RELATÓRIO DE CONSULTORIA (MODELO)

Cliente: Agência Nacional do Petróleo e Biocombustível

Variável analisada: Vendas de gasolina comum no Rio Grande do

Norte.

Periodicidade dos dados: Mensal

Período analisado: janeiro de 2000 a setembro de 2008.

Conclusão do relatório: agosto/2009

Website do cliente: www.anp.gov.br

Consultor(es) Responsável(eis):
Alisson Rocha da Silva (CORECON-RN: 1774)

Contato: [email protected]
( Este modelo de consultoria encontra-se disponível para visualização em:
http://alissonconsultoria.blogspot.com/2009/10/modelo-de-consultoria.html )
 APRESENTAÇÃO

Este modelo de consultoria tem o intuito de apresentar algumas das

análises que podem ser contratadas junto à Ali$$on Consultoria em Economia
& Negócios.
Neste trabalho foi analisada a venda de gasolina comum no RN (Rio
Grande do Norte) para o período de janeiro/2000 a setembro/2008. Em
seguida foram feitas algumas análises e elaboradas previsões para as vendas
nos meses de outubro/2008, novembro/2008 e dezembro/2008.

Porém, ressalve-se que:

 A ANP não constitui - até esta data (agosto/2009) – um cliente real, ou

seja, esta consultoria não corresponde a um trabalho contratado pela
mesma junto a este(s) consultor(es);
 A escolha desta instituição – ANP – serviu apenas para ilustrar um
possível cliente de uma consultoria que trate a respeito das vendas de
gasolina comum no RN. Este cliente também poderia ser qualquer outro
interessado em conhecer o comportamento das vendas de gasolina no
RN, como, por exemplo, postos e distribuidores de combustíveis;
 O logotipo da ANP apresentado neste trabalho foi obtido no site
www.anp.gov.br e tem o intuito, apenas, de mostrar o nível de
personalização que o relatório do cliente pode ter, não implicando,
portanto, ser este relatório um documento oficial da mesma.
 Os dados aqui utilizados sobre as vendas de gasolina comum no RN são
reais e foram retirados do próprio site da ANP, através do link
http://www.anp.gov.br/doc/dados_estatisticos/Vendas_de_Combustiveis_m3.xls
 Como expresso no nome “modelo de consultoria”, o trabalho
apresentado a seguir tem como objetivo apresentar alguns dos nossos
serviços o que significa que consultorias posteriores não apresentarão,
necessariamente, as mesmas análises, mesmo número de páginas ou de
recursos gráficos. Estas questões serão acordadas entre as partes na
ocasião da contratação dos serviços.

2
Prezado(a) cliente,

Sentimo-nos honrados por prestar esta consultoria ao senhor(a). Nossa missão

é desenvolver um serviço que possa ser aplicado no dia-a-dia dos negócios e fugir do
estigma, que alguns possuem, no qual uma consultoria é um trabalho oneroso, produz
um relatório final com dezenas ou centenas de páginas e termina por ser pouco – ou de
nenhuma forma - aproveitada. Nosso foco é o oferecimento de serviços relacionados à
consultoria em economia aplicada, o que inclui análise e construção de índice de
sazonalidade, previsão de variáveis, construção de cenários, testes de hipóteses,
cálculo de elasticidade, dentre outros. Desta forma, nossos clientes poderão ter um
economista “dentro” do seu negócio para auxiliá-los, com todas as vantagens 1 que um
trabalho de caráter autônomo oferece.
Esperamos poder atender – ou superar – as suas expectativas, contribuindo para
o desenvolvimento dos seus negócios, assim como, o estabelecimento de uma sólida
parceria entre este(s) consultores e a sua empresa.
Importante lembrar que, na ocasião do recebimento deste relatório, o cliente
deve checar na tabela intitulada “dados enviados pelo cliente” se os valores enviados –
pelo senhor(a) - são os mesmos que constam na(s) tabela(s), pois eles serão utilizados
em todos os cálculos aqui realizados.
Em caso de dúvidas ou sugestões, por favor, entrem em contato com o e-mail
[email protected] que teremos todo o prazer em analisá-las
prontamente.

Muito obrigado,

Alisson Rocha da Silva 2

1
Um trabalhador com carteira assinada pode ter direitos como: férias remuneradas (e
adicional de 1/3), pagamento de FGTS, previdência, repouso semanal remunerado,
auxílios (alimentação, transporte), multa em caso de demissão sem justa causa. Neste
cenário, há a tendência de se recorrer ao trabalho autônomo para atividades
auxiliares, ou não operacionais, nas empresas e contratar – sob regime CLT – apenas
os funcionários que trabalham com o chamado “core”(núcleo) dos negócios.
2
Alisson Rocha da Silva é Bacharel em Economia pela Universidade Federal do Rio
Grande do Norte (UFRN), campus Natal. Possui alguns trabalhos publicados na área de
Economia Aplicada tendo, inclusive, a sua monografia sido premiada pelo Centro de
Ciências Sociais Aplicadas da UFRN.

3
LISTA DE FIGURAS Pág.
Figura 1 – “Fluxograma” dos cenários para vendas de gasolina
comum no RN ........................................................................................................................... 21

LISTA DE TABELAS Pág.

Tabela 1 – Dados enviados pelo cliente ................................................................................ 05
Tabela 2 – Vendas trimestrais de gasolina comum
no RN (01T2000 – 03T2008) ....................................................................................... 07
Tabela 3 – Vendas dessazonalizadas de gasolina comum
no RN (jan/2000 – set/2008) .............................................................................................. 14
Tabela 4 – Índice de sazonalidade das vendas de gasolina comum no RN ................... 17
Tabela 5 – Cenários para a previsão das vendas de gasolina comum no RN ................ 19

LISTA DE GRÁFICOS Pág.

