Previsão de renda

O rendimento é o resultado da interação de muitos fatores: oferta de conteúdo/produto, comportamento dos usuários, preços e promoção, condições externas (feriados, esportes, taxas de câmbio, mudanças regulatórias). Uma previsão confiável não é um «modelo», mas sim um caminho controlado: definições de dados → modelos → → cenários → operações → acréscimos → melhorias.

1) Produção de tarefas

O que prevemos: receita bruta (GGR), pura (Net), receita pós-bónus/comissões, câmbio básico e moedas locais.
Horizonte/passo: diária/semanal/mensal; para planeamento de quebras de caixa - diurno, orçamento - mensal/trimestral.
Unidade de previsão: marca x país x plataforma x canal (mínimo), seguida de concordância hierárquica.
Destino: orçamento, compra de tráfego/conteúdo, limites de infraestrutura, covenantes financeiros.
Preço do erro: falta de oferta (demanda/falta perdida) vs reprognose (compras/readequação desnecessárias).

2) Definições e alinhamento com o circuito financeiro

Fórmulas: GGR, Net, deduções (impostos, bónus, comissões afiliadas) - versionadas em uma camada semântica.
Calendário: armazenamento UTC + visualizações locais; feriados/dias salariais; horários esportivos (se for relevante).
Política FX: origem de cursos, data de conversão (data de transação/taxa de câmbio média), moeda básica única.
Comprimidos: Processo obrigatório de recepção com contabilidade (divergência dentro dos limites permitidos).

3) Descomposição de renda para drivers

Fórmula básica:

[
\ text <Rendimentos f. =\Text\Tráfego de\times\text\Conversão\times\text\Frequência\times\text
]

Tráfego/ativos: usuários/sessões/entradas.
Conversão: proporção de pagantes, CR nos eventos-alvo.
Frequência: número de transações por período/pagamento.
Cheque médio: valor médio da transação (leve em conta bónus/descontos).

Recomenda-se prever os drivers separadamente, depois recolher o composto para ver a contribuição dos fatores (ponte «plano-fato»).

4) Dados e regressores

Filas temporárias: unidades diurnas/semanais por unidade de previsão.

Regressores X:

promoção/bónus (intensidade, tipo, abrangência);
gastos de marketing/impressões/cliques;
conteúdo-iventes (lançamentos, torneios, grandes jogos);
mudanças de preços/limites/catálogo;
FX/inflação, tempo/calendário (se afetado);
eventos regulatórios (restrições/descongelamentos).
Anomalias/one-off: assinale, não suavize em silêncio.
Nenhum leque: use apenas as informações disponíveis no momento da previsão.

5) Modelagem

5. 1 Basline

Naive/Seasonal Naive/Drift - obrigatório para uma avaliação justa.

5. 2 Filas clássicas

ETS/ARIMA/SARIMA, TBATS (múltiplas estações), Prophet (início rápido com festas).

5. 3 Regressores

ARIMAX/ETS + X, regressão dinâmica com calendário e promoção/FX.

5. 4 Multi-sírio/tabela

GBM/XGBoost/linear com lajes/janelas/calendário;

Temporais NN (TNT, N-Beats) para carteiras e comprimentos X.

5. 5 Prováveis

Regressão Quântil (pinball), Student-t/Gaussian previsões, conjuntos de quanteis para intervalos (q10/q50/q90).

5. 6 Hierarquias e concordância

Bottom-Up/Top-Down/MinT (melhor negociação de erros) para a estrutura do strana→brend→kanal→platforma.

6) Especificação de métricas de rendimento

Participações/relacionamentos (margem, comissão): modele o numerador/denominador separadamente, depois componha.
Componentes intermitentes (chargeback, high-roller): Croton/TSB, zero-inflated, componentes individuais com quanteis.
Canibalização: Quando iniciar uma nova promoção/produto, modele os deslocamentos entre os segmentos (modelos multi-movidos ou regressores limitados).
Elasticidade por preço/bónus: Logos do modelo/avaliações causais (DiD/SC) para estimar os coeficientes e, em seguida, what-if.

7) Avaliação de qualidade e backtesting

Splits: rolling/expeding origin com múltipla sazonalidade (semanas/meses).
Métricas de níveis: WAPE/sMAPE (resistentes a zeros), MAE/RMSE.
Prováveis: pinball loss, coverage 80/95% - interferências.
Estabilidade: erros em segmentos/feriados/canais; out-of-time.
Regra do Basline: o modelo deve ultrapassar o Seasonal Naive em horizontes-chave.

8) Cenários e incertezas

Quantili: q10/q50/q90 → «pessimista/base/otimista».
Cenários X: «sem promoção/s promoção», «FX £10%», «grande ivente», «restrições regulatórias».
Risco de metaparâmetro: testes de stress para alterações de elasticidade e sazonalidade.
Custo de risco: Planeje por shortfall condicional (punição por subprogação/reprogramação assimétrica).

