Tem uma reunião de S&OP que acontece em indústrias de todos os tamanhos. A agenda chama de “consenso de demanda”. O que acontece na sala é outra coisa.
O comercial traz o número dele. O supply chain traz o número dele. Os dois diferem em 23%. O CFO pergunta qual está certo. Ninguém sabe responder com dados. Alguém propõe fazer a média. A reunião encerra em empate diplomático, o forecast vai para o ERP como estava, e duas semanas depois o PCP descobre que o programa não fecha.
Isso não é falha de pessoas. É o resultado natural de um processo construído sobre planilhas que cada área mantém separadamente, sem fonte única de verdade.
**O problema não é a metodologia**
A maioria das empresas que conheço tem IBP, tem S&OP Champion, tem stage-gates bem definidos. Reunião semanal de gatekeeping, reunião mensal de consenso, revisão trimestral com a diretoria. O ritual está montado. O problema é que cada etapa alimenta a próxima com dado que ninguém pode auditar completamente.
O comercial projeta baseado no que vendeu no mesmo mês do ano passado, ajustado pelo feeling de como o mês está indo. O supply chain ajusta pela intuição de quem está na operação há dez anos e sabe que setembro sempre tem uma queda que os números não antecipam bem. O número final é uma composição de memórias e opiniões formatadas em planilha, não de dados com metodologia documentada.
Nenhuma dessas pessoas está errada. O comercial que sente o mercado tem informação real que nenhum modelo captura automaticamente. O supply chain que viveu dez sazonalidades tem um mapa mental de padrões que leva anos para construir. O problema não é o julgamento humano em si. É que quando o julgamento não está documentado, ele não pode ser revisado, não pode ser aprendido, e quando erra, ninguém consegue isolar por quê.
**O sinal que aparece antes da análise**
Existe um indicador simples que revela o problema antes de qualquer cálculo de wMAPE. É o que acontece depois que a reunião de S&OP termina.
Se os participantes saem com interpretações ligeiramente diferentes do que foi decidido, o problema está instalado. Não é desentendimento sobre estratégia. É ausência de dado compartilhado que ancore a conversa. Quando cada área construiu o número no seu próprio sistema, com suas próprias premissas, a reunião de consenso não está consolidando análises. Está negociando posições.
O segundo indicador é mais fácil de medir: quantas vezes por mês o PCP recebe um forecast do S&OP e descobre que ele não fecha com o estoque atual e com os pedidos confirmados da carteira? Se isso acontece mais de uma vez por ciclo, o processo está produzindo planos que parecem coerentes no papel mas não são executáveis na fábrica.
**O que acontece com o forecast depois da reunião**
Aqui está um padrão que vi em várias operações industriais. O S&OP publica o forecast mensal. O PCP recebe esse forecast e começa a montar o programa de produção semanal. Para fazer isso, precisa quebrar o forecast por SKU, por centro de produção, por turno, considerando a disponibilidade de matéria-prima e a capacidade instalada.
O forecast que veio do S&OP está em famílias de produto e em horizonte mensal. O programa de produção precisa de SKUs específicos e de semanas. Para traduzir um no outro, o PCP exporta o forecast para Excel, aplica o BOM manualmente, verifica o estoque, ajusta pela carteira de pedidos firmes, e no final tem um número que já divergiu do forecast original em alguns pontos.
Essa divergência não é registrada em lugar nenhum. O relatório de acurácia do mês seguinte vai comparar o que foi vendido com o que o S&OP projetou, sem capturar que o programa de produção foi diferente do forecast, e que parte do desvio veio da tradução manual, não do modelo.
Esse ciclo tem um nome técnico em gestão de supply chain: bullwhip effect aplicado ao planejamento interno. Cada camada de tradução manual entre a demanda real e o programa de produção amplifica pequenas variações em distorções maiores.
