Previsão de demanda no mercado online brasileiro : estudo comparativo entre dois modelos lineares

Orientador: Prof. Dr. Claudimar Pereira da Veiga Coorientadora: Prof. Dra. Cássia Rita Pereira da Veiga Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Sociais Aplicadas, Programa de Pós-Graduação em Gestão de Organizações, Liderança e Decisão (PPGOLD). Defesa : Curitiba, 26/05/2022 Inclui referências Resumo: O comércio eletrônico no Brasil teve um crescimento exponencial na última década e o período entre 2020 e 2021 foi atípico, marcado pelas normas de isolamento social em virtude da pandemia causada pelo COVID-19. Frente às incertezas no varejo, as organizações precisam, cada vez mais, estarem munidas de informações para tomarem decisões em tempo hábil para assegurar a sustentabilidade do negócio e atender as necessidades e desejos dos clientes. Diversas lojas físicas tiveram restrições em suas operações ocasionadas pelo período pandêmico e esta situação levou um número significativo de consumidores a realizar compras de forma online. Existem evidências de que estes novos e-shoppers tendem a continuar consumindo produtos e serviços de forma online, com aumento das transações realizadas pelo e-commerce. Portanto, nota-se a grande importância do e-commerce a necessidade de uma previsão de demanda acurada para evitar rupturas no abastecimento de produtos no mercado. Diante deste desafio, este estudo, por meio de pesquisa descritiva e natureza aplicada, teve como objetivo estimar, analisar e comparar dois métodos clássicos lineares de previsão de demanda no mercado online brasileiro: (i) Holt-Winters Multiplicativo e (ii) SARIMA - Seasonal Autoregressive Integrated Moving Average. Os dois modelos foram aplicados nos índices de vendas e faturamento do comércio eletrônico do Brasil no período de janeiro de 2018 a fevereiro de 2022. O propósito deste estudo é selecionar o melhor modelo para prever demandas futuras e propor insights estratégicos para as empresas que atuam no comércio eletrônico no país. Este estudo também verifica se a restrição de fluxo de pessoas em lojas físicas fez com que o e-commerce brasileiro fosse impulsionado. A originalidade desta pesquisa reside no fato de que, até o momento, não foram evidenciados trabalhos anteriores que tenham comparado dois modelos lineares de previsão de demanda no varejo online do Brasil. Os resultados sugerem que o melhor modelo de previsão para uso no e-commerce brasileiro é o modelo Holt-Winters Multiplicativo, por ter maior acuracidade em cenários de incertezas. Abstract: E-commerce in Brazil has grown exponentially in the last decade and the period between 2020 and 2021 was atypical, marked by the norms of social isolation due to the pandemic caused by COVID-19. Faced with the uncertainties in retail, organizations increasingly need to be equipped with information to make timely decisions to ensure the sustainability of the business and meet the needs and desires of their customers. Several physical stores had restrictions on their operations caused by the pandemic period and this situation led a significant number of consumers to make purchases online. There is evidence that these new e-shoppers tend to continue consuming products and services online, with an increase in transactions carried out through e-commerce. Therefore, it is noted the great importance of e-commerce, the need for an accurate demand forecast to avoid disruptions in the supply chain. Faced with this challenge, this study, through descriptive research and applied nature, aimed to estimate, analyze and compare two classic linear demand forecasting methods in the Brazilian online market: (i) Multiplicative Holt-Winters and (ii) SARIMA - Seasonal Autoregressive Integrated Moving Average. The two models were applied to the sales and billing rates of e-commerce in Brazil from January 2018 to February 2022. The purpose of this study is to select the best model to predict future demands and propose strategic insights for companies operating in e-commerce in the country. This study also verifies if the restriction of the flow of people in physical stores had influenced some boost on Brazilian e-commerce. The originality of this research consists in the fact that, so far, no previous works have been evidenced and compared two linear models for forecasting demand in online retail in Brazil. The results suggest that the best forecasting model for use in Brazilian e-commerce is the Multiplicative Holt-Winters model, as it has greater accuracy in uncertain scenarios.