Alguns mitos perduram em discussões sobre bancos de dados e seus processos de análise. Em primeiro lugar, há uma crença generalizada que as empresas de maior porte têm data warehouses (DW) de alto volume, organizadíssimos. Esse DW é explorado de forma regular, por processos, ferramentas preditivas e pessoas que conseguem extrair informações de grande valor para o negócio.
Na maior parte dos casos, observamos bases de dados bagunçadas, com qualidade de dados duvidosa. Boa parte das análises realizadas é operacional e não acarreta em mudanças na tomada de decisão. Análise preditiva ainda é um jogo para poucos.
Esse ponto de vista é endossado pelo Sr. Usama Fayyad (www.fayyad.com), um PhD que é hoje Chief Data Officer no Yahoo. Fayyad foi mais longe e afirmou: “Apesar de todo o barulho e contrariando o pensamento da maioria, a indústria de analytics ainda está em sua infância!”.
A mais recente pesquisa do The Data Warehouse Institute sobre o tema, denominada “Predictive analytics: extending the value of your DW”, publicada no final de 2007, mostra que apenas 6% das empresas pesquisadas consideram ter implantado totalmente análise preditiva em seu negócio.
Se os mitos caem por terra após uma análise mais detalhada, algumas regras hoje vigentes também merecem revisão. Eu gostaria de avaliar duas delas, de grande impacto para os resultados que podem ser obtidos no negócio.
Poucas análises preditivas resolvem todos os meus problemas – Será mesmo verdade? A maior parte das empresas que conheço conta com um número bastante reduzido de modelos estatísticos em produção, tipicamente algo entre três e dez. Esses modelos tratam os temas mais críticos da organização. Por exemplo, em bancos, quase sempre encontraremos um modelo de concessão de crédito e outro para gestão dos clientes em carteira. Em empresas de telecomunicações, é freqüente encontrarmos um para tratamento de churn e outros para venda cruzada dos principais produtos.
Um exame mais detalhado dos requisitos atuais de negócio mostra que não há atendimento com essas limitações. Empresas que realmente fazem a diferença com análises preditivas criam modelos para muitas funções do negócio: vendas, marketing, risco, operações, recursos humanos, etc. Em cada uma dessas áreas, elas procuram cavar mais fundo as oportunidades. Por exemplo, ao fazer modelos de campanhas de marketing direto, querem entender comportamentos diferentes por canais e produtos. Querem fazer todas as campanhas com o melhor alvo possível, mesmo que haja anúncios todos os dias úteis do ano. Há empresas fazendo milhares de modelos estatísticos por ano!
É preciso investir muito tempo para desenvolver uma análise estatística, por isso não posso fazer muitas em meu negócio – É quase um corolário da primeira regra. Dispor da desculpa do tempo acaba sendo confortável para empresas que não buscam um melhor entendimento e relacionamento com seus clientes.
Há know-how e tecnologia, tanto de bancos de dados quanto de análise preditiva, capazes de gerar modelos de excelente qualidade técnica, em poucos minutos. Todo esse ferramental reduz brutalmente os tempos dedicados à preparação de dados, criação dos modelos e rotinas de pontuação, tornando possível romper limites antes impensáveis. O resultado da queda dos mitos e regras é o aumento da competitividade empresarial, com vantagens muito difíceis de serem revertidas pelos demais players do mercado.
Mãos à obra!
Mãos à obra!
Leonardo Vieiralves Azevedo é presidente da WG Systems, tecnologia para tomada de decisão.
E-mail: [email protected]
E-mail: [email protected]
