Aplicação de métodos econométricos na previsão dos custos da Nestlé

Abstract

Há cada vez uma maior necessidade de prever os custos de uma empresa, assim como a quantidade de produtos vendida, para que os gestores das grandes empresas possam fazer uma melhor gestão e identificar onde estão os maiores gastos. O presente projeto surge em colaboração com a Nestlé, empresa líder na área da alimentação, com o principal objetivo de prever a taxa que a empresa paga trimestralmente à Sociedade Ponto Verde para esta ser responsável pelas embalagens dos seus produtos vendidos desde que são produzidos até ao destino final destes materiais. Para isso, torna-se necessário tentar encontrar um modelo que preveja a quantidade de produtos vendida pela Nestlé nas grandes superfícies, cujo tratamento residual dos materiais de embalagem tem um custo associado. A metodologia utilizada foi a modelação de séries temporais mensais. Foram modeladas um conjunto de 1181 séries através de técnicas simples, como o método de alisamento exponencial simples e como os modelos autoregressivos, de médias móveis ou autoregressivos integrados de médias móveis. Os modelos finais foram selecionados automaticamente através de critérios de seleção de qualidade. Posteriormente foi avaliado o método que produz um menor erro de previsão, através da amostra teste, de modo a encontrar o melhor método para prever valores futuros da série.

There is an increasing need to forecast a company's costs and the quantity of products sold so that the managers of big companies can enhance their management and identify areas of major expenditure. This current project arises in collaboration with Nestlé, a leader in the food industry, with the primary goal of forecasting the quarterly fee that the company pays to Sociedade Ponto Verde. This payment is made in exchange for the responsibility of handling the packaging of Nestlé products, from the point of production to their final destination. To achieve this, it becomes necessary to attempt to develop a model that can predict the quantity of products sold by Nestlé in large retail outlets, where the disposal of packaging materials carries an associated cost. The methodology involved modelling monthly time series data. A set of 1181 series were modelled using simple techniques such as the simple exponential smoothing method and models like the autoregressive, the moving average, or the autoregressive integrated moving average models with automated procedures. The final models were automatically selected models using quality selection criteria. Posteriorly, the method that produces the lowest forecast error was evaluated, using the tested sample, to find the best method to predict future values of the series.