Com união de aprendizado de máquina, IA e big data, empresas constroem modelos para tomar decisões mais precisas Rosely Boer, da Allianz: exame de históricos de apólices, sinistros e interações com clientes possibilita identificar padrões — Foto: Divulgação A análise avançada de dados (“advanced data analytics”) já desponta como um dos principais pilares da estratégia de grandes corporações. Combinando inteligência artificial, aprendizado de máquina e big data, empresas utilizam modelos analíticos para identificar cenários e tendências, prever comportamentos, antecipar demandas, agir com mais velocidade, tomar decisões mais precisas, em tempo real, e reduzir custos. “Imagine três engrenagens que trabalham juntas”, compara Paulo Cordeiro, presidente da 4MDG, uma plataforma dedicada à padronização e automação do processamento de cadastros. “A primeira engrenagem reúne uma quantidade enorme de informação, de dentro e de fora da empresa - o que se costuma chamar de big data. A segunda olha para toda essa informação e vai descobrindo padrões, como perceber que sempre que chove as vendas de um produto sobem. É o aprendizado de máquina, que fica mais esperto quanto mais dados recebe. A terceira usa esses padrões para prever o que tende a acontecer e sugerir ou até executar uma ação, e é aí que entra a inteligência artificial”, detalha. O presidente da consultoria Datarisk, Jhonata Emerick, exemplifica com sua própria análise casual do custo das bets para o país, numa tarde de domingo de 2024. “Como trabalho com dados, sempre olho o Google Trends. Nesse domingo, estava em casa, no Recife, com minha mulher, e vi no Google Trends que as maiores buscas, coisa de mais de 60 primeiras buscas, eram sobre futebol. Como estamos no país do futebol, não era nada demais. Porém, um dado chamou minha atenção: buscas sobre futebol da Estônia. E futebol feminino”, conta o cientista de dados, que logo imaginou se tratar de apostas esportivas. Sabendo que o presidente do Banco Central, naquela semana, solicitara a discriminação dos pagamentos de apostas on-line de brasileiros, que integram gastos com serviços no exterior, isto é, remessa de dólares, cruzou dados das bets com os da balança comercial, e viu que os valores das apostas eram maiores que as exportações de carne bovina. “Isto mostra como a análise avançada permite enxergar relações que não são óbvias à primeira vista. Um fenômeno aparentemente restrito ao entretenimento pode afetar o orçamento das famílias, o desempenho do comércio, a indústria de bens de consumo e indicadores macroeconômicos”, sublinha ele. As aplicações variam conforme o setor, mas o objetivo costuma ser o mesmo: transformar grandes volumes de dados em ações concretas. Em áreas como saúde, finanças, varejo, indústria e agronegócio, essas tecnologias apoiam a análise de riscos, a previsão de cenários, a personalização de ofertas, a otimização de processos e a inovação nos modelos de negócio. A análise avançada permite enxergar relações que não são óbvias” Rosely Boer, diretora-executiva de operações e TI da Allianz Seguros, diz que o mercado segurador analisa dados históricos de apólices, sinistros, interações com clientes, canais digitais e outras fontes relevantes para identificar padrões, estimar probabilidades, prever comportamentos e dar apoio à tomada de decisões. Segundo Lígia Vasconcellos, sócia e diretora de operações da datatech Assertiva, a análise avançada de dados tende a propiciar aumento da produtividade mediante a automação de tarefas, que pode reduzir em 30% a 70% o tempo gasto em atividades repetitivas. Também oferece maior eficiência operacional com a otimização de processos que reduz erros e retrabalho, gerando economias de 20% a 40% em custos operacionais. A personalização de ofertas e recomendações pode elevar as taxas de conversão de vendas entre 10% e 30% graças à melhoria da experiência do cliente e ao atendimento automatizado e personalizado que aumenta a satisfação e reduz o tempo de resposta. “No setor financeiro, essas aplicações permitem um melhor direcionamento do crédito para quem precisa e tem reais intenções e capacidade de pagar, ao mesmo tempo em que também é uma poderosa arma contra fraudes, prevenção à lavagem de dinheiro e golpes”, ressalta Murilo Garcia, analista-chefe da Núclea, a sucessora da Câmara Interbancária de Pagamentos (CIP) que processa todas as transferências de dinheiro do Sistema Financeiro Nacional. Mas, de modo geral, como lembra Garcia, o uso dessas tecnologias extrapola campos fabris, mineração, extração de óleo e gás, chegando a atendimento ao cliente de diferentes setores e até a empresas de delivery com otimização da malha logística. Nesse sentido, a Siemens simula e testa todo o comportamento de uma planta industrial no ambiente virtual antes de qualquer execução física, antecipando tendências e propondo condutas com enorme poder de acerto, relata o líder de empreendimentos digitais da multinacional no Brasil, Davi Carboni. “Nesse contexto, desenvolvemos soluções capazes de tornar o deslocamento de pessoas mais ágil nos horários de maior demanda e de viabilizar inovações que atendam a necessidades cada vez mais específicas do público, sem comprometer o ritmo de produção de bens e serviços, elevar seus custos unitários ou exigir a substituição de estruturas produtivas já estabelecidas diante de novas demandas.”