Ventes par des grossistes

A área de TIC ainda é pouco explorada em pesquisas que fazem uso de alguma metodologia de previsão como ferramenta de apoio ao planejamento, monitoramento e tomadas de decisões.

Dentre os poucos trabalhos encontrados, nos parágrafos seguintes serão referenciados alguns, bem como sumariamente apresentados seus objetivos.

No começo da década de 90, Swartz (1993) tem por objetivo a previsão das necessidades de recursos de disco para um servidor Usenet 4. Na pesquisa é apresenta uma análise dos requisitos de armazenamento para bancos de dados por meio de dados coletados no Stanford

Linear Accelerator Center (SLAC), um laboratório de pesquisa de médio porte. Um modelo foi

desenvolvido a partir das análises, que permite a previsão da capacidade de recursos de disco, em função de tempo e políticas locais. Ainda segundo o autor, dados históricos sobre a atividade de sistemas são bastante valiosos, pois eles podem ser analisados para auxiliar no planejamento do crescimento futuro dos sistemas. Todavia, assessorar questões a respeito da aquisição novos

hardwares ou algum ajuste de controles administrativos antes de surgirem problemas.

Em contexto similar, o trabalho de Chamness (2011) descreve a arquitetura de uma ferramenta de previsão da capacidade de sistemas de backup da EMC Corporation 5_{. Esta} ferramenta analisa os dados históricos de mais de 10.000 sistemas de backup diários. Com vistas a prever a data futura da capacidade total de armazenamento, bem como o envio de notificações proativas aos administradores. A previsão é concebida em relação à data em que o sistema atingirá plena capacidade, ou seja, 100%. O método utilizado é a regressão linear simples univariada e para melhorar a acurácia do sistema, também é aplicado um algoritmo de regressão segmentada ao conjunto de dados mais recentes. Detalhes metodológicos mais aprofundados foram contextualizados na seção 2.2.3. Em termos práticos, o trabalho de Chamness (2011) é similar a presente pesquisa, tendo como principal característica diferenciadora uma nova abordagem para detecção de break point.

Na vertente das tecnologias da comunicação, Le Borgne, Santini e Bontempi (2007) apresentam a implementação de um algoritmo genérico de seleção de modelos adaptativo de previsão de series temporais de sensores sem fio, com base em modelos auto-regressivos. Com foco em tornar os sensores coletores de dados inteligentes o suficiente para serem capazes de determinar de forma autônoma e adaptativa o modelo com melhor desempenho a ser usado para realizar a previsão. Em muitas aplicações práticas de redes de sensores sem fio, os nós coletores precisam comunicar-se com pontos de acesso próximos para a transmissão de suas leituras em intervalos de tempo regulares. Através da pesquisa, demonstrou-se que as técnicas de previsão de séries temporais podem fornecer uma forma eficaz de reduzir o esforço de comunicação,

4 _{Usenet é um sistema de computadores distribuídos em escala mundial que tem por finalidade a discussão}

entre usuários na internet (LUEG e FISHER, 2003).

garantindo concomitantemente os requisitos de precisão especificados pelo usuário sobre os dados coletados.

Pontes, Guelfi e Alonso (2009) trazem uma abordagem relativa à área de segurança da informação. Com vistas a prever o retorno de investimento em segurança da informação por meio de um novo enfoque que abrange uma análise de tendências em: i. Detecção de intrusão (meios técnicos de descobrir em uma rede acessos não autorizados que podem indicar uma ação criminosa); e ii. Tráfego de internet indesejado (o fluxo de dados não requisitado, sem utilidade, desconhecido e por muitas vezes ilegítimo). O objetivo principal do trabalho é mostrar a possibilidade de se agregar previsão com os métodos comumente utilizados para a medição do retorno em investimentos de segurança. Em linhas gerais tais métodos preocupam-se com a probabilidade da ocorrência de incidentes de segurança. Não sendo abordados estudos acerca de tendências da ocorrência dos mesmos, bem como de demais eventos indesejados. Para a previsão são adotadas duas técnicas de análise de tendências: i. Médias móveis (tendências definidas por médias móveis projetam valores no período que se deseja prever, baseando-se no valor médio da variável durante um número de períodos anteriores); e ii. Sequência de

Fibonacci (consiste em uma sucessão de números, tais que, definindo os dois primeiros

números da sequência os números seguintes serão obtidos por meio da soma dos seus dois antecessores).