Gráfico 1 – Vendas de gasolina comum no Rio Grande
do Norte (jan/2000 – set/2008) ...................................................................................... 06
Gráfico 2 – Distribuição das vendas acumuladas trimestrais de gasolina comum
no RN (2000 - 2007) .......................................................................................................... 09
Gráfico 3 – Distribuição das vendas acumuladas mensais de gasolina
comum no RN (2000 - 2007) ............................................................................................... 10
Gráfico 4 – Evolução da participação mensal das vendas de gasolina comum
no RN (2000 – 2007) ............................................................................................................ 11
Gráfico 5 – Vendas dessazonalizadas de gasolina comum no
Rio Grande do Norte (jan/2000 – set/2008) ................................................................... 16
Gráfico 6 – Índice de sazonalidade das vendas de gasolina comum no RN ............... 17
Gráfico 7 – Calibragem do modelo estatístico de previsão .......................................... 18

Obs: Caso haja dificuldade em visualizar as figuras, gráficos ou tabelas, por

favor, aumente o zoom de exibição do documento.

4
 • ANÁLISE DOS DADOS

Tabela 1 – Dados enviados pelo cliente.

Mês/Ano 2000 2001 2002 2003 2004 2005 2006 2007 2008
Janeiro 19.130 19.275 20.354 20.154 20.042 23.731 22.393 23.221 25.541
Fevereiro 18.902 17.288 18.558 17.030 18.582 19.978 20.454 20.700 21.969
Março 17.950 18.024 19.396 14.590 19.567 22.417 22.047 22.420 22.932
Abril 17.621 17.728 18.127 15.991 20.434 20.898 19.918 21.168 23.103
Maio 18.024 18.209 18.978 17.860 19.226 21.806 22.081 22.589 22.883
Junho 19.198 18.172 16.968 17.217 19.714 20.967 21.508 22.212 22.697
Julho 16.608 17.817 18.512 18.521 20.288 21.380 21.201 22.369 28.776
Agosto 19.083 18.808 18.724 18.374 21.263 22.439 23.818 23.344 25.198
Setembro 19.266 17.167 18.276 18.316 21.903 21.256 23.103 21.284 27.872
Outubro 18.468 18.442 22.312 20.182 21.769 18.017 23.561 24.055 A ser previsto
Novembro 18.535 18.317 16.230 17.766 20.757 21.088 22.254 23.541 A ser previsto
Dezembro 19.630 18.342 21.006 22.672 24.192 23.825 24.302 25.429 A ser previsto
Nota: os valores em azul representam os meses com maior valor (no ano). Os valores em
vermelho representam os meses com menor valor (no ano).
Fonte: Elaboração própria a partir dos dados da ANP.

Prezado(a) cliente, a tabela (1) corresponde aos dados enviados para

análise. Estes dados serão utilizados no modelo de previsão. É neste item que a
empresa deve checar se as informações enviadas correspondem às da tabela
acima. Qualquer diferença entre o fornecido e o observado na tabela (1) deve
ser comunicada quando do recebimento do relatório da consultoria. Mais uma
vez, ressalte-se: os dados são a “matéria-prima” principal de um trabalho como
o nosso, portanto, o cliente deve checar para ter a certeza que está mandando
os dados sem erros.
Neste modelo de consultoria, foi utilizado como exemplo de tabela de
dados - enviados pelo cliente - as vendas de gasolina comum 3 no Rio Grande do
Norte. Estes dados estão em metros cúbicos e um metro cúbico equivale a

3
A gasolina comum – no Brasil – é composta de álcool anidro e de gasolina tipo “A”
(aquela que é derivada do petróleo). Vez por outra, a proporção de álcool anidro x
gasolina é alterada. Atualmente, essa proporção é de 25% de álcool anidro e 75% de
gasolina “A”, conforme resolução do MAPA (Ministério da Agricultura, Pecuária e
Abastecimento) nº37, de 27/6/07.

5
 1.000 litros. Então, para converter os valores da tabela para litros, deve-se
multiplicá-los por 1.000. Ilustrando: Janeiro do ano 2000 apresentou vendas de
19.130.000 (19.130 x 1000) litros, fevereiro de 2001 teve vendas de
17.288.000 (17.288 x 1000) litros e assim por diante.
Então, temos uma série temporal4 dos dados para o período de janeiro do
ano 2000 até setembro do ano de 2008. Os meses de outubro/2008,
novembro/2008 e dezembro/2008 serão os meses que terão a sua venda
prevista.
A primeira coisa a ser feita é plotar o gráfico da série de dados enviada
pelo cliente (no caso, as vendas de gasolina comum no RN). Esse gráfico está
logo abaixo:

Gráfico 1 – Vendas de gasolina comum no Rio Grande do Norte (jan/2000 – set/2008).

Fonte: Elaboração própria a partir dos dados da ANP.

