Seu guia completo para análise prescritiva para 2021

Análise Prescritiva

Hoje, a maioria das empresas usa big data para entender o futuro de seus negócios e definir metas. Embora o big data possa não ser tão específico a ponto de fornecer números de loteria vencedores, ele ajuda as empresas a identificar problemas e entender o motivo por trás desses problemas. As empresas podem então usar fatores baseados em dados para criar prescrições para problemas de negócios.

O que é Análise Prescritiva?

Enquanto a análise preditiva informa sobre probabilidades e probabilidades, a análise prescritiva informa o que fazer. A análise prescritiva usa dados de análises descritivas e preditivas para criar cenários e identificar os resultados mais viáveis. Por exemplo, se o chefe de uma equipe de marketing quiser descobrir quanto dinheiro deve investir em um canal de marketing, como anúncios do Google, a análise preditiva mostra como o Google se sai em relação a outros canais, enquanto a análise prescritiva mostra quanto dinheiro investir em anúncios do Google. Os analistas usarão diferentes cenários hipotéticos para encontrar respostas específicas para as restrições de negócios.

A análise prescritiva é a análise sistemática de dados que aconselha sobre possíveis resultados em ações que provavelmente aumentarão os resultados de um negócio. A análise aplica simulação e otimização para responder à pergunta: “Qual deve ser o próximo passo do negócio?”

Os analistas simulam o futuro sob várias premissas para gerar diferentes cenários. Quando a análise de cenários combina com técnicas de otimização, as empresas ou analistas são capazes de criar prescrições para problemas de negócios. A partir da definição de analítica prescritiva, essa forma de análise sistemática busca explorar possíveis ações e dar sugestões a partir dos resultados e dos dados da analítica descritiva e preditiva.

A análise prescritiva baseia-se nos dados coletados por uma empresa e nas regras de negócios. Os dados podem ser internos, das operações de uma empresa, ou externos, coletados de clientes nas mídias sociais e outras plataformas. As regras de negócios referem-se às melhores práticas de negócios, limites e restrições dentro de um negócio. Aqui está um modelo obtido da Wikipedia que pode ajudá-lo a visualizar a ideia de análise prescritiva.

Modelos matemáticos aplicados em análise prescritiva:

• Processamento de linguagem natural
• Estatisticas
• Aprendizado de máquina
• Pesquisa Operacional

Uma coisa que pode complicar a análise prescritiva é o fato de que cada uma das disciplinas acima tem subdisciplinas e variantes. Por exemplo, na Pesquisa Operacional, são aplicadas técnicas como simulação, otimização e análise de decisão.

Este guia procura simplificar os conceitos de análise prescritiva.

Abordagens de análise prescritiva

A análise prescritiva é dividida em duas abordagens diferentes;

• Tomada de decisão automatizada baseada em heurística
• Tomada de decisão baseada em otimização

Tomada de Decisão Baseada em Otimização

A otimização tem sido utilizada há muito tempo na resolução de problemas operacionais, como o planejamento logístico. Hoje, a tecnologia facilita a modelagem de problemas maiores em todo o setor para oferecer suporte a análises baseadas em cenários, e a otimização permite análises de melhor tomada de decisão.

Hoje, os modelos avançados de otimização reúnem cadeias financeiras e de valor, incluindo restrições de negócios, para fornecer informações melhores do que as oferecidas pelos modelos preditivos. Os modelos de otimização também garantem a consistência interna dos dados e ajudam a identificar resultados que podem não ser viáveis.

Com os modelos de otimização, os analistas podem realizar análises exclusivas, como custeio baseado em atividades, margem de contribuição e demonstrações financeiras pró-forma. Essas análises ajudam os usuários a tomar as decisões mais ideais nos negócios. Este é um exemplo de uma dessas declarações, analisando o preço das camisetas e a margem de lucro com os diferentes valores.

(Crédito da imagem: Openstax)

As empresas podem usar a otimização para resolver problemas de negócios envolvendo mais de vinte restrições, compensações e objetivos. O uso da análise prescritiva permite que os analistas classifiquem diferentes fatores para encontrar a rota que permite que uma empresa atinja a maioria de seus objetivos.

A otimização usa algoritmos matemáticos complexos que maximizam ou minimizam funções objetivas enquanto ainda considera as realidades de negócios para produzir planos viáveis.

Teste seu SEO em 60 segundos!

