Demanda hoje é 100. Há 6 meses era 80. Tendência é crescimento. Ignorar e usar 100 de hoje = subestimar futuro.
Regressão linear captura essa tendência e projeta.
Problema simples
Você vende:
Mês 1: 80 unidades
Mês 2: 85
Mês 3: 90
Mês 4: 95
Mês 5: 100
Mês 6: 105
Tendência é clara: crescimento de ~5 unidades por mês.
Mês 7, você prevê 110.
Mês 8, você prevê 115.
Se usar média (92.5), erra pra baixo (subestima).
Fórmula simples de regressão
Reta: Y = a + (b × x)
Y = venda futura
a = ponto de origem (intercept)
b = inclinação (slope, tendência)
x = período (1, 2, 3…)
Excel: usar SLOPE() e INTERCEPT() ou função LINEST().
Em Python: numpy.polyfit ou sklearn.linear_model.
O cálculo exato não importa. Ferramentas fazem.
Exemplo com números
Dados: 80, 85, 90, 95, 100, 105
Excel calcula:
a = 75 (ponto de origem)
b = 5 (crescimento por período)
Reta: Y = 75 + (5 × x)
Mês 7 (x=7): Y = 75 + (5 × 7) = 110
Mês 8 (x=8): Y = 75 + (5 × 8) = 115
Previsão é automática.
Problema: não é sempre linear
Regressão linear assume que crescimento é constante.
Realidade: pode ser exponencial (cresce cada vez mais), ou cíclica (sobe, desce, sobe).
Se dados são: 100, 100, 100, 200, 400, 800 (crescimento exponencial), regressão linear erra feio.
Teste de qualidade: R²
Excel calcula R² (r-squared) junto com regressão.
R² = 1.0 = reta explica 100% dos dados (perfeito).
R² = 0.9 = reta explica 90% (bom).
R² = 0.7 = reta explica 70% (ok, mas tem variação).
R² = 0.5 = reta explica 50% (ruim, modelo não vale).
Se R² < 0.7, regressão linear não é solução. Dados têm sazonalidade ou aleatoriedade demais.
Regressão com sazonalidade
Se demanda é: 100 (jan), 80 (fev), 90 (mar), 120 (abr), 110 (mai), 140 (jun)…
Padrão é sazonal (junho sobe sempre). Regressão linear pura não captura.
Solução: regressão linear + fator sazonal.
Calcula tendência de base + fatores mensais que multiplicam.
Mais complexo, mas mais preciso.
Quando usar regressão
Uso: Produto com crescimento consistente (novo produto em lançamento, marca em crescimento).
Não use: Produto maduro (estável), produto com sazonalidade forte, produto que depende de campanha (variação aleatória).
Implementação prática
Pegue venda dos últimos 12 meses.
Calcule regressão linear.
Se R² > 0.7, use a reta pra prever próximos 3 meses.
Ajuste ponto de pedido com base na tendência.
Se R² < 0.7, use média simples.
Tendência de crescimento constante = regressão linear. Captura o que média ignora. Teste 7 dias grátis.