Seleção de modelos de previsão de demanda: Prophet vs. XGBoost vs. deep learning — de qual deles seu armazém realmente precisa?

Toda conversa sobre previsão de demanda num armazém parece seguir o mesmo roteiro hoje em dia. A área de negócio diz: "Precisamos de previsão com IA." O fornecedor diz: "Nosso modelo de deep learning tem a maior precisão." E o gerente de planejamento, que será quem vai responder pela previsão, está pensando em algo completamente diferente: quando a previsão erra, é culpa do modelo, ou escolhemos a ferramenta errada desde o começo?

Comecemos pela evidência: o que uma competição pública realmente provou

Para responder "qual é mais preciso", a melhor abordagem não é ler os materiais de marketing dos fornecedores, mas olhar para uma competição que ninguém podia fraudar. A competição de previsão M5, concluída em 2020, usou dados reais de vendas em nível de loja do Walmart — mais de quarenta mil séries temporais de produtos — com participantes prevendo 28 dias à frente. Segundo as análises publicadas após a competição, as melhores soluções na pista de precisão pura eram quase uniformemente construídas sobre árvores de gradient boosting, lideradas pelo LightGBM, em vez das abordagens de deep learning da moda na época.

Esse resultado merece um olhar mais atento. Os dados do M5 tinham características específicas: um número enorme de séries, histórico relativamente curto por série, e fortes impulsionadores externos como promoções e preços. O gradient boosting venceu, segundo os relatos de vários competidores, por seu ajuste a esse tipo de problema — dados tabulares que podem ser transformados em variáveis. Uma vez que você constrói as variáveis certas — vendas defasadas, médias móveis, elasticidade de preço, dummies de feriado — um modelo de árvores as aprende rápido e com estabilidade. Igualar isso com deep learning exigiu muito mais ajuste e computação, com uma relação custo-benefício pior.

Nada disso significa que o deep learning "não funciona". Algumas equipes alcançaram excelentes resultados com deep learning na mesma competição; simplesmente pagaram um custo de engenharia visivelmente maior. A evidência não aponta para um vencedor e um perdedor, mas para uma conclusão mais calma: para a previsão de demanda em armazéns, o teto é mais definido pela engenharia de variáveis e pelo entendimento do negócio do que pela sofisticação do modelo em si.

O temperamento de cada modelo: onde se encaixam, a partir dos primeiros princípios

O Prophet, liberado como código aberto em 2017 pela equipe Core Data Science da Meta (então Facebook), decompõe uma série temporal em tendência, sazonalidade e efeitos de feriado. Seu temperamento: pede pouco dos seus dados, começando com apenas algumas dezenas de observações por série; tolera com graça valores ausentes e atípicos; e sua saída pode ser explicada ao negócio em linguagem simples. Suas fraquezas são igualmente claras: é fundamentalmente um modelo de série única, então com muitos SKUs você treina um modelo por série; seu suporte a regressores externos como preços e promoções é rudimentar; e não tem essencialmente nada a oferecer para produtos novos sem histórico.

O XGBoost — do artigo de 2016 de Tianqi Chen e Carlos Guestrin — e a família do gradient boosting adotam outra abordagem: convertem a previsão num problema de regressão. Você constrói as variáveis, e o modelo aprende as relações não lineares. Seu temperamento: quanto melhor sua engenharia de variáveis, mais forte ele fica; treina naturalmente um único modelo para milhares de SKUs; e as saídas de importância de variáveis dão ao negócio alguma visibilidade sobre o que o modelo observa. O preço é muito trabalho manual em variáveis, mais sensibilidade à deriva de dados — quando a estratégia de promoções muda, você retreina e revalida.

A rota do deep learning, representada pelo DeepAR da Amazon (2017) e pelo Temporal Fusion Transformer (2019), segue um terceiro caminho: deixa o modelo aprender representações a partir de sequências brutas, com uma força particular no aprendizado entre séries — usando o histórico de milhares de SKUs para aprender como é a rampa de um produto novo ou um pico de promoção, e depois transferindo isso para SKUs com históricos curtos. Seu temperamento: quanto maior a escala de dados, maior sua vantagem; alta automação, então uma vez que o pipeline roda, o custo marginal de mão de obra cai; mas a interpretabilidade mais fraca, requisitos de GPU para treinar, e necessidade de pessoal dedicado de machine learning para ajuste e monitoramento de deriva.

Fazendo as contas: o triângulo de precisão, mão de obra e manutenção

A seleção de modelos não pode ser só sobre precisão. Aqui vai um cálculo simplificado e ilustrativo — estimativas de ordem de grandeza para mostrar a estrutura, não cotações precisas. Considere um centro de distribuição regional com 8,000 SKUs ativos, prevendo diariamente para reposição.

