Análise De Dados: Entendendo Análise Preditiva Com One Piece

#Estrutura de dados

Se você assiste One Piece ou já ouviu falar desse anime, deve saber que esse anime é considerado bem grande. Com mais de mil episódios, One Piece traz as aventuras de Luffy e sua tripulação, mas neste artigo não iremos falar sobre o protagonista ou seus companheiros. Hoje iremos falar sobre um personagem que tem a habilidade de prever o futuro e no decorrer deste artigo você vai entender qual a relação deste personagem com a Análise de dados, mais especificamente com a Análise Preditiva.

Através de um treinamento, Charlotte Katakuri obteve a habilidade de prever alguns segundos do futuro. Com essa habilidade ele adquiriu vantagem sobre seu oponente durante as batalhas, além de prever o que outras pessoas vão falar e quais ações elas vão tomar em algumas situações. Graças a isso, ele consegue reagir dependendo do que foi visto no futuro.

Analisando o trecho que lemos agora pouco, podemos destacar três informações que serão úteis para que você entenda o que é análise preditiva. Essas informações são:

Prever o futuro;
Treinamento;
Vantagem.

Basicamente, análise preditiva diz respeito ao processo que utiliza dados para prever resultados futuros, como a probabilidade de um cliente comprar um produto ou esse produto ter uma demanda alta no futuro. Nessa análise usamos modelos preditivos que passarão por um treinamento para que seja possível identificar padrões e posteriormente prever resultados de forma correta e eficiente. Ao prever resultados corretamente, essa análise permite que a empresa usufrua de diversas vantagens que poderão gerar lucros para a empresa.

Modelo Preditivo

Lembra que eu falei que o Katakuri passou por um treinamento para obter a habilidade de ver o futuro? Então, quando buscamos aplicar análise preditiva numa empresa, nós precisamos passar por um processo que envolve treinamento. Mais para frente comentaremos sobre esse processo, está bem? Por enquanto eu quero te mostrar um assunto que é essencial e voltará a ser mencionado no tópico “Como Aplicar Análise Preditiva Na Empresa” na etapa "Desenvolver o Modelo Preditivo".

Bom, primeiramente precisamos entender o que é um modelo preditivo. Basicamente estamos falando de uma função matemática que será utilizada nos dados que foram coletados para servir de base para as previsões. Através desse modelo será possível identificar padrões e com esses padrões podemos prever alguns resultados, como por exemplo, prever uma alta demanda de um produto no futuro.

Agora que você sabe o que é um modelo preditivo, vamos conhecer os dois tipos de modelos que existem. O primeiro é o Supervisionado e o segundo é o Não Supervisionado.

Modelo Preditivo Supervisionado

Quando falamos sobre a abordagem supervisionada, temos que ter a ciência de que:

Essa abordagem trabalha com dados de entrada e saída;
Os dados são rotulados (significa que um especialista analisou e classificou esses dados).

Nessa abordagem o modelo passará por um treinamento, no qual ele terá que mapear os dados que foram disponibilizados e após isso identificar padrões existentes nos dados de entrada e saída.

Dentro desse modelo temos duas categorias, sendo elas: classificação e regressão. Na classificação os dados serão classificados em suas devidas categorias e o dado de saída será uma categoria. Já na regressão, o dado de saída será um valor numérico contínuo.

Modelo Preditivo Não-Supervisionado

Quando falamos sobre a abordagem não supervisionada, estamos falando de uma abordagem que trabalha apenas com dados de entrada sem rótulos, portanto, nessa abordagem o modelo precisa identificar padrões por conta própria sem o auxílio de rótulos.

Dentro desse modelo temos algumas categorias, sendo elas: Clustering e Redução da Dimensionalidade. No caso do clustering, estamos falando de um processo que irá dividir os dados e agrupá-los em grupos baseados em suas semelhanças. Já na Redução da Dimensionalidade, estamos falando de um processo que irá eliminar redundâncias e preservar as informações significativas dos dados.

Vantagens Da Análise Preditiva

Durante o anime, vemos Katakuri tomando decisões baseadas nas previsões que ele teve. Em uma cena, Katakuri ataca um personagem que traria problemas futuros se não fosse controlado. Graças a sua habilidade ele conseguiu evitar que as ações desse personagem trouxessem riscos para outras pessoas presentes na cena.

Ter a habilidade de ver o futuro, permite que o personagem tome boas decisões, diminua os riscos e preveja as ações de outras pessoas sem que elas estejam esperando por isso. Na vida real, a análise preditiva oferece as mesmas vantagens. Listei algumas das vantagens com uma breve explicação para que você visualize os benefícios de utilizar a análise preditiva numa empresa.

Tomada de decisão

Tomar decisões, sejam elas no dia a dia ou na empresa, são ações importantes que devem ser analisadas com um certo nível de cuidado, porque dependendo da escolha que você faz, você obterá um resultado negativo que pode gerar problemas e te colocar em riscos. Quando aplicamos a análise preditiva na nossa vida, temos uma quantidade menor e um pouco mais segura de opções que podem trazer resultados positivos para o seu negócio.

Redução de riscos

No mundo empresarial estamos suscetíveis a riscos e algumas vezes não identificamos de imediato o problema que poderá surgir na empresa, entretanto, quando temos uma análise preditiva eficiente, temos a possibilidade de tomar algumas medidas para que o risco seja mitigado ou eliminado.

Antecipação de comportamentos

Imagine que você tem um supermercado e que você identificou duas coisas nas vendas.

Você identificou que tem um produto Y que sempre é comprado quando um cliente encontra-o, mas este produto não está em um local estratégico no mercado.
Você identificou que 98% dos clientes vão ao mercado para comprar itens básicos como arroz, feijão, óleo, sal e etc.

