Projeções das receitas líquidas de empresas do ramo têxtil durante o período de flexibilização das medidas sanitárias da pandemia do Covid-19: um comparativo entre as predições dos modelos de Redes Neurais, Sarima e Holt-Winters

Abstract

Previsões de demanda tem sua importância justificada por servirem de auxílio aos tomadores de decisão de todos os tipos de empresas, viabilizando o planejamento estratégico e operacional de suas organizações além de influenciar em diferentes horizontes de tempo. Ao longo dos anos diversas técnicas foram utilizadas para gerar previsões de demanda cada vez mais precisa. Nos dias atuais recursos computacionais ganharam destaque, por fornecerem uma forma mais rápida e simples de se obter previsões de curto e longo prazo, muitas vezes fornecendo melhor acuracidade que os métodos tradicionais, portanto, estão sendo mais utilizados por diversas empresas. O cenário instaurado em meados de 2019, o qual estabeleceu-se estado pandêmico devido a COVID-19, impactou fortemente a economia global, estabelecendo novas formas de consumo e mudando significativamente o perfil do consumidor. Para o setor têxtil tais mudanças foram fortemente sentidas e a queda percebida nas receitas durante período foi evidente. O presente trabalho se propõe a analisar projeções de receitas utilizando diferentes métodos de previsão de demanda para diferentes empresas do setor têxtil após o período de flexibilização da pandemia, analisou-se as projeções para o curto prazo pelas métricas de Machine Learning e estatísticas para séries temporais, considerando que os modelos fariam as ponderações necessárias frente as fortes mudanças nas receitas líquidas que o período pandêmico ocasionou no setor têxtil. Adotou-se como premissa que no momento da coleta dos dados o cenário de flexibilização estaria associado a presença ativa da Covid-19. Em sua conclusão será feito uma comparação utilizando testes de acuracidade, que serão fatores fundamentais para escolha do modelo que melhor se ajusta a empresa estudada.