Carga e energia
Curva de carga do Sistema Interligado Nacional, dados públicos da ONS. É o caso que gerou os números desta página.
Quanto o sistema vai consumir amanhã, hora a hora?
Consultoria em dados e tecnologia
Sua meta é o fechamento do mês, mas o mês se ganha ou se perde dia a dia. Uso o seu próprio histórico para projetar onde ele fecha — e refazer essa conta todo dia, enquanto ainda dá para reagir.
O ponto de partida
Se o seu sistema registra quanto aconteceu e quando, você já tem uma série histórica. Faturamento por dia. Pedidos por hora. Visitas ao site. Peças que saíram do estoque. Chamados abertos. Não precisa ser nada tratado — precisa ter data e valor, e o intervalo entre os registros precisa ser sempre o mesmo.
É o relatório que quase toda empresa já exporta e quase ninguém usa para além de olhar o mês passado.
data,valor 2026-03-01,18420.50 2026-03-02,15380.00 2026-03-03,21500.75 2026-03-04,19870.20
Granularidade fina ajuda mesmo que a meta seja mensal. Registro por hora ou por dia dá ao modelo muito mais para aprender no mesmo período de calendário: três meses de dado horário são mais de duas mil observações, contra noventa no diário. A meta continua sendo o fechamento do mês — o dado fino é o que permite acompanhar se ela está de pé.
Como a meta é acompanhada
Parte do mês já aconteceu e não muda mais. O resto ainda vai acontecer. Somando o que está no caixa com o que o modelo espera dos dias que faltam, dá para dizer onde o mês fecha — e refazer essa conta todo dia.
O que está sendo medido abaixo. Peguei duas séries diárias públicas — quantas pessoas procuraram informação sobre um aplicativo de uso diário, e quanta energia o Brasil consumiu — e refiz essa conta em cinco momentos de cada mês, ao longo de 17 meses seguidos. Nenhum modelo viu o mês que estava projetando.
A barra não é uma margem de erro. Ela mostra o desvio típico: em metade dos meses a projeção errou mais que aquilo e na outra metade errou menos, para cima ou para baixo. A linha embaixo de cada título diz para que lado os erros pendem — um modelo que erra sempre na mesma direção tem conserto, um que espalha para os dois lados não tem.
Onde a projeção não melhora. Na série de procura o erro cai de ponta a ponta, mas na de energia ele sobe do dia 5 para o dia 10 antes de despencar: com poucos dias realizados, um começo de mês atípico empurra a conta para o lado errado. E em meses fora do padrão a projeção pode piorar justamente no fim — em dezembro os feriados derrubam o consumo de um jeito que um modelo sem calendário não antecipa. É o calendário do seu negócio, com promoções e datas próprias, que resolve isso, e ele não cabe numa demonstração genérica.
Casos
Dois conjuntos públicos, rodados aqui com a mesma engine. Cada linha é o erro da projeção de fechamento feita naquele dia do mês, medido em 17 meses seguidos.
Sobre esses números. Saem de dados públicos — pageviews da Wikipédia e a curva de carga da ONS — não de clientes. As duas séries têm dificuldades bem diferentes: a carga elétrica é regular e fecha o mês dentro de 2% já no dia 5, enquanto a curva de procura tem ruído alto e no começo do mês erra perto de 20%. Só faz sentido cobrar decisão da projeção depois que ela estreita.
Escolhi séries com nível estável de propósito. Um primeiro teste usou uma marca que perdeu metade do volume em seis meses: ali o modelo superestimava em 94% dos meses, o que diz mais sobre a série morrendo do que sobre o método. Uma série que despenca assim não se parece com um negócio em operação. O intervalo que chamamos de 80% conteve o resultado em cerca de 71% dos meses — está um pouco apertado, e com 17 meses de teste essa diferença cabe no erro amostral, mas o número mostrado é o medido e não o pretendido. Sua série terá erro próprio, e descobrir qual é ele é o primeiro passo de qualquer projeto.
O que dá pra prever
O motor não sabe o que é energia. Ele recebe uma série com carimbo de tempo e um horizonte, e devolve o que vem depois. Onde já foi medido com dados reais, está marcado.
Curva de carga do Sistema Interligado Nacional, dados públicos da ONS. É o caso que gerou os números desta página.
Quanto o sistema vai consumir amanhã, hora a hora?
Faturamento por hora, dia ou canal. A sazonalidade semanal e os feriados entram como variável, não como surpresa no fim do mês.
Quanto vou vender na próxima semana, por canal?
Ponto de pedido dimensionado pela demanda projetada e pela incerteza dela — em vez de média móvel com margem chutada.
Quanto comprar, e com quanta folga?
Sessões, picos e fila de atendimento. Serve para dimensionar infraestrutura e escala de equipe pelo que vem, não pelo que passou.
Quando vem o pico, e de que tamanho?
Previsão com intervalo transforma vigilância em exceção: o que sai da faixa esperada é o que merece atenção humana.
Isso é variação normal ou aconteceu alguma coisa?
Demanda operacional projetada por faixa horária, para montar turno e agenda com antecedência real.
Quantas pessoas na terça às 19h?
Próximo passo
Com um histórico em granularidade horária ou diária dá para rodar o backtest e dizer, com dado na mão, se vale construir alguma coisa em cima.
Falar no WhatsApp contato@olagoo.com.br