A análise preditiva pode ser definida resumidamente, no contexto da IA, como um método avançado que utiliza algoritmos, estatística e técnicas de aprendizagem de máquina para antecipar tendências ou fazer projeções para negócios, por exemplo. Apesar da correlação estabelecida com a IA soar moderna, há referências bem antigas sobre o uso da predição em diferentes contextos, como o primeiro modelo preditivo para análise de crédito em 1958, ou o sistema de controle antiaéreo Kerrison Predictor, criado em 1940.

Há muito tempo e em diversas áreas de interesse, a predição é um tópico que conquista a atenção de quem busca otimizar algum tipo de resultado. Quem possivelmente comprará meu produto? Qual time vencerá a partida? Estas são apenas algumas de questões muito recorrentes que consistem num exemplo objetivo para a compreensão do valor das predições. De certa forma, todos nós já desejamos poder prever o futuro por alguma razão.

Destacamos com frequência a grande importância dos dados, tanto para a orientação de negócios quanto para a tomada de decisão em geral, e com a análise preditiva não poderia ser diferente, os dados figuram como o combustível para o processo. De certo modo, a conhecida frase do filósofo, poeta e ensaísta George Santayana, “Aqueles que não podem lembrar o passado estão condenados a repeti-lo”, serve também para nos lembrar da importância dos dados históricos para a análise preditiva.

Poder computacional, grandes volumes de dados, modelagem estatística e machine learning são alguns dos ingredientes que viabilizam a análise preditiva via Inteligência Artificial, levando a resultados precisos de forma extremamente rápida. Entre as fontes de dados estão bancos de dados transacionais, sensores, imagens, vídeos e registros ou arquivos de log das atividades de equipamentos, por exemplo.

Através da combinação das variáveis tecnológicas, dados e conhecimentos específicos de equipes multidisciplinares, Cientistas de Dados obtêm insights para as particularidades de cada desafio apresentado. Com o suporte do deep learning e redes neurais, realizam regressões e identificam padrões que permitem a posterior análise prescritiva, onde são geradas recomendações a serem adotadas diante do cenário estudado.

Onde aplicar a Análise Preditiva?

Quando há dados, e a necessidade de se estimar um resultado, a análise preditiva pode ser aplicada para cumprir seu papel orientador nos mais diversos campos, vejamos alguns exemplos:

Indústria e manufatura

Já faz muito tempo que as fábricas lidam com equipamentos para aumentar a eficiência e atingir índices de produção capazes de suprir a demanda do mercado, logo, as máquinas são fundamentais no processo e não podem parar. Diante deste cenário, a análise preditiva pode levar a manutenção a um outro nível, antecipando problemas ou paradas repentinas na produção, por exemplo.

Entre os benefícios da resultante manutenção preditiva, podem ser citados:

• Redução de 50 a 80% dos custos de manutenção
• Redução de 50 a 60% nas falhas
• Redução do tempo de parada para reparo entre 50 e 80%
• Redução de 20 a 30% no estoque de peças reserva
• Aumento de 20 a 40% da vida útil dos equipamentos
• Aumento de 20 a 30% na produtividade

Varejo

O impacto provocado pela chegada da pandemia da Covid-19 no início do ano passado, seguido pelas recomendações de isolamento social e fechamento de shoppings e do comércio impulsionaram o e-commerce no Brasil, mas, apesar da crescente e repentina adesão do consumidor, a taxa média de conversão no digital (cerca de 1,33%) não é tão animadora.

Além das estatísticas indicando que é preciso impactar 1000 usuários para realizar 13 vendas, a gestão dos estoques, logística e precificação são pontos críticos para o sucesso de quem vende, tanto online quanto nas lojas físicas. Em todos os casos é possível contar com a análise preditiva, de forma a compreender o comportamento do consumidor e exibir ofertas alinhadas ao seu perfil, avaliar sazonalidade e outros fatores para identificar o estoque ótimo, ou alimentar a cadeia de distribuição de forma a minimizar o tempo de entrega e reposição, ampliando o grau de satisfação do consumidor.

Uma experiência positiva ao consumidor pode ser gerada ou reforçada através da utilização de análises preditivas, fortalecendo a imagem e a competitividade dos lojistas, estejam eles online ou não. Entre os benefícios para os varejistas podemos citar:

• Previsão de demanda e volume de vendas
• Definição ideal de descontos
• Prevenção de fraudes
• Definição de estratégias diferenciadas por produto
• Estratégias de marketing orientadas pelo comportamento do consumidor
• Redução do tempo de entrega em um ambiente competitivo
• Eficiência na reposição das prateleiras em lojas físicas

Saúde pública

A gestão da saúde pública vive sob a pressão constante da limitação de recursos, seja no número de postos de atendimento ao cidadão, ou no volume de ambulâncias para emergências, resgates e transferências de pacientes, por exemplo.

Diante de um cenário complexo e uma área literalmente vital para a sociedade, a análise dos dados das atividades médicas pode, por exemplo, apontar a necessidade de reforço no volume de ambulâncias em uma região específica durante determinado período do ano, otimizando a utilização das unidades móveis de atendimento através do posicionamento estratégico orientado por dados. A aplicação da análise preditiva na saúde pode se traduzir em:

• Mais eficiência na gestão da cadeia de suprimentos e outros recursos
• Prevenção de doenças
• Melhorias na gestão de custos
• Otimização do tempo de trabalho
• Eficiência na análise de políticas a serem adotadas

Observar passado e presente para projetar o que está por vir, gerando prognósticos e recursos para a análise prescritiva, representam a essência da análise preditiva, uma técnica que tem como efeito a redução drástica das incertezas em operações relacionadas a praticamente qualquer área que disponha de bases de dados públicos ou proprietários.