O Diretor Comercial confia no seu forecast?

Se o diretor comercial não confia no forecast, ele cria o próprio. E quando duas áreas operam com números diferentes, o S&OP vira teatro. Este artigo mostra como o desalinhamento entre supply chain e comercial nasce, quanto custa, e por que a solução não é técnica — é de processo.

O número que ninguém assina

Existe um teste simples para saber se o forecast da sua empresa funciona: pergunte ao diretor comercial qual é a projeção de vendas do próximo trimestre. Depois pergunte a mesma coisa ao gerente de PCP. Se os números forem diferentes, o S&OP da empresa não existe. O que existe é uma reunião mensal onde duas áreas apresentam slides com premissas que não conversam.

Esse desalinhamento não é culpa de ninguém em particular. O comercial precisa de um número para definir metas, alocar vendedores e negociar com clientes grandes. O supply chain precisa de um número para programar produção, comprar insumos e dimensionar estoque. Os dois precisam de previsão. Mas quando nenhum dos dois confia na previsão do outro, cada um faz a sua.

O resultado é previsível: a fábrica produz baseada num número, o comercial vende baseado em outro, e o financeiro descobre no fechamento que nenhum dos dois aconteceu.

Em 20 anos trabalhando com dados em operações industriais, vi esse padrão se repetir em empresas de segmentos completamente diferentes — de papel e celulose a alimentos, de química a autopeças. O tamanho da empresa muda, o produto muda, mas o problema é sempre o mesmo: dois departamentos que deveriam olhar o mesmo número estão olhando planilhas diferentes.

Por que o comercial não confia

O diretor comercial olha para o forecast do PCP e vê três problemas que são reais, não inventados.

O primeiro é que o forecast não reflete o que o comercial sabe sobre o mercado. O PCP projeta com base em histórico de vendas — o que vendeu nos últimos 24 meses, com ajuste sazonal. Mas o comercial sabe que o cliente X vai antecipar um pedido grande em maio porque trocou de fornecedor. Sabe que a promoção de junho vai puxar volume. Sabe que o concorrente Y perdeu um contrato e aquele volume pode migrar. Sabe que o distribuidor Z está reduzindo cobertura na região Sul e isso vai afetar o canal indireto.

Nada disso aparece na projeção estatística. O modelo não lê email de cliente. Não participa de almoço de negociação. Não ouve o vendedor regional contar que o concorrente atrasou a entrega pela terceira vez. Essas informações existem, são valiosas, e estão na cabeça do comercial — mas não no input do forecast.

O segundo problema é que o forecast chega tarde. O ciclo de planejamento do supply chain é mensal — o forecast sai no dia 5. Mas o comercial já prometeu entrega para o cliente no dia 3. Quando o número oficial chega, as decisões já foram tomadas. O vendedor já fechou o pedido, o gerente de contas já confirmou o prazo, e se o forecast diz que não vai ter produto, já é tarde.

O terceiro problema, e talvez o mais corrosivo: quando o forecast erra, ninguém sabe por quê. O PCP diz que o modelo é estatístico. O comercial pergunta qual modelo. O PCP não sabe — porque o ERP não mostra. Diz que é “o módulo de forecast do SAP” ou “a fórmula do Excel que o analista anterior criou em 2019”. O comercial conclui, com razão, que a projeção é um chute sofisticado. E volta para a planilha dele, que pelo menos ele entende.

A ironia é que a planilha do comercial também é um chute — só que baseado em feeling de mercado em vez de estatística. Os dois estão errados em dimensões diferentes. O modelo erra por não ter inteligência de mercado. O comercial erra por não ter rigor estatístico. E o S&OP, que deveria combinar os dois, não funciona porque ninguém confia no número do outro.

O custo concreto de dois números paralelos

Quando o comercial opera com um número e o supply chain com outro, o impacto aparece em quatro lugares, cada um com custo mensurável.

O primeiro é excesso de estoque nos produtos que o PCP achou que iam vender mais. O PCP projeta com base no histórico, que mostra crescimento. Mas o comercial já sabia que aquele cliente ia reduzir volume em 20% porque renegociou contrato — e não informou formalmente. Resultado: 3 meses de estoque sobrando num produto que deveria ter 1,5 mês de cobertura. Capital parado: R$ 400 mil que poderiam estar financiando o crescimento de outro produto.

