Análise preditiva na gestão de pequenos negócios: previsão de demanda, redução de desperdícios e otimização operacional
DOI:
https://doi.org/10.51473/rcmos.v1i1.2026.2305Palavras-chave:
Análise preditiva. Previsão de Demanda. Pequenos Negócios. Business Analytics. Gestão de Estoques. Desperdício. Eficiência Operacional.Resumo
Este artigo examina a aplicação da análise preditiva na gestão de pequenos negócios, com ênfase na previsão de demanda como instrumento para a redução de desperdícios, a prevenção de rupturas de estoque e a melhoria da eficiência operacional. A pesquisa adota uma abordagem qualitativa, exploratória e aplicada, fundamentada em revisão bibliográfica sobre Business Analytics, séries temporais, machine learning, gestão de estoques, safety stock e ajustes gerenciais em previsões. Discute-se como restaurantes, varejos locais e empresas de serviços podem utilizar dados transacionais, sistemas POS, planilhas e métodos estatísticos acessíveis para qualificar decisões de compra, produção, reposição e alocação de pessoal. Conclui-se que previsões integradas a custos, sazonalidade, confiabilidade de suprimento e julgamento gerencial controlado ampliam a precisão decisória e reduzem improvisações operacionais.
Downloads
Referências
ARMSTRONG, J. Scott. Principles of forecasting: a handbook for researchers and practitioners. Boston: Kluwer Academic Publishers, 2001.
BOX, George E. P.; JENKINS, Gwilym M.; REINSEL, Gregory C.; LJUNG, Greta M. Time series analysis: forecasting and control. 5. ed. Hoboken: Wiley, 2015.
CHOPRA, Sunil; MEINDL, Peter. Supply chain management: strategy, planning, and operation. 7. ed. Boston: Pearson, 2019.
DAVENPORT, Thomas H.; HARRIS, Jeanne G. Competing on analytics: the new science of winning. Boston: Harvard Business School Press, 2007.
FILDES, Robert; GOODWIN, Paul; LAWRENCE, Michael; NIKOLOPOULOS, Konstantinos. Effective forecasting and judgmental adjustments: an empirical evaluation and strategies for improvement in supply-chain planning. International Journal of Forecasting, v. 25, n. 1, p. 3–23, 2009. DOI: 10.1016/j.ijforecast.2008.11.010.
GIL, Antônio Carlos. Métodos e técnicas de pesquisa social. 7. ed. São Paulo: Atlas, 2017.
HYNDMAN, Rob J.; ATHANASOPOULOS, George. Forecasting: principles and practice. 3. ed. Melbourne: OTexts, 2021.
HYNDMAN, Rob J.; KOEHLER, Anne B. Another look at measures of forecast accuracy. International Journal of Forecasting, v. 22, n. 4, p. 679–688, 2006.
KOLASSA, Stephan; SIEMSEN, Enno. Demand forecasting for managers. New York: Business Expert Press, 2016.
MAKRIDAKIS, Spyros; WHEELWRIGHT, Steven C.; HYNDMAN, Rob J. Forecasting: methods and applications. 3. ed. New York: John Wiley & Sons, 1998.
MENTZER, John T.; MOON, Mark A. Sales forecasting management: a demand management approach. 2. ed. Thousand Oaks: Sage Publications, 2004.
PROVOST, Foster; FAWCETT, Tom. Data science for business: what you need to know about data mining and data-analytic thinking. Sebastopol: O’Reilly Media, 2013.
RODRIGUES, Miguel; MIGUÉIS, Vera; FREITAS, Susana; MACHADO, Telmo. Machine learning models for short-term demand forecasting in food catering services: a solution to reduce food waste. Journal of Cleaner Production, v. 435, 140265, 2024. DOI: 10.1016/j.jclepro.2023.140265.
SHMUELI, Galit; KOPPIUS, Otto R. Predictive analytics in information systems research. MIS Quarterly, v. 35, n. 3, p. 553–572, 2011.
SILVER, Edward A.; PYKE, David F.; THOMAS, Douglas J. Inventory and production management in supply chains. 4. ed. Boca Raton: CRC Press, 2016.
SLACK, Nigel; BRANDON-JONES, Alistair. Operations management. 9. ed. Harlow: Pearson, 2019.
SYNTETOS, Aris A.; BOYLAN, John E.; CROSTON, J. D. On the categorization of demand patterns. Journal of the Operational Research Society, v. 56, n. 5, p. 495–503, 2005.
TADAYONRAD, Yasin; NDIAYE, Alassane Balle. A new key performance indicator model for demand forecasting in inventory management considering supply chain reliability and seasonality. Supply Chain Analytics, v. 3, 100026, 2023. DOI: 10.1016/j.sca.2023.100026.
TURBAN, Efraim; SHARDA, Ramesh; DELEN, Dursun. Business intelligence, analytics, and data science: a managerial perspective. 4. ed. Boston: Pearson, 2018.
WALLER, Matthew A.; FAWCETT, Stanley E. Data science, predictive analytics, and big data: a revolution that will transform supply chain design and management. Journal of Business Logistics, v. 34, n. 2, p. 77-84, 2013.
Publicado
Edição
Seção
Categorias
Licença
Copyright (c) 2026 José Cordeiro Pereira de Sá (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Este trabalho está licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Isso significa que você tem a liberdade de:
- Compartilhar — copiar e redistribuir o material em qualquer meio ou formato.
- Adaptar — remixar, transformar e construir sobre o material para qualquer propósito, inclusive comercial.
O uso deste material está condicionado à atribuição apropriada ao(s) autor(es) original(is), fornecendo um link para a licença, e indicando se foram feitas alterações. A licença não exige permissão do autor ou da editora, desde que seguidas estas condições.
A logomarca da licença Creative Commons é exibida de maneira permanente no rodapé da revista.
Os direitos autorais do manuscrito podem ser retidos pelos autores sem restrições e solicitados a qualquer momento, mesmo após a publicação na revista.
Como Citar
