Planejamento de Demanda e Alinhamento de Campo em FMCG: Usando Dados de Campo Para Construir Previsões Que Realmente Se Sustentam

Uma previsão construída a partir de dados de vendas primárias é uma previsão do comportamento de estoque do distribuidor, não da demanda do consumidor. Essa distinção importa mais do que a maioria das equipes de planejamento de FMCG admite.

Quando você envia 10.000 caixas para um distribuidor, esse envio aparece como receita. Mas se 4.000 dessas caixas ainda estão paradas no armazém do distribuidor três semanas depois, porque um concorrente lançou uma promoção agressiva de preço, sua previsão estava errada. O mercado não absorveu o que você achou que absorveria. Seu representante de campo provavelmente já sabia no terceiro dia que a promoção estava com desempenho abaixo do esperado. O planejador de demanda descobriu no vigésimo primeiro dia, quando o distribuidor deixou de fazer o pedido de reposição.

Essa lacuna de três semanas é onde as empresas de FMCG perdem dinheiro, acumulam estoque de giro lento e leem mal as tendências de demanda. Fechá-la exige uma conexão estrutural entre as pessoas que veem a prateleira todos os dias e as pessoas que constroem os números que determinam os compromissos de produção e estoque.

Este artigo explica como essa conexão funciona, o que ela precisa produzir e como medir se está realmente funcionando.

Por Que Existe a Lacuna Entre Campo e Planejamento?

Equipes de vendas de campo e equipes de planejamento de demanda não trabalham apenas em escritórios diferentes. Elas trabalham em relógios fundamentalmente diferentes e usam fontes de dados diferentes.

O planejamento de demanda trabalha a partir do passado. As entradas primárias são histórico de embarques, tendências macro de categoria, calendários promocionais planejados e modelos estatísticos. O processo de planejamento de vendas e operações (S&OP) é desenhado justamente para reunir essas entradas com as realidades de fornecimento, de forma que diferentes partes do negócio trabalhem a partir das mesmas premissas de demanda, mas o processo só funciona quando os sinais de consumo do nível de campo alimentam esse ciclo de forma confiável. Essas entradas são precisas até certo ponto. Elas descrevem o que aconteceu e projetam com base em padrões. Mas não conseguem ver o que está acontecendo agora no nível do ponto de venda: quais SKUs estão se acumulando, quais prateleiras ficaram vazias três dias depois do fim de uma promoção, ou qual novo formato de varejo moderno acabou de abrir na periferia do território de um distribuidor e está puxando volume dos pontos de venda de varejo tradicional que o planejador presumiu que se manteriam estáveis.

As equipes de vendas de campo veem o presente. Um representante de vendas do distribuidor que visita 25 pontos de venda por dia vê a velocidade de sell-out em tempo real. Um gerente de território que faz uma checagem semanal de comércio com varejistas-chave sabe exatamente quais SKUs estão girando rápido e quais estão acumulando poeira. Um supervisor de campo cobrindo um polo regional recebe o retorno de farmácias e lojas de varejo tradicional sobre se uma promoção realmente aumentou o tamanho da cesta ou apenas comprimiu a margem.

Mas aqui está o problema: nenhuma das duas equipes tem um canal estruturado para compartilhar o que sabe. O planejamento de demanda não pergunta, o campo não relata, e a informação morre em conversas informais e grupos de WhatsApp.

O resultado é uma previsão que parece precisa em uma planilha, mas é construída sobre dados que estão semanas ou meses atrasados em relação ao mercado. Então quais observações específicas realmente ajudam um planejador, e quais são apenas ruído?