9) Plano-fato e contribuição de fatores (bridge de lucro)

Mostre a ponte: tendência + sazonalidade + promoção + preço/limite + FX + choques/incidentes → desvio final. Isso aumenta a confiança e ajuda a tomar ações (adicionar orçamento, mover promo, mudar pricing).

10) MLOps e exploração

Horário: previsões diurnas - T + 1 até às 06:00 lock; semanais - N uma vez por semana; mensais - T + 1/T + 3.
Artefatos (paridade online/offline), registro de modelos, versões de fórmulas de renda.
Monitoramento: WAPE/coverage por janela, PSI à deriva de sinais, atraso fids, SLA geração.
Alertas: Aumento do erro> limiar, intervalos não calibrados, separação de hierarquias.
Fail-safe: reversão para ETs/Seasonal Naive; modo freeze em festas de pico.
Histeresis: liminares diferentes de ativação/desligamento de regressores para não «piscar».
Reposição diária/semanal com relatórios financeiros.

11) Modelos de artefatos

A. Passaporte de Previsão de Renda

KPI: `NET_REVENUE_EUR_v3`

Horizonte/passo: 8 semanas/dia

Unidades: marca x país x plataforma x canal; reconciliation: MinT

Регрессоры: `promo_spend`, `content_event_flag`, `price_index`, `fx_rate`, `holiday`

Modelos: 'ARIMAX _ v2' + 'LightGBM_Quantiles_v4' (conjunto, q10/50/90)

Metas: WAPE ≤ 8% (diurno), coverage 90% - interdição ≥ 85%

SLO: geração ≤ 10 min depois das 06:00; liga de dados ≤ 1 h

Proprietários: Finance & Growth Analytics; data de revisão, versão

Relatório de Resolução-ready (esqueleto)

Título: «Rendimento, previsão de 8 semanas: q10/q50/q90»

Riscos: suboprodução na semana 3 - 21% (esperado shortfall € X- € Y)

Contribuições de fatores: + feriados, + conteúdo-ivent, - FX, - levantamento promo

Recomendações: aumentar a promoção nos países A/B, mover promoções, hedge FX

C. Pseudo-código do Pipline

python
1) load y = load_revenue_series(grain=['brand','country','platform','channel'], step='D')
X = load_regressors(['promo_spend','content_event','price_idx','fx_rate','holiday'])
2) features ds = make_lags(y, lags=[1,7,14,28])
ds = add_rolling_stats(ds, windows=[7,14,28])
ds = join_regressors(ds, X)
3) cv cv = rolling_backtest(ds, folds=6, horizon=28, step=7)
4) models m_baseline = ETS(). fit(ds. train)
m_gbm = LGBMQuantiles(q=[0. 1,0. 5,0. 9]). fit(ds. train)
m_arimax = ARIMAX(). fit(ds. train)
5) evaluate & ensemble scores = evaluate([m_baseline,m_gbm,m_arimax], cv, metrics=['WAPE','pinball'])
best = ensemble_quantiles([m_gbm,m_arimax])
6) reconcile & publish f = reconcile_minT(forecast(best), hierarchy=['country','brand','platform','channel'])
publish(f, sla='06:10', owners=['Finance','Growth'])

12) Erros frequentes e anti-pattern

MAPE para zeros/valores baixos: use WAPE/sMAPE.
Média: Agregue o numerador/denominador em vez de mediar os juros dos segmentos.
Ignorar calendário/conteúdo/FX: sem regravadores, a previsão é «cega».
Os fichas são do futuro ou o pós-faturamento da correção.
Incoerência das hierarquias: os valores totais não correspondem → aplique a recordação.
Sem fail-safe, o modelo está a nadar nas festas.
Falta de fusão: a previsão não é de gerenciamento/contagem.

13) Folha de cheque antes do lançamento

Definições de renda e deduções foram negociadas e versionalizadas
Calendário/FX/regressores conectados e testados
Os Basline foram derrotados no backtesting; metas de WAPE/coverage alcançadas
Os intervalos estão calibrados; cenários «pessimista/base/otimista» reunidos
Previsão hierárquica concordada (MinT/Top-Down)
MLOps: programação, monitoramento, alerts, fail-safe, runibook
Ajuste diário/semanal com finnadzor/contabilidade
Relatório de «definição-ready» com ponte de fatores e recomendações

Resultado

As previsões de renda são definições acordadas + descomposição de driver + regressores + modelos prováveis e hierárquicos + cenários e intervalos + MLOs disciplinados e comprimidos. Esse caminho transforma «adivinhação de cronograma» em ferramenta de planejamento de orçamento, marketing e operações com custos de risco compreensíveis e ações transparentes.

Previsão de renda