A tendência é que, cada vez mais, as empresas utilizem da análise preditiva para um melhor entendimento dos seus negócios e para a entrega de serviços superiores a seus clientes. E não sou eu que estou dizendo. Quem está por trás dessa previsão é a Dell Technologies, no relatório “Next Era of Human-Machine Partnership”, desenvolvido em parceria com o Institute for the Future (IFTF). Eles analisaram como as tecnologias emergentes estão mudando a maneira como as empresas operam em diferentes áreas. De desenvolvimentos em inteligência artificial, passando pelo uso de cloud até tecnologias imersivas, como realidade aumentada.
Afinal, uma coisa é certa: Toda empresa tem sua operação baseada em um planejamento e, para que esse planejamento seja possível, alguma suposição sobre o futuro precisa ser feita. É neste contexto que a análise preditiva aparece como uma ferramenta muito poderosa para dar direcionamento e embasamento a essas suposições.
O que é Análise Preditiva?
A análise preditiva é um conjunto de algoritmos e técnicas estatísticas aplicadas em dados para estimar uma previsão de eventos futuros. Ela pode usar de informações provenientes da aplicação de outras técnicas, como machine learning, conjuntos específicos de dados históricos e interpretações sobre o passado a fim de detectar convergências e exceções. Desta forma, consegue evidenciar tendências e gerar insights sobre o futuro. A precisão da estimativa proporcionada pela análise preditiva depende da qualidade e consistência dos dados captados, os quais requerem tratamento cuidadoso e sistemático.
Qualquer tipo de empresa que precise, em algum momento, fazer uma suposição sobre futuro pode se beneficiar de análise preditiva. Diferentes informações podem ser obtidas a partir dela, a depender da área em que está sendo aplicada.
Uma possibilidade é estimar características importantes da matéria prima de um produto que não podem ser medidas previamente. Por exemplo: a qualidade de carvões utilizados na fabricação do coque (combustível derivado do carvão betuminoso) para alto-forno. Ou a previsão da porcentagem em massa de sacarose indicativa da pureza do caldo extraído da cana-de-açúcar (POL) em determinada área cultivada.
Em alguns casos, é possível, inclusive, ter uma série de modelos preditivos encadeados, o que ajuda na tomada de decisões em níveis tático, estratégico ou operacional.
Como funciona?
Geralmente, o conceito se baseia na criação de uma modelagem estatística preditiva, isto é, uma função estatística que, quando aplicada sobre os dados, gera uma previsão sobre um problema ou situação. Tecnologias como análise de séries temporais e machine learning exercem um papel relevante no processo, viabilizando, por meio de algoritmos, a interpretação de padrões dentro dos conjuntos de dados e a identificação de comportamentos de maneira autônoma.
Passado x Presente: o que mudou
Antigamente, era comum que executivos contassem com a observação e intuição para gerenciar a tomada de decisões e havia pouca capacidade de manter dados históricos, o que dificultava análises mais profundas.
Modelos preditivos era vistos quase que como mágica, e havia uma certa desconfiança em substituir o conhecimento de quem estava vivendo e acompanhando o dia-a-dia do negócio de perto por uma equação.
Com o aumento do volume de informações e ampliação das capacidades de armazenamento decorrentes do desenvolvimento tecnológico e computacional, as análises foram se tornando mais necessárias e conhecidas. Houve uma mudança de mindset: Modelos preditivos passaram a ser vistos como aliados, muitas vezes trazendo insights sobre algo que não havia sido pensado. Isso permite que o executivo foque seus esforços em pontos mais estratégicos para o negócio ou até mesmo, para áreas em que os modelos preditivos (ainda) não possuem performance tão boa quanto o seu feeling.
Benefícios
Organizações estão se voltando para a análise preditiva para aumentar sua lucratividade e vantagem competitiva. Com cada vez mais tipos e volumes de dados disponíveis, é crescente o interesse em usar estes dados para produzir informações valiosas para ajudar a resolver problemas e descobrir novas oportunidades.
Os benefícios são inúmeros:
- Melhoria das operações: com a previsão de tendências, estoque e recursos, é possível planejar para impulsionar o desempenho nos negócios, aumentando a eficiência operacional;
- Otimização de campanhas e fidelização dos clientes: a análise preditiva possibilita estabelecer relações mais profundas com os clientes e, consequentemente, uma tomada de decisões mais estratégica. Ajuda a empresa a atrair, reter e expandir seus clientes mais lucrativos;
- Detecção de fraudes: com a combinação de diferentes métodos de análise, é possível identificar padrões e melhorar a detecção de fraudes ou vulnerabilidades e evitar comportamentos criminosos;
- Redução de risco: com o uso de pontuação de crédito, gerado por um modelo preditivo que incorpora todos os dados relevantes para a credibilidade de uma pessoa, é possível avaliar o perfil do comprador por padrão de compras.
Não se trata apenas de captação de dados, mas de análise de processos
Quando uma empresa busca um parceiro para otimizar seus negócios por meio da análise preditiva, a iniciativa geralmente parte da área de planejamento, que seria a consumidora da previsão. Outro contato bem comum é junto ao time de TI, pois é necessário acessar ambientes de consumo de informação.
A UniSoma atua há mais de 30 anos auxiliando empresas por meio de soluções em advanced analytics e entende que, para a parceria funcionar devidamente, o primeiro passo é fazer uma imersão nos negócios do cliente, a fim de entender o negócio como um todo. Não se trata apenas de capturar os dados. Sair à campo, visitar as plantas, conversar com pessoas que influenciam o objeto de estudo é fundamental para entender o processo como um todo e, a partir daí, extrair as melhores possibilidades da modelagem dos dados.
Apesar da tendência citada lá no começo deste artigo, muitas empresas ainda não contam com profissionais capacitados para uma abordagem preditiva. Ou, por não executarem nenhum tipo de análise, sequer cuidam ou guardam seus dados – que são fundamentais para a elaboração de modelos. Como resultado, acabam perdendo ótimas oportunidades de fazerem um planejamento mais acurado ou consumindo um tempo precioso tentando prever e organizar informações puramente intuitivas.
Então, enquanto algumas análises geram dados para uma abordagem reativa, a preditiva faz de seus usuários agentes proativos de uma tomada de decisões, para um planejamento estratégico embasado em fatos. Pensando nestes dois cenários, em que lado você está?
* Paola Tame, Desenvolvimento de Soluções
Formada em Estatística pela UNICAMP, trabalha há quase 15 anos no desenvolvimento de sistema de suporte à decisão. Líder de projetos preditivos na UniSoma, atuou em projetos de grandes empresas como ArcelorMittal, Astral Foods, Aurora Alimentos, BRFoods, Embraer, Flora, Furukawa, Kroton, Marfrig, Oji Papeis Especiais, Rede e Tuper.