Fatos-Chave: Planejamento de Demanda e Alinhamento de Campo

• Métodos tradicionais de planejamento de demanda em FMCG costumam ter um benchmark de 25% a 40% de MAPE no nível de SKU, um intervalo documentado por profissionais e fornecedores de supply chain, incluindo Planster e EasyReplenish. Abordagens aumentadas por IA são relatadas como reduzindo materialmente o erro de previsão; estimativas do setor sugerem que 8% a 15% de MAPE é alcançável, mas a lacuna de qualidade de entrada por dados de campo ausentes é o principal motor de erro antes de qualquer melhoria de modelo. Ambos os números refletem benchmarks de profissionais, não medições revisadas por pares.
• As taxas globais de ruptura de estoque no varejo tiveram média de 6,5% dos SKUs em 2023, abaixo dos 10,7% em 2022, mas ainda representando perdas significativas de vendas, com falhas de pedido e reposição no nível da loja como a categoria de causa raiz dominante, não a produção a montante (análise de eficiência de supply chain da FMI, FMI 2024).
• Pesquisa da McKinsey sobre distribuição digital na Ásia emergente constata que empresas de FMCG que usam sinais de demanda digitais estruturados têm custos de estoque significativamente menores do que as que dependem de rastreamento manual. A diferença de custo de 20% a 25% citada na pesquisa de canal CPG da McKinsey reflete a lacuna de eficiência que o alinhamento de campo com planejamento aborda diretamente. (McKinsey, Staying Ahead of the B2B Ecosystem Disruption in Emerging Asia)

Dados de Campo Que Melhoram Previsões

Nem tudo que um representante de campo observa é útil para um planejador de demanda. O sinal precisa ser específico, estruturado e consistente para ser utilizável. Estas são as quatro categorias de observação de campo que melhoram materialmente a precisão da previsão.

Profundidade de estoque no ponto de venda e dias de cobertura no nível do território. Quando os representantes de campo registram os níveis de estoque durante as visitas aos pontos de venda, os dados agregados dizem ao planejador de demanda se o estoque secundário está alto ou baixo em relação à taxa esperada de sell-out. Um território onde os pontos de venda estão carregando 12 dias de estoque, quando o normal é de 7 a 8 dias, sinaliza um problema de giro. Um território onde os pontos de venda estão com 3 dias de estoque entrando em um período de pico sinaliza um provável risco de ruptura de estoque. Nenhum dos dois sinais aparece nos dados de embarque até que seja tarde demais para agir.

Taxas de adesão a promoções nos pontos de venda versus projeções do planejador. Planejadores de demanda tipicamente modelam aumentos de volume promocional com base no desempenho histórico de promoções ou em benchmarks de categoria. Representantes de campo veem a adesão real no nível do ponto de venda dias após o lançamento de uma promoção. Se o aumento está 30% abaixo da projeção em um território-chave, esse é um sinal antecipado para ajustar o plano de demanda, redirecionar estoque ou escalar o desempenho abaixo do esperado para o trade marketing. Veja Trade Marketing e Alinhamento de Campo para saber como construir esse canal de retorno dentro do ciclo promocional.

Aberturas e fechamentos de novos pontos de venda. Planejadores de demanda trabalham a partir de modelos estáticos do universo de pontos de venda que se atualizam lentamente. Representantes de campo encontram novos pontos de venda, lojas realocadas e fechamentos conforme acontecem. Um novo formato de varejo moderno em uma cidade em crescimento pode absorver várias centenas de caixas por semana que não estavam no plano de demanda. O fechamento de um ponto de venda remove demanda que estava sendo prevista. Essas mudanças se acumulam, e a diferença entre o universo de pontos de venda do planejador e a realidade cresce a cada trimestre.

Atividade de concorrentes e deslocamento de prateleira. Quando um concorrente lança uma promoção de desconto profundo ou um novo SKU com forte apoio dentro da loja, os representantes de campo observam o impacto na prateleira imediatamente. A pesquisa da Gartner sobre planejamento de demanda com dados de consumo aponta esse tipo de sinal de sell-out a jusante como o dado que mais melhora a precisão da previsão de base, exatamente porque reflete o que está acontecendo na prateleira, e não o que entrou no armazém do distribuidor. Eles veem seu produto ser reposicionado secundariamente, observam donos de pontos de venda mudarem a prioridade de reposição e ouvem o retorno da equipe de balcão. Esse é exatamente o tipo de sinal disruptivo de demanda que modelos estatísticos não conseguem gerar.

