Sazonalidade mal tratada: quando o calendário vira inimigo da previsão
Páscoa muda de data, a Black Friday muda de comportamento e o modelo que copia o ano passado erra justamente nas semanas que mais vendem. Veja como tratar cada evento como informação própria.
O que quem opera pergunta antes de decidir
Por que o ano passado não é boa referência?
Porque o calendário muda: feriados móveis deslocam semanas inteiras de demanda entre os anos, e campanhas nunca se repetem exatamente. Copiar o ano anterior é apostar que o calendário vai colaborar. A Dara trata cada evento como variável própria, não como cópia.
Como o modelo trata feriado que muda de data todo ano?
Como variável estrutural, com efeito medido por categoria e canal, não como ruído a ser diluído na média. Assim, quando a Páscoa antecipa ou o feriadão muda de mês, a previsão acompanha o deslocamento sem ajuste manual.
Campanha muda o comportamento base do produto?
Muda, e por isso precisa ser tratada separadamente. Quando a venda promocional entra misturada na base comum, o modelo aprende um padrão que não é do produto. A Dara isola o efeito de campanha para a previsão do comportamento base ficar limpa.
Funciona para categorias com eventos diferentes?
Sim. O efeito de cada evento é medido por categoria e por canal: o que move chocolates não move o mesmo peso em bebidas, e o digital responde diferente da loja. Cada grupo recebe o tratamento do seu próprio calendário.
O modelo aprende com o realizado?
Sim. A previsão é revisada continuamente contra o realizado, e cada ciclo deixa o plano mais ajustado à sua operação. Na demonstração, você vê esse acompanhamento com os seus dados.
Previsão que respeita o calendário real do varejo
Veja as múltiplas sazonalidades trabalhando com os dados da sua operação: eventos como informação própria, revisão contra o realizado e acerto nas semanas de pico.