O que fazer com todos os dados que coletamos? Analisá-los seria a resposta mais comum, porém de que forma? Existem diferentes tipos de análise de dados que responderão diferentes perguntas em relação ao objeto e aos dados contemplados.

Estamos falando de 4 diferentes análises possíveis: Descritiva, Diagnóstica, Preditiva e Prescritiva, cada uma com sua característica e complexidade, para nos ajudar a entender suas diferenças, vamos atribuir a cada tipo uma pergunta central, que norteará o objetivo final da análise.

Análise Descritiva (O que aconteceu?)

Vamos olhar para o passado e entender com os dados que possuímos o que aconteceu naquele determinado período estipulado, note que esse tipo de análise ainda não nos fornecerá instruções sobre como proceder no futuro ou sobre justificativas do que aconteceu.

Portanto essa é a análise mais simples de ser realizada, vamos expor alguns exemplos:

• Exemplo 1: “Com base no relatório de setembro, tivemos uma queda de 10% nas vendas”
• Exemplo 2: “60% dos comentários negativos em nossas avaliações falaram sobre o atendimento primário”
• Exemplo 3: “Houve uma redução do custo com a empresa de logística de 12%”.

Análise Diagnóstica (Por que aconteceu?)

Você se lembra da terceira lei Newton (lei da ação e reação)? Pois é, com a análise descritiva descobrimos a reação, agora com a diagnóstica vamos descobrir a ação que ocasionou o fato relatado no passado.

Mas nem sempre teremos a resposta simples sobre a justificativa do que aconteceu, pode ser que para entender um evento seja necessário acompanhar todas as métricas envolvidas por um período maior de tempo, levantar hipóteses e observar fatores externos que podem ter influenciado os resultados, de qualquer maneira, o fim continua o mesmo: descobrir o por que aconteceu tal situação.

Com esse tipo de análise já conseguimos visualizar o impacto e o valor dentro de um negócio, imagine descobrir a fonte que tem diminuído seu engajamento ou suas vendas? Isso traz mais assertividade para a tomada das decisões.

Vamos avançando com os mesmos exemplos anteriores adicionando as novas análises:

• Exemplo 1: “Com base no relatório de setembro, tivemos uma queda de 10% nas vendas, causada pela sazonalidade do período”
• Exemplo 2: “60% dos comentários negativos em nossas avaliações falaram sobre o atendimento primário, pois os clientes não tem recebido retorno satisfatório e dentro do prazo”
• Exemplo 3: “Houve uma redução do custo com a empresa de logística de 12%, por conta da redução com os gastos de combustível devido a diminuição do preço do diesel”.

Análise Preditiva (O que vai acontecer?)

Apesar da pergunta “O que vai acontecer?” ser simples e eficaz para nos ajudar a entender esse tipo de análise, não está totalmente “completa”, nós nunca sabemos o que irá acontecer (a menos que você tenha sem uma bola de cristal), mas podemos inferir o que pode acontecer caso determinados parâmetros aconteçam, parâmetros retirados do histórico de dados disponível..

Uma ressalva importante é que, se uma análise preditiva não for cumprida, não significa que ela foi ruim. A pandemia por exemplo anulou grande parte, senão todas, as análises realizadas, por isso talvez a pergunta “se continuarmos assim, onde chegaremos?” seja mais apropriada para definir esse tipo de análise.

Neste nível de análise podemos contar com maior tecnologia, inteligência artificial por exemplo pode nos ajudar a criar previsões e tendências partindo de um histórico de dados, aqui também entra o famigerado machine learning, onde um sistema de computador pode aprender e se adaptar a dados sem instruções explícitas.

Como isso incrementa nossos exemplos?

• Exemplo 1: “Com base no relatório de setembro, tivemos uma queda de 10% nas vendas causada pela sazonalidade do período, no ano que vem prevemos uma queda ainda maior (cerca de 15%)”
• Exemplo 2: “60% dos comentários negativos em nossas avaliações falaram sobre o atendimento primário, pois os clientes não tem recebido retorno satisfatório e dentro do prazo, cruzando com a diminuição dos clientes, em 6 meses perderemos mais de 10 mil reais no faturamento com os negócios perdidos”
• Exemplo 3: “Houve uma redução do custo com a empresa de logística de 12%, por conta da redução com os gastos de combustível devido a diminuição do preço do diesel, que deverá aumentar possíveis 12 a 15% entre julho e setembro do próximo ano devido a época de furacões no Caribe, que causa o aumento do barril de petróleo”.

Análise Prescritiva (O que fazer quando acontecer?)

Como descrito no gráfico, essa é a análise de maior impacto e valor, pois além de descrever, explicar e prever eventos, tem a capacidade de sugerir, com base em expertise e conhecimento técnico, como lidar com o cenário analisado.

De todas as análises, essa é a única que não necessariamente depende de um conhecimento analítico e sim de negócios, para sugerir um caminho, é necessário unir o conhecimento teórico com a experiência de mercado.

Vamos finalizar nossas análises fictícias:

• Exemplo 1: “Com base no relatório de setembro, tivemos uma queda de 10% nas vendas causada pela sazonalidade do período, no ano que vem prevemos uma queda ainda maior (cerca de 15%), para combater essa queda, sugiro um plano de descontos e promoção do item X, cujo pico de produção e estoque acontece ao fim de julho, conforme relatório extraído da logística”
• Exemplo 2: “60% dos comentários negativos em nossas avaliações falaram sobre o atendimento primário, pois os clientes não tem recebido retorno satisfatório e dentro do prazo, cruzando com a diminuição dos clientes, em 6 meses perderemos mais de 10 mil reais no faturamento com os negócios perdidos, precisamos desligar o funcionário X por baixo desempenho comprovado e falta de engajamento, além disso, vamos promover um treinamento em vendas e atendimento ao cliente, que nos custará os mesmos 10 mil”
• Exemplo 3: “Houve uma redução do custo com a empresa de logística de 12%, por conta da redução com os gastos de combustível devido a diminuição do preço do diesel, que deverá aumentar possíveis 12 a 15% entre julho e setembro do próximo ano devido a época de furacões no Caribe, que causa o aumento do barril de petróleo, o melhor caminho a seguir é investir os 12% de economia na eletrificação da frota, investindo em vans e caminhões elétricos e fugindo da sazonalidade”.

Perceba o quanto valor foi possível agregar a uma informação inicial e a importância de ter uma base na hora de tomar decisões.

Agora que você sabe um pouco mais sobre análise de dados, que tal aplicar no seu dia a dia? A CAVOK oferece tanto treinamento para gestores quanto às próprias análises dos dados, para que possamos tomar decisões mais assertivas e assim tornar  o mundo mais eficiente.