O segundo é ruptura nos produtos que o comercial vendeu agressivamente sem avisar o PCP com antecedência suficiente. O vendedor fez uma oferta agressiva para um cliente novo, ganhou o contrato de 5.000 unidades por mês, e comunicou a vitória por email na sexta-feira. O PCP recebeu na segunda e descobriu que o lead time da matéria-prima principal é de 45 dias. Resultado: ruptura nos primeiros 2 meses do contrato, cliente frustrado, credibilidade do comercial destruída.

O terceiro é retrabalho no financeiro. O controller precisa reconciliar o orçamento (baseado na projeção do comercial), o custo de produção (baseado no planejamento do PCP), e o resultado real (que não bateu com nenhum dos dois). Todo mês, 2-3 dias de trabalho da controladoria são gastos explicando variação. A frase “a receita ficou 8% abaixo do orçamento porque o volume de vendas do produto X caiu, mas o volume do produto Y subiu” é repetida todo trimestre, com produtos diferentes e a mesma causa raiz.

O quarto, e mais difícil de medir, é a perda de negócio por excesso de cautela. O comercial não sabe se vai ter produto. Então não faz a oferta agressiva. Não participa da licitação. Não promete entrega no prazo que o cliente precisa. Quanto negócio a empresa perde por mês porque o comercial não confia no supply chain para entregar? Ninguém mede. Mas todo diretor comercial sabe que acontece.

Levantamentos setoriais estimam que o desalinhamento entre demand planning e vendas custa entre 1,5% e 3% do faturamento anual em empresas industriais de médio porte. Para uma empresa de R$ 200 milhões, são R$ 3 a R$ 6 milhões por ano. E a maior parte desse custo é invisível — está distribuída entre excesso, ruptura, retrabalho e oportunidade perdida.

O que o comercial precisa ver no forecast para confiar

O problema não é que o comercial seja difícil ou desconfiado por natureza. É que o forecast que ele recebe não responde às perguntas que ele faz. O comercial quer saber: quanto vou vender por cliente, por canal, por região? Se eu puxar uma promoção, quanto impacta? Se perder o cliente X, quanto cai?

O forecast do PCP responde outra pergunta: quanto vamos produzir por família de produto e centro de produção? São recortes diferentes da mesma realidade. O PCP pensa em toneladas por linha de produção. O comercial pensa em reais por conta. Quando ninguém traduz de um para o outro, o gap se abre.

Para o comercial confiar, o forecast precisa de quatro coisas.

A primeira é distribuição por cliente. Não basta saber que a família “linha premium” vai vender 12.000 unidades em maio. O comercial precisa saber que desse total, o cliente A deve responder por 3.500, o cliente B por 2.200, o distribuidor C por 1.800, e os 4.500 restantes estão distribuídos entre 40 contas menores. Sem isso, o vendedor não tem como planejar. Sem isso, o gerente de contas não sabe se o cliente grande vai receber. Sem isso, o forecast é um número macro que não serve para o micro.

A segunda é capacidade de ajuste com registro. O comercial sabe coisas que o modelo não sabe. Quando ele pode entrar no sistema, ajustar o forecast de maio para o cliente X de 3.500 para 4.200 porque sabe de um pedido que vai entrar, e esse ajuste fica registrado com data, nome e justificativa — o processo melhora. No mês seguinte, dá para comparar: o ajuste do comercial estava certo? O real foi 4.200 ou voltou para 3.500? Se o comercial consistentemente acerta os ajustes por cliente, o supply chain passa a confiar. Se consistentemente exagera, o supply chain sabe aplicar um desconto de 10-15% no ajuste dele. Isso é calibração baseada em evidência, não em opinião.

A terceira é intervalo de confiança. O comercial não precisa de um número exato. Precisa de uma faixa: “o forecast projeta entre 10.500 e 13.000 unidades para maio, com ponto central em 11.800”. Isso muda a conversa. Em vez de “o forecast está errado porque não vai ser 11.800”, o comercial diz “acho que vai ficar mais perto do teto da faixa por causa do contrato novo”. O debate passa de “certo ou errado” para “onde dentro da faixa”. Qualidade de conversa completamente diferente.

A quarta é visibilidade do erro histórico. Se o forecast errou 25% no mês passado e ninguém sabe se foi por conta do modelo, da sazonalidade mal calibrada, do ajuste do comercial que exagerou, ou de um evento externo — o ciclo nunca melhora. O comercial precisa ver: “em março, o modelo projetou 10.000. Você ajustou para 12.000. O real foi 11.200. O modelo errou 12%. Seu ajuste errou 7%. Seu ajuste melhorou a previsão.” Esse tipo de transparência constrói confiança ao longo do tempo. Não de uma vez — mês a mês.

