22/02/2023 16:58 Descomplica | Business Analytics

Introdução à análise preditiva

O s dados que as empresas estão acumulando nos últimos

tempos, através de registros das transações em seus sistemas
de estoques, financeiro, faturamento, pedidos, vendas etc.,
armazenados em sistemas gerenciadores de banco de dados
relacionais, passaram a alimentar imensos data warehouses (armazéns
de dados), possibilitando uma análise estatística do passado da empresa
(dados históricos), permitindo responder questões do tipo:

•
Quais produtos foram os mais vendidos por região do estado?

•
Quais tipos de clientes mais geraram reclamações, mostrando
insatisfação com os produtos e/ou serviços ofertados pela empresa?

•
Quais representantes de vendas estão vendendo mais por tipo de
produto?

•
etc.

Essa necessidade de compreender o que se passou com a empresa

levou ao desenvolvimento do BI - Business Intelligence (Inteligência dos
Negócios ou Inteligência empresarial), que também é conhecido como
Análise Descritiva (Analítica Descritiva).

https://aulas.descomplica.com.br/pos/mba-em-business-intelligence-0b6a63/turma/business-analytics-e68b31/aula/fundamentos-7c621d 1/6
22/02/2023 16:58 Descomplica | Business Analytics

Atualmente há uma imensa quantidade de dados não estruturados sendo

armazenados pelas empresas, tais como cliques em sites, interações em
redes sociais, mensagens instantâneas etc., que juntamente com os
dados estruturados utilizados no BI, oferecem a oportunidade de, através
de uma análise preditiva, buscar saber o que vai acontecer com a
empresa no futuro.

São os dados não estruturados, como eMails recebidos pela empresa,

posição dos cliques no site da empresa (Hot Spots – pontos quentes ou
mais clicados), posicionamento geográfico do usuário ao utilizar o
aplicativo da empresa etc. que permitiram aos cientistas de dados terem
acesso à dados de sentimento, pois os dados estruturados apenas
registram os fatos que, por exemplo, concretizaram uma venda, uma
movimentação de estoque, um pagamento de funcionários etc. Já os
dados não estruturados mostram em qual lugar e horários os usuários
mais acessaram o aplicativo da empresa, mostrando que pode ser uma
boa ideia fazer um marketing neste local e horário, quais são os locais
mais clicados em um site, dando dicas a equipe de desenvolvimento do
site de como melhorá-lo etc.

Embora os algoritmos e técnicas utilizadas na análise preditiva estivessem

disponíveis, pelo menos em nível acadêmico, a mais de uma década,
essa possibilidade de buscar o futuro só foi possível nos últimos tempos
graças a uma confluência de diversos fatores, dos quais podemos citar:

•
Grande quantidade de dados gerados pelas interações online e redes
sociais.

•
Dados de uso de aplicativos com o posicionamento geográfico do
usuário (GPS – Global Positioning System).

https://aulas.descomplica.com.br/pos/mba-em-business-intelligence-0b6a63/turma/business-analytics-e68b31/aula/fundamentos-7c621d 2/6
22/02/2023 16:58 Descomplica | Business Analytics

•
Dados de diversos sensores em smartphones e outros equipamentos
(IoT – Internet of Things).

•
Computação em Nuvem (Cloud Computing), permitindo alta
capacidade de processamento a um custo reduzido.

Com a Análise Preditiva podemos obter conhecimento através dos dados.

Dizem que os dados não mentem, então utilizando diversas técnicas
estatísticas, podemos descobrir padrões ocultos nos dados, padrões estes
muito difíceis ou mesmo impossíveis de serem percebidos por pessoas
comuns ou até mesmos especialistas no domínio da aplicação.

O BI (Business Inteligence) com seus data warehouses armazenam

dados do passado, mostrando na forma de relatórios e gráficos o que
aconteceu. A Análise Preditiva consome esses dados e nos dá um
vislumbre do que pode acontecer, mostrando cenários futuros.

A análise preditiva permite enxergar novas oportunidades tais como

prever a próxima compra do cliente, prever a próxima necessidade de seu
cliente, prever o resultado de novas campanhas de marketing, permite
conhecer fatos que o seu concorrente desconhece, aumentando a
vantagem competitiva.

