Fazer previsões é (e sempre foi) uma das tarefas mais árduas e ingratas que um decisor realiza em sua rotina corporativa. Essa visão futura é insumo imprescindível nas decisões que precisam ser tomadas em processos cada vez mais dinâmicos e incertos, e que determinam o sucesso ou fracasso das organizações em um mundo de competividade cada vez mais acirrada.
Por suas próprias dinâmicas, sem levar em consideração agentes externos adicionais, o ambiente de negócios em que vivíamos (o “velho normal”) já apresentava um conjunto de características desafiadoras que se resume bem sob o acrônimo VUCA – Volatility, Uncertainty, Complexity, Ambiguity.
Nesse contexto, planejar as ações de curto, médio ou longo prazo também representava um esforço gigante nas mãos de gestores. Em grande parte das vezes, dependendo apenas de seu conhecimento empírico do negócio e do mercado, empregavam todo o tempo disponível na tarefa de lidar com uma infinidade de alternativas e apontar aquela que, aparentemente, traria melhor resultado para sua companhia.
Muitas vezes, os ambientes eram tão dinâmicos que, ao tentar colocar em prática as decisões tomadas, o cenário divergia a ponto das premissas consideradas já não serem mais válidas. Assim, decisores se viam obrigados a revisitar seus planos e cálculos.
Não deveria ser novidade, mas é precisamente nesse tipo de ambiente que as metodologias e ferramentas de Inteligência Artificial (IA), impulsionadas por Advanced Analytics, concentram seu melhor uso, sua performance mais significativa.
Conseguimos avançar bem a ponto de modelos estatísticos e algoritmos computacionais de aprendizado (machine learning) apontarem previsões cada vez mais aderentes à realidade – demanda é o caso mais comum disso. Combinados com o uso de ambientes colaborativos – cada vez mais intuitivos, personalizados e próximos às diferentes jornadas e workflows dos colaboradores -, esses modelos facilitam o consenso em planos robustos para as organizações. O planejamento também se beneficia deste toolkit atual de alternativas analíticas que permitem a tomada de decisões mais quantitativamente embasadas.
Analytics: holofote para melhores caminhos e decisões
Assim, não é exagero afirmar que o Analytics funciona como um holofote nas nebulosidades que são impostas às operações que se regem pelas características VUCA. Nesse sentido, os modelos matemáticos de otimização empoderam os decisores com ferramentas que permitem encontrar soluções surpreendentemente melhores que as empíricas, mesmo em ambientes com constantes mudanças e incertezas.
Em 2019, durante um importante evento brasileiro de gestão, o Diretor de Supply Chain da Tereos, Carlos Martins, declarou que o uso constante e bem aplicado de ferramentas analíticas como suporte às decisões de S&OP mudam o significado de VUCA: por permitir maior visibilidade em um ambiente volátil, V passa a significar visão (vision); por permitir a obtenção de bons resultados mesmo em ambientes incertos, o U passa a ser de entendimento (Understanding); com o tratamento das complexidades de forma otimizada, o C vira clareza (Clarity); e por fim, o A ganha sentido em agilidade (Agility), já que essas metodologias permitem rápida resposta a eventos inesperados.
O VUCA no “novo normal”
Não é preciso dizer que com a crise gerada pelo Corona Vírus, as características do ambiente VUCA se intensificam ainda mais.
Se até então os padrões do passado nos davam indícios dos acontecimentos futuros, agora isso deixa de ser uma verdade na extensa maioria dos casos. Temos variáveis novas e desconhecidas que mudam a forma de percebermos os fatos e tomarmos as decisões.
Assim, ficou mais difícil fazer previsões. Os modelos preditivos que antes entregavam resultados aderentes aprendendo com as tendências e sazonalidades de uma série histórica enfrentam dificuldades com esse período. Não há espelhos do que se passa agora com o mercado na história recente utilizada como inputs desses modelos.
E como não sabemos bem o que está por vir e como exatamente será esse “novo normal” de que tanto se fala, pode ser que a história gerada nesses meses de pandemia também atrapalhe a acuracidade desses modelos no futuro próximo.
Dados e Análises
Seja como for, um modelo de predição, por melhor que seja, deveria ser entendido como mais um artefato de apoio às decisões, e não como o único. A melhor estratégia sempre foi a de combiná-los com outras fontes de informações. No planejamento de vendas, por exemplo, o ferramental mais adequado para suportá-lo é combinar a predição feita por modelos estatísticos ou algoritmos de machine learning com um workflow de colaborações de agentes em vários níveis da empresa.
Desta forma, é possível melhorar a história contada pelos dados do passado com as informações do que se passa no mercado agora, seja com indicadores econômicos, seja com conhecimentos específicos de uma região, de uma campanha publicitária ou de uma nova política de preços.
Se a fase que estamos vivenciado é pautada pelo menos previsível, fazer melhor uso desses ambientes computacionais de workflow e de colaboração é a chave para garantir que os planejamentos de demanda se mantenham minimamente aderentes.
Já as ferramentas de IA para prescrição, usualmente na forma de otimizadores matemáticos, têm seu uso impulsionado no meio de tantas incertezas. Como dependem menos dos dados históricos e mais dos cenários correntes, podem ser utilizadas para melhorar as decisões. Assim como os ambientes colaborativos no caso preditivo, a simulação de cenários otimizados ganha força no caso da prescrição em momentos como os que vivemos atualmente.
A dinâmica de uso de um otimizador baseia-se na geração de um cenário para decisões, em que são configurados os dados mestres e transacionais, para que o algoritmo de inteligência computacional aponte o melhor plano de ação.
Se o leitor conhece um pouco dessa técnica, sabe que uma das grandes vantagens no uso desse tipo de ferramenta analítica é que o tratamento das complexidades e a consideração das (infindáveis) variáveis envolvidas nas decisões são feitas de forma muito ágil, liberando tempo precioso para que o decisor possa analisar vários cenários.
Com o apoio consultivo da UniSoma, um bom número de empresas já consegue representar, de forma automática, as incertezas típicas deste momento (riscos, demanda, variações cambiais, etc.) em centenas de cenários que são processados pelo algoritmo otimizador. Dessa forma, panoramas de ação são traçados considerando as variações possíveis do negócio e do mercado, possibilitando a elas decisões mais acertadas, mesmo sob as intempéries dessa crise atual.
Luciano Moura é Mestre em Engenharia Elétrica e Bacharel em Matemática Aplicada e Computacional pela Unicamp. É sócio e diretor Comercial da UniSoma.