O papel do comercial no S&OP — e o que dá errado

No S&OP teórico, o processo funciona assim: o engine gera o forecast estatístico, o comercial revisa e adiciona inteligência de mercado, o supply chain valida contra capacidade e restrições, e o financeiro aprova o plano consolidado. Quatro etapas, cada uma com dono, resultado: um número que todo mundo assina.

Na prática: o PCP traz o forecast numa planilha que o comercial recebe por email na véspera. O comercial olha por cima entre duas ligações de cliente, discorda de 30% dos números, e chega na reunião sem ter feito os ajustes formalmente. A primeira hora é gasta descobrindo que os números não batem. A segunda discutindo quem está certo. A terceira tentando forçar um consenso que ninguém assina.

No final, o PCP ajusta a planilha para “mais ou menos o que ficou combinado” e manda por email. Na semana seguinte, o comercial já está trabalhando com outro número porque fechou um contrato novo que muda tudo. E o ciclo recomeça.

O problema estrutural é que o S&OP pede consenso, mas o processo não registra onde o consenso aconteceu. O comercial ajustou o forecast de maio para cima? Em qual família? Em qual cliente? Por qual motivo? Ninguém sabe, porque foi uma conversa verbal na reunião que não ficou gravada em lugar nenhum.

O placar que muda a dinâmica

Existe uma funcionalidade que nenhuma planilha tem e que transforma a relação entre comercial e supply chain: o placar de modelo versus humano.

O engine projeta 12.000 unidades para maio. O comercial ajusta para 14.000 porque sabe de um pedido grande. Em junho, o resultado chega: real foi 13.200. O modelo errou por 10%. O comercial errou por 6%. Ponto para o comercial.

Mês seguinte: engine projeta 8.000. O comercial ajusta para 10.000 porque “o mercado está aquecido”. Real: 8.400. Modelo errou 5%. Comercial errou 19%. Ponto para o modelo.

Depois de 6 meses, o padrão aparece. O comercial é bom para ajustar clientes específicos (acerta 70% das vezes, porque tem informação que o modelo não tem) mas tende a ser otimista no volume total (viesado em +12%, porque todo comercial quer garantir estoque). O modelo é bom para tendência e sazonalidade mas perde eventos pontuais.

Com esse placar, a equipe aprende a combinar os dois: aceitar o ajuste por cliente do comercial, mas aplicar um desconto de 10% no ajuste de volume total. É calibração baseada em evidência. A conversa muda de “eu acho” para “nos últimos 6 meses, quando você ajustou volume total para cima, errou +12% em média”.

O impacto no dia a dia do vendedor

Quando o forecast funciona e o comercial confia, o vendedor de campo muda de comportamento. Entra na reunião com o cliente sabendo o que tem disponível. Promete entrega com segurança. Antecipa promoções porque sabe que o estoque vai existir. Negocia volume maior porque sabe que a fábrica está preparada.

Quando o forecast não funciona, o vendedor opera no modo defensivo. Não promete nada. Confirma depois. Perde tempo checando disponibilidade por telefone com o PCP. E quando o cliente liga reclamando de atraso, a resposta é “estamos verificando com a fábrica”.

A diferença entre um vendedor com forecast confiável e um sem é de 15-20% de produtividade. Não porque vende mais — porque perde menos tempo resolvendo problema que não deveria existir. Multiplique isso por uma equipe de 15 vendedores e são 2-3 salários inteiros de produtividade recuperada por ano.

Anatomia de um ciclo que funciona — e um que não funciona

Para deixar concreto, vou descrever dois ciclos de S&OP que vi em empresas reais. Nomes mudados, números proporcionais.

Empresa A, setor de embalagens, R$ 180 milhões de faturamento. O forecast sai do módulo do ERP no dia 3. O PCP ajusta manualmente em Excel entre o dia 3 e o dia 8. No dia 9, manda por email para o comercial. O comercial olha no dia 11, responde “os números da família flexível estão baixos” sem especificar quanto nem por quê. A reunião de S&OP acontece no dia 15 com 8 pessoas na sala por 3 horas. Metade do tempo é gasta reconciliando versões. No final, o PCP anota num caderno “aumentar flexível em 10%” e volta para a mesa. O comercial sai da reunião e continua usando o número que ele mesmo calculou no dia 2. O financeiro descobre no dia 30 que o realizado não bateu com nenhum dos dois planos.

