Da planilha que descreve o passado ao sistema que sugere o pr\u00f3ximo passo, entenda por que a maioria das empresas ainda para no meio do caminho.<\/b><\/p>\n
Boa parte das empresas olha para os pr\u00f3prios dados todos os dias e, ainda assim, decide como decidia antes, avalia Andr\u00e9 de Barros Faria, CEO da Vert Analytics, com forma\u00e7\u00e3o executiva em intelig\u00eancia artificial pela University of Chicago. Relat\u00f3rios chegam, gr\u00e1ficos s\u00e3o apresentados, e a conversa termina em impress\u00f5es pessoais.<\/p>\n
O problema raramente \u00e9 a falta de informa\u00e7\u00e3o. \u00c9 o tipo de pergunta que os dados est\u00e3o sendo usados para responder. A intelig\u00eancia anal\u00edtica \u00e9 justamente a capacidade de avan\u00e7ar nessas perguntas, saindo do que aconteceu para o que deve ser feito. Uma classifica\u00e7\u00e3o amplamente utilizada, tamb\u00e9m apresentada pela IBM, organiza esse avan\u00e7o em quatro n\u00edveis, cada um mais exigente e mais valioso que o anterior.<\/p>\n
O que os relat\u00f3rios mostram e o que deixam de fora<\/b><\/p>\n
O primeiro n\u00edvel \u00e9 a an\u00e1lise descritiva. Ela responde o que aconteceu: quanto se vendeu, quantos clientes cancelaram, qual foi o custo do trimestre. \u00c9 a base de qualquer gest\u00e3o, e muitas empresas j\u00e1 operam nesse est\u00e1gio.<\/p>\n
O segundo n\u00edvel, a an\u00e1lise diagn\u00f3stica, pergunta por que aconteceu. Se os cancelamentos subiram, em qual regi\u00e3o, em qual perfil de cliente, depois de qual mudan\u00e7a? Aqui o trabalho deixa de ser apenas somar n\u00fameros e passa a exigir cruzamento de fontes e hip\u00f3teses testadas.<\/p>\n
Quando os dados passam a antecipar<\/b><\/p>\n
Uma distribuidora percebe que certos clientes reduzem gradualmente o volume de pedidos semanas antes de abandonar a empresa. Um modelo treinado com esse hist\u00f3rico passa a sinalizar, com anteced\u00eancia, quem est\u00e1 prestes a sair.<\/p>\n
Esse \u00e9 o terceiro n\u00edvel, a an\u00e1lise preditiva. Com t\u00e9cnicas de machine learning, o sistema identifica padr\u00f5es que se repetiram no passado e estima a probabilidade de que voltem a acontecer. Na leitura de Andr\u00e9 Faria, \u00e9 nesse ponto que os dados deixam de servir para explicar resultados e come\u00e7am a influenciar o que ainda pode ser mudado.<\/p>\n
Previs\u00e3o, por\u00e9m, n\u00e3o \u00e9 certeza. Um bom modelo informa tamb\u00e9m o grau de confian\u00e7a de cada estimativa, o que permite \u00e0 equipe concentrar esfor\u00e7os nos casos de maior risco em vez de tratar todos da mesma forma.<\/p>\n
A etapa em que a an\u00e1lise recomenda o que fazer<\/b><\/p>\n
Saber que um cliente provavelmente vai cancelar n\u00e3o resolve o problema. O quarto n\u00edvel, a an\u00e1lise prescritiva, vai al\u00e9m e sugere a melhor a\u00e7\u00e3o: oferecer uma condi\u00e7\u00e3o comercial, acionar um atendimento especial ou simplesmente n\u00e3o fazer nada, porque o custo de reter aquele cliente supera o retorno.<\/p>\n
“O dado ganha valor quando muda uma decis\u00e3o e permite avaliar depois se a escolha produziu o resultado esperado. Sem esse ciclo, a empresa apenas descreve o passado com mais detalhes”, afirma Andr\u00e9 de Barros Faria.<\/p>\n
