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 são modelos estatísticos acrescidos de poder computacional e as empresas querem usá-los porque estão aumentando seus níveis de maturidade com relação a Analytics e por isso conseguem entender os benefícios que eles podem trazer.
O nível de maturidade estatística engloba quatro passos. Vamos entender melhor o que é realizado em cada uma dessas etapas.
Análise descritiva: O que aconteceu?
Primeiro nível da análise e é considerado a mineração de dados na base do processo. Seu foco é no cenário passado, onde 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, visão do faturamento da empresa nas últimas 12 semanas ou 12 meses.
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 obter os resultados desejados. Por exemplo, visão das principais regiões com queda no faturamento e incidência de ruptura no abastecimento.
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 e suas variações e fazer previsões de como será o comportamento no futuro, dadas as condições atuais, utilizando 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 os proximos 15 dias; 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?
Muito confundida com a análise preditiva, mas em vez de tentar prever um determinado acontecimento, ela 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.
Cristiane Rodrigues, consultora de Pré-Vendas do SAS.
