02Previsão por Terapia (Top 10)
03Previsão por Regional
04Série Temporal Interativa
05Heatmap: Variação % (Regional x Terapia)
vs M-1 ()
vs YoY ()
06Comparação de Métodos
Backtest RMSE / Tracking Signal
Distribuição de Tiers
07Tabela Detalhe (168 séries)
Registros: 0
Previsão Total: 0
Parcial Total: 0
08Guia de Leitura
Este dashboard apresenta a previsão de fechamento mensal para autorizações de terapias. Ele combina várias técnicas de previsão e escolhe automaticamente a melhor combinação para cada série, baseando-se em testes com dados reais dos meses anteriores.
O que significam os números no topo (KPIs)
- Parcial: O total de autorizações que já aconteceram no mês corrente até a data de hoje. É o número concreto, sem estimativa.
- Previsão: A estimativa do total que o mês terá ao final. O sistema combina 7 métodos diferentes de previsão e aplica uma correção automática para reduzir erros sistemáticos. O valor entre parênteses ("viés: X") mostra o quanto foi corrigido.
- Ratio: Quantas vezes a previsão é maior que o parcial. Exemplo: se o parcial é 100 e a previsão é 110, o ratio é 1,10x — ou seja, espera-se 10% a mais até o fim do mês.
- Séries: Quantas combinações únicas de Terapia × Rede × Regional estão sendo mostradas (depende dos filtros selecionados).
- % Mês: Quanto do mês já se passou, calculado por dias úteis (não dias corridos). Isso é mais preciso porque autorizações de terapias concentram-se em dias úteis.
- Var M-1: Quanto a previsão está acima ou abaixo do mês anterior. Valores negativos (verde) = queda; positivos (vermelho) = crescimento.
- Var YoY: Mesma comparação, mas contra o mesmo mês do ano passado. Ajuda a ver se há crescimento ou redução na tendência anual.
Como a previsão é calculada
O sistema usa 7 métodos diferentes para prever o fechamento do mês. Cada um tem uma lógica distinta, e a previsão final é a média ponderada de todos — dando mais peso aos que historicamente acertam mais.
M1 — Proporcional
O mais intuitivo: se em 90% dos dias úteis já temos X autorizações, o total será X ÷ 0,90. Funciona bem quando o ritmo é constante ao longo do mês.
O mais intuitivo: se em 90% dos dias úteis já temos X autorizações, o total será X ÷ 0,90. Funciona bem quando o ritmo é constante ao longo do mês.
M2 — Proporcional Ajustado
Similar ao anterior, mas com um fator de aceleração de 5%. Captura o padrão de que a segunda metade do mês costuma ter um ritmo ligeiramente maior.
Similar ao anterior, mas com um fator de aceleração de 5%. Captura o padrão de que a segunda metade do mês costuma ter um ritmo ligeiramente maior.
M3 — Holt-Winters
Modelo estatístico clássico que identifica três componentes na série histórica: o nível base, a tendência (crescendo ou caindo?) e a sazonalidade (certos meses são sempre maiores?).
Modelo estatístico clássico que identifica três componentes na série histórica: o nível base, a tendência (crescendo ou caindo?) e a sazonalidade (certos meses são sempre maiores?).
M4 — SARIMAX
Modelo estatístico avançado que analisa padrões dos últimos 12 meses para capturar sazonalidade anual. Útil quando há padrões que se repetem no mesmo período a cada ano.
Modelo estatístico avançado que analisa padrões dos últimos 12 meses para capturar sazonalidade anual. Útil quando há padrões que se repetem no mesmo período a cada ano.
M5 — ML Ensemble (Inteligência Artificial)
Combina 4 algoritmos de machine learning (Ridge, Gradient Boosting, XGBoost e Random Forest) usando 17 indicadores: tendência de curto e longo prazo, volatilidade, velocidade de crescimento, posição no ciclo anual, entre outros. Cada algoritmo é testado internamente e os que acertam mais recebem mais peso.
Combina 4 algoritmos de machine learning (Ridge, Gradient Boosting, XGBoost e Random Forest) usando 17 indicadores: tendência de curto e longo prazo, volatilidade, velocidade de crescimento, posição no ciclo anual, entre outros. Cada algoritmo é testado internamente e os que acertam mais recebem mais peso.
M6 — Referência Histórica
Pega o valor do mesmo mês do ano passado e ajusta pelo ritmo de crescimento recente. Exemplo: se março/25 teve 1.000 e a série cresceu 10%, projeta 1.100 para março/26.