4
Uma série temporal é uma seqüência de dados obtidos em intervalos regulares de
tempo durante um período específico.

6
 A partir do gráfico (1) podemos observar várias coisas. Primeiramente, a
variável analisada está crescendo ao longo do tempo, pois os valores dela no final
do período (ano 2008) estão em um nível maior do que o início do período de
análise (ano 2000). Se consultarmos a tabela (1) veremos que – por exemplo – as
vendas de janeiro do ano 2000 foram de 19.130 m³ ao passo que as vendas em
janeiro de 2008 se situaram no valor de 25.541 m³, ou seja, houve um aumento
de aproximadamente 33%. Estas letras no gráfico representam os meses. Temos
a seqüência J(janeiro), F(fevereiro), M(março), A(abril), M(maio), J(junho),
J(julho), A(agosto), S(setembro), O(outubro), N(novembro) e D (dezembro).
Depois do D(dezembro) a seqüência se inicia novamente.
Analisando as vendas de acordo com o mês, podemos observar que
dezembro (D) foi o mês com maior nível de vendas em praticamente todos os
anos (com exceção dos anos 2001 e 2002). Olhando por outra ótica, ou seja, o
mês mais fraco em vendas, nota-se um padrão menos definido com o mês de
fevereiro (F) sendo o de menor venda em três dos nove anos analisados, seguido
de março (M), abril (A), julho (J), setembro (S), outubro (O) e novembro (N) –
uma vez cada. Ou seja, para o período analisado, fica bem definido o mês que
parece ser o de melhores vendas (dezembro), mas não há um mês que possa ser
considerado o pior para a variável analisada. O que se pode extrair disto é que
em sete dos nove anos, o mês mais fraco para vendas de gasolina comum no RN
não esteve compreendido entre o mês de outubro e dezembro, ou seja, não se
deu no último trimestre do ano.
De uma maneira geral, o empresário deste setor pode esperar vendas
mais aquecidas no quarto trimestre e vendas mais fracas no primeiro e/ou
segundo trimestre. Isto está bem exposto na tabela (2), logo abaixo:

Tabela 2 – Vendas* trimestrais de gasolina comum no RN (01T2000 – 03T2008)

Trimestre/ano 2000 2001 2002 2003 2004 2005 2006 2007 2008
01TRI 55982 54587 58308 51774 58191 66126 64894 66341 70442
02TRI 54843 54109 54073 51068 59374 63671 63507 65969 68682
03TRI 54957 53792 55512 55211 63454 65075 68122 66997 81845
04TRI 56633 55101 59548 60620 66718 62930 70117 73025
* valores em m³. Lembrar que 1m³=1.000 litros. Obs: Dados em azul representam o
trimestre com maior venda; dados em vermelho representam o trimestre com pior venda.
Fonte: Elaboração própria a partir dos dados da ANP.

7
 Da tabela (2) fica bem claro a força das vendas no quarto trimestre e
um enfraquecimento – em relação aos demais trimestres – no primeiro e/ou
segundo trimestre. Esse comportamento – principalmente do último trimestre -
reflete a existência de sazonalidade 5 nas vendas de gasolina comum no RN. A
principal implicação disto é que devemos ter cuidado ao comparar vendas em
épocas sazonalmente fortes com as mesmas em períodos sazonalmente fracos.
No caso analisado neste modelo de consultoria – vendas de gasolina
comum no RN – o setor comercial de uma distribuidora de combustíveis, tendo
a posse das informações aqui expostas, deve saber que se ele estabelecer uma
meta de vendas para – por exemplo – o mês de fevereiro ou março que seja
superior ao mês de dezembro, a mesma dificilmente será atingida. Para o
período aqui analisado (janeiro do ano 2000 até setembro de 2008) em nenhum
ano o mês de dezembro teve vendas de gasolina abaixo do mês de fevereiro ou
março.
Este tipo de análise também pode ser feita para outros meses, e outras
periodicidades (ex: observar trimestres ao invés de meses) bastando que o
cliente analise a possível existência de padrões que se repetem ao longo do
período analisado.
Por último, é necessário ter a consciência de que não é porque sempre se
vendeu mais gasolina comum no RN no mês de dezembro comparado a
fevereiro, que isto ocorrerá em todos os anos. Os negócios em geral estão
sujeitos a fatores controláveis e não-controláveis que os afetam em maior ou
menor escala. O setor de combustíveis – por exemplo – é afetado pelo
desempenho da economia e a tributação, coisas que estão fora do controle do
empresário.

5
Explicando de maneira simples, uma sazonalidade seria os padrões de movimentos
que se refletem ao longo do tempo e de uma periodicidade (ex: mensal, trimestral,
etc). Praticamente toda atividade econômica apresenta sazonalidade, como, por
exemplo, os hotéis que ficam cheios na alta estação, as fábricas de chocolate que
vendem muito no período da páscoa ou as vendas de sorvete que crescem no verão
(meses quentes).

8
 A seguir, os dados das vendas trimestrais – da tabela (2) - foram agregados 6 e
foi elaborado um novo “gráfico de pizza”, plotado abaixo:

Gráfico 2 – Distribuição das vendas acumuladas trimestrais de gasolina comum

no RN (2000 - 2007).

Fonte: Elaboração própria a partir dos dados da ANP.

Observando o gráfico (2), nota-se que a tendência é realmente o quarto

trimestre ser o período mais forte de vendas do ano, pois, pelo menos para o
intervalo analisado nele (2000 a 2007), representou 25,46% das vendas totais.
Já o segundo trimestre representou a menor “fatia” das vendas totais, com
24,66%. O empresário deve ficar atento a este fato, pois, provavelmente, o

6
Agregar os dados para o gráfico (2) significa que foram somadas todas as vendas do
primeiro trimestre em todos os anos, as do segundo trimestre em todos os anos,
terceiro trimestre em todos e do quarto trimestre em todos. Em seguida, foi elaborado
o gráfico (2) para, justamente, ver qual foi a participação total da soma de cada
trimestre em relação às vendas totais.

9
 segundo trimestre demandará menos 7 mão-de-obra, as receitas serão menores,
o caixa tende a ser menor, etc. Por outro lado, os custos variáveis 8 têm que ser
menores em relação aos demais trimestres e, se isto não estiver ocorrendo,
cobre do seu setor financeiro/custos a explicação.

Gráfico 3 – Distribuição das vendas acumuladas 9 mensais de gasolina comum no RN

(2000 - 2007).

Fonte: Elaboração própria a partir dos dados da ANP.

