ML para Previsão de Demanda

Machine Learning para Previsão: Real vs Hype

Consultoria prometeu modelo com 95% acurácia. R$ 300 mil investimento. Resultado? 60%. Pior que média móvel.

Problema? Dados históricos com anomalias. COVID quebrou 2 anos de padrão.

O Que Funciona

Simples (80% dos casos): ARIMA ou Prophet. Passado prevê futuro.

from statsmodels.tsa.arima.model import ARIMA
      vendas = [100, 105, 98, 110, ...]
      modelo = ARIMA(vendas, order=(1, 1, 1))
      resultado = modelo.fit()
      previsoes = resultado.forecast(steps=30)

Complexa (20%): Variáveis externas. Sazonalidade. Promoções. Dia da semana, feriado, temperatura.

Acurácia Realista

• Sem anomalias: 85-90%

• Com sazonalidade: 75-85%

• Com eventos: 60-75%

Se vê 95%+, desconfie. Provavelmente overfitting.

Ganho

Estoque otimizado: 15-20% menos capital. Produção ajustada: 10-15% menos desperdício. Em R$ 5M de estoque: R$ 750k-1M/ano economizados.