02Previsao por Operadora
03Previsao por Rede
04Serie Temporal Interativa
05Heatmap: Variacao % (Operadora x Rede)
vs M-1 ()
vs YoY ()
06Comparacao de Metodos
Backtest RMSE / Tracking Signal
Distribuicao de Tiers
07Tabela Detalhe (10 series)
Registros: 0
Previsao Total: 0
Parcial Total: 0
08Guia de Leitura
Indicadores KPI
- Parcial: Quantidade de exames realizada acumulada ate a data atual do mes.
- Previsao: Estimativa de fechamento do mes, calculada pelo Ensemble Ponderado de 7 metodos (detalhado abaixo).
- Ratio (Previsao / Parcial): Fator multiplicador que indica quantas vezes o valor previsto representa do parcial. Exemplo: Ratio 1,62x significa que a previsao e 62% maior que o realizado parcial.
- Series: Numero de combinacoes unicas (Operadora × Rede) ativas no filtro selecionado.
- % Mes: Percentual de dias ja transcorridos no mes corrente.
- VAR M-1 (Variacao Mes Anterior): Variacao percentual da previsao em relacao ao mes imediatamente anterior (M-1). Valores negativos (em verde) indicam reducao; positivos (em vermelho) indicam aumento.
- VAR YoY (Variacao Year-over-Year): Variacao percentual da previsao em relacao ao mesmo mes do ano anterior. Permite avaliar a tendencia interanual.
Metodo Final: Ensemble Ponderado
A previsao de cada serie utiliza um Ensemble Ponderado de 7 metodos, onde os pesos sao alocados por Tier (baseado na quantidade de meses historicos disponiveis):
M1 — Proporcional
Projeta o fechamento com base na fracao do mes transcorrida (Parcial ÷ % Mes).
Projeta o fechamento com base na fracao do mes transcorrida (Parcial ÷ % Mes).
M2 — Proporcional Ajustado
Variante do proporcional com fator de aceleracao (1,05) baseado no padrao historico de evolucao diaria.
Variante do proporcional com fator de aceleracao (1,05) baseado no padrao historico de evolucao diaria.
M3 — Holt-Winters
Suavizacao exponencial tripla que captura nivel, tendencia e sazonalidade da serie temporal.
Suavizacao exponencial tripla que captura nivel, tendencia e sazonalidade da serie temporal.
M4 — SARIMAX(1,1,1)(1,0,0,12)
Modelo autorregressivo integrado com componentes sazonais de 12 meses e variaveis exogenas.
Modelo autorregressivo integrado com componentes sazonais de 12 meses e variaveis exogenas.
M5 — ML Ensemble (4 modelos)
Combinacao de Ridge Regression, Gradient Boosting (GBR), XGBoost (XGB) e Random Forest (RF) com features padronizadas.
Combinacao de Ridge Regression, Gradient Boosting (GBR), XGBoost (XGB) e Random Forest (RF) com features padronizadas.
M6 — Referencia Historica
Utiliza o valor do mesmo mes do ano anterior multiplicado por fator de crescimento.
Utiliza o valor do mesmo mes do ano anterior multiplicado por fator de crescimento.
M7 — Media Movel 3
Media simples dos 3 ultimos meses completos, capturando a tendencia recente de curto prazo.
Media simples dos 3 ultimos meses completos, capturando a tendencia recente de curto prazo.
Alocacao de Pesos por Tier
- Tier 1 (10+ meses de historico): Todos os 7 metodos participam. Maior peso para Proporcional (25%), ML Ensemble (25%), Proporcional Ajustado (15%) e Referencia Historica (15%).
- Tier 2 (6–9 meses): 4 metodos ativos. Proporcional (30%), ML Ensemble (30%), Proporcional Ajustado (20%) e Referencia Historica (20%).
- Tier 3 (3–5 meses): 3 metodos ativos. Proporcional (40%), Proporcional Ajustado (30%) e Media Movel 3 (30%).
- Tier 4 (<3 meses): Apenas Proporcional (100%) — dados insuficientes para metodos mais complexos.
Secoes do Dashboard
- 02–03 Graficos de Barras: Comparam a previsao atual com o realizado do mes anterior (M-1) e do mesmo mes do ano anterior (YoY), por Operadora e Rede.
- 04 Serie Temporal: Historico mensal de cada combinacao individual, com a previsao e intervalo de confianca (IC 95%).
- 05 Heatmaps: Mapas de calor com a variacao percentual por Operadora e Rede, facilitando identificacao visual de desvios.
- 06 Comparacao de Metodos: Backtest com RMSE e Tracking Signal para avaliar a precisao dos metodos, alem da distribuicao de series por Tier.
- 07 Tabela Detalhe: Dados individuais de cada serie com valores completos, ordenaveis e filtraveis.