O machine learning, ou aprendizado de máquina, é a automação de algumas partes do método científico por meio do uso de algoritmos e conceitos matemáticos.
O conceito de processo de machine learning está intimamente relacionado ao reconhecimento de padrões, usado para extrair informações que permitem definir propriedades entre conjuntos de objetos.
Essa identificação de padrões exige que grandes volumes de dados históricos estejam disponíveis, de forma que os modelos ou algoritmos matemáticos utilizados possam capturar a sazonalidade e a variação dos dados ao longo do tempo, a fim de explicar mudanças e tendências.
O machine learning tem vários usos em quase todas as organizações e é de grande valia para identificar antecipadamente o que acontecerá nos próximos dias, meses ou anos. Os estrategistas das organizações usam essas predições para definir e atuar em propostas focadas em reverter o futuro comportamento. Embora às vezes não seja possível revertê-lo, as ações se concentram em ajustar ou enfrentar os resultados que os modelos previram.
Assim, os modelos preditivos têm alta difusão e uso recorrente em organizações como transporte aéreo, varejo, serviços financeiros, telecomunicações, serviços públicos, entre outras.
O contexto da pandemia e seus desafios específicos relacionados ao machine learning
Hoje, diante da pandemia da COVID-19, estamos em um cenário que apresenta desafios específicos para o desenvolvimento e aplicação de machine learning e modelos preditivos.
Em primeiro lugar, vem o desafio relacionado ao histórico de dados usado para treinar os modelos preditivos; esses dados históricos refletem um comportamento que possivelmente não tem uma relação tão precisa com o comportamento atual dos clientes. Afinal, esses hábitos foram forçados ou pressionados pelo efeito da COVID-19.
O segundo desafio está relacionado à validade da previsão: a alta incerteza que estamos enfrentando e que coexistirá no mercado por alguns meses fará com que as predições não possam ser usadas ou mudem radicalmente e em poucos dias.
A combinação dos períodos de análise dos dados correspondentes às datas anteriores à COVID-19 com os dados gerados durante a pandemia gerará o aprendizado de padrões irreais ou incorretos. Imagine uma companhia aérea fazendo uma previsão de compra de bilhetes com os últimos 18 meses de compras e cancelamentos. No atual cenário, as predições ficam bastante comprometidas em sua assertividade.
A proposta para lidar com a situação
O infográfico a seguir exemplifica uma situação de impacto dos efeitos do cenário de pandemia nos comportamentos de consumidores, e mostra como diferentes abordagens de análise podem lidar com este contexto atípico de tomada de decisão:
Por muitos anos, a Tatic vem fornecendo serviços de análise preditiva e prescritiva em várias organizações da América Latina. Hoje, como muitas ferramentas científicas de dados, temos que superar essa situação e ter a oportunidade de inovar e nos adaptar ao novo ambiente.
É com base nesse ambiente que compartilhamos as 4 novas análises que consideramos necessárias para controlar a situação descrita acima:
- O valor de saber como os clientes se comportaram antes da COVID-19
- Qual foi o efeito da COVID-19 no novo comportamento dos clientes
- Quais comportamentos de negócios devo promover e qual será o impacto nos clientes
- Qual será o efeito sobre os clientes se eu mudar uma ou mais situações de negócios
Dessa forma, a análise se propõe a incorporar o contexto atípico a fim de favorecer a assertividade e a aplicabilidade de resultados que terão impacto em diferentes aspectos operacionais e na tomada de decisões estratégicas. Afinal, adaptar-se a realidade é premissa fundamental quando falamos de estratégia!
Quer entender melhor as possibilidades de trabalhar com machine learning, modelos preditivos e análises de dados considerando o contexto da COVID-19? Confira o ebook totalmente dedicado ao assunto!