Essa é a matéria-prima. A questão é como construir um canal estruturado para levá-la do campo até o plano.

O Mecanismo de Alinhamento

Observar esses sinais só é útil se houver um processo estruturado para levá-los até o sistema de planejamento de demanda. Três mecanismos fazem essa conexão funcionar.

Relatório semanal de inteligência de campo. Este é um modelo padrão preenchido por gerentes de território toda sexta-feira antes das 18h. O modelo captura cinco campos por território: dias médios de cobertura do estoque atual por camada de SKU, adesão promocional versus plano (expressa em percentual), quaisquer aberturas ou fechamentos de novos pontos de venda na semana, atividade de concorrentes observada com breve descrição, e um alerta no nível de SKU (superestocado, em risco de ruptura ou funcionando normalmente). Os relatórios preenchidos são agregados pelo gerente regional de vendas e encaminhados à equipe de planejamento de demanda como uma única entrada até a manhã de segunda-feira. A disciplina está no desenho do modelo: cinco campos estruturados produzem dados utilizáveis. Comentários abertos produzem ruído.

Modelo: Relatório Semanal de Inteligência de Campo

Contribuição do gerente de território no ciclo mensal de S&OP. Os ciclos de planejamento de vendas e operações geralmente acontecem uma vez por mês. A maioria das empresas de FMCG executa o processo de S&OP sem entrada de campo no nível do território, dependendo dos gerentes regionais de vendas para representar o mercado. Isso funciona quando os gerentes regionais sintetizaram a inteligência de campo antes de entrar na sala. Não funciona quando não sintetizaram. Construa um briefing estruturado de campo pré-S&OP no calendário: gerentes regionais preparam um resumo de uma página do estado do mercado, com base nas últimas quatro semanas de relatórios de inteligência de campo, e o apresentam no início da revisão de demanda. O planejador de demanda então tem contexto de nível de campo antes de apresentar a previsão estatística, em vez de descobrir lacunas durante a discussão.

Protocolo de escalonamento para sinais de demanda que mudam o plano de curto prazo. Nem todo sinal de campo espera até o relatório de sexta-feira ou o S&OP do próximo mês. O lançamento de um produto concorrente que está visivelmente esvaziando seu estoque das posições secundárias de exposição, um evento climático regional inundando rotas de distribuição, ou um incêndio no armazém de um distribuidor que destrói duas semanas de estoque são todos sinais que precisam chegar à equipe de planejamento de demanda em até 24 horas, e não na próxima sincronização agendada. Defina o caminho de escalonamento: do gerente de território ao gerente regional e ao contato de planejamento de demanda no mesmo dia útil. Defina o limite para escalonamento: qualquer evento com probabilidade de deslocar a demanda em mais de 15% versus o plano em um determinado território nas próximas quatro semanas. Coloque isso por escrito e treine a equipe para segui-lo.

Mas os dados fluem em ambas as direções. O mecanismo de alinhamento de campo só se sustenta quando os representantes veem que o que relatam muda o que recebem.

O Loop de Retorno: O Que o Campo Recebe de Volta do Planejamento

O alinhamento de campo não é apenas um exercício de extração de dados. Representantes e gerentes de território que contribuem com inteligência precisam ver isso refletido em decisões que afetam seu trabalho. Sem retorno, o relatório semanal de campo vira uma tarefa feita para cumprir uma diretriz, não uma comunicação que muda alguma coisa. Três categorias de retorno importam.