O mesmo tipo de análise feita para o gráfico (2) está disponível no gráfico
(3), apenas com uma alteração na periodicidade que passa a ser mensal e não
mais trimestral. Com isso podemos perceber que o mês de dezembro realmente
7
O período mais fraco do ano, obviamente, varia de um negócio para outro.
8
Lembrando que os custos totais de um negócio são divididos em custos fixos e custos
variáveis. O custo variável é diretamente afetado pela produção, ou seja, quanto maior
a produção – ou as vendas, no caso de um comércio – maior tende a ser este custo
variável. Já o custo fixo é aquele que tende a se manter constante ao longo de um
determinado período, como, por exemplo, gastos com aluguel.

9
Acumular os dados para o gráfico (3) significa que foram somadas todas as vendas de
janeiro em todos os anos, as de fevereiro, março e assim por diante. Em seguida, foi
elaborado o gráfico para ver qual foi a participação total da soma de cada mês em
relação às vendas totais.

10
 costuma ser o destaque de vendas. Por outro lado, o mês de julho foi em média o
mês mais fraco para o período analisado, com participação de 7,47% em relação
ao total das vendas. As mesmas observações (fluxo de caixa, custos, etc.) feitas
com relação ao gráfico (2) podem ser observadas no gráfico (3) só que
utilizando-se de uma abordagem mensal.
Dando continuidade a análise dos dados enviados pelo cliente, chegamos
ao gráfico (4) que descreve a evolução da participação mensal das vendas de
gasolina comum no RN para o período analisado, o conhecido “gráfico de rosca”.
A leitura10 do mesmo se dar da seguinte forma: primeiro consulta-se o quadro
de legendas para ver as cores do gráfico correspondente a cada mês. Se
tomarmos a cor laranja claro, veremos que corresponde ao mês de dezembro.

Gráfico 4 – Evolução da participação mensal das vendas de gasolina comum

no RN (2000 – 2007).

Fonte: Elaboração própria a partir dos dados da ANP.

10
Perceba que os meses estão em ordem no sentido horário. Assim, o mês de
dezembro tem novembro a sua esquerda e janeiro a sua direita, janeiro tem dezembro
a sua esquerda e fevereiro a sua direita, e assim sucessivamente. Por sua vez, a
ordem dos anos vai das roscas com menor diâmetro para as de maior diâmetro
conforme apontado no gráfico.

11
 Uma vez escolhido o mês, basta analisar os valores apresentados como
sendo as vendas em dezembro de cada ano, começando no ano 2000 e seguindo
até o ano de 2007. Desta forma, a participação de dezembro em relação ao
total de vendas do ano foi de 8,8% no ano 2000, 8,4% em 2001, 9,2% em 2002,
10,4% em 2003, 9,8% para 2004, 9,2% em 2005, 9,1% em 2006 e 9,3% em
2007.
O gráfico de rosca – como é o caso do gráfico (4) – tem diversas
utilizações, dentre as quais estão: análise da evolução de um período (mês,
trimestre, ano, etc) ao longo do tempo, detecção de períodos em que a variável
analisada apresenta maiores ou menores participações em relação ao total,
detecção de mudanças de hábito de consumo/produção e auxílio nas previsões
de variáveis com a abordagem top-down11.
Para fazer a análise da evolução escolhemos um período – por exemplo,
abril – e vemos que em 2000 as vendas deste mês representaram 7,9% do total
do ano, 8,1% em 2001, 8,0% em 2002, 7,3% em 2003, 8,2% em 2004, 8,1% em
2005, 7,5% em 2006 e 7,8% em 2007. Nota-se também que houve variação
(para mais e para menos) na participação total do mês em relação ao ano. Se,
por exemplo, essa participação estivesse sempre crescendo ao longo do tempo
poderia significar uma mudança 12 de hábito do consumidor (ou do mercado).

11
Suponha que um supermercadista queira prever as vendas mensais de refrigerante
na sua loja. Existem diversas marcas – Pepsi, coca-cola, guaraná antarctica, etc –
para serem analisadas. Na abordagem top-down, faz-se uma previsão para o agregado
(somatório das vendas de todas as marcas) e, baseado no histórico de cada marca,
chega-se à previsão individual. Por exemplo: foi prevista a venda de 100mil litros em
uma determinada loja, sendo que, segundo os históricos da mesma, Coca-cola
representa (em média) 30% das vendas totais, o guaraná Antarctica 20%, a Pepsi
15%, demais marcas são 35%. Para fazer previsão para cada marca faríamos:
Coca-cola = 100.000 x 30% = 30.000 litros
Guaraná Antarctica = 100.000 x 20% = 20.000 litros
Pepsi = 100.000 x 15% = 15.000 litros
Demais marcas = 100.000 x 35%= 35.000 litros
A grande vantagem desta abordagem é que a previsão de uma variável gerou
informação para outras quatro previsões (vendas Coca-cola, Pepsi, guaraná Antarctica
e demais marcas). A desvantagem é que um estudo individual de cada marca de
refrigerante poderia fornecer uma previsão mais precisa das suas vendas, porém a um
custo (financeiro e computacional) maior.
12
Para ilustrar essa mudança de hábito, recorremos aos tempos em que as lojas dos
shoppings não funcionavam no domingo. Após começarem a abrir aos domingos, este
dia especificamente passou a ser um dos mais importantes para o lojista de shopping.
(Continua na próxima página)

12
 • SAZONALIDADE

Retomando a questão da sazonalidade, foi dito que a mesma poderia, de

uma forma simples, ser definida como os padrões de movimentos que se
refletem ao longo do tempo e de uma periodicidade (ex: mensal, trimestral,
etc). Também foi informado que praticamente todas as atividades, sejam elas
no setor primário (agricultura), secundário (indústria) ou terciário (comércio),
estão sujeitas à sazonalidade. Alguns gestores tomam decisões plenamente
conscientes da sua existência e outros a levam em consideração, mas sem muita
certeza do que estão fazendo.
Possivelmente, a maior implicação da análise em dados que não estão
dessazonalizados 13 é que se deve ter muito cuidado ao comparar uma variável
(p. ex. vendas) em períodos distintos. Ilustrando: um gerente de hotel deve ter
cautela ao comparar o índice de ocupação de quartos (um dos melhores
indicadores de desempenho do setor) em um mês de alta estação ao índice de
um mês de baixa estação, pois boa parte da diferença entre eles é explicada
pela existência da sazonalidade e não – necessariamente – por incompetência
(ou competência) dos administradores do negócio.
Utilizando o exemplo desta consultoria: requer cautela comparar as
vendas de gasolina comum do mês de dezembro com as de fevereiro, pois foi
detectada uma sazonalidade a favor do último mês do ano e uma fraca para
fevereiro. É mais ou menos o que acontece no comércio, onde, normalmente,
vender mais em fevereiro do que em dezembro é praticamente impossível14,
não importa o que você faça.

