Como aumentamos a assertividade de compras em 25% na Sanar!
Você sabe o que é assertividade da compra?
Quando mensuramos o tempo que um lote durou no estoque e comparamos com o nosso planejamento estamos verificando a assertividade da compra.
A área de compras da Sanar faz parte do time da logística que atende as demandas de medicina e Sanar Saúde, todo material gráfico comercializado pela empresa tem o processo de compras gerido por essa área. Majoritariamente, são realizadas compras de livros novos e livros de reposição.
A determinação da quantidade a ser comprada dos livros de lançamentos recebe a contribuição dos times de marketing, operações e logística. Para os livros em reposição, a decisão é predominantemente da logística com algumas consultas aos outros times, em casos excepcionais.
Ao acompanhar o resultado do nosso indicador, notamos que tínhamos um grande problema a ser resolvido: nossas estimativas não estavam confiáveis.
A previsão estava ficando distante do que realmente acontecia. Logo, precisávamos fazer um estudo aprofundado do que poderíamos passar a adotar. Por isso, traçamos um plano de ação em 7 passos para aumentar a acuracidade das compras.
1 Realizar diagnóstico
Mapeamos o processo, identificamos as oportunidades de melhorias e sob o lema “Transformar nossas previsões em oráculos de Delfos” dividimos o objetivo em dois “key results”, um para aumentar a assertividade dos livros novos e outro voltado para os livros que precisam de reposição.
2 Fazer Benchmarking
Fizemos um benchmarking para entender qual era a performance do mercado nesse KPI e reuniões com empresas brasileiras e americanas para entender quanto custaria resolver nosso problema e também aproveitar para confirmar se estávamos com o caminho devidamente mapeado. Obtivemos orçamentos que saíram em torno de 70k dólares.
3 Definir a meta
Estávamos abaixo da média do mercado e queríamos ir para um patamar acima do target de 70%. Tínhamos consciência que não chegaríamos a 100% de assertividade porque não dispomos de dados externos suficientes. Para ter uma previsão acurada é importante fazer uma boa leitura do passado, mas também relacionar com os dados externos que importam para o futuro do seu negócio. Porém, sabíamos que as fórmulas que usávamos já não tinham sido atualizadas há algum tempo e poderiam estar defasadas.
Definimos a meta de modo que fosse desafiadora e coerente com nosso benchmarking.
4 Ter o diferencial importante para o sucesso do projeto
Desde o início do projeto todos os times foram envolvidos e encorajados a participarem, fizemos reuniões e repasses periódicos para que esse resultado pudesse ser construído. Definimos com essas reuniões como realmente era feito a mensuração por cada time e identificamos as possíveis falhas. Cada time tinha suas especificidades que foram devidamente corrigidas ao longo do projeto.
5 Selecionar os dados
Fizemos uma criteriosa seleção da amostra de estudos para que ficasse a mais representativa possível, o princípio de Pareto auxiliou para compreender as grandezas de causa e efeito, seguimos com uma amostra de 95% de grau de confiança.
6 Meter a mão na massa!
- Ao estudar os dados conseguimos classificar os livros em famílias de forma bastante coerente.
- Foram combinados quatro cenários diferentes de tudo o que impactava no consumo.
- Avaliamos e delimitamos o tipo de previsão — quantitativa, qualitativa, curto prazo e séries temporais.
- Com os dados históricos fizemos a análise das séries temporais, estudamos e simulamos diversos métodos estatísticos de previsão para cada categoria.
7 Selecionar novo método
Utilizamos os resultados do desvio médio absoluto (MAD) e do Tracking Signal de cada simulação para classificar as que foram mais satisfatórias.
No nosso caso, optamos por seguir com a combinação de alguns modelos. Foram levados em consideração a sazonalidade na demanda dos produtos e a restrição orçamentária do projeto para propor um modelo que atendesse a demanda. Para tal, calculamos um índice que representasse a periodicidade dos consumos em cada mês para cada família de produtos.
Esse índice multiplicativo é combinado com a decomposição das séries temporais com médias simples. Apesar de termos testado métodos das mais diversas complexidades, a combinação destes, aparentemente simples, apresentaram resultados bastante favoráveis e com isso estávamos confiantes em reestruturar e divulgar novos procedimentos para previsão da demanda de todos os times.
Resultados
Nas simulações havíamos conseguido ganhos em torno de 25%, mas na prática conseguimos comprovar ganhos maiores e sobretudo estabilidade nos resultados.
Esse era um indicador bastante conhecido por apresentar picos de resultados em um mês e extremamente baixo no outro e com essa implementação os resultados ficaram nivelados para cima.
O que isso quer dizer?
Isso quer dizer que economizamos pelo menos 850 mil reais somente por nossas compras ficarem mais enxutas e mais alinhadas com a real demanda!
Além disso, otimizamos o espaço do Centro de Distribuição, reduzimos o dinheiro parado e também evitamos os furos de estoque.
O ideal é que a cada um ano verifique se os métodos utilizados para a previsão de demanda ainda estão adequados para atender a necessidade da empresa. Se você também estiver passando por esse problema, sugiro que siga esses passos e somente depois invista em uma consultoria externa especializada e/ou em um software de previsão.