Análises de previsões mais avançadas e complexas são apresentadas na pesquisa de Herbst

et al. (2012). Para a implementação dos modelos aplicam-se estratégias compostas, contendo

métodos básicos. Dentre eles: médias móveis, técnicas de Interpolação de Tendências e Estimativa e Modelagem de Padrões Sazonais. Como os sistemas de softwares empresariais modernos tornaram-se cada vez mais dinâmicos, técnicas de previsão da carga de trabalho computacional estão ganhando importância como base para o planejamento de capacidade e gestão de recursos. Análises de séries temporais oferecem uma ampla gama de métodos para calcular as previsões em tempo real, com base em dados históricos de monitoramento. A propósito, os autores propõem uma técnica auto adaptativa que seleciona métodos de previsão adequados com base em uma árvore de decisão e ciclos de retroalimentação. De tal modo, o usuário do sistema precisa fornecer apenas os seus objetivos gerais de previsão. Em vários experimentos com cargas de trabalho computacionais, a abordagem forneceu previsões contínuas e confiáveis em tempo real de execução e com bons índices de precisão. Ao fim, observou-se que entre 55% e 75% das violações de um determinado acordo de nível de serviço

com clientes, podem ser evitados através da aplicação de intervenções proativas com base nos resultados da previsão.

Hui-Kuang Yu (2014) propõem um modelo de previsão utilizado Regressão Quantílica para o desenvolvimento de TIC. Sendo a variável alvo de previsão o número de usuários de internet por 100 habitantes em função dos fatores: densidade populacional, Pib per capita e linhas de telefone por cada 100 habitantes. A Regressão Quantílica é empregada quando estimativas dos diferentes quantis (como a mediana por exemplo) de uma população são desejadas, sendo considerada de acordo com o autor um método bastante usual para tais estimativas. Para a execução das análises os dados foram coletados a partir do banco de dados do World

Telecommunication/ICT Indicators (2008) e compilados pela União Internacional de

Telecomunicações (2002), que incluem observações analíticas sobre os usuários de internet ao longo do período compreendido entre 1999-2007.

2.2.6. Considerações Finais

Independentemente da técnica ou metodologia de previsão adotada, deve-se conhecer de antemão se as previsões são requeridas para fins de obtenção de apenas um modelo descritivo e interpretável, ou se serão para fins de controle e monitoramento. Com efeito, responder assertivamente ao problema de previsão inicialmente definido é fundamental ao sucesso do projeto. Além do mais, um modelo que proporciona um bom ajuste (fitting) para um conjunto de dados históricos, pode ou não ser o modelo mais útil para prever valores futuros. Todavia, o ajuste de valores passados e a previsão de valores futuros são duas aplicações bem diferentes de um modelo (CHATFIELD, 2000).

Para que as organizações utilizem eficientemente um sistema de previsão, de acordo com Makridakis, Wheelwright e Hyndman (1998) é necessário por parte dos aplicadores e/ou pesquisadores (internos ou externos) conhecer e desenvolver habilidades que compreendam os seguintes pontos chave:

 Identificação, definição e interpretação do (s) problema (s) de previsão;  Aplicação correta dos métodos de previsão;

 Procedimentos para seleção do método adequando para cada situação e;  Suporte organizacional para a aplicação, ou seja, apoio das partes interessadas.

Danese e Kalchschmidt (2011) mostram que as organizações de quaisquer segmentos que adotam um processo de previsão bem estruturada podem melhorar seu desempenho operacional. Não simplesmente pelo aumento da precisão das previsões através de novas metodologias e de ferramentas computacionais, mas pelo projeto como um todo. Todavia, destaca-se a importância de um projeto adequado para a realização de previsão, que deve ser coerente com os objetivos pelos quais os utilizadores pretendem explorar os resultados obtidos. Todo projeto de previsão bem executado, proporciona uma fonte de conhecimento para as organizações que vão além dos modelos concebidos. Por meio da coleta, classificação e análise de dados históricos, identificação de padrões e comportamentos em um dado processo, torna- se possível a construção de visões e entendimentos antes não percebidos pela organização.