As empresas podem ter ganhos significativos de longo prazo ao
contar com aplicação de análise preditivas de dados operacionais e históricos,
afirmam especialistas do mercado de TI.
Ao contrário das soluções tradicionais de Business Intelligence
(BI), que são voltadas para análises de situações passadas, a abordagem
preditiva está focada em ajudar as empresas a recolher inteligência com base em
dados históricos.
Se aplicada corretamente, a análise preditiva pode permitir que as
companhias identifiquem e respondam a novas oportunidades mais rapidamente,
pontuam especialistas.
James Taylor, CEO da Decision Management Solutions, afirma que análises preditivas são especialmente úteis em situações em que as organizações precisam tomar decisões rápidas diante de grandes volumes de dados.
James Taylor, CEO da Decision Management Solutions, afirma que análises preditivas são especialmente úteis em situações em que as organizações precisam tomar decisões rápidas diante de grandes volumes de dados.
Análises preditivas ajudam empresas em três áreas principais:
minimizar o risco, identificar fraudes e buscar novas oportunidades de receita,
afirma Taylor.
“Ela pode, por exemplo, aprimorar a capacidade de identificar
riscos em áreas como crédito e origem de crédito, ou até fraude em áreas como
créditos de seguros”, pontua.
Taylor cita outro exemplo. “Ao olhar para os padrões de um cliente
com base em compras históricas, as organizações podem fazer previsões razoáveis
sobre ofertas promocionais e cupons que são de interesse do consumidor”, diz.
A Blue Cross and Blue Shield System (BCBS) já está desfrutando dos
benefícios das análises preditivas. A organização, que atua na oferta de seguro
saúde, a Blue Cross acumulou grande quantidade de reclamações ao longo dos
anos.
Há algum tempo, a Associação BCBS, entidade que detém as marcas da
Blue, criou um banco de dados único chamado Blue Health Intelligence (BHI) para
consolidar todas as informações mantidas por cada uma das 39 empresas que fazem
parte do grupo. O banco de dados é um dos maiores repositórios de dados de
saúde identificados no mundo e contém informações sobre mais de 100 milhões de
pessoas.
A BHI opera como uma unidade independente e fornece uma gama de
serviços de Business Intelligence que está possibilitando melhores serviços de
saúde para os membros do grupo e, ao mesmo tempo, transformando a maneira pela
qual a BCBS gerencia seus custos.
Controle de custos
De acordo com Swati Abade, presidente e CEO da BHI, a iniciativa
surgiu da necessidade de controlar os custos da companhia. “Uma grande parcela
dos custos de saúde vai para o cuidado de pessoas com doenças crônicas”, afirma
Swati. Na verdade, 5% dos usuários de saúde respondem por mais de 55% dos
custos da companhia, completa.
Ao usar tecnologias de previsão analítica, diante de milhares de
dados de reivindicações, a BCBS conseguiu não só identificar os fatores de
risco que levam a várias doenças crônicas, mas também saber quais indivíduos
estão em maior risco de contrair doenças, assinala.
"Para todos os usuários de um plano de saúde, temos uma
pontuação de saúde que representa a probabilidade de o indivíduo precisar de
tratamento para uma doença crônica”, explica a executiva. A BHI desenvolveu
módulos de doença específicas, como diabetes, que predizem o risco individual
de contrair a doença com base em dados anteriores, diz.
O objetivo é ser capaz de usar os dados para localizar médicos
para proporcionar melhor atendimento, mais direcionado aos pacientes de alto
risco, reduzindo, assim, a necessidade de um tratamento caro e de longo prazo,
assinala Swati.
O site de namoros Match.com é outra empresa que depende fortemente
de análises preditivas para executar seus serviços. A companhia recolhe e
mantém uma série de informações, algumas de assinantes e outras coletadas pelo
monitoramento de interações no Match.com.
O desafio da organização é encontrar uma maneira de melhorar a
receita por assinante, oferecendo os melhores resultados possíveis com base nas
preferências de cada usuários, afirma Jim Talbott, diretor de insights do
consumidor no Match.com
É uma tarefa complicada, diz, pelo fato de que os assinantes podem
indicar um conjunto específico de requisitos para um parceiro em potencial,
mas, então, interagem com as pessoas que estão fora da sua própria escala de
preferências especificada.
Para superar esse cenário, o Match.com desenvolveu um modelo preditivo que coincide com as pessoas da base não apenas em suas preferências, mas também de acordo com o comportamento e as interações com outras pessoas.
Para superar esse cenário, o Match.com desenvolveu um modelo preditivo que coincide com as pessoas da base não apenas em suas preferências, mas também de acordo com o comportamento e as interações com outras pessoas.
Na visão de Taylor, empresas interessadas em modelagem preditiva
precisam ter uma ideia clara dos objetivos antes de começar. “Elas precisam
saber que tipo de decisões serão alimentadas por sua análise preditiva e
trabalhar a partir daí”, aconselha.
Para desenvolver um bom modelo de previsão, as companhias devem se concentrar em definir um conjunto claro de regras de negócios para cada decisão e, em seguida, centrar a análise sobre a condução das melhores decisões, finaliza.
Nenhum comentário:
Postar um comentário