Prever antecipadamente as necessidades de stock para um determinado período é uma ferramenta essencial para garantir a satisfação dos clientes e evitar perdas. Esta dissertação explora e aborda um problema de previsão para a Bacardi, uma das principais empresas de bebidas espirituosas, como objetivo de prever as vendas de vários produtos e identificar fatores chave que as influenciam, de forma a otimizar a gestão de stock. Neste contexto, foram analisados dados de vendas dos cinco produtos mais vendidos no canal off-trade, aplicando-se modelos de previsão, incluindo o Seasonal Auto-Regressive Integrated Moving Average (SARIMA), Seasonal Auto-Regressive Integrated Moving Average with Exogenous factos (SARIMAX) e o Extreme Gradient Boosting Machines (XGBM), incorporando variáveis exógenas relevantes. Os resultados indicam que os modelos SARIMA ou SARIMAX são os mais eficazes, com o PIB, PSI, ICC e cobertura de nuvens emergindo como variáveis exógenas significativas, quando aplicável.

Accurately forecasting stock requirements for a given period is crucial to ensuring customer satisfaction and minimizing losses. This dissertation explores and addresses a forecasting problem for Bacardi, a leading spirit drinks company, aiming to predict sales across multiple products and identify key factors influencing them to optimize stock management. In this context, sales data for the five best-selling products in the off-trade channel were analyzed, with forecasting models applied, including Seasonal Auto-Regressive Integrated Moving Aver- age (SARIMA), Seasonal Auto-Regressive Integrated Moving Average with Exogenous factors (SARIMAX), and Extreme Gradient Boosting Machines (XGBM), incorporating relevant exogenous variables. The results indicate that either SARIMA or SARIMAX models perform best, with GDP, PSI, ICC, and cloud cover emerging as significant exogenous variables when applicable.