Projetos
LH Nautical · Previsão de Demanda

Previsão de Demanda — 2 modelos

Projetar o faturamento dos próximos meses para apoiar compras e planejamento financeiro. Dois modelos comparados, e — talvez o mais valioso — uma nota explícita sobre as limitações da previsão com apenas 2 anos de histórico.

Ano 2025 Papel Machine Learning Status Concluído
Contexto

O problema

Decisões de compra de estoque e planejamento financeiro precisam de uma projeção honesta do faturamento. A LH Nautical tinha 24 meses de histórico — o suficiente para indicar direção, mas não para garantir precisão.

O desafio aqui foi tanto técnico quanto comunicacional: entregar projeções com rigor estatístico e ser transparente sobre o que elas podem e não podem prometer.

Metodologia

Dois modelos, abordagens complementares

Média Móvel 3M — usa a média dos últimos três meses como estimativa. Boa para captar o nível atual, ignora tendência. Estimativa fixa de R$ 117,6M/mês.

Regressão Linear — ajusta uma reta ao histórico, capturando tendência de crescimento. Começa em R$ 114,5M em jan/2025, crescendo R$ 455k/mês.

Histórico + projeções

A série e os 2 modelos

Métricas

Desempenho honesto

R² 0,10
poder explicativo modesto · base curta
R$ 7,8M
MAE · erro médio absoluto
R$ 455k
crescimento médio por mês (regressão)

Nota de transparência (do próprio notebook): "Com apenas 2 anos de dados, estas projeções são orientações direcionais. Para maior precisão, recomenda-se implementar Prophet quando houver 3+ anos de histórico mensal."

Esse tipo de honestidade é o que diferencia um modelo entregue bem de um modelo entregue bonito — saber até onde os dados permitem ir.

Ferramentas

Stack

Python · scikit-learn Pandas Time Series Regressão Linear Média Móvel Prophet (próximo passo)