Análise Preditiva e o Modelo Preditivo

Todo o trabalho da Análise Preditiva resulta em um Modelo Preditivo. Em

sua essência, um modelo preditivo é uma função matemática
multivariável, onde as variáveis de entrada são os diversos atributos da
instância que se está modelando e o resultado da função é a resposta
esperada. Por exemplo, uma empresa de TV a Cabo pode utilizar um

https://aulas.descomplica.com.br/pos/mba-em-business-intelligence-0b6a63/turma/business-analytics-e68b31/aula/fundamentos-7c621d 3/6
22/02/2023 16:58 Descomplica | Business Analytics

Modelo Preditivo para previsão de churn, permitindo prever quais seriam

os clientes com maiores chances de cancelar a assinatura e poder realizar
alguma ação de retenção nestes clientes. Os atributos do cliente, que são
a entrada dessa função, poderiam ser sua localização geográfica, pacote
de canais que assinou, os pagamentos realizados nos últimos anos, as
reclamações registradas nos canais de atendimento nos últimos anos, seu
sexo, sua idade etc. Ao informar os dados de cada cliente ao Modelo
Preditivo, sua resposta seria um número, que indicaria a porcentagem de
chance do cliente realizar o churn.

Mas como o Modelo Preditivo pode aprender a partir desses dados?

Tecnicamente o aprendizado é um ajuste nos coeficientes das variáveis
da função utilizada. Esse ajuste de coeficientes também é chamado de
aprendizagem.

Em nosso exemplo do churn da TV a Cabo, uma possível abordagem é a

aprendizagem supervisionada. Nesta aprendizagem, o Modelo Preditivo
precisa aprender através de um treinamento. Para realizar este
treinamento é preciso ter os dados de muitos clientes, com todos os
atributos de entrada e também o resultado real, se o cliente fez ou não o
churn. Esse resultado é chamado de Rótulo e dizemos que temos um
conjunto de dados rotulados. É a existência desse rótulo que caracteriza o
aprendizado supervisionado.

Um Modelo Preditivo, usando aprendizagem supervisionada, pode ser

implementada utilizando diversas técnicas, das quais podemos citar:

•
SVM – Support Vector Machine (Máquina de Vetor de Suporte);

•
Decision Trees (Árvores de Decisão);

https://aulas.descomplica.com.br/pos/mba-em-business-intelligence-0b6a63/turma/business-analytics-e68b31/aula/fundamentos-7c621d 4/6
22/02/2023 16:58 Descomplica | Business Analytics

•
Back-Propagation Neural Network (redes neurais de retorno de
propagação).

Existem outras formas de aprendizagem, como a não supervisionada e a

por reforço, bem como outras técnicas, como K-means, Linear Regression
(Regressão Linear) KNN (K-Nearest Neighbor ou K-ésimo vizinho mais
próximo) que serão abortados nas próximas lições deste curso.

Atividade extra

Nome da atividade: Artigo Forbes de 5 de Março de 2018: Here's Why

Data Is Not The New Oil

Link para assistir a atividade:

https://www.forbes.com/sites/bernardmarr/2018/03/05/heres-why-data-is-
not-the-new-oil/#7628f29f3aa9

Referência Bibliográfica

SIEGEL, E.

Análise Preditiva: O poder de predizer quem vai clicar, comprar, mentir ou

morrer

Alta Books: 2016

TOM FAWCETT

https://aulas.descomplica.com.br/pos/mba-em-business-intelligence-0b6a63/turma/business-analytics-e68b31/aula/fundamentos-7c621d 5/6
22/02/2023 16:58 Descomplica | Business Analytics

Data Science para negócios

Alta Books (2016)

JOHN W. FOREMAN

Data Smart. Usando Data Science Para Transformar Informação em

Insight

Alta Books(2016)

Ir para questão

https://aulas.descomplica.com.br/pos/mba-em-business-intelligence-0b6a63/turma/business-analytics-e68b31/aula/fundamentos-7c621d 6/6