A previsão de demanda tem evoluído significativamente desde suas origens na teoria
econômica dos anos 1950, adaptando-se às complexidades das cadeias de suprimentos globais
e ao aumento da heterogeneidade dos consumidores. Na atualidade, o planejamento de
demanda enfrenta desafios consideráveis devido à globalização, aos eventos imprevistos,
como a pandemia de Covid-19 e conflitos geopolíticos, e à abundância de dados disponíveis.
Com o avanço da ciência de dados e da Inteligência Artificial, o planejamento de demanda
tornou-se mais complexo, exigindo uma abordagem que vai além da simples previsão de
eventos específicos. Em vez de buscar previsões exatas, é mais produtivo avaliar cenários
possíveis e trabalhar com distribuições estatísticas para aumentar a resiliência das cadeias de
suprimentos. Isso reflete uma necessidade crescente de uma mudança de mindset nas áreas
de logística e supply chain, nas quais a capacidade de lidar com incertezas e interpretar dados
é mais relevante do que a escolha de ferramentas específicas.
A integração de tecnologias emergentes, como a Inteligência Artificial conversacional, tem o
potencial de transformar a gestão de demanda ao melhorar a explicação de modelos
complexos e a personalização do planejamento. Essas tecnologias oferecem novas formas de
interação e análise que podem facilitar a adaptação às condições variáveis do mercado.
Para alcançar um nível avançado no planejamento de demanda, é essencial investir
continuamente em pessoas e processos, garantindo uma visão clara e estruturada. O
entendimento profundo das tecnologias e dos dados é crucial para enfrentar a complexidade
e a incerteza dos mercados modernos, destacando a importância da competência analítica e
da capacidade de interpretação dos dados na gestão eficiente da demanda.
Extraído e adaptado de: “Uma fábrica de decisões”: planejamento de demanda apoiado pelo uso de dados.
Entrevista exclusiva com o Dr. Donald Neumann, Principal Data Scientist na QuantumBlack. Mundo Logística,
edição 94, maio/junho 2023.
Qual dos seguintes aspectos é destacado no texto como uma razão pela qual a previsão de
demanda se tornou mais difícil, apesar do aumento da disponibilidade de dados?