A proposal for integrated management of demand and distribution, using decision support system (DSS) with business inteligence (BI).

Os avanços na Tecnologia da Informação e a proliferação de itens de consumo, entre outros aspectos, mudaram o cenário e o desempenho das previsões. Os processos de previsão devem ser reexaminados, estabelecendo mecanismos de comunicação formais que compartilhem a informação entre os diferentes níveis hierárquicos dentro da organização, eliminando ou reduzindo o desconforto das previsões paralelas e desconexas oriundas de níveis hierárquicos diferentes. O objetivo deste trabalho é propor um sistema de apoio à decisão baseado em métodos matemáticos e sistemas de informação, capaz de integrar as previsões de vários níveis hierárquicos de uma empresa por um repositório de dados (Data Warehouse ou DW) e um Sistema de Apoio à Decisão (SAD) com sistema Business Intelligence (BI), onde os níveis hierárquicos acessem as informações com o nível de detalhe apropriado dentro do processo de decisão, alinhado às expectativas corporativas de crescimento. Assim, a modelagem realizada neste trabalho teve como foco a geração de cenários para criar um sistema de apoio à decisão, prevendo demandas agregadas e individuais, gerando uma estrutura de integração entre as previsões feitas em diferentes níveis e alinhando valores oriundos de métodos quantitativos e julgamento humano. Uma das maiores preocupações foi verificar qual método (séries temporais, métodos causais) teria destaque em um processo integrado de previsão. Entre os diferentes testes efetuados, pode-se destacar os seguintes resultados: (1) a suavização exponencial tripla proporcionou melhor ajuste (dos dados passados) de séries históricas de demandas mais agregadas e proporcionou previsões mais precisas de representatividades agregadas. Para séries históricas de demanda individual e representatividade individual, os outros métodos comparados apresentaram desempenho muito próximo; (2) a criação de diferentes cenários de previsão, fazendo uso de um repositório de dados e sistema de apoio à decisão, permitiu análise de uma gama de diferentes valores futuros. Uma forma de simulação para apoiar a formulação das expectativas da diretoria foi adaptada da literatura e sugerida; (3) os erros de previsão nas abordagens top-down ou bottom-up são estatisticamente iguais no contexto desta pesquisa. Conclui-se que o método de suavização exponencial tripla traz menos erros às previsões de séries mais agregadas, se comparado com outros métodos abordados no trabalho. Esse fato está de acordo com asserções encontradas na literatura pesquisada de que o método de suavização exponencial é cada vez mais utilizado na previsão, em detrimento dos métodos causais como a regressão múltipla. Conclui-se, principalmente, que os sistemas SAD e BI propostos deram suporte aos vários níveis hierárquicos, proporcionando variedades de estilos de decisão e que podem diminuir o hiato entre o raciocínio qualitativo adotado em nível estratégico e o aspecto quantitativo mais comum em níveis operacionais em qualquer empresa.Advances in Information Technology (IT), and the increase of consumption items, among other things, changed the performance in the forecasts predictions. It is not uncommon that organizations will perform parallel forecasts within the various hierarchical levels without communicating with each other. The objective of this work is to build an integrated \"infrastructure\" for forecasting through a repository of data (Data Warehouse or DW) and a Decision Support System (DSS) with Business Intelligence (BI) where the hierarchical levels have access to the information with the appropriate level of detail within the process, aligned to the corporate growth expectations. The modeling in this work focused in the generation of scenarios to create a decision support system, predicting individual and aggregate demand, create a structure for integrating and aligning the estimated forecast generated by quantitative and qualitative methods. After a series of experimental tests, main results found were: (1) triple exponential smoothing provided the best fit using historical aggregated demand, and provided a more precise estimate of aggregate representation. For historical series of individual demand and individual representation, the other methods used for comparison performed similarly; (2) the creation of different scenarios for prediction, using data repository and decision support system, allowed for analysis of a range of different future values. The simulation to support management expectations has been adapted from the literature; (3) the prediction errors in the top-down and bottom-up approaches are statistically the same in the context of this research. In conclusion, the method of triple exponential smoothing has fewer errors in the forecasts of aggregated series when compared to other methods discussed in this work. Moreover, the DSS and BI systems provided decision-making support to the various hierarchical levels, reducing the gap between qualitative and quantitative decision processes thus bridging the strategic and operational decision making processes