Previsão de vendas no varejo de moda com modelos de redes neurais

Resumo

A melhoria na previsão de vendas é um aspecto crítico para maior parte das organizações, pois permite tornar o processo de planejamento mais eficiente, impactando positivamente os resultados futuros das empresas. Entre as diversas técnicas de previsão, pode-se destacar o grupo de métodos econométricos e o de métodos de inteligência computacional. É neste contexto que surge a questão levantada por este artigo: Quais são as técnicas que apresentam melhor desempenho, quando aplicadas para a previsão de vendas no varejo de moda? Para responder a esta questão, esse trabalho comparou o método atual utilizado pela empresa analisada neste estudo com quatro outros métodos de previsão: dois econométricos, Naive e SARIMA, e dois de inteligência computacional, rede neural FDTNN e rede neural recorrente LSTM. A série de tempo escolhida para efetuar as comparações foi a de quantidade semanal de unidades vendidas do produto da categoria blusa de mulher de uma empresa varejista do setor de moda. Essa categoria foi selecionada por ser a mais relevante no faturamento da companhia, correspondendo a cerca de 5,6% do total das vendas. A análise dos resultados gerados pelos métodos aplicados neste estudo, para essa categoria de produto, mostrou que os métodos de inteligência computacional superaram os métodos econométricos e, mais especificamente, a rede neural recorrente LSTM foi a que apresentou o melhor resultado, sendo 50,1% superior ao método atualmente empregado pela empresa. A melhora na previsão de demanda leva à redução dos níveis de estoque, à redução de remarcações, à minimização de rupturas, e ao aumento do giro de estoque, gerando impactos positivos nos resultados financeiros da empresa. No caso deste estudo, a utilização do método LSTM gerou uma redução dos investimentos em estoques de quase 2% e, como consequência, levou a um incremento da margem de contribuição próximo à 4%.