelo SARIMA (1,1,1,) (2,0,0)12 com a transformao da primeira diferena. Foram feitas previses para os seis meses seguintes, originando os seguintes resultados, com intervalo de confiana de 95%. Inferior Superior Previsto 95,0000% 95,0000% Erro Padro. 222 6596,186 5771,144 7421,227 418,4980 223 7861,108 6778,262 8943,953 549,2677 224 7338,221 6057,918 8618,523 649,4269 225 5862,823 4436,649 7288,998 723,4195 226 6419,794 4813,530 8026,059 814,7694 227 5837,843 4102,511 7573,175 880,2382
Quadro 4 - Previso - Arima
A u to c o r r e l a ti o n F u n c ti o n P A X _ O B S : A R IM A ( 3 ,1 ,7 ) ( 2 ,0 ,0 ) r e s i d u a l s ; Lag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Corr. +,008 -,014 -,014 -,007 +,066 +,004 -,086 -,054 +,137 +,002 -,049 -,012 -,072 -,090 +,073 S.E. ,0674 ,0674 ,0674 ,0674 ,0675 ,0677 ,0677 ,0682 ,0684 ,0697 ,0697 ,0698 ,0698 ,0702 ,0707 - 1 ,0 - 0 ,5 0 ,0 0 ,5 1 ,0 Q ,01 ,06 ,10 ,11 1,11 1,11 2,79 3,47 7,83 7,83 8,40 8,43 9,67 11,57 12,83 p ,9099 ,9723 ,9919 ,9985 ,9535 ,9811 ,9040 ,9016 ,5517 ,6456 ,6772 ,7504 ,7210 ,6405 ,6153

Grfico 4 - ACF do Modelo SARIMA (1,1,1,)(2,0,0)12

P a r ti a l A u to c o r r e l a tio n F u n c tio n P A X _ O B S : A R IM A ( 3 ,1 ,7 ) ( 2 ,0 ,0 ) r e s id u a l s ; ( S ta n d a r d e r r o r s a s s u m e A R o r d e r o f k - 1 ) Lag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Corr. +,008 -,014 -,014 -,007 +,066 +,002 -,084 -,052 +,139 -,007 -,054 +,002 -,063 -,119 +,067 S.E. ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 ,0674 - 1 ,0 - 0 ,5 0 ,0 0 ,5 1 ,0

Grfico 5 - PACF do Modelo SARIMA (1,1,1,)(2,0,0)12

F o r e c a s t s ; M o d e l: ( 3 , 1 , 7 ) ( 2 , 0 , 0 ) S e a s o n a l la g : 1 2 Input: P A X _O B S S t a rt o f o r ig in : 1 E n d o f o r ig in : 2 2 1 12000 10000 8000 6000 4000 2000 0 -2 0 0 0 -2 0 12000 10000 8000 6000 4000 2000 0 -2 0 0 0 240

20

40

60

80

100

120

140

160

180

200

220

O b s e rv e d

F o re c a s t

95,0000%

Grfico 6 - Previsto e Realizado no Modelo SARIMA (1,1,1,)(2,0,0) 12

4.4. Regresso
A tcnica da Regresso foi feita com as seguintes variveis: percentual de aumento de preo das passagens areas (preo), ndice de pessoas empregadas (emprego), ndice de inflao medido pelo IBGE (IPCA), o valor do PIB em dlares (PIB), a cotao mdia do dlar comercial (DOLAR), alm da criao de variveis Dummy para a sazonalidade dos dados. Foi tambm utilizado como varivel o nmero de passageiros embarcados do ms anterior (PAX_ANT), fazendo com que tenhamos uma regresso dinmica, com a defasagem de 1 ms. O valor de p para as variveis foram: p-level Intercepto 0,292491 PRECO 0,920294 EMPREGO 0,375275 IPCA 0,089340 PIB 0,772183 DOLAR 0,849539 JAN 0,039735 FEV 0,695247 MAR 0,002745 ABR 0,011471 MAI 0,825141 JUN 0,587267 JUL 0,000374 AGO 0,941116 SET 0,202317 OUT 0,044181 NOV 0,994025 PAX_ANT 0,000000
Quadro 5 - Valor de p para todas as variveis

