Análises descritivas e preditivas são as ferramentas que um cientista de dados precisa aprender logo de cara. Elas são relativamente simples, mas possibilitam grandes melhorias no dia a dia da empresa. Já a prescritiva exige um conhecimento de negócios mais aprofundado e muitas vezes um trabalho em equipe junto aos gerentes. 

A análise descritiva é responsável por mostrar como estão os dados agora. A preditiva, como o nome indica, prevê futuros possíveis com base nos dados coletados no passado. E a prescritiva quais as melhores decisões que podem ser tomadas de acordo com cada cenário. 

Falamos sempre aqui no blog de como a quantidade de dados aumentou nas últimas décadas e a importância de saber trabalhar com eles. Uma das formas de analisar e retirar insights significativos de um banco de dados é através dessas análises. 

No artigo de hoje falaremos um pouco mais sobre elas, qual a diferença e onde são mais frequentemente usadas. Continue lendo para saber mais! 

Análise descritiva

tipos de análise descritiva

A análise descritiva, também chamada de exploratória, utiliza técnicas estatísticas para explicar os dados como estão no momento. Essa análise pode ser 

  • univariada: investiga uma única variável, ou uma coluna no banco de dados;
  • bivariada: investiga a relação entre duas variáveis;
  • multivariada: investiga a relação entre diversas variáveis ou colunas do banco.

Apesar de ser um processo mais básico e relativamente simples de ser feito, uma boa análise descritiva consegue responder muitas perguntas de negócio de maneira imediata. Por exemplo, qual artigo teve maior número de acessos no blog? Essa pergunta pode ser respondida apenas com a organização do banco de dados ou com a construção de um gráfico. Essa análise não exige um modelo estatístico nem cálculos muito complexos, apenas uma apresentação inteligível dos dados.

Esse tipo de análise é a mais presente em relatórios estatísticos simples, gerados automaticamente. É importante para ver quais foram os resultados de diferentes áreas da empresa e ajudar nos insights sobre o que funcionou ou não. Nesse processo são apresentadas estatísticas descritivas, que descrevem os dados como média, mediana, moda, máximo, mínimo, percentis entre outros.

Mas a estatística não serve apenas para olhar para o passado e entender o que houve, ela também ajuda a se preparar para o futuro. Uma das formas de fazer é prever o que irá acontecer e isso só é possível com uma análise preditiva. 

Análise preditiva

A análise preditiva é feita por meio de um modelo preditivo, uma fórmula, para estimar um parâmetro desconhecido. Essa fórmula pode ser tanto uma expressão matemática quanto uma declaração lógica, ou a junção dos dois. Mas o que seria esse modelo preditivo? Um modelo, no geral, é uma forma de representação simplificada da realidade com um objetivo definido. E essa simplificação é feita de acordo com o objetivo do modelo ou com as possibilidades oferecidas pela base de dados. 

O modelo preditivo é julgado pelo seu desempenho preciso. Ele precisa ser inteligível e oferecer resultados confiáveis já que é com base neles que são tomadas as decisões dentro de uma empresa. 

Por exemplo, lojas com um enorme histórico de vendas como o Walmart conseguem prever quais os produtos mais procurados e que vendem mais depois de uma tempestade ou durante os diferentes ciclos de vida de uma pessoa. Sabendo quais produtos vendem mais em determinado momento é possível se preparar para o que irá acontecer. 

Uma análise preditiva também é capaz de encontrar qual o perfil de cliente que tende a não renovar contrato com uma empresa ou aqueles que têm grande chance de pedir um cancelamento do serviço. 

Quando conseguimos identificar esses pontos de interesse e prever como eles irão se comportar podemos passar para a próxima etapa que é: o que fazer com essa informação? Após saber que as pessoas compram mais água depois de uma tempestade como se preparar para esse acontecimento? Depois de identificar quais clientes têm mais chance de deixar a empresa, o que fazer com eles? Qual ação vai trazer mais resultados positivos para a empresa? É aí que entramos na análise prescritiva.

Análise prescritiva

Também conhecida como análise de recomendação, é quando unimos as análises descritiva e preditiva com o conhecimento de negócios. Essas três frentes unidas são capazes de recomendar ações tomadas de maneira automática, otimizar os processos e escalar a tomada de pequenas decisões. Assim é possível economizar tempo e alcançar melhores resultados. 

análise prescritiva é a junção das outras com o conhecimento de negócios

A ideia aqui é fornecer recomendações inteligentes para ajudar a alterar o futuro. Enquanto as análises preditivas prevêem futuros possíveis, as análises prescritivas criam suas recomendações específicas para lidar com esse futuro.

O aplicativo Waze é um exemplo claro de aplicação cotidiana dessa análise. Nele é possível colocar um lugar de partida e um destino para que o app calcule as rotas possível, quanto tempo cada rota demora para ser feita e indica qual a melhor para aquele dia e horário.

As análises prescritivas na maioria das vezes dependem de um esforço em equipe para funcionarem. É preciso criar recomendações alinhadas com o contexto da empresa e com as condições de cada equipe que irá realizar essas ações. 

Ainda, a prescrição pode ser resultado de uma ferramenta de simulação de cenários, criada a partir de análises preditivas, onde a simulação envolve também a parametrização realizada pelos tomadores de decisão. Assim, podem visualizar diferentes resultados possíveis a partir de parâmetros pré-estabelecidos.

Case da Target

A Target que foi capaz de saber que uma moça estava grávida antes mesmo da família. E realizou isso baseando-se apenas nos seus hábitos de compra. A ação da loja era a seguinte: eles conduziram uma pesquisa junto às clientes grávidas para saber quando era a possível data de nascimento dos bebês. Monitoraram os hábitos de compra dessas mulheres mês a mês para entender o que mudava. Isso incluía perfumes e cremes com cheiros mais suaves ou sem cheiro, diferentes suplementos de vitaminas, entre outros produtos. 

Com o grande fluxo de informação das clientes, a loja se adiantou e ofereceu descontos em produtos que elas precisariam. Itens como fraldas, lenços e berços eram as compras mais comuns das futuras mães. Para engajar esse público a empresa começou a gerar cupons automáticos para esses produtos.

Foi assim que uma das clientes começou a receber cupons de desconto para produtos relacionados à maternidade. A família não entendeu o motivo e seu pai ficou incomodado achando que a empresa estava estimulando sua filha a engravidar. Semanas depois a jovem anunciou a gravidez. 

A estratégia da loja por trás dessa ação era atingir o público antes dos concorrentes. E fidelizar as clientes por meio dos cupons de desconto nas lojas, antes mesmo das crianças nascerem. As outras empresas, no geral, só começam essa campanha depois das gestantes se tornarem mães. Por isso acabam perdendo esse público para a Target que já estava trabalhando com estratégias de marketing orientado a dados há mais tempo. 

Gostou do nosso conteúdo? Continue de olho no blog da Oper para acompanhar todas as postagens. 

0 respostas

Deixe uma resposta

Quer participar dessa discussão?
Sinta-se livre para contribuir!

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *