A onda da inteligência artificial (IA) com a chegada ao grande público do ChatGPT gerou uma percepção de que essa tecnologia pode quase tudo. Mas não é bem assim. A IA tem mesmo um potencial gigantesco, mas tudo começa pelos dados.
Uma limitação importante da IA atualmente (pelo menos quanto aos produtos “de prateleira”) é acessar apenas bases de dados específicas. Elas não conseguem gerar dados novos ou acessar bases de dados de clientes ou de vendas de uma empresa, por exemplo. Essa característica impede a realização de análises preditivas complexas, que é um dos principais benefícios que essa tecnologia pode nos oferecer quando aplicada de forma profunda.
É aí que entra a ciência de dados, pois, além de organizar todo o arcabouço prévio, ela realiza as customizações necessárias, conecta as diversas pontas, permitindo outputs complexos e estratégicos como previsão de demanda, potencial de saída da base de clientes (churn), o LTV (life time value) e até quais perfis de clientes estão mais propensos a realizar uma compra.
Para isso, é fundamental uma grande maturidade de dados, a começar pela identificação de quais informações são realmente importantes para o negócio. Depois é importante captar, organizar e armazenar de forma adequada esta base que pode ser advinda tanto de fontes próprias (vendas, interações online, CRM etc.) como do mercado (pesquisas contratadas, bases públicas e privadas etc.). A criação de um data lake reunindo todas essas originações é um passo importante, pois se passa a ter uma fonte de referência e alimentação constante.
Nesse sentido, torna-se cada vez mais prioritário que a cultura de dados permeie a empresa como um todo, pois sua própria atuação e interações vai gerando mais conhecimento. Claro, a questão da privacidade e da Lei Geral de Proteção de Dados (LGPD) também devem prevalecer ao longo de toda a jornada.
Consolidada tal configuração, chega a hora de fazer as perguntas capitais para o negócio, já que essa abordagem permite gerar conhecimento para quase todas as áreas da empresa (desde que os dados estejam disponíveis), do RH e finanças a questões operacionais e mercadológicas em marketing e vendas.
Esse salto dado-conhecimento preditivo específico exige, porém, uma customização a partir dos já famosos algoritmos. É a partir do desenvolvimento deste algoritmo personalizado para a análise da base que se obtém resultados realmente importantes, um verdadeiro diferencial frente à concorrência. Ainda são poucas empresas no Brasil que chegam a este nível.
É importante ressaltar que essa abordagem permite análises em uma escala, complexidade (incluindo um imenso número de variáveis) e agilidade que um ser humano não consegue realizar, obtendo um resultado mais sólido.
Trago alguns exemplos para tangibilizar. Para uma fabricante de automóveis, cruzamos uma grande quantidade de dados com AI para gerar listas de potenciais compradores de carros com maior assertividade. Para uma grande rede de postos de gasolina, a partir de uma análise comportamental, conseguimos apontar quais membros do clube de vantagens tinham maior probabilidade de saída, dando margem a ações preventivas.
Vemos um grande potencial também na indústria do agro, mais acostumada a trabalhar com maquinário pesado para ganhos de produtividade. Seria possível a partir da análise de dados e IA fazer uma previsão da demanda de leite e seus derivados ao longo do ano. Assim como identificar as rotas mais problemáticas no transporte de grãos e outros produtos agrícolas. Esse mercado costuma dispor de dados históricos, falta dar o próximo passo e chegar à predição, o que certamente traria ganhos muito significativos.
A ciência de dados combinada com a IA, seguindo uma governança adequada, é um grande acelerador de transformações nos negócios, levando as organizações a novas fronteiras de resultados.
