Acurácia da previsão de demanda: como interpretar MAPE, WAPE e viés

A acurácia da previsão de demanda não cabe em um número só. O MAPE mostra o erro percentual médio por item e dá a um item de 10 unidades o mesmo peso de um item de 10.000. O WAPE pondera pelo volume e resume melhor o erro de uma carteira inteira. O viés mostra a direção, ou seja, se a previsão erra sempre para cima ou sempre para baixo. Interpretar bem significa ler os três juntos, no nível de detalhe em que a compra ou a produção é decidida, sabendo o que cada um deixa de fora. No exemplo mais abaixo, a mesma base tem MAPE de 59%, WAPE de 14% e viés abaixo de 1%, e as três leituras estão corretas.

O que MAPE, WAPE e viés medem?

As três métricas partem da mesma diferença entre o previsto e o realizado. O que muda é a forma de somar e de ponderar essa diferença:

MAPE     = média de ( |real − previsto| ÷ real ), por item e período
WAPE     = soma de |real − previsto| ÷ soma do real
Viés     = soma de ( previsto − real ) ÷ soma do real
Acurácia = 1 − WAPE

• MAPE (Mean Absolute Percentage Error, ou erro percentual absoluto médio): calcula o erro percentual de cada item em cada período e tira a média simples. Responde quanto se erra, em média, por item.
• WAPE (Weighted Absolute Percentage Error, ou erro percentual absoluto ponderado): soma os erros absolutos em unidades e divide pela demanda total. Responde que fração do volume foi prevista errado. Em alguns sistemas aparece como razão entre o MAD e a média.
• Viés (bias): soma os erros com sinal, sem valor absoluto. Na convenção deste artigo, previsto menos real, um viés positivo indica previsão acima da demanda e um negativo, previsão abaixo. Há empresas que usam a convenção inversa, então vale conferir antes de comparar relatórios.

Quais são as limitações do MAPE?

• Não existe com demanda zero: o real fica no denominador, e um mês sem venda gera divisão por zero. Itens de demanda intermitente acabam excluídos do cálculo ou tratados com algum remendo, e costumam ser os mais difíceis de prever.
• Item pequeno pesa igual a item grande: errar 6 unidades em um item que vendeu 4 soma 150% à média. Errar 100 unidades em um item que vendeu 900 soma 11%.
• É assimétrico: quem prevê para baixo erra no máximo 100%, com previsão zero. Quem prevê para cima não tem teto. Uma equipe cobrada por MAPE tende, com o tempo, a puxar a previsão para baixo.
• Não se converte em unidades nem em reais: uma média de percentuais não diz quanto estoque faltou ou sobrou.

O MAPE continua útil para acompanhar um mesmo item ao longo dos meses ou para comparar itens de volume parecido. O problema aparece quando ele vira o indicador único de uma carteira com itens grandes e pequenos misturados.

E as limitações do WAPE e do viés?

O WAPE é dominado pelos itens de maior volume. Uma carteira pode ter um WAPE bom enquanto a classe C inteira está mal prevista, e por isso ele deve ser aberto por classe ABC, família e filial. Calculado em unidades, ele soma parafuso com motor: quando o mix é heterogêneo, ponderar pelo valor (custo ou receita) representa melhor o impacto. E ele não informa a direção do erro, porque usa valor absoluto.

O viés tem a fraqueza oposta. Como os erros entram com sinal, previsões altas demais em um item compensam previsões baixas demais em outro, e um viés perto de zero no total não garante que a previsão esteja boa. Ele precisa ser lido por item ou família e ao longo do tempo. Uma forma comum de monitorar é o sinal de rastreamento (tracking signal): o erro acumulado dividido pelo desvio absoluto médio do período. Valores além de 4, para cima ou para baixo, são uma referência usual de alerta. É uma regra prática, que cada empresa ajusta à própria tolerância.

Como as três métricas se comportam em números?

Os números abaixo são didáticos: cinco itens fictícios de uma distribuidora que não existe, escolhidos para que a conta caiba na tela. Não vêm de projeto nem de cliente da Insight Pro. Previsão e venda de um mês:

• Item A: previsto 1.000, vendido 900. Erro de 100 unidades, 11,1%.
• Item B: previsto 500, vendido 550. Erro de 50 unidades, 9,1%.
• Item C: previsto 200, vendido 260. Erro de 60 unidades, 23,1%.
• Item D: previsto 40, vendido 20. Erro de 20 unidades, 100%.
• Item E: previsto 10, vendido 4. Erro de 6 unidades, 150%.

No total, a previsão foi de 1.750 unidades e a venda, de 1.734. Os erros absolutos somam 236 unidades. O MAPE é a média dos cinco percentuais: 58,7%. O WAPE é 236 dividido por 1.734: 13,6%, o que equivale a uma acurácia de 86,4%. O viés é a diferença entre os totais, 16 unidades, dividida por 1.734: 0,9% positivo.

