O estudo tem como objetivo investigar a dinâmica entre os processos de sell-in e sell-out na indústria de bebidas alcoólicas, com foco no canal on-trade no método de distribuição sell-in. A pesquisa concentra-se em modelos de previsão que integram dados históricos de vendas e variáveis exógenas. A metodologia CRISP-DM (Cross Industry Standard Process for Data Mining) foi selecionada para conduzir o processo de análise de dados. O estudo avalia o desempenho desses modelos por meio da análise de métricas Bias e TISP, oferecendo uma compreensão detalhada da precisão da previsão, incluindo áreas de superestimação de vendas e limitações do modelo. Uma conclusão importante da investigação é o impacto significativo de variáveis externas, particularmente fatores relacionados com o turismo, como estadias em hotéis, na procura de vendas. Através dos testes de causalidade de Granger, foi estabelecido que o turismo tem uma relação preditiva com as vendas, destacando a importância da integração destes fatores exógenos nos modelos de previsão. Os resultados demonstram que o modelo SARIMAX superou o Prophet para os top 5 SKU. Além disso, o estudo destaca os desafios associados à previsão de SKUs de baixo volume de vendas e destaca a necessidade de integração de dados em tempo real, modelos de previsão específicos para cada SKU e ajustes dinâmicos na introdução de fatores externos para melhorar a precisão.

The study investigates the dynamics between sell-in and sell-out processes in the spirits beverages industry, focusing on the channel on-trade in the sell-in distribution method. To achieve, this research focuses on forecasting models that integrate both historical sales data and exogenous variables. The CRISP-DM (Cross Industry Standard Process for Data Mining) methodology was chosen to guide the data analysis process. The evaluation the performance of these models through the analysis of Bias and TISP metrics, offering a detailed understanding of forecasting precision, including areas of overestimation and model limitations. A key finding is the significant impact of external variables, particularly tourism-related factors such as hotel stays, on sales demand. Through Granger causality tests, it was established that tourism has a predictive relationship with sales, highlighting the importance of integrating these exogenous factors into forecasting models. The results demonstrate that SARIMAX model outperformed Prophet for the top 5 SKUs. Additionally, the study highlights the challenges associated with forecasting low-volume SKUs and emphasizes the need for real-time data integration, SKU specific forecasting models, and dynamic adjustments to external factors for improved accuracy.