O Efeito Chicote: como uma pequena variação de demanda vira caos na cadeia de suprimentos

Na primavera de 1990, a equipe de dados da Procter & Gamble percebeu algo que desafiava o senso comum. A demanda do consumidor por fraldas Pampers era quase perfeitamente estável (bebês não são cíclicos). Mas os pedidos que as próprias fábricas da P&G faziam aos fornecedores de materiais oscilavam violentamente, mês a mês, trimestre a trimestre. A variabilidade não vinha de jusante. Ela era gerada, de forma recursiva, pela própria cadeia de suprimentos.

Eles tinham redescoberto o que Hau Lee, V. Padmanabhan e Seungjin Whang batizariam formalmente quatro anos depois na Sloan Management Review: o efeito chicote. O artigo continua sendo um dos mais citados em operações. Sua conclusão central é simples e implacável: a variabilidade da demanda se amplifica conforme você sobe na cadeia, a montante, e suas causas não são acidentes. São resultados matematicamente previsíveis de pessoas racionais tomando decisões localmente sensatas dentro de um sistema que esconde o sinal real.

As quatro causas

Lee, Padmanabhan e Whang identificaram quatro mecanismos. Todo efeito chicote que você encontra na prática é alguma combinação deles.

Processamento do sinal de demanda. Cada camada da cadeia projeta sua previsão a partir dos pedidos feitos a ela, não a partir da demanda do consumidor. Quando um varejista vê um aumento nas vendas, ele eleva sua previsão, adiciona uma margem de estoque de segurança e pede mais do que precisa no momento. O distribuidor recebe esse pedido inflado, projeta sua própria previsão a partir dele, adiciona sua própria margem e amplifica ainda mais. Ninguém está errado individualmente. O sistema está errado estruturalmente, porque cada elo está otimizando para sua própria incerteza, e não para o sinal subjacente.

Consolidação de pedidos (order batching). Fazer pedidos em lotes (semanais, mensais, por carreta) introduz periodicidade artificial em um sinal contínuo. Um distribuidor que reabastece a cada duas semanas não envia dezessete pedidos pequenos quando a demanda sobe. Ele envia um único pedido grande. O fornecedor vê um pico de demanda que não tem nada a ver com o consumidor e tudo a ver com o calendário. Modelos de EOQ e quantidades mínimas de pedido agravam isso. Quanto maior o ciclo de lote, maior o pico.

Flutuação de preço. Quando fabricantes fazem promoções ou descontos por volume, os clientes compram antecipadamente. Eles se abastecem durante a janela da promoção e somem depois dela. O sinal de demanda que o fornecedor enxerga é a distorção da promoção, não o consumo subjacente. Em um estudo com oito empresas de bens de consumo, a compra antecipada respondeu por entre 20% e 40% das oscilações aparentes de demanda, praticamente todas reversíveis e nenhuma informativa sobre tendências reais de consumo.

Jogo de escassez (shortage gaming). Quando a oferta está apertada, os clientes inflam seus pedidos para garantir alocação. Se um fornecedor atende 60% dos pedidos durante uma escassez, os compradores pedem 167% do que precisam, esperando o mesmo corte. O fornecedor, vendo o que parece ser um aumento de 67% na demanda, investe demais em capacidade. A escassez se resolve, os compradores cancelam os pedidos inflados, e o fornecedor fica com excesso de estoque e de capacidade que levará anos para desfazer. O ciclo de semicondutores é o exemplo canônico: durante a escassez de 2020-2022, os clientes fizeram pedidos de 120 milhões de unidades contra uma indústria capaz de entregar 83 milhões. O excesso de pedidos foi racional empresa por empresa. Foi catastrófico para o sistema.

O que não funciona

Duas intervenções são comuns e ambas são, em grande parte, inúteis.

Mais estoque de segurança. Adicionar estoque de reserva em cada camada amortece os níveis de serviço, mas não resolve nada da variabilidade raiz. Você está pagando para absorver um problema que não resolveu. O estoque de segurança em um distribuidor é estoque mantido contra um sinal de demanda que já está inflado: você está amortecendo o chicote, não eliminando-o.

Reabastecimento mais rápido sem compartilhamento de dados. Encurtar seu ciclo de reabastecimento de mensal para semanal reduz, isoladamente, os picos causados pela consolidação de pedidos, mas se cada camada ainda projeta sua previsão a partir dos pedidos feitos a ela, em vez da demanda a jusante, você está apenas rodando a distorção mais rápido. O sinal continua errado. A amplificação continua real. Você trocou um dente de serra mensal por um semanal.