**O que é um S&OP funcional**
Existe uma distinção que vale fazer aqui entre dois tipos de S&OP. O primeiro é o S&OP como cerimônia: reuniões bem estruturadas, papéis definidos, agenda respeitada. O segundo é o S&OP como sistema: dados compartilhados, modelo documentado, rastreabilidade de cada ajuste.
A maioria das empresas que investe em S&OP investe na cerimônia. Treina facilitadores, compra metodologia, contrata consultoria para implantar o processo. Resulta em reuniões melhores. Mas se a base de dados segue fragmentada, a melhoria da cerimônia tem limite rápido.
O S&OP como sistema pressupõe que todos os participantes olham para o mesmo número antes da reunião. Que o número tem procedência documentada: quais dados foram usados, qual modelo gerou a previsão, quais ajustes manuais foram feitos e por quem. Que quando alguém discorda do número, a discussão é sobre o que o dado não captura, não sobre qual planilha está certa.
Com essa base, o que muda na reunião não é a metodologia. É a qualidade das perguntas. Em vez de “por que seu número é diferente do meu?”, a conversa passa a ser “aqui está o que o modelo projeta — o que sabemos que o modelo não sabe?” A resposta costuma ser: a promoção de dezembro que ainda não entrou nos dados históricos, a mudança de embalagem que vai afetar a percepção de volume pelo canal, a questão regulatória que pode acelerar demanda no farmacêutico.
Esse tipo de informação — que o modelo nunca vai capturar sozinho — é exatamente onde o julgamento humano agrega valor. O problema é quando esse julgamento é o único ingrediente, sem dado nenhum por baixo.
**Por que o wMAPE não cai**
Existe uma correlação que raramente é analisada: indústrias com processo de S&OP mais desconectado tendem a ter erro de forecast maior e mais persistente. Não porque o modelo seja pior, mas porque o modelo não consegue aprender com os erros quando os erros não têm causa documentada.
Quando o forecast erra em 18% numa família e ninguém sabe se o erro veio do modelo automático, do ajuste manual do comercial, da tradução para o programa de produção, ou de uma variação real de mercado, o próximo ciclo começa do zero. O aprendizado não acontece porque não tem onde ancorar.
A acurácia de forecast em operações com S&OP funcional não é necessariamente mais alta no primeiro mês. Mas ela melhora mais rápido porque os erros ficam categorizados, as causas ficam documentadas, e as correções ficam aplicadas de forma sistemática.
**O diagnóstico antes da solução**
Se você está em dúvida sobre onde o seu processo está, existe um exercício simples. Pega as dez famílias de maior giro do seu catálogo. Para cada uma, verifica o forecast do S&OP do mês passado, o programa de produção real que foi executado, e o que foi efetivamente vendido ou entregue. Calcula a diferença entre os três números.
Se o forecast e o programa de produção são muito diferentes sem causa documentada, o problema está na tradução entre os dois — e provavelmente é o ciclo manual de exportação e ajuste. Se o programa de produção e a venda real são muito diferentes, o problema está em outra camada: pode ser ruptura de insumo, pode ser variação de demanda não antecipada, pode ser pedido spot que entrou fora do processo.
Cada uma dessas diferenças tem endereço específico. E sem isolá-las, qualquer investimento em metodologia de S&OP vai melhorar o processo mas não vai atacar a causa raiz.
**A reunião que vale a pena ter**
A reunião de S&OP que funciona não é mais curta porque as pessoas são mais eficientes. É mais curta porque a maior parte do trabalho acontece antes dela. Os dados já estão no mesmo lugar. O modelo já rodou. Os desvios em relação ao histórico já estão sinalizados. O que falta discutir na sala é o que os dados não capturam — e isso é uma conversa de 20 minutos, não de 90.
O restante do tempo que sobra vai para a pergunta que nenhum modelo responde: o que está acontecendo no mercado que ainda não apareceu nos números?
Essa é a conversa que o S&OP deveria ser desde o início.
**Se esse cenário é familiar, a EpiphanyAI tem um diagnóstico gratuito de acurácia de forecast para indústrias.** [Agendar diagnóstico →](#)