O senso comum diz que qualquer previsão de valor já está errada já no momento em que é publicada.

Eu só posso sorrir e concordar com isso.

Se as pessoas fossem capazes de prever a precificação de qualquer coisa, elas seriam bilionárias e muito bem sucedidas hoje em dia.

Eu gostaria de manter este pensamento sobre previsões de valores por um momento e falar sobre algo que todos nós sabemos sobre: ​​previsão do tempo.

Previsão do Tempo

Os historiadores nos dizem que babilônios em 650 a.C. previu o tempo a partir de padrões de nuvem.

Cerca de 300 a.C., astrônomos indianos desenvolveram métodos de tempo de previsão.

Somente em 904 d.C., que Wahshiyya, uma alquimista do Iraque, começou a previsão meteorológica com base nos padrões observados de eventos chamados padrão reconhecimento.

A publicação de previsões escritas não começaram em 1 de Agosto de 1861 pelo almirante Robert Fitzroy (em The Times de Londres).

Isso significa que a previsão do tempo oficial gira 160 anos de idade hoje.

Fitzroy começou a estudar a previsão do tempo por um bom motivo.

Em 1859, um navio à vapor nomeado “Carta Régia” estava perdido em uma terrível tempestade, com pelo menos 450 mortos.

Durante anos, ele publicou as previsões apesar de fortes críticas de que eles não poderiam ser precisos.

Depois de muito debate, as suas previsões públicas terminaram em 1866.

Segundo a BBC, “Você tem que admirar Fitzroy por tentar.

Ele viu o negócio como um todo e caminhou os primeiros passos ao longo de um caminho muito difícil.

Mesmo agora, quando temos um céu cheio de satélites e enormes modelos de tempo computacional, que nem sempre acertam.”

Hoje, todos nós usamos previsões do tempo para se preparar para eventos futuros.

A partir de tráfego aéreo e marítimo, a colheita de relatórios e casamentos ao ar livre, todos nós contamos com dados precisos para orientar decisões sobre a nossa segurança, negócios e vidas sociais.

E, apesar de a nossa melhor tecnologia, ainda, por vezes, errar.

Essas críticas de imprecisão com previsão do tempo certamente se aplicam ao nosso tema anterior de previsão de valores.

No entanto, para o usuário mais experiente, a previsão do valor pode ser uma arma valiosa no arsenal de compras.

Vamos ver como.

Mercados Futuros

Muitas empresas já utilizam os mercados futuros em moeda, grãos, metais e energia, a negociando em torno de US$1.5 trilhões de dólares por ano.

Os valores dos commodities são voláteis de acordo com o balanço de oferta e demanda.

Para atenuar esta volatilidade, é acordado um contrato de futuros de compra e venda de um ativo em uma determinada data a um determinado valor.

Ou seja, o investidor “A” pode fazer um contrato com fazendeiro “B” em que “A” se compromete a comprar tantos hectares de milho do “B” em US$ 15 por hectare.

Este contrato deve ser honrado se o valor do milho vai para US$ 1 ou US $ 100 por hectare.

Os contratos de futuros podem adicionar estabilidade para determinados mercados, mas contêm os riscos inerentes a todo o investimento especulativo.

Aqui, então, é um uso nobre da previsão de valores.

Prevendo Preços

Adquirindo ofertas de função com valores todos os dias para diversas categorias, como matérias-primas, Logística, MRO, Capital, Embalagens, Trabalho e outros produtos e serviços.

Algumas categorias já têm previsões de preços realizados por empresas bem respeitados como ICIS (para petroquímica, energia e fertilizantes), IHS Global Insight (previsões do país e da indústria), e muitos outros em campos específicos.

Muitos coletam opiniões de centenas de especialistas para entender as tendências e os fatores de custo para publicar seus valores previstos.

Outros desenvolveram modelos matemáticos para prever os valores futuros.

Para ter certeza, os dois métodos trarão previsões imprecisas, no entanto, se as tendências são identificadas, as compras podem tomar uma posição fundamentada sobre a compra de mais ou menos, de acordo com as suas necessidades percebidas.