(continuação da nota de rodapé nº 12). Em um gráfico de rosca isso seria bem claro já
que passaríamos de pequenas participações – dias que as lojas praticamente não
abriam no domingo – para grandes participações. Poderíamos nos questionar: o
domingo tomou o lugar do sábado no comércio de shopping? Para auxiliar na resposta,
poderíamos comparar, a partir do momento em que foi implantada a mudança, a
participação do sábado e do domingo e observar qual das duas vem sendo a maior.

Dessazonalizar consiste na “retirada” da componente sazonal dos dados, de modo

13

que eles possam ser melhor comparados.

14
Isso pode variar de um setor do comércio para outro, porém, em regra, é o que
acontece.

13
 O leitor pode estar se questionando “o que fazer para que se possam
comparar os dados?”. A resposta é: dessazonalizá-los.
Existem diversas formas de fazer isto, mas a que esta consultoria
utiliza é o método X12-arima considerado como padrão para se ajustar
sazonalmente as estatísticas oficiais. Este método foi desenvolvido pelo U.S.
Census Bureau.15
Aplicando a dessazonalização nos dados da consultoria (vendas de
gasolina comum no RN) chega-se a tabela (3) que contém os dados já sem a
presença de sazonalidade 16.

Tabela 3 – Vendas dessazonalizadas de gasolina comum no RN (jan/2000 – set/2008).

Mês/Ano 2000 2001 2002 2003 2004 2005 2006 2007 2008
Janeiro 18012,30 18145,09 19180,84 19016,46 18911,99 22378,99 21146,72 21986,77 24236,52
Fevereiro 19495,93 17919,25 19351,15 17851,51 19615,58 21216,93 21844,03 22178,40 23613,09
Março 18197,39 18228,95 19571,51 14722,40 19762,84 22673,59 22338,73 22751,77 23300,94
Abril 18745,44 18889,23 19360,79 17104,22 21854,01 22367,65 21356,61 22697,65 24725,26
Maio 18395,88 18587,80 19342,56 18198,78 19591,82 22244,60 22548,72 23120,18 23448,12
Junho 19866,68 18829,06 17593,67 17850,78 20465,44 21824,21 22400,77 23090,73 23541,60
Julho 16904,63 18147,72 18887,77 18913,58 20681,52 21746,45 21525,21 22717,03 29257,59
Agosto 18905,54 18575,19 18420,01 18016,82 20787,01 21883,92 23170,63 22637,14 24339,23
Setembro 19519,45 17331,98 18388,94 18323,00 21798,19 21012,42 22704,24 20764,75 27076,40
Outubro 18079,96 18026,27 21760,86 19646,88 21171,46 17452,71 22770,20 23267,24 -------------
Novembro 18923,95 18711,05 16556,83 18101,39 21123,21 21504,36 22711,05 23976,73 ------------
Dezembro 17556,91 16414,25 18845,36 20410,24 21857,16 21522,07 21994,62 23141,10 ------------
Nota: Dados em azul representam os meses com maiores vendas; dados em vermelho representam
os meses com piores vendas.
Fonte: Elaboração própria a partir dos dados da ANP.

15
Este instituto é considerado uma espécie de “IBGE Americano”. Seu website é
http://www.census.gov/
16
Uma pequena ressalva sobre o termo “sem a presença de sazonalidade”: é
impossível ter 100% certeza de que toda a sazonalidade foi extraída. Ou seja, não é
possível afirmar, com toda a certeza, que o desempenho de um determinado mês foi
superior – ou inferior - ao outro unicamente devido ao fator sazonalidade. Qualquer
atividade comercial sofre influência de diversos fatores internos e externos que não
apenas a sazonalidade.

14
 Perceba, então, como o mês de fevereiro tem desempenho superior 17 ao
mês de dezembro nos anos de 2000, 2001, 2002 e praticamente igual em 2005
e 2006. Com o auxílio da tabela (3) já podemos comparar 18 meses distintos
dentro de um mesmo ano para saber – descontado o fator sazonal – quais
foram os melhores e os piores meses.

Exemplificando:
No ano de 2007, pela tabela (1) – dados enviados pelo cliente – o melhor
mês em vendas de gasolina comum no RN foi o de dezembro e o pior foi o de
fevereiro. Já na tabela (3) – dados dessazonalizados – o melhor mês do ano
2007 foi novembro e o pior foi setembro. Essa mesma análise pode ser feita
para cada ano, bastando que o cliente compare os dados da tabela (1) com os
dados da tabela (3).
De posse da tabela (3) é possível ter uma idéia mais real 19 do
desempenho e perceber que, muitas vezes, a queda das vendas – ou qualquer
outra variável analisada – se deve a fatores de sazonalidade e não por, digamos,
incompetência gerencial.
Para que o cliente possa visualizar melhor o comportamento da série
dessazonalizada, a mesma é plotada no gráfico (5).