O valor do R quadrado ajustado foi de 0,93196278 e o erro padro foi de 636,07425153. Pela anlise dos valores de p, com a retirada de algumas variveis, a tendncia do modelo melhorar. Foram excludas as seguintes variveis: preo, emprego, pib, dlar, fevereiro, junho, agosto, setembro e novembro (p superior a 5%), Com a excluso, tem-se os seguintes valores de p para as variveis:

Intercepto IPCA JAN MAR ABR JUL OUT PAX_ANT

p-level 0,196873 0,025579 0,025064 0,000002 0,000141 0,000001 0,002464 0,000000

Quadro 6 - Valores de p para as variveis resultantes

O valor do R quadrado ajustado foi de 0,93550360 e o erro padro foi de 619,30171402. Pela anlise dos valores de p, o modelo, com a retirada das variveis, trouxe uma previso com menores erros. O prximo passo foi a incluso de defasagens nas variveis existentes e a incluso de duas novas variveis, o embarque no ms anterior do seu principal concorrente e o embarque total de passageiros do Aeroporto de Londrina no ms anterior (tais dados so fornecidos s companhias areas pela Infraero). Neste novo modelo foram acrescentadas as seguintes variveis: Embarque do Principal concorrente com 1 Defasagem, Embarque Total do Aeroporto com 1 Defasagem, Nvel de Emprego Formal com 2 Defasagens e Cotao do Dlar com 1 Defasagem, alm da reintroduo da varivel dummy referente ao ms de setembro. Tambm foi excludo do modelo o Intercepto, visto que, alm do valor de p ser alto (neste novo modelo chegou a 0,70, o erro padro foi menor quando o mesmo foi excludo). As outras variveis com defasagens pioraram o modelo. O valor de p para o novo modelo ficou o seguinte: p-level PAX_ANT 0,000006 EMP2D 0,546719 IPCA 0,121887 DOLAR1D 0,010145 CONC1D 0,007750 AERO1D 0,227795 JAN 0,014530 MAR 0,000327 ABR 0,000365 JUL 0,000002 SET 0,094082 OUT 0,006589
Quadro 7 - Valores de p para as variveis resultantes no modelo com defasagens

Apesar das variveis IPCA, Dlar com 1 Defasagem, Movimento do Aeroporto com 1 Defasagem e o ms de Setembro ficarem com um valor de p superior a 5%, decidiu-se aceitar o modelo, j que o erro padro foi diminudo. O valor do R quadrado ajustado e o erro padro do modelo foram de, respectivamente, 0,98794571 e 596,59. A equao de previso encontrada foi a seguinte: Previso = PAX_ANT x 0,685,854 + EMP2D x (-3,407) + IPCA x (-200,019) + DOLAR1D x 919,144 + CONC1D x (-0,310) + AERO1D x 0,134 + JAN x (-579,169) + MAR x (970,962) + ABR x (907,132) + JUL x (1278,367) + SET x (-399,965) + OUT x (656,075). A equao demonstra, com relao sazonalidade, que os meses com embarque muito superior aos demais so maro (com aumento de 970 passageiros), abril (aumento de 907), julho (aumento de 1.278) e outubro (aumento de 656), enquanto que o ms de janeiro e setembro apresentam uma baixa expressiva (com reduo de 579 e 400 passageiros respectivamente). Todos esses valores so aumentos extraordinrios, alm do que a equao da previso mostra.

O grfico dos valores previstos e observados, com intervalo de confiana de 95% ficou o seguinte:
Valores Previstos vs Valores Observados Varivel Dependente: Passageiros Embarcados 12000

