Return to search

[en] DEMAND PROJECTION IN THE OMNICHANNEL CHANNEL OF A RETAILER / [pt] PROJEÇÃO DE DEMANDA NO CANAL OMNICHANNEL DE UMA VAREJISTA

[pt] Tendo em vista mudanças significativas no varejo causadas pelo
crescimento de compras online no Brasil, este estudo tem como objetivo facilitar
um relevante lead time e um forte grau de assertividade na previsão de demanda do
Omnichannel de uma empresa do setor. Com a crescente relevância do
Omnichannel, é importante compreender as necessidades dos consumidores
tradicionais e digitais, integrar suas experiências e oferecer múltiplos canais de
compra. Nesse contexto, a previsão de demanda é crucial para apoiar as decisões
estratégicas, táticas e operacionais da organização. A utilização de séries temporais
hierárquicas auxilia na precisão das previsões e, portanto, na tomada de decisões,
permitindo gerar estimativas coerentes ao longo dos múltiplos níveis hierárquicos.
Dessa forma, neste estudo, combinando as metodologias de previsão de séries
temporais ETS, ARIMA e SARIMAX, com métodos de reconciliação Bottom-up,
Top-down, MinTrace Combinação Ótima (OLS) e MinTrace WLS Struct, doze
modelos foram gerados. Baseado nas principais abordagens de séries temporais
hierárquicas, com uma sequência de sete passos, os modelos foram comparados,
por meio de métricas de avaliação de desempenho, para identificar qual deles
melhor se encaixa na série trabalhada. Ao final do estudo, o modelo SARIMAX
com Bottom-up se mostrou a combinação mais adequada para a série em análise. A
abordagem alcançou um MAPE de 22 por cento no nível mais agregado da hierarquia,
reduzindo em cinco pontos percentuais o MAPE original da empresa, além de
apresentar a melhor colocação na combinação das métricas comparativamente. / [en] In light of recent changes in retail caused by the growth of online shopping in Brazil, this study aims to enable a substantial lead time and a high degree of accuracy of the Omnichannel demand forecast for a retail company. As Omnichannel success continues to expand, it becomes increasingly important tounderstand the needs of both traditional and digital consumers, integrate their experiences and offer multiple purchase channels. In this context, demand forecasting is crucial for identifying market trends, growth opportunities, potentialstrategies and supporting strategic, tactical and operational decisions. The use of Hierarchical Time Series improves forecasts accuracy and, therefore, assists in decision-making, allowing the development of consistent estimations acrossmultiple hierarchical levels. Thus, this study combines the time series forecast generation methodologies ETS, ARIMA and SARIMAX, with Bottom-up, Top-down, MinTrace Optimal Combination (OLS) and MinTrace WLS Struct reconciliation methods, resulting in the generation of twelve models. Based on the main theories of Hierarchical Time Series and following a 7-steps sequence, the models were compared using performance evaluation metrics to identify the best fit for the investigated series. The research concludes that the SARIMAX model,together with the Bottom-up strategy, proves to be the most appropriate composition for the Hierarchical Time Series under analysis, as it demonstrates the best performance across the evaluation metrics, reaching a MAPE of 22 percent at the most aggregated level of the hierarchy and reducing the original company forecasting MAPE by five percentage points.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:65361
Date07 December 2023
CreatorsBARBARA SEQUEIROS HUE LESSA
ContributorsPAULA MEDINA MACAIRA LOURO, PAULA MEDINA MACAIRA LOURO
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguageEnglish
TypeTEXTO

Page generated in 0.0027 seconds