17
Isso quando analisamos os dados dessazonalizados no lugar dos dados nominais.
18
É sempre importante lembrar em que nível ocorre essa comparação. Os dados
enviados pelo cliente – também chamados dados nominais – são o real desempenho
da empresa, ou seja, aquilo que ocorre no dia-a-dia do departamento financeiro. As
séries dessazonalizadas – e demais transformações da série nominal - são feitas
especialmente para análise de desempenho do negócio.
19
Outro exemplo para deixar bem claro por que analisar o desempenho comercial (das
vendas) sob a ótica dessazonalizada: suponha que um empresário fabrique ar-
condicionado e tenha duas equipes de vendas. A primeira venderá o aparelho em uma
cidade da Rússia, durante o inverno, onde a temperatura média é de 10 graus abaixo
de zero; a segunda venderá na mesma cidade, durante o verão, que apresenta
temperatura média de 28 graus. Ao final deste período, o segundo time vendeu 200
aparelhos de ar-condicionado e o primeiro vendeu 100 aparelhos. Será que a segunda
equipe teve o dobro do desempenho da primeira? Analisando os dados nominais, sim,
mas essa é uma comparação injusta, pois vender ar-condicionado no inverno deve ser
bem mais difícil do que no verão. Para ter um panorama mais seguro sobre a real
diferença de desempenho entre as duas equipes seria interessante descontar a natural
facilidade das vendas no verão e a natural dificuldade trazida pelo inverno. É isso que
a dessazonalização dos dados se propõe a fazer.

15
 O gráfico (5) tem o intuito de servir de comparação com o gráfico (1),
porém, o (1) utiliza os dados enviados pelo cliente e o (5) usa os dados enviados
já dessazonalizados.

Gráfico 5 – Vendas dessazonalizadas de gasolina comum no Rio Grande do

Norte (jan/2000 – set/2008).

Fonte: Elaboração própria a partir dos dados da ANP.

Um último cálculo a respeito da sazonalidade é o chamado índice de

sazonalidade. Este índice é uma forma de ter uma idéia mais concreta – e em
termos numéricos – do quanto determinados meses foram mais (ou menos)
favoráveis às vendas de gasolina comum no RN dentro do período analisado.
Caso apresente um valor maior do que um, sinaliza um período analisado (neste
caso, o mês) acima da média e um valor menor do que um é um período abaixo
da média. O valor um, obviamente, sinaliza um mês médio, ou seja, nem forte
nem fraco quando comparado aos demais em termos sazonais.
Na tabela (4) temos os índices de sazonalidade de cada mês. Ela nos
informa – para o período analisado - que o mês de dezembro é o mais forte
para vendas de gasolina comum no RN e esta “força” é 11% maior do que a
média. Já abril apresentou o menor índice e este esteve 6% abaixo da média.

16
 Fazendo um paralelo com o exposto na nota de rodapé nº 19 (da venda
de ar-condicionado), e guardando-se as devidas proporções, é como se
dezembro fosse o mês do verão e abril o mês do inverno. O mesmo raciocínio
pode ser utilizado para os índices dos demais meses.
Uma última coisa a se destacar é que os meses de maio, julho e
novembro possuem índice de sazonalidade igual, ou seja, “podem” 20 ser
comparados entre si pela tabela (1) de dados nominais.

Tabela 4 – Índice de sazonalidade das vendas de gasolina comum no RN

Anos jan fev mar abr mai jun jul ago set out nov dez
2000-2008 1,06 0,95 0,99 0,94 0,98 0,96 0,98 1,02 1,01 1,03 0,98 1,11
Fonte: Elaboração própria a partir dos dados da ANP.

Os dados da tabela (4) foram plotados no gráfico (6) para facilitar a

visualização. Analisando-os, vemos um mês de janeiro sazonalmente acima da
média, seguido por um período – fevereiro a julho – com índice abaixo da média,
em seguida, uma melhora em agosto a outubro, uma piora em novembro, e o pico do
índice em dezembro.

Gráfico 6 – Índice de sazonalidade das vendas de gasolina comum no RN

Fonte: Elaboração própria a partir dos dados da ANP.

20
As aspas foram utilizadas para chamar a atenção em duas coisas: primeiro, o mais
correto - mesmo em meses com mesmo índice de sazonalidade- é comparar os dados
dessazonalizados, ou seja, os da tabela (3); em segundo lugar, cabe afirmar mais uma
vez que não existe método capaz de retirar em 100% o fator sazonal.

17
 • PREVISÕES

Nesta seção, a variável “vendas de gasolina comum no RN” será utilizada

para o cálculo 21 de previsões futuras do seu valor e, com isso, a construção de
cenários para a mesma.
A primeira coisa que fizemos foi tomar o logaritmo natural dos dados
enviados pelo cliente e construir uma nova série com estes dados. O intuito
dessa operação matemática – por assim dizer – é evitar alguns problemas 22 que
ocorreriam se as previsões fossem feitas direta nos dados enviados. O cliente,
porém, não precisa se preocupar, pois depois de previstos os dados serão
convertidos para a mesma escala – tipo – que foi enviada.
Dito isto, temos o gráfico (7) no qual está plotada a venda de gasolina
comum no RN – já na escala logarítmica – junto do que poderíamos chamar de
sua “calibragem”. Esta “calibragem” será tanto melhor conforme a linha
vermelha e a azul “caminhem” juntas ao longo do tempo.

Gráfico 7 – Calibragem* do modelo estatístico de previsão

* Valores na escala logarítmica.

Fonte: Elaboração própria a partir dos dados da ANP.

21
Relembrando: o cliente enviou dados que vão do mês de janeiro/2000 a setembro
de 2008 e deseja o cálculo das vendas para os três meses seguintes (outubro,
novembro e dezembro de 2008).
22
Fazer análises estatísticas envolve muito mais dificuldades do que se aparenta, pois
os dados, quando analisados sem os devidos critérios, podem levar a conclusões (ou
números) enganosas(os). Quase sempre há de ser feita alguma operação matemática
em cima dos valores enviados pelos clientes. Porém, não há motivo para preocupação:
os dados fornecidos pelo modelo estatístico são convertidos para o mesmo tipo de
número enviado originalmente.

