Consultoria APS, S&OP e MES para Indústrias | LSB Siemens Partner
Qualidade de dados no PCP: o checklist que evita 90% dos “planos que dão errado
O artigo mostra que a baixa qualidade de dados é uma das principais causas de planos que falham no PCP, gerando estoques incorretos, atrasos e retrabalho. Destaca que problemas começam no cadastro, apontamentos e integração, e que um checklist estruturado ajuda a garantir dados confiáveis e decisões mais assertivas.
Você não perde noite por causa do plano. Você perde por causa do que o plano acredita ser verdade.
Quando o PCP “erra”, o estrago raramente aparece como “dado ruim” na tela. Ele aparece como capital parado em estoque, venda perdida por ruptura, expedição remarcada, produção replanejada em modo incêndio e item vencendo no almoxarifado.
E é por isso que o título fala em “90%”. É uma provocação, não uma estatística universal. O ponto é outro: a maior parte da dor do PCP começa antes do planejamento rodar — começa no cadastro, no apontamento, na integração e na governança do dado.
Se você quiser um jeito prático de tratar isso, este artigo te entrega um checklist técnico (bem pé no chão) para reduzir as falhas mais recorrentes de qualidade de dados que sabotam o seu MPS/MRP — e, de quebra, elevar a credibilidade do PCP dentro da empresa.
1) O que “qualidade de dados” significa no PCP (sem romantização)
O Gartner define qualidade de dados como o quanto o dado é “usável” para os casos de uso prioritários (e não uma busca infinita por perfeição).
Isso é essencial no PCP por um motivo simples:
- O PCP existe para coordenar decisões entre áreas (vendas, suprimentos, produção, logística).
- Essa coordenação depende de informação confiável sendo compartilhada e interpretada do mesmo jeito por todo mundo.
Quando o dado é inconsistente, cada área “fala uma língua” diferente. E aí o PCP vira o tradutor simultâneo… só que traduzindo ruído.
2) O que derruba o plano (na vida real) não é só “erro”: é inconsistência + falta de dono
Duas frases duras, mas úteis:
- Qualidade de dados é disciplina de negócio, não “problema do sistema”. O próprio Gartner chama atenção para isso: como as pessoas entram, usam e gerenciam os dados é a base da qualidade — e ownership e colaboração são determinantes.
- Sem medição, você não tem problema… você tem surpresa. O mesmo estudo anterior aponta que 59% das organizações não medem qualidade de dados, o que torna difícil saber o custo e o ganho da melhoria.
Agora conecta isso com chão de fábrica / logística:
- Um dos problemas clássicos é a inacurácia de inventário (o sistema dizendo uma coisa, o físico dizendo outra).
- Isso vira ruptura falsa, perda de produtividade, custo extra e até venda perdida.
E tem um detalhe cruel: estudos apontam que uma fonte pequena e não detectada de inacurácia pode acumular e desbalancear o sistema em “efeito bola de neve”.
Ou seja: não é “um errinho”. É um mecanismo de degradação contínua.
3) Antes do checklist: entenda os 3 tipos de dado que o PCP consome
Se você quer atacar “90% do estrago”, você precisa separar as frentes.
(A) Dados mestres (cadastro)
Produto, material, unidades, famílias, roteiros, recursos, calendários, parâmetros, políticas etc.
Aqui entra a lógica de Master Data Management (MDM): criar uma visão confiável e “autoritativa” do dado, com rastreabilidade e responsabilidade clara — uma “fonte dourada” para o que é compartilhado na empresa.
(B) Dados transacionais (movimento)
Pedidos, ordens, apontamentos, entradas/saídas, saldos, reservas, WIP.
O ponto: transação “correta” em cima de cadastro “torto” continua torta.
E cadastro “correto” com transação “furada” também.
(C) Dados de referência (vocabulário e regras)
Tabelas, domínios, listas válidas, status, motivos, classificação ABC, regras de preenchimento etc.
A Deloitte chama atenção que gerenciar dados de referência é chave para reduzir erros, e que esses dados precisam ser confiáveis, atualizados e com responsabilidades claras de manutenção.
4) O checklist que “limpa o terreno” antes do PCP rodar
A lógica aqui é simples:
- Você não vai “arrumar tudo”.
- Você vai garantir integridade mínima para o plano não virar ficção.
E vai fazer isso usando dimensões de qualidade (ex.: acurácia, completude, consistência, atualidade, validade) que os grandes portais da indústria listam como base para medir e melhorar.
CHECKLIST 1 — Integridade do estoque (o assassino silencioso do plano)
Por que isso vem primeiro? Porque inventário errado não só atrasa o plano, como também fabrica decisões erradas em cadeia.