Modelos

Especialistas em previsão de valores identificar dois tipos de modelos: uni e multivariada.

1. Modelagem univariada é baseada unicamente sobre a história da previsão ser variável em si, usando tendências, sazonalidade e ciclos. É usado para previsões de curto prazo.

2. Modelagem multivariada é baseada na história de variáveis ​​e pilotos como o PIB, PPI, inflação, matérias-primas, etc. Ela é usada por tempos mais longos. As melhores práticas dizem que a cada ano de previsão requer quatro anos de dados históricos.

Processo de Desenvolvimento 

Os oito passos a seguir são baseados em minha própria experiência em empresas da Fortune 500, onde desenvolvemos modelos de matérias-primas, logística e MRO, totalizando gastos de $12 bilhões de dólares.

1. Definir com líder da categoria as famílias de produtos a serem previstos com base em suas prioridades que a empresa precisa. A definição deve incluir a região e para o nível mais baixo de granularidade possível.

2. Usando Mind Map, entrevista-se o perito de compra para capturar e descrever visualmente as informações sobre drivers de custos. Você deve entender o que afeta o valor de seu produto ou serviço em cada região.

3. Recolher os dados históricos macroeconômicas externas de todos os fatores de custo que for capaz de encontrar. Para maximizar a certeza, coletar quatro anos de dados

4. Recolher os dados internos históricos do produto ou serviço que deseja prever. Mais uma vez, é recomendada a coleta de quatro anos de dados
5. Usando um software específico de SAS (Statistical Analysis System), comparar dados históricos tanto internos como externos. O software é capaz de mostrar que 3-5 variáveis ​​externas são mais correlacionadas com dados internos por meio do cálculo do R-quadrado para cada variável (onde é maior melhor).
6. Desenvolver os modelos de previsão onde cada variável participa de tal proporção e tempo de atraso efeito. Por exemplo, se o modelo é impulsionado pelo GDP, PPI e Matéria-prima X, o modelo pode ter uma proporção de 3X, 2 PPI, e um efeito sobre o PIB; inclui também o intervalo de tempo como PIB três meses no futuro, com um mês de antecedência para PPI e Matéria-prima X.
7. Para cada modelo, o software calcula o percentual de erro médio absoluto (MAPE), onde abaixo de cinco é considerado excelente.

8. Uma vez que todos os modelos são desenvolvidos, uma pessoa da categoria é capaz de atualizar o recente dados históricos mensais ou trimestrais, executando o modelo com a ajuda de um suplemento do Excel, e publicando o gráfico de previsão de usuários e clientes empresariais. Cada atualização adiciona um horizonte de tempo, mantendo um 12 – ou 18 meses horizonte.

Tal como acontece com a previsão do tempo, as pessoas utilização previsão de preços para se preparar para eventos futuros.

Embora nunca tenha sido 100% exato, elas nos mostram as tendências e padrões que podem ser usadas ​​para evitar grandes perdas.

Pessoas que compram usaram previsão de valores, a fim de:

• Informar os clientes empresariais sobre as tendências para que eles possam tomar ações pró-ativas de valores para evitar a erosão da margem.
• Informar os outros clientes internos para o orçamento as despesas de capital e custos de frete.
• Ajuste de produtos e serviços planos de fornecimento para a compra de mais ou menos de acordo com as necessidades e tendências de valores.
• Use metodologia orientada a dados repetíveis para entender a evolução dos valores.

Embora ainda haja críticas à previsão de valores, assim como com a previsão do tempo, é apenas uma questão de tempo antes de se adaptar a ela e aprender a usá-la bem. Com a experiência, eu confio que este processo não vai demorar outros 160 anos.

Levando as compras para o próximo nível,

Paulo Moretti

Traduzido do original:Price Forecasting: who needs that?

Autor: Paulo Moretti

Fonte: (Link fora do ar)  http://www.mypurchasingcenter.com/commodities/commodities-blogs/price-forecasting-who-needs/