18
 Assim, o gráfico (7) servirá de base para a elaboração da tabela (5) que
nada mais é do que as previsões das vendas de gasolina comum no RN já
convertidas para a mesma escala na qual os dados foram enviados, junto dos
cenários 23 e das previsões mensais e trimestral.

Tabela 5 – Cenários para a previsão* das vendas de gasolina comum no RN

Cenário out/08 nov/08 dez/08 04T2008
cenário muito otimista 34.364,86 35.773,76 39.726,74 109.865,36
cenário otimista 32.629,36 33.804,01 37.085,63 103.519,00
Cenário base + 30.097,27 30.947,29 33.314,46 94.359,02
valor previsto 27.668,39 28.227,92 29.793,33 85.689,64
Cenário base - 25.435,52 25.747,00 26.644,36 77.826,88
cenário pessimista 23.461,68 23.571,62 23.934,94 70.968,24
cenário muito pessimista 22.276,99 22.273,65 22.343,7 66.894,34
*valores em m³
Fonte: Elaboração própria a partir dos dados da ANP.

Antes de explicar a tabela acima, cabe descrever o que representaria

cada cenário destes:

Cenário muito otimista (cor verde): corresponde àquele em que um conjunto de

fatores extremamente positivos se “somam” no curto prazo e produzem uma
disparada no valor da variável prevista. No caso da variável analisada nesta
consultoria modelo (vendas de gasolina comum no RN), seria, por exemplo, como
se dentro de um mesmo mês a economia crescesse fortemente e o governo
cortasse grande parte dos impostos da gasolina, levando a uma forte queda no
seu preço. Por ser um cenário extremo, é difícil (mas não impossível) de
acontecer;

23
Esses cenários são construídos a partir de intervalos de probabilidade do valor
previsto. Quanto maior a probabilidade de acerto desejada, maior o tamanho dos
intervalos de previsões calculados.

19
Cenário otimista (cor azul): é aquele em que, como no caso muito otimista,
apresenta um conjunto de fatores que impulsionam o valor da variável em
análise. Embora seja mais provável de acontecer do que o cenário muito
otimista, ainda é algo que foge aos padrões. No contexto da venda de gasolina,
poderia, hipoteticamente, acontecer numa conjuntura de redução de impostos
sobre combustíveis e crescimento econômico moderado;

Cenário base positivo ou negativo (cor laranja): Ao contrário dos demais, o

cenário base (+ ou -) é bem provável de acontecer e seria uma espécie de
“margem de segurança”. Por exemplo, o mês de outubro tem venda prevista de
27.668,39 m³. Porém, se analisarmos no contexto do cenário base, essa
afirmação seria descrita mais corretamente como “a venda de gasolina em
out/2008 estará entre 25.435,52 m³ (cenário base negativo) e 30.097,27 m³
(cenário base positivo) e, dentro deste intervalo, ‘apostamos’ no valor
27.668,39 m³”;

Cenário pessimista (cor amarela): é exatamente o contrário do otimista, ou

seja, seria aquele no qual a conjunção de alguns fatores negativos causaria uma
queda inesperada – e expressiva - na variável observada. É mais provável de
ocorrer do que o cenário muito pessimista, mas, ainda assim, tende a acontecer
poucas vezes;

Cenário muito pessimista (cor vermelha): é o contrário do extremamente

otimista, ou seja, ocorre quando um grande número de fatores negativos se
somam e causam uma grande queda no valor da variável observada. No contexto
da venda de gasolina comum, seria como se dentro de um mesmo mês a
economia enfrentasse uma grande crise econômica e o governo, ainda assim,
aumentasse muito os impostos nos combustíveis, com repasse ao preço pago
pelos consumidores.

Feita a explicação sobre os cenários, passa-se à análise da tabela (5).

Assim, as previsões para a venda de gasolina comum no RN são de 27.668,39
m³ para out/2008, 28.227,92 m³ para nov/2008 e 29.793,33 m³ em
dez/2008. Somando estes três meses obtemos a previsão trimestral (set a
dez/2008) que é de 85.689,64 m³.

20
 Sendo muito otimista, a venda de gasolina comum no RN será de
34.364,86 m³ para o mês de outubro/2008, 35.773,76 m³ em Nov/08 e
39.726,74 m³ em dez/08. A soma dos três valores será 109.865,36 m³.
Por sua vez, sendo muito pessimista, a venda de gasolina comum será
22.276,99 m³ em out/2008, 22.273,65 m³ em Nov/2008, 22.343,7 m³ em
dez/2008 e 66.894,34 m³ para o trimestre (set a dez/2008).
Essas análises podem ser feitas para quaisquer dos cenários descritos,
bastando para isso que o cliente consulte a tabela (5) e siga o raciocínio
exposto anteriormente. Caso prefira, poderá utilizar a figura (1) que contém os
mesmos dados da tabela (5) só que na forma de um “fluxograma” 24.
Assim sendo, sempre que houver uma série temporal de alguma variável
de interesse, podemos fazer previsões para o comportamento futuro da
mesma. Utilizar algum método estatístico para este fim costuma ser bem
melhor do que fazer meras suposições a respeito.

Figura 1 – “Fluxograma” dos cenários para vendas de gasolina comum no RN

Fonte: Elaboração própria a partir dos dados da ANP.

24
O fluxograma da figura (1) segue o mesmo esquema de cores da tabela (5), com o
verde representando valores do cenário muito otimista, azul para otimista, laranja para
cenário base, amarelo para pessimista e vermelho para muito pessimista.