Você deseja aumentar as vendas do produto Y. O que você pode fazer baseado nas informações que você tem? Você pode colocar o produto Y perto das prateleiras que contém os produtos básicos. Se a primeira informação estiver correta, boa parte dos clientes que estiverem atrás dos produtos básicos, irão se deparar com o produto Y e consequentemente comprá-lo.

Previsão de Demanda

Imagine que você tem uma empresa que vende diversos produtos e você analisou que os seus clientes costumam comprar roupas mais leves e de cores específicas como branca ou amarela no mês de novembro e dezembro. Qual é a melhor decisão a se tomar diante dessa informação? Garantir um estoque de roupas leves com cores brancas e amarelas. Se você não tivesse essa informação, você poderia aumentar seu estoque com outros tipos de roupas e acabar perdendo a chance de vender peças que boa parte dos clientes procuram.

Desafios Da Análise Preditiva

Análise preditiva tem muitos benefícios, mas é necessários alguns cuidados ao implementar essa análise na empresa, caso contrário, a sua empresa obterá informações imprecisas que podem gerar problemas futuros. Se atente aos seguintes cuidados:

Certifique-se que os seus dados estão corretos. Trabalhar com dados incompletos, por exemplo, pode resultar em previsões incorretas e consequentemente as tomadas de decisão poderão colocar sua empresa em risco;
As previsões podem ser complexas de entender. Recomendo que você tenha algum conhecimento e experiência em machine learning ou estatística;
Esquece aquela frase que diz “é melhor pecar pelo excesso, do que pela falta”. Nessa análise é necessário que você selecione as melhores informações e recursos para que a sua previsão não fique extremamente complexa;
Trabalho em equipe é essencial, portanto certifique-se que o pessoal de análise e a área de negócios estejam trabalhando e se entendendo bem;
Cuidado com Overfitting e Underfitting. Esses dois conceitos se baseiam no seguinte: se o seu modelo se ajusta muito bem aos dados de treinamento, mas não consegue lidar com dados diferentes, temos o problema de overfitting. Se o modelo é simples e não lida bem nem com os dados de treinamento, temos o problema de underfitting.

Como Aplicar Análise Preditiva Na Empresa

Você já sabe o que é uma análise preditiva, quais seus benefícios e seus cuidados. Agora iremos entender quais são as principais etapas para aplicar essa análise na sua empresa.

Definir Os Objetivos

A primeira coisa que precisamos definir é: o que vamos analisar e o porquê. Qual é o seu objetivo? Você quer identificar uma tendência para vender melhor? Você quer encontrar uma solução para um problema? O que você deseja saber?

Depois que você obter a resposta para essas perguntas, você poderá passar para a próxima etapa.

Coletar e Tratar os Dados

Lembra que falamos sobre esquecer a frase do “é melhor pecar pelo excesso, do que pela falta”? Então, ela entra aqui agora. Depois que você define seus objetivos, é necessário coletar as informações necessárias para que seu objetivo seja atingido. Mas apenas coletar não é suficiente, é preciso tratar esses dados para que eles possam ser analisados corretamente.

Elaborar Estatísticas

Nessa etapa serão elaboradas estatísticas com o objetivo de verificar se as conclusões estão corretas.

Desenvolver o Modelo Preditivo

Depois de coletar e tratar nossos dados, vamos criar nosso modelo preditivo. Falamos sobre alguns modelos no tópico “Modelos Preditivos”. Nessa etapa também será realizado testes para verificar se ele está funcionando corretamente.

Monitorar

Após concluir as etapas anteriores, é preciso monitorar o modelo regularmente para se certificar que ele está trabalhando corretamente ou se precisa de alguma alteração.

Resumo Sobre Análise Preditiva

Esse artigo foi tão grande quanto One Piece e por conta disso preparei um breve resumo para que você possa rever todo o conteúdo que foi discutido neste artigo, mas de uma forma mais resumida.

Quando falamos de análise preditiva, estamos falando sobre um processo que usará modelos preditivos (que são como funções matemáticas) para prever resultados futuros. Existem dois modelos, sendo eles: supervisionado e não supervisionado. O supervisionado diz respeito a uma abordagem que utiliza dados de entrada e saída que são rotulados. Não supervisionado é o oposto, não trabalha com dados rotulados ou dados de saída, trabalha apenas com dados de entrada.

Aplicar a análise preditiva na sua empresa permite que você tenha melhores tomadas de decisão, reduza os riscos, antecipe comportamentos de clientes e obtenha previsão de demanda. Entretanto, é preciso se atentar aos desafios de sua aplicação, então verifique se você está trabalhando com dados corretos, se foram adicionados dados demais, se a comunicação entre a equipe de análise e de negócios está fluindo bem, certifique-se de que alguém da sua equipe tem experiência com estatística ou machine learning e por fim, se atente ao overfitting (modelo se ajusta bem aos dados de teste, mas falha com dados novos) e underfitting (o modelo é simples e não lida bem nem com os dados de treinamento).

Por fim, vamos recordar quais são os principais passos para implantar a análise preditiva na empresa. Primeiro defina os objetivos, depois colete e realize o tratamento dos dados, depois elabore estatísticas, desenvolva o modelo preditivo e finalize monitorando esse modelo periodicamente.

Bom, usuário, esse foi o artigo de hoje. Eu espero que eu tenha conseguido ser o mais didática possível e que você tenha se interessado por saber mais sobre análise preditiva. Também espero que você aplique essa análise em algum momento e que seja tão eficiente quanto o Katakuri.