10000

Valores Observados

8000

6000

4000

2000 Regression 95% confid.

0 0 2000 4000 6000 8000 10000 Valores Previstos

Grfico 7 - Previstos e Observados - Regresso

5. CONCLUSO
O Planejamento a funo bsica que garante o sucesso das demais funes. Porm, para que o planejamento seja executado de maneira apropriada, h a necessidade de ferramentas de apoio. A previso uma tcnica fundamental para o sucesso de um planejamento de vendas, visto que, com uma previso de vendas mal feita, todo o planejamento cai por terra, trazendo inmeros problemas para a organizao. Um dos itens mais afetados pela ausncia ou previso equivocada o oramento, trazendo distores de custos de todas as espcies, principalmente operacionais, marketing e financeiros, alm de trazer graves problemas quanto satisfao do consumidor. Em relao ao estudo de caso, Pela anlise dos mtodos apresentados (Holt Winters, Arima e Regresso), tm-se a seguinte concluso: A metodologia Holt Winters apresentou resultados altamente satisfatrios, tanto utilizando o software Microsoft Excel quanto utilizando o software Statistica, apresentando erros consideravelmente baixos, alm de ser de fcil utilizao, visto que so necessrios apenas os valores observados. O mtodo Arima apresentou resultados bons, porm menos precisos do que Holt Winters. Alm disso, a metodologia Arima tem algumas desvantagens tais como: a necessidade de um software especializado para sua soluo; estudo mais aprofundado para a verificao dos pregos e escolha de um modelo apropriado. A regresso no apresentou resultados satisfatrios, visto que, a varivel que mais explica os embarques de um ms o embarque do ms anterior, o que mostra que modelos que consideram apenas a srie temporal adequam-se bem a isto. As outras variveis includas na regresso, no trouxeram muito auxlio previso, mesmo utilizando-se defasagens. Neste estudo, o mtodo que apresentou melhores previses, com um erro absoluto mdio menor, foi o mtodo Holt Winters, o que recomendado para uso, alm tambm de ser a metodologia mais simples, dentre as trs aqui especificadas.

BIBLIOGRAFIA
BIO, Srgio Rodrigues - Sistemas de Informao - Um enfoque Gerencial. So Paulo: Atlas, 1996. CAMPIGLIA, Amrico Oswaldo & CAMPIGLIA, Oswaldo Roberto P. Controles de Gesto. So Paulo: Atlas, 1995. DRUCKER, Peter Manegement: Tasks Responsabilities, Practices. New York: Haper & Row 1974. FERNANDEZ, Jos Domingues Estudo de um modelo integrado de informaes econmico financeira e sua integrao com o processo decisrio (Dissertao de Mestrado) So Paulo FEA Universidade de So Paulo 1989. FERREIRA, Aurlio Buarque de Holanda Novo Dicionrio da Lingua Portuguesa Rio de Janeiro Nova Fronteira, 1986. FIGUEIREDO, Sandra e CAGGIANO, Paulo Cesar. Controladoria Teoria e Prtica. So Paulo: Atlas, 1997. FREZATTI, Fbio Oramento Empresarial. So Paulo: Atlas, 2000. GLAUTIER, Michel W. & UNDERDOWN, Brian Accounting Theory and Practice. 7a ed. Financial Times Prof, 2000. LAS CASAS, Alexandre Luzzi. Administrao de vendas. 5 ed. So Paulo : Atlas, 1999. MAKRIDAKIS, Spyros; WHEELWRIGHT, Steven C. & HYNDMAN, Rob J. Forecasting Methods and applications. New York: John Wiley & Sons Inc, 1998. MAXIMIANO, Antonio Cesar Amaru - Introduo Administrao 5a ed. So Paulo: Atlas, 2000. MENTZER, John T. & BIENSTOCK, Carol C. Sales Forecasting Management. London: Sage Publications Inc, 1998. MOSIMANN, Clara Pellegrinello, FISCH, Silvio Controladoria seu papel na Administrao de empresas. So Paulo: Atlas, 1999. NAKAGAWA, Masayuki Introduo Controladoria. So Paulo: Atlas, 1995. OLIVEIRA, Djalma P. R. - Planejamento Estratgico: Conceitos Metodologia e Prticas. 17a ed. So Paulo: Atlas, 2002. WELSCH, Glenn A. Oramento Empresarial. 4a ed. So Paulo: Atlas, 1996. Informaes de sries histricas obtidas junto ao IBGE e ao Banco Central do Brasil (www.ibge.gov.br e www.bcb.gov.br respectivamente).