Resultado mensal: erro de forecast de 24% (WMAPE), 2 rupturas em clientes top-10, R$ 1,2 milhão em estoque excedente de linha reta (que o PCP achou que ia vender mais), e 2 dias do controller reconciliando 3 versões do plano.

Empresa B, setor químico, R$ 220 milhões de faturamento. No dia 1, o engine roda automaticamente e publica o forecast no sistema — visível para todas as áreas. No dia 2, o sistema notifica o comercial: “revise o forecast de maio e adicione seus inputs até dia 7”. O comercial entra no sistema, vê a projeção distribuída por cliente, ajusta o cliente Petrobras de 1.800 para 2.200 toneladas (justificativa: “contrato adicional de manutenção confirmado em 28/abr”), e salva. O ajuste fica registrado com nome, data e motivo. No dia 8, o supply chain vê o ajuste, valida contra capacidade (a linha 3 tem folga em maio, comporta +400 ton), e aprova. No dia 10, a reunião de S&OP dura 40 minutos. O número já está pronto. A discussão é sobre exceções: “a família de solventes está com pickup 15% abaixo do SDLY, vamos monitorar ou agir?”.

Resultado mensal: erro de forecast de 11% (WMAPE), zero rupturas em clientes top-10, estoque de segurança dimensionado por família com σ recalculado trimestralmente, controller liberado para fazer análise de margem em vez de reconciliação.

As duas empresas têm porte similar, complexidade similar, e equipes de planejamento de tamanho parecido. A diferença não é de gente — é de processo. Especificamente: registro de ajuste, workflow com prazo, e um número único que todas as áreas enxergam.

O custo oculto da meta comercial baseada em forecast ruim

Existe um efeito colateral do desalinhamento que quase ninguém menciona: a distorção das metas comerciais.

Na maioria das empresas, a meta de vendas do trimestre é derivada do forecast (ou do orçamento, que deveria ser derivado do forecast). Se o forecast projeta R$ 15 milhões para o Q2, a meta do comercial é R$ 15 milhões — às vezes com um stretch de 5-10% para “motivar”.

Quando o forecast tem erro de 25%, a meta está errada antes de começar. Se o forecast superestima, a meta é inatingível. O vendedor percebe no mês 1, desmotiva no mês 2, e no mês 3 já está pedindo revisão. Se o forecast subestima, a meta é fácil demais. O vendedor bate no mês 1, relaxa, e no mês 3 a diretoria descobre que tinha potencial para mais — mas o contrato com o vendedor já garantiu o bônus.

Em ambos os cenários, o dinheiro vai para o lugar errado. Bônus pago por meta fácil é custo desnecessário. Meta inatingível é turnover comercial: vendedores bons não ficam em empresas onde a meta é permanentemente inalcançável por causa de forecast ruim. Eles vão para o concorrente que tem processo melhor.

A empresa que reduz o erro de forecast de 25% para 12% ganha algo que não aparece na conta do ROI convencional: metas comerciais realistas. Vendedores motivados porque a meta é difícil mas atingível. CFO com previsão de receita confiável para negociar com o banco. Controller com variação de orçamento que cabe numa reunião de 20 minutos, não de 3 horas.

É o tipo de benefício que ninguém lista no business case mas que todo diretor comercial reconhece quando perguntado: “quanto do seu tempo é gasto discutindo se a meta está certa, em vez de discutindo como bater a meta?”.

O que precisa mudar — e em que ordem

Quatro mudanças, nesta sequência:

Primeiro: um único número de referência que todas as áreas usam. Se o comercial discorda, ele ajusta e registra. Mas o ajuste é visível para todo mundo.

Segundo: distribuição por cliente e canal dentro do forecast. O número macro precisa se desdobrar no micro. Sem isso, o comercial não usa.

Terceiro: workflow de ajuste com prazo. O comercial ajusta até o dia 10. Depois disso, o número trava. O supply chain precisa de tempo para reagir.

Quarto: placar modelo vs. humano revisado na reunião de S&OP. Público. Mês a mês. Sem exceção.

Três perguntas para saber se o seu forecast serve o comercial

→ O diretor comercial consegue ver o forecast distribuído por cliente e canal, ou só por família de produto?

→ Quando o comercial ajusta o forecast, o ajuste fica registrado com justificativa e é comparado com o realizado no mês seguinte?

→ Na última reunião de S&OP, supply chain e comercial saíram com o mesmo número — e esse número está documentado em algum lugar que não seja o caderno de alguém?

Se a resposta para qualquer uma for não, o problema não é o modelo. É o processo. E processos se consertam com governança e registro, não com mais Excel.