Our AI-generated summary
Our AI-generated summary
“Se sua empresa não está surfando na onda da mineração de dados, você está perdendo!” você verá isso como o ponto principal de muitos artigos técnicos e gerenciais.
E, arriscando fazer dessa peça mais uma da série, eles acertaram... Bem, parte dela! Certamente, existem muitas oportunidades de valor oculto em examinar seus dados e extrair conhecimento deles, mas, ao pesquisar, você descobrirá que em vez de uma onda suave, a mineração de dados é mais uma maré implacável de conceitos aparentemente hostis para iniciantes.
Vamos navegar nessa maré, analisando alguns conceitos proeminentes de mineração de dados do ponto de vista comercial e discutindo como eles podem se traduzir em uma operação mais eficiente e lucrativa. Todos os conceitos básicos de mineração de regras associadas, agrupamento e detecção de anomalias têm uma filosofia intuitiva e foram amplamente adotados por organizações com experiência em análise, como você verá nos casos de negócios que selecionamos a dedo em vários setores de atividade.
Imitando padrões de compra com mineração de regras associadas
A mineração de regras associadas consiste em analisar dados transacionais — digamos, cada transação na loja de um determinado varejista — em busca de regras que mapeiem os padrões de compra e que sejam significativas para a empresa.
Bilhões de registros transacionais podem ser reduzidos a um conjunto gerenciável de regras do tipo ocorrência A leva à ocorrência de B (A=>B). Nenhum registro é ignorado, nenhum dado é reservado devido a restrições de tempo.
As empresas podem então identificar produtos precursores aos quais aplicam estratégias agressivas de preços, criar pacotes de produtos ou serviços, promover ofertas direcionadas para clientes que já adquiriram A, mas ainda não B; em resumo, elas têm o poder de reorganizar suas propostas de valor com base nas regras tácitas que os compradores usam ao comprar. Esse tipo de princípio ajudou a desenvolver grandes programas de fidelidade e ainda é uma força motriz que os impulsiona (se você quiser expandir portfólios promocionais voltados para o cliente, leia esta visão).
Melhorando a eficiência do controle com agrupamento
Os humanos têm uma janela cognitiva limitada que nos torna eficazes ao lidar com números de itens de um dígito, mas inútil ao lidar com milhares ou até milhões de casos individuais. Adicionalidade, a cognição humana é limitada pela hipótese que somos criativos o suficiente para formular.
Our AI-generated summary
Our AI-generated summary
O agrupamento é uma estratégia de redução de dimensionalidade que visa encontrar padrões naturalmente emergentes em dados existentes, reunindo milhões de registros em um conjunto mais conciso de grupos que compartilham um comportamento um tanto idêntico. Planejar a variedade de produtos de milhares de pontos de venda pode parecer uma tarefa terrível, enquanto fazer o mesmo em apenas nove tipos (grupos) de lojas parece indolor (confira este caso de sucesso).
Um analista não testará os dados em áreas onde nunca pensou em examinar. Uma máquina, no entanto, não cai nessas armadilhas. Não deixa pedra sobre pedra, indo muito além das relações intuitivas.
Resumindo, a mineração de dados é um campo complexo que está expandindo ainda mais seus inúmeros braços, mas tenha certeza de que não é apenas uma bobagem acadêmica, mas também há ganhos de eficiência tangíveis que você pode aproveitar hoje.
Estabelecer metas de desempenho desafiadoras, mas justas, para uma equipe de vendas composta por centenas de pessoas é uma colina íngreme a ser escalada até que você agrupe as pessoas e acabe enfrentando menos de uma dúzia de perfis.
Detectando anomalias para preparar o futuro
Eventos inesperados são intrinsecamente esporádicos, mas podem perturbar fortemente o fluxo operacional de qualquer organização. Uma escassez de suprimentos pode reduzir pela metade o volume de vendas de um artigo, um rolamento defeituoso pode desacelerar uma linha de produção inteira e uma pandemia global (como sabemos dolorosamente) pode paralisar o mundo (se você tiver tempo, confira nosso artigo em modelagem de mercado no teatro pandêmico).
A detecção de anomalias é uma coleção de abordagens estatísticas e de aprendizado de máquina que visam identificar (e, eventualmente, corrigir) pontos de dados periféricos gerados por eventos cujo efeito é muito proeminente para ser negligenciado. Como regra geral, a detecção de anomalias deve ser a porta de entrada para qualquer exercício de planejamento ou previsão.
É muito comum encontrar exercícios orçamentários que os ignoram, subestimando o potencial de vendas de um produto atingido no passado por uma escassez de suprimentos e, ao mesmo tempo, destacando referências que aumentaram nas vendas devido às compras concentradas de um único cliente que está saindo pela porta.
Conclusão
Este artigo pode não ter levado você diretamente para o oceano, mas pode ter despertado seu interesse pelo cheiro da brisa do mar. Vá em frente e vá para o mar, não é tão assustador quanto parece inicialmente. Afinal, na análise, você pode aumentar a intensidade das ondas à medida que avança.
.avif)
