Novo normal e comportamento do consumidor: seriam os modelos preditivos de IA capazes de alcançar alta previsibilidade nos novos tempos?

modelos preditivos

Varejistas e marcas que utilizavam modelos preditivos foram forçados a se retrair constantemente e fazer ajustes em torno de suas ferramentas de Machine Learning, uma vez que os dados históricos se tornaram questionáveis durante a pandemia.

Modelos preditivos, também conhecidos como modelagem preditiva, são processos matemáticos que buscam prever eventos ou resultados futuros por meio da análise de padrões.

Uma vez que os dados são coletados, o analista seleciona e treina modelos estatísticos, usando dados históricos. 

O objetivo dos modelos preditivos é responder à pergunta: “Com base no comportamento passado conhecido, o que provavelmente acontecerá no futuro?”.

Modelos preditivos e Big Data

Embora seja tentador pensar que o Big Data torna os modelos preditivos mais precisos, os teoremas estatísticos mostram que, após um certo ponto, alimentar mais dados em um modelo de análise preditiva não melhora a precisão.

O velho ditado “Todos os modelos estão errados, mas alguns são úteis” costuma ser utilizado como justificativa para confiar apenas em modelos preditivos quando se quer determinar uma ação ou resultado futuro.

Modelos preditivos e a volatividade das mudanças nos padrões de compra

Embora o “novo normal” esteja se tornando mais evidente à medida que mais pessoas são vacinadas, as mudanças nos padrões de compra ainda são voláteis o suficiente para continuar frustrando esforços de previsão.

“A pergunta é: Com que frequência podemos adaptar e reeducar os modelos Machine Learning?”, disse Dan Simion, VP de AI & Análise da Capgemini North America, em uma recente entrevista com a VentureBeat. “Não apenas os modelos precisam ser reconstruídos ou redesenhados com base em novos dados, mas também precisam dos processos corretos para serem colocados em produção, em um ritmo que se mantenha em dia. Até que haja algum tipo de estabilidade, continuará sendo difícil para as organizações identificar tendências consistentes”.

Um artigo recente do Wall Street Journal (WSJ) disse que a pandemia acelerou os movimentos para se apoiar mais nos dados em tempo real, incluindo eventos em e-commerces e websites, para impulsionar o software de previsão, embora algumas empresas tenham abandonado completamente os modelos de previsão pré-pandêmicos.

“O problema em tempos altamente voláteis é que os dados de vendas da semana passada não são um bom preditor de vendas da semana que vem”, disse Alex Linden, vice-presidente de pesquisa da empresa de consultoria e pesquisa em tecnologia da informação Gartner, ao WSJ.

Por sua vez, o Walmart, em uma mudança que antecedeu a pandemia em vários meses, começou a acompanhar tendências de longo prazo durante vários anos e diminuiu sua ênfase no ano mais recente.

Ravi Jariwala, porta-voz do Walmart, disse ao WSJ que um conjunto de dados mais extenso os ajudou a normalizar os dados e a realizar previsões de demanda mais precisas.

Em um artigo recém publicado na Harvard Business Review, Angel Evan, presidente da Particle Inc., e Amber Rivera Data Scientist da Particle Inc., afirmaram que os desafios, orientados pela pandemia, que os dados históricos enfrentam devem servir como um lembrete de que os dados dos clientes não se limitam a transações no ponto de venda. De acordo com eles “Os varejistas devem considerar os dados como sendo qualquer informação relevante ao comportamento de seus clientes que possa ser eticamente coletada, organizada e estudada para obter insights nos quais os tomadores de decisão possam confiar”.

Conclusão

Disclaimer: esta conclusão é um editorial e a opinião aqui exposta não reflete necessariamente a opinião do autor do artigo.

Quando uma empresa não tira o máximo proveito dos dados que já possui, sejam eles de eventos, transacionais ou de clientes (direito provisório de uso para fins previamente autorizados pelos proprietários dos mesmos), ela não consegue desenvolver, nem mesmo, os modelos preditivos mais básicos.

Modelos preditivos de Inteligência Artificial (IA) não são algoritmos milagrosos que permitem às empresas alcançar o sucesso da noite para o dia. São modelos que exigem um planejamento de longo prazo e, quando bem trabalhados, permitem com que grandes empresas deixem de perder ou incrementem o faturamento em milhões de dólares apenas pelo simples fato de estar de posse da previsão certa, na hora certa.

Em se tratando de novo normal, a volatilidade das mudanças nos padrões de compra não permite prever quando os modelos preditivos de IA se tornarão mais previsíveis, pois a resposta não está na tecnologia, mas sim no próprio contexto do problema que se quer resolver e nos padrões dos dados históricos. Ou seja, quanto mais antigo for o acompanhamento de tendências, mais preparada uma empresa estará para diminuir a ênfase em períodos recentes de volatividade e aumentar a ênfase em períodos anteriores, porém de maior estabilidade.

Autor: Tom Ryan
Fonte: Retail Wire
Tradução e adaptação por ROX CX

Sua empresa enfrenta desafios parecidos com o que você viu no artigo? Que tal bater um papo sem compromisso com um(a) consultor(a) da ROX CX? Preencha o formulário abaixo que nós entraremos em contato com você!





Escreva de forma sucinta qual é o maior desafio da sua empresa no campo de Data & Analytics:

banner estudo de caso starbucks

Let's talk




Quais são as soluções de seu interesse?

Como prefere que façamos contato com você?