Dados lidos ao vivo da planilha publicada · carregando…
| Lead | Marca | Cidade | Consultor | Gerente | Data Pgt Projeto | Prazo Projeto | Apresentação | Situação |
|---|---|---|---|---|---|---|---|---|
| Carregando dados da planilha… | ||||||||
| Data de Inauguração | Lead | Marca | Cidade | Bairro | Estado | Responsável Inauguração | Contagem |
|---|---|---|---|---|---|---|---|
| Carregando dados da planilha… | |||||||
Setor de Lojas · dados atualizados em
| CNPJ raiz | Lojas | Unidades |
|---|
| Código | Marca | Fantasia | Cidade | UF | Bairro | Consultor | Situação | Delivery | App |
|---|
Setor de Lojas ·
bruto (barras) vs líquido (linha)
100 = média — acima = mês quente, abaixo = mês frio
cada ano como linha, eixo X = mês
variação de cada mês em relação ao mesmo mês do ano anterior
faturamento bruto ÷ nº de clientes ativos
clientes únicos que compraram no mês
distribuição geográfica no período filtrado
registros com marca preenchida
série temporal de cada segmento da rede
classificação por contribuição no faturamento
ordenados por faturamento no período filtrado
| # | Cliente | UF | Grupo | Faturamento | Meses | Ticket/mês |
|---|
ordenados por faturamento no período filtrado
| # | Produto | Faturamento | Quantidade | Clientes |
|---|
entre os top 50 do período — possíveis candidatos a reativação ou acompanhamento
| # | Cliente | UF | Grupo | Faturamento | Meses | Ticket/mês |
|---|
entre os top 50 do período — possíveis candidatos a revisão de portfólio
| # | Produto | Faturamento | Quantidade | Clientes |
|---|
Semestre set/2026 — fev/2027 · meta: inflação + 5% (≈ +10% YoY)
barra vermelha = meta · barra azul = Holt-Winters · linha verde = Naive Sazonal
barras = realizado · linhas tracejadas = projeções · linha pontilhada vertical = início da previsão
movimentação de clientes nos últimos 6 meses vs anteriores
resumo executivo dos modelos
queda superior a 20% no faturamento, com base acima de R$ 50 mil
| # | Cliente | UF | Fat. anterior | Fat. atual | Variação |
|---|
crescimento acima de 20% — oportunidades de escala
| # | Produto | Fat. anterior | Fat. atual | Variação |
|---|
queda acima de 15% — candidatos a revisão
| # | Produto | Fat. anterior | Fat. atual | Variação |
|---|
É o modelo estatístico clássico para séries temporais com tendência (o faturamento sobe ou desce ao longo dos anos?) e sazonalidade (quais meses são fortes e quais são fracos?). Ele decompõe a série em três componentes:
Onde α, β e γ são pesos (entre 0 e 1) que o algoritmo otimiza automaticamente: α controla o quanto o nível reage a dados recentes, β a tendência, e γ a sazonalidade. Um α alto = "confia mais nos meses recentes"; um α baixo = "suaviza mais, muda devagar".
Por que foi escolhido: é o modelo padrão pra séries mensais com padrão sazonal claro (como sorvete, que tem pico no verão). Não precisa de variáveis externas — aprende direto do histórico. Funciona bem com 36+ meses de dados (temos 43).
Limitação neste caso: o modelo foi "contaminado" pela queda de jun-jul/2026 (dados possivelmente incompletos), o que puxou a previsão pra baixo. Por isso usamos um segundo modelo como contraponto.
Modelo mais simples e intuitivo: "o que aconteceu no mesmo mês do ano passado, ajustado pela tendência geral". Funciona assim:
Neste caso, a tendência calculada foi de +5,0% (a média mensal dos últimos 12 meses é 5% maior que a dos 12 anteriores).
Por que foi escolhido: é robusto contra dados incompletos no final da série (ignora o último mês ruim, porque olha o mesmo mês do ano anterior). Como benchmark, se o Naive acerta e o Holt-Winters erra, sabemos que o Holt-Winters foi contaminado — e vice-versa.
Limitação: não captura mudanças estruturais (ex: se a empresa abriu 30 lojas novas no último trimestre, o Naive não sabe disso — ele só conhece o passado).
Nenhum modelo sozinho é confiável para decisão de negócio. Usando dois com lógicas diferentes (um estatístico sofisticado + um intuitivo simples), a média dos dois reduz o erro. Se ambos concordam, a previsão é confiável. Se divergem muito (como neste caso), isso por si só é uma informação valiosa: significa que há incerteza no cenário, e a diretoria deve se preparar para os dois extremos.