É crescente o número de empresas que se declaram Data Driven, mas o que é ser uma empresa Data Driven? Esse é um novo método de tomada de decisão que se baseia em dados, porém, para que os dados sejam úteis e ajudem a tomada de decisão, eles precisam ser interpretados e minerados, em busca da extração de valor. Existem três maneiras principais para uma área de Analytics ajudar na tomada de decisão de forma automatizada, são elas:
- Descritiva (responde à pergunta: o que aconteceu e por quê?)
- Esse método busca entender quais foram os resultados passados e também tem como finalidade buscar insights para uma maior assertividade no futuro, baseado na hipótese que as coisas continuarão como estão. Em um mundo onde a inovação e a mudança são o mote de muitas empresas, uma imagem do passado pode ter capacidade limitada para orientar decisões futuras.
- Quando usar: necessidade de sumarizar resultados para áreas de negócio, ou comparar dois métodos para ver qual o melhor.
- Técnicas: mineração, agregação de dados e testes A/B.
- Preditiva (responde à pergunta: o que é provável de acontecer no futuro?)
- Análises preditivas buscam prover insights do que é provável de ocorrer no futuro. Elas utilizam-se de dados, modelos estatísticos e de Machine Learning para estimar o próximo cenário. Com uma visão assertiva do futuro, é possível tomar decisões corretas, que prepararão a empresa para os próximos passos.
- Quando usar: quando se quer estimar valores futuros.
- Técnicas: estatística, Machine Learning.
- Prescritiva (responde à pergunta: o que devemos fazer quando “x” acontecer?)
- Unida com a análise preditiva, essa ferramenta se torna muito poderosa. Ela tem como finalidade fazer a prescrição de ações a se tomar dado os acontecimentos que ocorreram ou irão ocorrer.
- Quando usar: quando se deseja tomar ações complexas que envolvem muitas variáveis.
- Técnicas: otimização e heurísticas.
Além desses 3 tipos de análises, os modelos de Machine Learning são muito utilizados para a realização de tarefas repetitivas, como analisar imagens, extrair seus conteúdos e até criar grupos de clientes que possuem semelhança entre si para direcionar campanhas mais personalizadas e eficazes à essas pessoas. O objetivo da ciência de dados é, portanto, criar esses algoritmos (personalizados para cada tipo de problema) para que as empresas consigam extrair valor dos seus dados, tomar decisões baseadas neles e diminuir o custo dessa tomada de decisão.
Entre as diversas vantagens de utilizar dados como suporte ao negócio, é possível pontuar as seguintes:
- Maior agilidade na tomada de decisão
- Decisões mais assertivas
- Economia de dinheiro
- Desgargalamento de processos
- Melhor conhecimento do cliente
- Ter previsões de comportamentos futuros
- Investimento inicial baixo
- Maior visibilidade da saúde do negócio
- Se tornar mais competitivo
Mas como começar essa jornada? Existem diversas ferramentas no mercado, desde ferramentas open source até as de grandes companhias, que possuem a vantagem de disponibilizar um suporte técnico.
Quais problemas de negócio podemos resolver?
Abaixo, estão dispostos alguns exemplos de necessidades que o cliente pode apresentar e algoritmos que desenvolvemos para saná-las. Você já teve ou tem alguma dessas dúvidas?
Clusterização / Filtro colaborativo
- Que produtos devo recomendar para clientes específicos?
- Como aumentar minhas vendas?
- Quais são os perfis dos meus clientes?
- Qual o perfil dos meus transportadores?
Previsão de demanda
- Quantos produtos devo ter em estoque?
- Quanto espero vender mês que vem?
- Quanto desconto devo colocar no produto para aumentar meu lucro?
- Como funciona a curva de demanda para o preço do meu produto?
- Quanto cobrar pelo meu produto?
Manutenção preditiva
- Quando devo fazer a manutenção dessa máquina?
- Quanto tempo essa máquina pode funcionar até quebrar?
- Minha máquina está operando em sua normalidade?
Detecção de anomalias
- Esse comportamento é fraudulento?
- Esse comportamento foge do padrão?
Eficiência Energética
- Que atitudes tomar para melhorar a eficiência dessa máquina nesse momento?
- Qual variável influenciou essa baixa de eficiência?
- Como reduzir os custos de ar condicionado/equipamento (que possa ser ligado/desligado)?
Previsão Logística
- Quando minhas entregas vão chegar no cliente final?
- Quando meus pedidos chegarão?
- Como controlar meu supply chain?
Previsão de Churn
- Quais clientes estão perto de sair da empresa?
- Que atitudes tomar para esse cliente não sair da empresa?
Análise de imagem
- Quantas pessoas estão na minha loja?
- Qual o perfil dessas pessoas? (idade, sexo, etc)
- Como extrair automaticamente características de fotos/vídeos?
- Monitoramento de câmeras:
- Como posso detectar itens?
- Como detectar atividades suspeitas?
Teste A/B
- Qual desses métodos é o melhor para eu abordar os clientes?
- Qual abordagem é melhor, X ou Y?
Essas são apenas algumas das perguntas de negócio que a ciência de dados pode responder. Você reparou que elas têm uma coisa em comum? Sim, o uso de dados faz parte da resposta para todas essas perguntas, e não é à toa que eles são tão importantes para as empresas, independente do seguimento. Tendo isto em mente, a frase “dados são o novo petróleo” faz cada vez mais sentido, pois eles são mesmo o combustível que move os negócios.