Criação de um modelo de previsão de demanda para uma clínica de massoterapia

Abstract

A previsão de demanda é uma ferramenta estratégica essencial para o planejamento e a tomada de decisões nas organizações, impactando diretamente a eficiência operacional, a alocação de recursos e a capacidade de resposta às variações do mercado. Em termos acadêmicos, a previsão de demanda pode ser entendida como o processo de estimar, com base em dados históricos e variáveis contextuais, o volume de produtos ou serviços que uma organização deverá ofertar em um determinado período futuro. Essa prática é fundamental para otimizar a gestão de estoques, minimizar custos operacionais, melhorar a gestão da cadeia de suprimentos e reduzir riscos associados à variabilidade da demanda. As variáveis que podem afetar a demanda de uma determinada empresa são virtualmente infinitas e das mais diversas naturezas, identificar tais variáveis e prever seu comportamento cria uma vantagem competitiva significativa para a empresa que decidir enfrentar este desafio. O presente trabalho tem por objetivo estudar as oscilações na demanda a fim de entender suas causas e prever seu comportamento futuro através de uma abordagem estatística com uso da regressão linear múltipla na linguagem R. A partir do uso da regressão, pudemos verificar quais das variáveis selecionadas de fato se mostraram relevantes na explicação das flutuações de demanda. O modelo conseguiu explicar cerca de 41% do fenômeno. Em seguida, por meio de uma nova regressão pudemos medir o impacto efetivo de cada uma das variáveis selecionadas na demanda da empresa. Por fim, os resultados obtidos foram usados para criar uma ferramenta simplificada que possa ser integralmente utilizada pela a empresa para prever sua demanda e planejar de forma mais eficiente sua alocação de recursos.

Demand forecasting is an essential strategic tool for planning and decision-making within organizations, directly impacting operational efficiency, resource allocation, and the ability to respond to market fluctuations. From an academic perspective, demand forecasting can be understood as the process of estimating, based on historical data and contextual variables, the volume of products or services that an organization will need to offer within a future period. This practice is fundamental for optimizing inventory management, minimizing operational costs, improving supply chain management, and reducing risks associated with demand variability. The variables that can affect a company's demand are virtually infinite and can stem from a wide variety of sources. Identifying these variables and predicting their behavior creates a significant competitive advantage for companies willing to face this challenge. The present study aims to analyze demand fluctuations in order to understand their causes and predict their future behavior through a statistical approach using multiple linear regression in the R programming language. Through the use of regression analysis, we were able to identify which of the selected variables were indeed relevant in explaining demand fluctuations. The model was able to account for approximately 41% of the phenomenon. Subsequently, through a new regression, we measured the effective impact of each selected variable on the company's demand. Finally, the results obtained were used to develop a simplified tool that can be fully utilized by the company to forecast its demand and more efficiently plan its resource allocation.