Previsão de Vendas com Python: Da Engenharia de Atributos ao Modelo Preditivo

Tomar decisões de estoque, logística e faturamento com base em médias simples ou intuição custa caro. Em empresas que acumulam meses ou anos de registros comerciais, o verdadeiro desafio não costuma ser a falta de dados, mas sim a qualidade desses registros e a ausência de uma modelagem temporal capaz de capturar tendências e sazonalidades.

Neste artigo, vamos explorar a arquitetura técnica necessária para converter dados brutos de vendas em previsões acuradas e acionáveis utilizando Python.

1. O Desafio dos Dados Históricos de Vendas

Antes de aplicar qualquer algoritmo de Inteligência Artificial, precisamos resolver as armadilhas comuns em séries temporais corporativas:

• Descontinuidade temporal: Dias sem registro de vendas (feriados, finais de semana ou rupturas de estoque) não podem ser simplesmente ignorados. Devem ser preenchidos como zero ou tratados adequadamente.
• Outliers e anomalias: Campanhas de marketing pontuais ou erros operacionais distorcem a distribuição real de demanda.
• Efeito calendário: Feriados móveis (Carnaval, Páscoa, Black Friday) alteram drasticamente os padrões de consumo semana a semana.

2. Preparação e Engenharia de Atributos (Feature Engineering)

Modelos baseados em árvores de decisão gradiente (como LightGBM ou XGBoost) frequentemente superam modelos estatísticos tradicionais (ARIMA) em séries multivariadas complexas. No entanto, eles exigem que o tempo seja transformado em variáveis numéricas explicativas.

Aqui está um exemplo prático de extração de atributos temporais e defasagens (lags) usando pandas:

python
import pandas as pd
import numpy as np

def criarfeaturestemporais(df: pd.DataFrame, colunadata: str, colunavendas: str) -> pd.DataFrame:
df = df.copy()
df[colunadata] = pd.todatetime(df[colunadata])
df = df.sortvalues(by=colunadata).resetindex(drop=True)

# Componentes de calendário
df['dia_semana'] = df[coluna_data].dt.dayofweek
df['dia_mes'] = df[coluna_data].dt.day
df['mes'] = df[coluna_data].dt.month
df['trimestre'] = df[coluna_data].dt.quarter

# Atributos cíclicos (seno e cosseno para capturar periodicidade contínua)
df['mes_sin'] = np.sin(2 * np.pi * df['mes'] / 12)
df['mes_cos'] = np.cos(2 * np.pi * df['mes'] / 12)

# Lags (vendas passadas)
df['lag_7'] = df[coluna_vendas].shift(7)
df['lag_14'] = df[coluna_vendas].shift(14)
df['lag_30'] = df[coluna_vendas].shift(30)

# Médias móveis (rolling windows)
df['rolling_mean_7'] = df[coluna_vendas].shift(1).rolling(window=7).mean()
df['rolling_mean_30'] = df[coluna_vendas].shift(1).rolling(window=30).mean()

return df.dropna()

Essa transformação expõe ao algoritmo o contexto imediato (últimos 7 dias) e o contexto de médio prazo (últimos 30 dias), eliminando o viés de vazamento de dados (data leakage) pelo uso do método .shift().

3. Seleção de Modelos e Validação Temporal

Um erro recorrente em projetos de previsão é utilizar divisão aleatória de dados (train_test_split). Em séries temporais, isso gera vazamento do futuro para o passado.

Como especialista em IA e engenharia de dados, recomendo sempre a abordagem de validação por janelas deslizantes (Time Series Split ou Expanding Window). O teste deve ser sempre executado em um período que o modelo nunca viu cronologicamente.

Treinando com LightGBM:

python
import lightgbm as lgb
from sklearn.metrics import meanabsolutepercentageerror, meansquared_error

def treinarmodeloforecast(df: pd.DataFrame, features: list, target: str, splitdate: str):
treino = df[df[‘data’] < splitdate] teste = df[df[‘data’] >= split_date]

X_train, y_train = treino[features], treino[target]
X_test, y_test = teste[features], teste[target]

modelo = lgb.LGBMRegressor(
    n_estimators=1000,
    learning_rate=0.03,
    num_leaves=31,
    random_state=42
)

modelo.fit(
    X_train, y_train,
    eval_set=[(X_test, y_test)],
    callbacks=[lgb.early_stopping(50, verbose=False)]
)

preds = modelo.predict(X_test)
mape = mean_absolute_percentage_error(y_test, preds)
rmse = np.sqrt(mean_squared_error(y_test, preds))

return modelo, {'MAPE': mape, 'RMSE': rmse}

4. Métricas Que Realmente Importam para o Negócio

Modelos preditivos precisam de métricas alinhadas à gestão de operações:

1. WAPE (Weighted Absolute Percentage Error): Superior ao MAPE tradicional quando há muitos registros com valor zero ou próximo de zero.
2. MAE (Mean Absolute Error): Fornece o erro médio em unidades absolutas de produto ou faturamento, facilitando o entendimento de times comerciais.
3. Bias Direcional: Revela se o modelo tem tendência estrutural a subestimar ou superestimar a demanda, o que define a política de estoque de segurança.

Próximos Passos: Da Análise à Produção

Criar um script em notebook é apenas a primeira etapa. Em um ambiente corporativo, a previsão de vendas requer um pipeline automatizado com ingestão contínua, retreino programado e monitoramento de data drift.

Se a sua empresa precisa estruturar e transformar dados históricos em uma arquitetura de previsão escalável, confira as soluções técnicas e consultorias disponíveis em nosso portfólio para implementar inteligência preditiva sob medida.