O setor de alimentação fora do lar é marcado por alta complexidade operacional, com demanda influenciada por múltiplos fatores como sazonalidade anual, ciclos semanais, feriados, condições climáticas e campanhas promocionais. Em redes com múltiplas unidades e marcas distribuídas pelo território nacional, essa complexidade se amplifica: a ausência de um sistema preditivo estruturado gera desperdícios de insumos, rupturas de estoque e ineficiências no planejamento de equipes, comprometendo o desempenho financeiro e a qualidade do atendimento ao cliente. O presente trabalho tem como objetivo desenvolver e avaliar um sistema de previsão hierárquica de demanda para uma grande rede de alimentação, a partir de dados transacionais reais cobrindo três restaurantes, 65 produtos ativos e um período de análise de outubro de 2022 a outubro de 2025. Foram comparados cinco modelos preditivos — SARIMAX em lote, BottomUp em lote (combinando suavização exponencial via ETS e SARIMAX com pesos Markowitz), TopDown em lote, Rolling BottomUp e Rolling TopDown — avaliados por MAE, RMSE, WAPE e MAPE mediano em quatro níveis hierárquicos: grupo, família, subfamília e produto. A reconciliação hierárquica consiste no ajuste das previsões geradas de forma independente em cada nível de agregação para garantir coerência entre eles; os métodos Bottom-Up partem do nível mais granular e agregam progressivamente para os níveis superiores, enquanto os métodos Top-Down distribuem a previsão total proporcionalmente aos níveis inferiores. O método Rolling, por sua vez, retreina o modelo a cada semana com todos os dados disponíveis até o momento, eliminando o acúmulo de erro das previsões multipasso. A análise exploratória revelou padrões estruturais relevantes para o negócio: concentração de 60% do volume em um único restaurante, ciclo semanal com pico no sábado e 80 (por cento) do volume concentrado em apenas 52% do portfólio. A base original de 968.393 registros e 573 produtos foi filtrada pelo critério de Pareto 80/20, resultando em 690.332 registros e 69 produtos para modelagem, dos quais 65 foram classificados como ativos após detecção automática de status (novo, descontinuado, esporádico). O Rolling BottomUp emergiu como o método de melhor desempenho, com WAPE de 12,7 (por cento) e MAE de 7,0 pratos/semana no nível de produto e WAPE de 6,9 (por cento) no total consolidado. O WAPE (Erro Percentual Absoluto Ponderado) mede o erro relativo médio ponderado pelo volume real; no nível gerencial consolidado, um WAPE de 6,9 (por cento) indica que o sistema erra, em média, menos de 7 (por cento) do volume total de pratos por semana — referência adequada para decisões táticas de escala de equipes e planejamento de compras por grupo de produto. A diferença de desempenho entre os níveis hierárquicos — com menor erro nos níveis mais agregados (grupos e famílias) e maior erro no nível de produto — reflete a maior volatilidade das séries individuais, padrão esperado e documentado na literatura de séries temporais hierárquicas. Esses resultados são compatíveis ou superiores aos reportados na literatura de previsão de demanda em food service, que tipicamente registra MAPE entre 15 (Por cento) e 35 (Por cento) para modelos estatísticos aplicados a restaurantes. Para o horizonte operacional de 1 mês à frente (4 semanas), o desempenho melhora de forma consistente em todos os modelos, reforçando a recomendação de uso de previsões de curto prazo com retreinamento semanal. Do ponto de vista gerencial, o sistema oferece previsões coerentes em múltiplos níveis de decisão: por produto, para planejamento de compras e controle de estoque; por grupo, para decisões táticas de categoria; e por restaurante, para dimensionamento de equipes. Os modelos desenvolvidos representam um produto mínimo viável funcional para apoio à gestão operacional da rede.