A rota Prophet: modelar os 200 SKUs classe A individualmente, prever a cauda longa em nível de categoria e ratear para baixo. A mão de obra é um analista de dados de meio período, sem computação extra, e quando o modelo se comporta mal o negócio consegue entender e intervir. O custo é um teto de precisão visível — as previsões de cauda longa dependem da lógica de rateio, e a volatilidade da temporada de promoções é mal capturada.

A rota XGBoost: treinar um único modelo para todos os SKUs, construir o pipeline de variáveis uma vez. A mão de obra é uma pessoa de dados que entende engenharia de variáveis, engajada de forma contínua — toda mudança importante em promoções ou preços precisa de revalidação. A computação são servidores comuns. Nessa escala de dados sua precisão costuma ser a melhor das três, mas a "podridão do pipeline de variáveis" é um fardo real de manutenção: quando uma fonte de dados muda, as variáveis falham em silêncio, e a qualidade da previsão se degrada lentamente sem nunca disparar um alarme.

A rota do deep learning: o teto de precisão mais alto, sobretudo para produtos novos e de cauda longa — mas começa com um engenheiro de ML dedicado, treinamento em GPU e uma stack completa de MLOps. Para um grupo varejista de bilhões de dólares esse investimento se amortiza fininho; para um único CD regional pode muito bem exceder as economias de estoque de uma melhor precisão.

A fórmula do ROI deveria ser: (redução de rupturas + melhoria de giro por melhor precisão) − (mão de obra + computação + manutenção anualizados). Muitos armazéns falham no primeiro termo — superestimam quanto "uma previsão mais precisa" se converte em dinheiro de verdade.

Um achado contraintuitivo: uma previsão melhor nem sempre economiza dinheiro em estoque

Este ponto continua aparecendo na pesquisa e é o mais difícil de aceitar para as partes interessadas do negócio: a relação entre ganhos de precisão e redução de custos de estoque não é linear. Na fórmula do estoque de segurança, a variabilidade da demanda é só uma entrada — o lead time, a confiabilidade de entrega dos fornecedores e os custos de penalidade por ruptura determinam juntos o quão baixo você ousa levar o estoque. Se os lead times dos fornecedores oscilam loucamente, ou os custos de ruptura são altos demais para arriscar, então reduzir o erro de previsão de 25% para 20% pode não mudar nada na política de reposição — o planejador continua pedindo com o estoque de segurança de antes, porque ninguém vai arriscar uma ruptura por cinco pontos de melhoria em precisão.

Em outras palavras, o teto do ROI de um modelo de previsão é definido pelo elo mais fraco da sua cadeia de suprimentos, não pelo modelo. Num armazém com lead times instáveis, má qualidade de dados e processos de reposição rígidos, implantar deep learning é como colocar um motor de carro de corrida num trator. Por outro lado, se seu pipeline de dados está limpo, a reposição é disparada por sistema e os lead times são estáveis, então os poucos pontos de precisão ganhos ao passar do Prophet para o XGBoost vão se traduzir concretamente em menos dias de estoque.

Então a pergunta de primeiros princípios não é "qual modelo é mais preciso" mas "para qual modelo minha organização está pronta". Os alicerces de dados, a automação de processos e a capacidade da equipe determinam quanto do valor do modelo você consegue realmente embolsar.

Olhando para trás, o Prophet deu aos armazéns pequenos e médios sua primeira capacidade de previsão interpretável; o XGBoost transformou a expertise em engenharia de variáveis num ativo reutilizável; o deep learning, em escala de dados suficiente, transformou a previsão em infraestrutura. Há um padrão interessante na história da tecnologia: cada modelo "mais preciso" que aparece nunca termina de matar seus antecessores — só empurra cada um para a posição onde melhor se encaixa.

O que levanta uma pergunta que vale a pena acompanhar: quando a precisão de cada modelo convencional entrar na zona do "bom o suficiente" e a previsão em si virar commodity, de onde virá a diferença entre armazéns? De quem tem o pipeline de dados mais limpo, de cujo processo de reposição ousa confiar no modelo, ou de quem fechar primeiro de verdade o ciclo entre previsão, reposição automática e precificação dinâmica? A seleção de modelo pode ser a decisão que você precisa tomar este ano — mas mais difícil que a seleção é o que vem depois: se você está disposto a deixar os processos da sua organização se tornarem dignos do modelo que escolheu.

Por Dr. Chen, pesquisador de cadeia de suprimentos

Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.