Visibilidade de alocação antes que as rupturas de estoque aconteçam. Quando a equipe de planejamento de demanda identifica que um SKU de alta velocidade está abaixo do estoque de segurança em uma região, ela deve comunicar as decisões de alocação ao campo antes que a ruptura de estoque aconteça, não depois. Equipes de campo que recebem aviso antecipado de fornecimento restrito podem priorizar o atendimento de pontos de venda, gerenciar expectativas dos distribuidores e direcionar o estoque disponível para o universo de pontos de venda de maior valor. Isso não é uma atualização logística; é uma decisão comercial que a liderança de campo precisa assumir. Conecte isso com Vendas Secundárias e Visibilidade de Estoque para a camada de dados em tempo real que torna possíveis os sinais antecipados de alocação.

Confirmação de volume promocional. Depois que a equipe de demanda modela um aumento promocional e se compromete com a produção e a construção de estoque, o campo deve receber as premissas subjacentes: aumento de volume esperado por território, alocação de estoque por distribuidor e o cronograma para a disponibilidade do produto. Quando os representantes de campo sabem o que o planejador esperava, eles conseguem relatar de forma significativa se isso está se confirmando. Quando não conhecem o plano, o retorno deles sobre o desempenho da promoção é impressionista, não calibrado.

Cronograma de lançamento de novos SKUs por território. O cronograma de lançamento em FMCG muitas vezes se propaga de forma desigual entre territórios. Os representantes de campo são os últimos a saber quando um lançamento foi adiado no território deles ou quando o estoque vai chegar. Comunicar datas de lançamento confirmadas, quantidades iniciais de alocação e qualquer sequenciamento específico por território à liderança de campo antes da ativação comercial significa que o campo pode planejar a semeadura de pontos de venda e o briefing de distribuidores, em vez de improvisar quando o estoque chega.

Com o loop de retorno estabelecido, a próxima pergunta é como saber se todo o mecanismo está realmente funcionando.

Como Medir Se o Alinhamento Entre Campo e Planejamento Está Funcionando?

Alinhamento que não é medido é alinhamento que se desvia. Três métricas dizem se a conexão entre campo e planejamento está funcionando.

Precisão de previsão no nível do território. As métricas padrão de planejamento de demanda acompanham a precisão da previsão no nível de categoria de SKU ou regional. Adicione um corte de precisão no nível do território. Se a precisão da previsão no nível do território é materialmente pior do que no nível regional, a agregação está mascarando falhas de sinal de demanda local que o processo de inteligência de campo deveria estar capturando. Acompanhe o erro percentual absoluto médio (MAPE) no nível do território trimestralmente.

Incidentes de ruptura de estoque vinculados a erro de previsão. Quando um ponto de venda relata uma ruptura de estoque, rastreie a origem. Foi uma falha de distribuição (o estoque existia, mas não chegou lá) ou um erro de previsão (o estoque não existia porque a demanda foi subestimada)? Acompanhar a proporção de eventos de ruptura de estoque atribuíveis a erro de previsão identifica quanto do problema de ruptura é um problema de planejamento versus um problema de execução. Veja Redução de Ruptura de Estoque no Ponto de Venda para o framework de diagnóstico completo.

Taxa de envio do relatório de inteligência de campo. Essa é a métrica de entrada. Se os gerentes de território estão enviando relatórios de campo com menos de 90% de conformidade semanal, o mecanismo de alinhamento não está funcionando, independentemente do que o painel mostra. Acompanhe a taxa de envio por território e região. Use isso nas conversas de desempenho do gerente regional.

Essas métricas não existem isoladas. Os fluxos de dados que geram alimentam diretamente como os distribuidores são gerenciados e como as decisões de route-to-market são tomadas.

Integração com Operações Comerciais Mais Amplas

O alinhamento de demanda e campo não existe isolado. Os fluxos de dados que ele cria alimentam diretamente a gestão de distribuidores e as decisões de route-to-market.

Quando a inteligência de campo revela que o território de um distribuidor está consistentemente abaixo das taxas esperadas de sell-through, isso é um sinal de que ou a equipe de van sales do distribuidor não está executando bem, ou a demanda naquele território é estruturalmente mais fraca do que o plano presumiu. De qualquer forma, a ação é diferente da que você tomaria se a fraqueza só aparecesse em um erro de vendas primárias no fim do mês. Veja Alinhamento de Vendas e Distribuidores para o framework de gestão comercial.

