Qual o nível de maturidade da sua empresa com relação a Analytics?

Modelos de machine learning estão cada dia mais em alta no mercado de trabalho. Mas o que são esses modelos? Por que eles ganharam tanto destaque? Por que todos querem usá-los?

Gosto de dizer que eles são modelos estatísticos acrescidos de poder computacional, e as empresas querem usá-los porque elas estão aumentando seus níveis de maturidade com relação a Analytics e, por isso, conseguem entender os benefícios que esses modelos podem trazer.

O nível de maturidade estatística engloba quatro passos. Vejamos o que é realizado em cada uma dessas etapas:

Análise descritiva: o que aconteceu?

O primeiro nível de análise também é considerado a mineração de dados na base do processo. Seu foco é no cenário passado, no qual é possível entender o que aconteceu no seu negócio, sem necessariamente relacionar esses fatos com padrões, para que decisões imediatas possam ser tomadas com segurança. Por exemplo, a visão do faturamento da empresa nas últimas 12 semanas ou 12 meses é um tipo de análise descritiva.

Análise diagnóstica: por que aconteceu?

Neste passo, queremos entender e explicar o que foi detectado na análise descritiva. Aqui surgem os primeiros insights baseados no passado, que ajudam a entender quais fatores devem ser ajustados em determinadas ações para que seja possível obter os resultados desejados. Por exemplo, a visão das principais regiões com queda no faturamento e a incidência de ruptura no abastecimento indicam quais áreas ou processos devem ser aprimorados para que um problema de negócios seja superado.

Análise preditiva: o que vai acontecer?

Este deve ser o tipo de análise mais conhecido no mercado. O objetivo aqui é analisar dados relevantes ao longo do tempo, buscar padrões comportamentais, além de suas variações, e prever como será o comportamento no futuro, dadas as condições atuais, tudo isso através de técnicas de previsão e machine learning. A ideia é deixar de tomar decisões baseadas somente na intuição, conseguindo definir algo mais sólido para cada ação. Por exemplo, prever qual será o faturamento para a próxima quinzena ou prever o número de chamadas recebidas em uma central de call center para os próximos dias, semanas ou meses.

Análise prescritiva: o que fazer se for acontecer?

Em vez de tentar prever um determinado acontecimento, a análise prescritiva busca trazer informações das consequências desse acontecimento. É muito útil, mas na maioria das vezes pouco utilizada por desconhecimento – segundo o Gartner, apenas 3% das empresas fazem uso dessa análise. Enquanto a análise preditiva foca em tendências de consumo do seu público, por exemplo, a prescritiva busca trazer um panorama dos tipos de produto que serão mais desejados ou o impacto que essas tendências terão no montante de vendas.

Após ter o conhecimento dos níveis de maturidade em analytics, podemos posicionar em qual nível a empresa que trabalhamos está e com isso definir os próximos passos para evoluir na cadeia.

Um bom exemplo são empresas que trabalham apenas com business intelligence, ou seja, com dashboards que indicam o que está acontecendo e por que está acontecendo. Elas costumam tomar suas decisões baseadas somente na intuição. Por isso, o próximo passo seria fazer um levantamento das informações disponíveis nas bases de dados, estruturá-las e partir para a análise preditiva.