Para chegar a essa recomenda\u00e7\u00e3o, o sistema combina a previs\u00e3o com regras de neg\u00f3cio, restri\u00e7\u00f5es de or\u00e7amento e simula\u00e7\u00f5es de cen\u00e1rios. Andr\u00e9 Faria pontua que, quando integrado \u00e0 opera\u00e7\u00e3o, pode inclusive executar parte das a\u00e7\u00f5es por conta pr\u00f3pria, sob limites definidos. \u00c9 aqui que a intelig\u00eancia anal\u00edtica encontra a hiperautoma\u00e7\u00e3o e os agentes aut\u00f4nomos de IA.<\/p>\n
Por que poucas empresas chegam ao \u00faltimo n\u00edvel<\/b><\/p>\n
O salto entre os n\u00edveis n\u00e3o \u00e9 apenas tecnol\u00f3gico. A an\u00e1lise preditiva exige dados hist\u00f3ricos consistentes e bem organizados. A prescritiva exige, al\u00e9m disso, que a empresa saiba traduzir seus objetivos em crit\u00e9rios claros, como margem m\u00ednima, prioridade de atendimento ou toler\u00e2ncia a risco.<\/p>\n
Muitas organiza\u00e7\u00f5es tentam pular etapas e investem em modelos sofisticados sem ter resolvido o b\u00e1sico. O executivo considera esse atalho um dos motivos mais comuns de frustra\u00e7\u00e3o com projetos anal\u00edticos, porque um modelo preditivo constru\u00eddo sobre dados fr\u00e1geis entrega previs\u00f5es fr\u00e1geis com apar\u00eancia de precis\u00e3o.<\/p>\n
Maturidade anal\u00edtica se mede pela pergunta<\/b><\/p>\n
Em \u00faltima an\u00e1lise, Andr\u00e9 de Barros Faria salienta que o n\u00edvel anal\u00edtico de uma empresa n\u00e3o depende da quantidade de pain\u00e9is nem do volume de dados armazenados. Depende da pergunta que ela consegue responder com confian\u00e7a.<\/p>\n
Organiza\u00e7\u00f5es que perguntam apenas o que aconteceu administram o passado. As que conseguem perguntar o que deve ser feito passam a disputar o futuro com uma vantagem dif\u00edcil de copiar: decis\u00f5es melhores, tomadas mais cedo e apoiadas por crit\u00e9rios mais claros e verific\u00e1veis, sem eliminar o julgamento executivo.<\/p>\n
A OESP<\/b> n\u00e3o \u00e9(s\u00e3o) respons\u00e1vel(is) por erros, incorre\u00e7\u00f5es, atrasos ou quaisquer decis\u00f5es tomadas por seus clientes com base nos Conte\u00fados ora disponibilizados, bem como tais Conte\u00fados n\u00e3o representam a opini\u00e3o da OESP<\/b> e s\u00e3o de inteira responsabilidade da Ag\u00eancia Saftec<\/b><\/p>\n","protected":false},"excerpt":{"rendered":"Da planilha que descreve o passado ao sistema que sugere o pr\u00f3ximo passo, entenda por que a maioria das empresas ainda para no meio do caminho. Boa parte das empresas olha para os pr\u00f3prios dados","protected":false},"author":1,"featured_media":144156,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"footnotes":""},"categories":[525],"tags":[],"class_list":["post-144155","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-saftec-digital"],"acf":[],"_links":{"self":[{"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/posts\/144155","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/comments?post=144155"}],"version-history":[{"count":0,"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/posts\/144155\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/media\/144156"}],"wp:attachment":[{"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/media?parent=144155"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/categories?post=144155"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/bluestudio.estadao.com.br\/agencia-de-comunicacao\/wp-json\/wp\/v2\/tags?post=144155"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}