Cada número conta uma parte da história. O MAPE de 58,7% vem quase todo dos itens D e E, que juntos venderam 24 unidades, 1,4% do volume. Sem eles, o MAPE dos outros três cai para 14,4%. O WAPE de 13,6% descreve bem a operação, e quase metade dele vem do item A sozinho. O viés de 0,9% sugere uma previsão equilibrada, mas isso só acontece porque os excessos em A, D e E compensaram as faltas em B e C. Quem medir a acurácia apenas no total da carteira, comparando 1.750 com 1.734, vai reportar 99%. Os dados são os mesmos; o que mudou foi o nível da conta.

O viés mostra seu valor quando se olha um item no tempo. Suponha que o item C tenha sido previsto em 200 unidades por seis meses seguidos e tenha vendido 240, 250, 260, 230, 255 e 260. São 1.200 unidades previstas contra 1.495 vendidas, um viés de 19,7% negativo. O erro acumulado é de 295 unidades, o desvio absoluto médio é de 49, e o sinal de rastreamento chega a 6 negativo, fora da faixa de alerta. O erro desse item deixou de ser variação normal: a previsão está sistematicamente baixa, provavelmente porque alguma mudança de patamar não entrou no modelo, e o item deve estar consumindo estoque de segurança todos os meses.

Em que nível e com que antecedência medir?

• No nível da decisão: se a compra é feita por item e centro de distribuição, é ali que o erro importa. Quanto mais agregado o cálculo, melhor o número, porque os erros se cancelam. A acurácia por família serve para o planejamento de capacidade, não para a reposição.
• No período da decisão: uma previsão que acerta o mês pode errar todas as semanas. Se a reposição é semanal, o erro mensal esconde o problema.
• Com a antecedência do lead time: se o fornecedor leva 60 dias, a previsão que gerou o pedido foi a de dois meses antes, e é ela que deve ser comparada com a venda. Medir a versão revisada na véspera melhora o indicador e não diz nada sobre a compra. Isso exige guardar cada versão da previsão. Muitas empresas sobrescrevem a previsão a cada rodada e perdem a capacidade de medir.
• Contra a demanda, quando possível: em meses com ruptura, a venda registrada é menor que a demanda. Comparar a previsão com a venda nesses meses premia quem previu pouco.

Qual é um bom número de acurácia?

Não existe um percentual que sirva de meta para qualquer empresa. O erro alcançável depende do volume por item, da intermitência da demanda, do horizonte e do nível de detalhe. Um WAPE de 30% pode ser excelente para peças de reposição e ruim para um item de consumo regular.

A comparação mais útil é com uma previsão ingênua, como repetir a venda do mês anterior ou a do mesmo mês do ano passado. A diferença entre o erro do processo atual e o erro da previsão ingênua é o chamado valor agregado da previsão (FVA, de forecast value added). Se a estatística, os ajustes do comercial e as reuniões de consenso não superam a regra ingênua, o processo custa mais do que entrega. A mesma comparação pode ser feita etapa por etapa, para verificar se o ajuste manual melhora ou piora a previsão estatística.

O que fazer com o erro medido?

• Viés persistente se corrige na origem: meta comercial embutida na previsão, promoção sem registro, ruptura que derrubou o histórico, cliente novo que mudou o patamar. Cobrir viés com estoque de segurança encarece o estoque e mantém o erro.
• Erro sem viés vira parâmetro de estoque: a variabilidade que sobra depois de corrigido o viés é o que o estoque de segurança deve cobrir. O cálculo está em como calcular estoque de segurança quando a demanda e o prazo do fornecedor variam.
• Item intermitente pede outra política: quando a demanda aparece em poucos meses do ano, insistir em acurácia por item rende pouco. Ponto de pedido, compra sob encomenda ou previsão agregada por família costumam funcionar melhor.
• Acompanhamento mensal: WAPE por classe ABC e por família, viés por família e comprador, e a lista de itens com sinal de rastreamento fora da faixa, cada um com um responsável.

Se a sua empresa divulga um percentual de acurácia e ninguém sabe dizer se ele é MAPE ou WAPE, em que nível foi calculado e com qual antecedência, esse número ainda não serve para decidir compras. No diagnóstico gratuito da Insight Pro, pelo serviço de Supply Chain Analytics, avaliamos a sua previsão atual: recalculamos MAPE, WAPE e viés a partir do histórico de previsões e de vendas do ERP, no nível em que você compra ou produz, comparamos o resultado com uma previsão ingênua e mostramos em quais famílias o erro pesa mais em estoque ou em ruptura. A entrega é uma reunião de apresentação, e a decisão sobre os próximos passos fica com você.