Quando a inteligência de campo revela bolsões geográficos de forte crescimento de demanda que não estão refletidos na cobertura atual do distribuidor, isso é uma entrada para o desenho de route-to-market: você adiciona um sub-distribuidor, estende as rotas de van sales do distribuidor, ou muda para um modelo de entrega diferente naquela geografia? KPIs e Métricas de Vendas de FMCG fornece a estrutura de medição que conecta a inteligência de campo às decisões de desempenho comercial.

Os métodos de planejamento que regem como os sinais de demanda se traduzem em compromissos de produção e compras, e a camada de visibilidade de supply chain que trabalha junto com o alinhamento de campo para reduzir desequilíbrios de estoque, estão cobertos na seção Saiba Mais abaixo.

O Modelo de Inteligência de Campo em Três Camadas

O modelo separa sinais históricos estáveis de eventos comerciais planejados e de observações de mercado ao vivo vindas do campo.

O Modelo de Inteligência de Campo em Três Camadas: a maioria das funções de planejamento de FMCG trata a previsão de demanda como um problema de duas entradas: dados históricos de embarque mais um calendário promocional. O alinhamento de campo adiciona uma terceira camada de entrada que as outras duas não conseguem replicar. A Camada 1 é dados de padrão histórico (originados do ERP, retrospectivos). A Camada 2 é dados de calendário futuro (promoções planejadas, lançamentos, mudanças de preço). A Camada 3 é observação de mercado em tempo real: o que os representantes de campo veem no nível do ponto de venda hoje, não o que os dados diziam três semanas atrás. As melhorias de precisão de previsão vêm quase inteiramente do fechamento da lacuna de latência na Camada 3. Os modelos estatísticos da Camada 1 não precisam ser substituídos; precisam de entradas melhores, e a Camada 3 as fornece.

"Uma previsão construída a partir de dados de vendas primárias é uma previsão do comportamento do distribuidor, não da demanda do consumidor. A equipe de campo é a única parte da organização que consegue fechar essa lacuna em tempo real."

"O relatório semanal de inteligência de campo não é uma tarefa de reporte. É a entrada que torna o plano de demanda preciso o suficiente para valer a pena executar."

"A taxa de envio dos relatórios de inteligência de campo é o indicador antecedente. A precisão da previsão é o indicador defasado. A maioria das equipes de planejamento só mede o defasado." (Princípio de profissionais de supply chain; consistente com a literatura de benchmarking da comunidade de planejamento de campo.)

Conclusão

A inteligência de campo é um sinal de demanda gratuito que a maioria das empresas de FMCG ignora sistematicamente. A informação existe. Os representantes a coletam todos os dias por meio de suas visitas a pontos de venda e conversas com distribuidores. Mas sem um canal estruturado para levar essa inteligência ao processo de planejamento de demanda, ela se dissipa em conversas informais e conversas de mensagens.

Construir o canal custa menos do que as rupturas de estoque, as baixas de superestoque e os desalinhamentos promocionais que ele evita. Um modelo semanal de cinco campos, um processo de briefing de campo pré-S&OP e um protocolo de escalonamento definido não são sistemas complexos. São disciplinas de comunicação que criam a conexão entre onde a demanda acontece e onde a demanda é planejada.

Uma vez que essa conexão exista, as previsões melhoram imediatamente. Não porque os modelos estatísticos mudaram, mas porque as entradas finalmente refletem o que realmente está acontecendo na prateleira.

---

Saiba Mais

• Alinhamento de Vendas e Distribuidores
• Redução de Ruptura de Estoque no Ponto de Venda
• Vendas Secundárias e Visibilidade de Estoque
• KPIs e Métricas de Vendas de FMCG
• Trade Marketing e Alinhamento de Campo
• Métodos de Previsão de Vendas
• Supply Chain Farmacêutica e Visibilidade de Estoque