O artigo da Production define a inacurácia como a diferença entre inventário físico e o inventário registrado no sistema, e descreve duas distorções comuns:
- “Ghost inventory”: sistema maior que o físico → gera deslocamento e tempo desperdiçado em separação.
- “Hidden inventory”: sistema menor que o físico → gera ruptura falsa, venda perdida, reposição e compras desnecessárias e até problemas de capacidade do armazém.
O que checar (mínimo viável):
- Divergências recorrentes por item/local (não como evento; como tendência).
- Regras claras de correção e registro (quem corrige, como corrige, em que prazo).
- Política ativa de contagem cíclica (não “inventário anual para inglês ver”).
Ponto provocativo (pra discussão interna): Se a empresa trata contagem como “custo” e não como “controle do dado”, ela está aceitando operar com decisões de PCP baseadas em suposições.
Tire suas dúvidas!
Fale com nosso
time de consultores
CHECKLIST 2 — Lead times e parâmetros que definem o ritmo do plano
Esse item parece básico… até você ver a quantidade de empresa que erra aqui e depois culpa o PCP.
Um material aberto hospedado por capítulo ASCM destaca que o nível de inventário é gerenciado por vários fatores, incluindo manter lead times de produto acurados, definir lotes e revisar forecast (entre outros).
O que checar:
- Lead time cadastrado tem “origem” definida (engenharia? compras? PCP? fornecedor?) e regra de revisão.
- Parametrizações que mudam o comportamento do MRP/MPS (lote, frequência, políticas) estão sob governança, não sob “jeitinho local”.
- Unidades e conversões coerentes (um erro aqui vira plano impossível de explicar depois).
CHECKLIST 3 — Consistência de informações de produto e material (cadastro que sustenta tudo)
Ao falar de prontidão de dados para transformação de ERP, alguns estudos dão exemplos bem diretos:
- Dados mestres de cliente precisam estar corretos para processos fluírem sem interrupção.
- Informações de produto precisam ser consistentes para apoiar gestão de estoque e operações de supply chain.
Traduzindo para o PCP: se a “identidade” do item muda dependendo do sistema (ERP, APS, WMS, planilha), o plano vira uma colagem.
O que checar:
- Um “dicionário” de atributos obrigatórios por item (mínimo para planejar).
- Campos críticos com valores válidos (domínios, listas, regras) e não texto livre.
- Processo de criação/alteração de mestre com aprovação e rastreabilidade (não é “burocracia”; é proteção do plano).
CHECKLIST 4 — Governança: quem é dono do quê (sem isso, vira religião)
No seu artigo “Master Data Management”, a Deloitte é direta: data governance é disciplina contínua, com processos, ownership e responsabilidade para criação, manutenção e uso dos dados. E sugere perguntas que, no PCP, mudam o jogo:
- Quem pode criar e alterar dados mestres?
- Como garantir atributos com valores válidos?
- Quais são as etapas de aprovação para novos/alterados registros?
- Como monitorar qualidade pós-migração/ao longo do tempo para evitar degradação?
O que colocar de pé (prático):
- Donos por domínio (estoque, lead time, cadastro, forecast, capacidade).
- Um fluxo de “bug de dado” com classificação e prioridade (como se fosse incidente operacional).
- Uma rotina de correção com causa raiz (pra não virar enxugar gelo).
Do checklist à rotina:
Ferramentas APS e MES ajudam a “impor regra” (campos obrigatórios, domínios), registrar alteração (rastreabilidade), e padronizar a criação/alteração de cadastros e parâmetros que afetam o plano. É aqui que projetos com Opcenter APS + camada de execução/apontamento (MES/SFC) começam a virar “sistema de verdade”, e não só planejamento bonito.
CHECKLIST 5 — Medição e monitoramento: o dado precisa de “painel”, não de fé
O mesmo material que trouxe o checklist anterior também lista medições-chave para boa qualidade, incluindo completude, unicidade, atualidade, correção, realidade e consistência.
Recomenda-se priorizar métricas conforme caso de uso e usar data profiling e validação por regras para encontrar problemas.
Na prática do PCP, isso vira:
- Perfilamento (profiling): olhar distribuição, nulos, duplicidades, desvios e padrões anômalos.
- Validação por regra: “isso pode acontecer?” “esse valor faz sentido?” “essa combinação é permitida?”.
Pergunta que vale ouro para o time: Se você não tem pelo menos um conjunto pequeno de regras automáticas de validação, você está terceirizando a qualidade para a boa vontade (e a memória) das pessoas.
CHECKLIST 6 — O fator humano: erro operacional não some com tecnologia
O paper da Production lembra que, mesmo com tecnologia e automação em armazéns, o fator humano segue presente — e erros operacionais viram divergência de inventário.