Pega o valor do mesmo mês do ano passado e ajusta pelo ritmo de crescimento recente. Exemplo: se março/25 teve 1.000 e a série cresceu 10%, projeta 1.100 para março/26.
M7 — Média Móvel 3
Simplesmente a média dos 3 últimos meses. Captura a tendência recente sem complexidade. Útil como referência de "para onde estamos indo".
Simplesmente a média dos 3 últimos meses. Captura a tendência recente sem complexidade. Útil como referência de "para onde estamos indo".
Como os pesos são definidos (Ensemble Dinâmico)
Os pesos de cada método não são fixos — eles são ajustados automaticamente a cada execução com base em um teste retroativo (backtest):
- O sistema volta no tempo e "finge" que não sabe o resultado dos últimos 3 meses.
- Ele usa apenas os dados parciais reais (autorizações dia a dia) para fazer previsões, exatamente como faria no cenário atual.
- Compara cada previsão com o que realmente aconteceu e calcula o erro (RMSE) de cada método.
- Métodos que erraram menos ganham mais peso; métodos que erraram mais ganham menos peso.
Essa abordagem garante que, se um método funciona bem para Fisioterapia mas mal para TEA, o sistema se adapta automaticamente.
Classificação por disponibilidade de dados (Tiers)
- Tier 1 (10+ meses de dados): Todos os 7 métodos participam. É o cenário com mais confiança — há dados suficientes para treinar todos os modelos.
- Tier 2 (6 a 9 meses): 4 métodos ativos (sem Holt-Winters, SARIMAX e Média Móvel). Confiança moderada.
- Tier 3 (3 a 5 meses): 3 métodos simples (Proporcional, Ajustado e Média Móvel 3). Poucos dados para ML.
- Tier 4 (menos de 3 meses): Apenas Proporcional. Série muito nova para usar modelos complexos.
Correções automáticas aplicadas
- Correção de viés: Se o sistema historicamente tende a superestimar (ou subestimar), ele corrige 50% dessa tendência automaticamente. Exemplo: se nos últimos 3 meses a previsão foi em média 5.000 acima do real, ele subtrai 2.500 da previsão atual.
- Fração por dias úteis: O "% do mês" é calculado por dias úteis, não dias corridos. Isso evita distorções em meses com muitos feriados ou fins de semana.
Intervalo de Confiança (IC 95%)
O IC mostrado nos gráficos de série temporal não é teórico — ele é calculado com base nos erros reais do backtest. Se o sistema errou entre -10.000 e +15.000 nos últimos 3 meses, o IC reflete exatamente essa faixa. Quanto mais estreito o IC, maior a confiança na previsão.
Gráfico de Backtest (Seção 06)
Mostra o RMSE (erro médio) e o Tracking Signal (viés) de cada método:
- RMSE (barras): Quanto menor, melhor. É a magnitude média do erro em unidades absolutas.
- Tracking Signal (linha): Mede se o método erra sempre para o mesmo lado. Valores próximos de zero = sem viés. Valores altos positivos = tende a superestimar. Negativos = tende a subestimar.
Seções do Dashboard
- 01 KPIs: Resumo numérico no topo. Reage aos filtros selecionados.
- 02–03 Gráficos de Barras: Comparam a previsão com o mês anterior (M-1) e com o mesmo mês do ano passado (YoY), por terapia e por regional.
- 04 Série Temporal: Histórico mês a mês de cada combinação, com a previsão e intervalo de confiança. Útil para identificar tendências e sazonalidade visualmente.
- 05 Heatmaps: Mapas de calor que mostram onde estão as maiores variações (positivas e negativas) por Regional e Terapia. Vermelho = crescimento; azul = queda.
- 06 Comparação de Métodos: Resultado do backtest retroativo. Mostra qual método está mais preciso e qual tem viés.
- 07 Tabela Detalhe: Dados individuais de cada série. Ordenável, filtrável e pesquisável. Inclui o valor de cada método individualmente.
Dúvidas frequentes
- "A previsão pode mudar se eu rodar amanhã?"
- Sim. Com mais um dia de dados parciais, o método proporcional ficará mais preciso e os pesos podem se ajustar.
- "Por que a previsão está abaixo do proporcional simples?"
- Porque os métodos estatísticos e de ML podem estar identificando uma desaceleração no ritmo, ou o backtest mostrou que o proporcional puro tende a superestimar.
- "Posso confiar 100% nesse número?"
- Não existe previsão perfeita. O IC 95% indica a faixa provável. Use a previsão central como melhor estimativa e o IC para planejar cenários.