Projeções de receitas líquidas de empresas de capital aberto do subsetor de comércio com diferentes metodologias preditivas em cenário de pandemia

Abstract

O planejamento das vendas no subsetor de comércio no Brasil tem sua complexidade associada às peculiaridades que o caracterizam tais como: variações dos canais de vendas utilizados pelos consumidores, forte sazonalidade, entrada de competidores nacionais e internacionais entre outros. Nesse contexto, a previsão de vendas possui uma enorme importância no planejamento de uma organização e conseguir a maior acuracidade nesta atividade revela-se como um valoroso recurso estratégico capaz contribuir para a necessária manutenção de sua competitividade. Com o passar dos anos houve um grande avanço na tecnologia de coleta e tratamento de dados e em conjunto diversos modelos estatísticos preditivos foram ganhando destaque para serem aplicados em cenários cada vez mais complexos. Métodos de previsões são usados para identificar padrões em séries temporais e tem a capacidade de prever períodos futuros com acuracidade cada vez maior. No final do ano de 2019, a economia mundial foi impactada com a pandemia da COVID-19 e o subsetor de comércio foi amplamente impactado pelo fechamento de diversos pontos comerciais e uma forte migração dos consumidores para o e-commerce. Todo esse impacto trouxe uma complexidade ainda maior aos gestores para conseguirem prever demandas futuras e tomarem decisões estratégicas. O presente trabalho se propõe em aplicar diferentes metodologias preditivas nas principais empresas de capital aberto do subsetor de comércio usando as séries temporais da receita operacional líquida levando em consideração o impacto da pandemia. A conclusão desse estudo quantitativo se faz com a comparação de acuracidade entre os modelos.

Sales planning in retail business in Brazil has its complexity associated with the peculiarities that characterize it such as: variations in the sales channels used by consumers, strong seasonality, entry of national and international competitors, among others. In this context, sales forecast has an enormous importance in the planning of an organization and achieving the greatest accuracy in this activity reveals itself as a valuable strategic resource capable of contributing to the necessary maintenance of its needs. Over the years, there has been a great advance in data collection and processing technology and, together, several predictive statistical models have been gaining prominence to be applied in increasingly complex scenarios. Forecasting methods are used to identify patterns in time series and have the ability to predict future values with increasing accuracy. At the end of 2019, the world economy was impacted by the COVID-19 pandemic and the retail subsector was largely impacted by the closure of several commercial points and a strong migration of consumers to e-commerce. All this impact brought even greater complexity to managers to be able to predict future demands and make strategic decisions. This work proposes to apply different predictive methodologies in the biggest retail publicly traded companies in retail subsector using the time series of net operating revenue given how the impact of the pandemic. The conclusion of this quantitative study is made with an accuracy comparison between the models.