21
 ANEXO I

Neste anexo, queremos convidá-lo(a) a ler outros trabalhos produzidos por nós:

 Artigo ”O mercado brasileiro de autoveículos: anos recentes e

perspectivas de longo prazo”. Disponível em:
http://alissonconsultoria.blogspot.com/2009/10/o-mercado-brasileiro-de-autoveiculos.html

 Artigo “Modelos probabilísticos aplicados aos negócios”. Disponível

em:
http://alissonconsultoria.blogspot.com/2009/10/modelos-probabilisticos-aplicados-aos.html

 Artigo “Prevendo a Receita Líquida da Petrobras com auxílio do

preço do petróleo”. Disponível em:
http://alissonconsultoria.blogspot.com/2009/09/prevendo-receita-liquida-da-petrobras.html

22
 ANEXO II

Abaixo disponibilizamos alguns dados macroeconômicos da economia brasileira:

PIB real

Variação percentual em relação ao mesmo período do ano anterior

2007 2008 2007 T4 2008 T1 2008 T2 2008 T3 2008 T4 2009 T1

5,67 5,08 6,14 6,13 6,20 6,81 1,28 -1,78

Fonte: IPEADATA
PIB per capita
Em mil dólares de 2008 (taxa de câmbio média de 2008)

2001 2002 2003 2004 2005 2006 2007 2008

6,93 7,02 7,00 7,31 7,44 7,65 7,99 8,31

Fonte: IPEADATA
Produção industrial

Variação percentual em relação ao mesmo período do ano anterior

2007 2008 2008 T4 2009 T1 2009 T2 2009 M04 2009 M05 2009 M06

6,02 3,10 -6,28 -14,57 -12,28 -14,80 -11,19 -10,93

Fonte: IPEADATA
Valor real das vendas no varejo

Variação percentual em relação ao mesmo período do ano anterior

2007 2008 2008 T3 2008 T4 2009 T1 2009 M03 2009 M04 2009 M05

9,68 9,13 10,14 5,95 3,67 1,33 7,05 4,00

Fonte:IPEADATA
Taxa de desemprego

Em percentagem da População Economicamente Ativa

2007 2008 2008 T4 2009 T1 2009 T2 2009 M04 2009 M05 2009 M06

9,29 7,89 7,30 8,57 8,60 8,90 8,80 8,10

Fonte: IPEADATA

23
 ANEXO III

Neste anexo, sugerimos que o(a) cliente conheça dois bancos de dados
que podem auxiliá-lo(a) nos seus negócios, seja na pesquisa de dados
econômicos do país como um todo – dados macroeconômicos – ou na pesquisa
das características econômico-sociais dos Estados ou cidades brasileiras.

IPEADATA:
O Ipeadata é um banco de dados mantido pelo IPEA 25 com diversos
indicadores econômicos do Brasil e do mundo. Lá, tanto é possível ter acesso a
séries históricas quanto a previsões (expectativas) do mercado sobre o
comportamento de variáveis como a taxa de juros selic, o câmbio, a inflação, o
crescimento do PIB (produto interno bruto), etc. O acesso é gratuito pelo site
www.ipeadata.gov.br e eu recomendo – fortemente – que este site seja uma
constante fonte de consulta do empresário aos principais dados
macroeconômicos do Brasil.

IBGE:
O IBGE 26 por sua vez também disponibiliza um enorme banco de dados
ao público, com destaque para a “plataforma” países@, estados@ e cidades@.
Em países@, o usuário pode visualizar diversos indicadores sócio-
econômicos de, praticamente, todos os países do mundo. O link para acessá-lo é
http://www.ibge.gov.br/paisesat/main.php .É especialmente útil para quem
deseja conhecer a realidade de outro país, para o qual, por exemplo, o(a)
cliente deseje viajar ou exportar/importar produtos.

Em estados@, é possível ter acesso a uma ampla gama de dados a respeito

de qualquer um dos Estados brasileiros. Como exemplo, temos: composição da

25
O Instituto de Pesquisa Econômica Aplicada (Ipea) é uma fundação pública federal
vinculada à Secretaria de Assuntos Estratégicos da Presidência da República. Suas
atividades de pesquisa fornecem suporte técnico e institucional às ações
governamentais para a formulação e reformulação de políticas públicas e programas de
desenvolvimento brasileiros.
26
O Instituto Brasileiro de Geografia e Estatística (IBGE) é uma instituição da
administração pública federal, subordinado ao Ministério do Planejamento, Orçamento
e Gestão.

24
população (distribuição entre crianças, jovens, adultos e idosos), percentual de
casas com saneamento, escolaridade por faixa etária, percentual de casas com
computador e internet, frota de carros, número de rebanhos, e inúmeros
outros importantes indicadores. Para acessá-lo, utilize o link
http://www.ibge.gov.br/estadosat/
Por fim, e talvez mais importante, a “plataforma” cidades@ fornece
acesso a respeito dos dados 27 sócio-econômicos de cada cidade do Brasil.
Temos, por exemplo, dados de frota de veículos, número de agências bancárias,
indicadores de finanças públicas, Produto Interno Bruto e renda per capta do
município, número de habitantes, produção agrícola, etc. Como exemplo do uso
destas informações suponha que um empresário da área de informática está
decidindo se abre ou não uma filial em uma determinada cidade. Acessando a
plataforma cidades@ a pessoa pode pesquisar, no próprio computador, quais as
cidades que possuem o perfil – renda, escolaridade, faixa etária, etc – do
cliente que freqüenta o seu estabelecimento. Para utilizá-la basta acessar o
site http://www.ibge.gov.br/cidadesat/topwindow.htm?1

27
A quantidade de informações e o ano em que foram obtidas podem variar de um
município para outro.

25
Esta página intencionalmente em branco
(Utilize-a para anotações)

26