Três alavancas que realmente fazem diferença

Compartilhamento do sinal de demanda. A intervenção fundamental é dar às camadas a montante visibilidade dos dados de ponto de venda ou de consumo, em vez de deixá-las projetar a previsão a partir dos pedidos. O Vendor-Managed Inventory (VMI) operacionaliza isso: o fornecedor reabastece com base nos níveis de estoque reais do varejista e nos dados de consumo, contornando totalmente a camada de pedidos. O programa de VMI da P&G com o Walmart, iniciado no início dos anos 1990, reduziu as rupturas de estoque em 30% e cortou o estoque da P&G em duas semanas. Toda variação importante (Collaborative Planning, Forecasting and Replenishment, CPFR; Continuous Replenishment Programs) é uma variante do mesmo princípio: aproximar o sinal do ponto real de consumo.

O CPFR, nos estudos que se seguiram à sua implementação ao longo do final dos anos 1990, produziu de forma consistente melhorias de previsão de 10 a 40% para os varejistas participantes, com os maiores ganhos nos SKUs de alta variabilidade. O mecanismo não é mágica: quando um varejista compartilha suas promoções planejadas e expectativas sazonais com o fornecedor antes de acontecerem, em vez de depois que os pedidos disparam, o fornecedor consegue planejar. A vantagem informacional dissolve o prêmio de incerteza que todo mundo estava adicionando aos seus pedidos.

Estabilizar o preço. O every day low pricing (EDLP) elimina o incentivo à compra antecipada. A mudança da Procter & Gamble para EDLP no início dos anos 1990 foi, em parte, uma resposta à sua própria pesquisa sobre o efeito chicote. O trade-off é real: o EDLP sacrifica a receita que os picos promocionais geram. Mas as economias operacionais (menor variabilidade de demanda, menor complexidade de planejamento, menos remessas emergenciais) frequentemente compensam mais do que a receita promocional abdicada, particularmente em categorias com baixa elasticidade de preço.

Desacoplar a alocação dos pedidos históricos. Durante escassez, se os fornecedores alocam proporcionalmente ao consumo histórico em vez de aos pedidos atuais, o incentivo ao jogo de escassez desaparece. Se os clientes sabem que receberão seu volume histórico independentemente do que pedirem, fazer pedidos excessivos não gera benefício algum. A Intel, depois do excesso de semicondutores do início dos anos 2000, migrou exatamente para esse modelo: alocação com base nos embarques dos últimos 12 meses corridos, não na carteira de pedidos atual. Não eliminou o ciclo (a demanda de semicondutores é inerentemente irregular por natureza), mas desacoplou o sinal de demanda do jogo de escassez.

O problema organizacional

Essas três intervenções são conhecidas. São conhecidas desde 1994. O motivo pelo qual o efeito chicote persiste não é a ignorância da solução. É que cada solução exige algo que a empresa individual não consegue prover unilateralmente.

O compartilhamento do sinal de demanda exige que o varejista dê ao fornecedor acesso a dados que o varejista trata como proprietários. O EDLP exige que o marketing abra mão da ferramenta promocional que gera volume de curto prazo. A reforma da alocação exige que o fornecedor mantenha a linha nas alocações quando os clientes estão gritando por mais. Nenhuma dessas decisões é tomada pela função de supply chain. Todas exigem alinhamento sênior entre comercial, finanças e operações.

O efeito chicote é, no fim das contas, um problema organizacional vestido de problema técnico. A matemática está resolvida. A política, não.

Fontes

• Lee, H.L., Padmanabhan, V. & Whang, S. (1997). The Bullwhip Effect in Supply Chains. Sloan Management Review, 38(3), 93–102.
• Lee, H.L., Padmanabhan, V. & Whang, S. (1997). Information Distortion in a Supply Chain: The Bullwhip Effect. Management Science, 43(4), 546–558.
• Forrester, J.W. (1961). Industrial Dynamics. MIT Press.
• Cachon, G. & Fisher, M. (2000). Supply Chain Inventory Management and the Value of Shared Information. Management Science, 46(8), 1032–1048.
• Fliedner, G. (2003). CPFR: an emerging supply chain tool. Industrial Management & Data Systems, 103(1), 14–21.
• ECR Europe. (2001). CPFR Best Practices Report. Brussels.