Isso conversa direto com PCP:
- Se o apontamento não tem regra, o dado degrada.
- Se a correção não tem dono, o dado degrada.
- Se ninguém mede, o dado degrada.
E o plano vai “dando errado”… até você normalizar o errado.
5) Um jeito pragmático de aplicar (sem virar projeto infinito)
Você não deve “tentar qualidade em tudo”, porque nem todo dado é igualmente importante.
Então a lógica para PCP é:
- Escolha os casos de uso que mais doem (ex.: MRP, MPS, atendimento OTIF).
- Mapeie quais dados são “fundação” para esses casos (mestres + transações + referência).
- Defina 2–3 métricas por domínio (completude, consistência, atualidade etc.).
- Crie rotinas de detecção + correção + prevenção (governança, não mutirão).
E, principalmente: trate “dado” como parte do sistema de gestão, não como detalhe do sistema de TI.
6) Fechamento: o PCP não precisa “prometer mais”. Precisa “acreditar melhor”.
O plano não “dá errado” porque o PCP é fraco.
Ele dá errado porque a empresa está pedindo que o PCP tome decisão com base em:
- inventário que não bate,
- cadastro que muda de sistema para sistema,
- regras que ninguém assume,
- e qualidade que ninguém mede.
Se você quer elevar o nível do PCP, o caminho mais “disruptivo” não é começar discutindo algoritmo.
É começar discutindo verdade operacional.
7) FAQ — perguntas que mais destravam discussão no PCP
1) Qual a diferença entre qualidade de dados e governança de dados?
Qualidade é o “estado” do dado (acurácia, consistência, atualidade etc.), enquanto governança é o conjunto de regras, papéis e processos para manter esse estado ao longo do tempo.
2) Por que qualidade de dados afeta tanto o PCP?
Porque PCP coordena decisões entre áreas, e desempenho depende de informação confiável sendo compartilhada; quando a informação é ruim, coordenação vira conflito e retrabalho.
3) Qual é a “primeira coisa” para checar em dado ruim no PCP?
Inventário e apontamentos, porque divergências entre físico e sistema causam ruptura falsa, perda de produtividade, custos e venda perdida.
4) “Inconsistência entre fontes” é comum mesmo?
Sim — o Gartner cita inconsistência entre fontes (silos) como um dos problemas mais desafiadores de qualidade de dados.
5) Contagem cíclica realmente ajuda ou é só mais trabalho?
Há evidência acadêmica de que a inacurácia afeta produtividade e venda perdida, e que contagem cíclica é política usada para manter acurácia; materiais do ecossistema ASCM apontam que programas bem-sucedidos chegam perto de 100% de acurácia e eliminam inventário anual.
6) Dá para começar sem ferramenta cara?
Sim: estudos descrevem práticas como perfilamento e validação por regras, que podem ser implementadas com consultas e rotinas simples, desde que haja escopo e prioridade bem definidos.
7) APS/MES ajudam em qualidade de dados ou isso é assunto ‘do ERP’?
Apesar de não serem obrigatórios, são um grande diferencial, porque puxam o dado pra rotina (apontamento), fecham o ciclo de feedback e deixam a inconsistência visível rápido — desde que exista governança e validação.
8) MDM é obrigatório para o PCP funcionar?
Não é “obrigatório”, mas MDM é uma abordagem para criar uma fonte confiável e rastreável de dados mestres compartilhados, especialmente útil quando há múltiplos silos e duplicidade.
8) Referências
- GARTNER. Data Quality: Why It Matters and How to Achieve It. [S. l.], 2020-2026.
- DELOITTE. Quality Management in Data Governance. [S. l.], s. d.
- DELOITTE. Preparing for a successful ERP transformation: Essential steps to secure high quality data. [S. l.], s. d.
- DELOITTE. Master Data Management (for regulatory product data submissions): a good idea or not? [S. l.], 23 jun. 2023.
- KANKAM, George; KYEREMEH, Evans; SOM, Gladys Narki Kumi; CHARNOR, Isaac Tetteh. Information quality and supply chain performance: The mediating role of information sharing. Supply Chain Analytics, v. 2, 2023.
- DESTRO, Iuri Rafael; STAUDT, Francielly Hedler; SOMENSI, Karine; TABOADA, Carlos. The impacts of inventory record inaccuracy and cycle counting on distribution center performance. Production, v. 33, e20220077, 2023.
- DEMAND SOLUTIONS; COLUMBUS IT. Top 10 Inventory Mistakes and How to Correct Them – Webinar Questions & Answers (APICS webinar). ASCM Wisconsin (host). [S. l.], s. d.