Diib é uma das melhores ferramentas de SEO do mundo. A Diib usa o poder do big data para ajudá-lo a aumentar de forma rápida e fácil seu tráfego e classificações. Até mesmo informaremos se você já merece uma classificação mais alta para determinadas palavras-chave.

• Ferramenta de SEO automatizada fácil de usar
• Monitoramento de palavras-chave e backlinks + ideias
• Velocidade, segurança, + rastreamento de Core Vitals

• Sugere de forma inteligente ideias para melhorar o SEO
• Mais de 250.000 mil membros globais
• Benchmarking integrado e análise de concorrentes

Por exemplo “www.diib.com”

Inscreva-se gratuitamente

Usado por mais de 250 mil empresas e organizações:

• 
• 
• 
• 

Sincroniza com

Tomada de decisão baseada em heurística

Isso também é conhecido como tomada de decisão baseada em regras. Envolve decisões automáticas baseadas em um conjunto ou regras predefinidas. Essas regras são feitas por analistas usando seus conhecimentos sobre o negócio e as melhores práticas, e não matemática.

Ao contrário da otimização, a tomada de decisão baseada em heurísticas não oferece uma resposta fora das regras pré-determinadas. Aqui, os analistas aplicam estatísticas e algoritmos simples para fornecer prescrições. Por exemplo:

(Crédito da imagem: Slideshare)

A análise prescritiva oferece valor transformacional que apoia a tomada de decisões. Ao contrário de outras análises que mostram probabilidades, a análise prescritiva oferece sugestões.

O VALOR TRANSFORMACIONAL DA ANÁLISE PRESCRITIVA

Por muito tempo, a análise prescritiva tem sido usada para resolver problemas complexos, como agendamento, equipe e roteamento. Tais problemas foram abordados por cientistas de dados e não por líderes empresariais. Hoje, a análise prescritiva é menos uma ferramenta de TI e Ciência de Dados e mais uma ferramenta dentro da unidade de negócios. A análise prescritiva agora é uma ferramenta para líderes de negócios. Muitos fatores contribuíram para a mudança no uso de análises prescritivas nas operações comerciais do dia-a-dia: Esses fatores incluem:

• A disponibilidade de dados melhores e mais diversos
• Disponibilidade de ferramentas tecnológicas de análise prescritiva onde os líderes de negócios não dependem de cientistas de dados
• Os líderes de negócios têm uma lista de problemas do dia a dia que podem usar ferramentas avançadas de otimização
• A maioria das médias e grandes empresas está usando a análise prescritiva e está se tornando uma ferramenta “obrigatória” e não uma “boa adição”

É possível obter até 20 vezes o Retorno do Investimento quando os líderes tomam as decisões mais viáveis. Embora a quantidade de ROI dependa da abordagem que um líder de negócios adota e do tipo de problema abordado, a análise prescritiva oferece melhores insights e aprimoramento do modelo de negócios do que a maioria das outras formas de análise. Melhor ainda, a análise prescritiva usa dados de todas as outras formas de análise para fornecer recomendações e sugestões baseadas em dados. Abaixo estão alguns dos benefícios que os líderes de negócios podem extrair da análise prescritiva.

Crie planos sólidos com maior confiança

Os líderes empresariais agora têm mais confiança em seus planos. Por definição, os planos baseados em otimização são viáveis, razão pela qual incutem mais confiança nos líderes empresariais. Por outro lado, planos baseados em heurísticas podem ou não ser viáveis ​​– isso depende da natureza do problema e de quão bem as regras foram estabelecidas.

As empresas que usam a tomada de decisão baseada em otimização têm probabilidade de obter resultados positivos porque a operação e o fluxo financeiro de um negócio são levados em consideração no processo de tomada de decisão. A análise prescritiva oferece às empresas a compreensão das ações necessárias para a execução de um plano e a capacidade de entregar o plano. Quando um gerente apresenta um plano com confiança, ele ganha respeito e consegue implementar novas mudanças no negócio.

Desempenho de negócios aprimorado

A análise prescritiva fornece insights acionáveis ​​que ajudam os líderes de negócios a melhorar o desempenho operacional e financeiro de uma empresa. Quando aplicada em operações que anteriormente dependiam da intuição ou de outras ferramentas não confiáveis, como o Excel, a análise prescritiva é capaz de agilizar as operações.

Os impactos nos negócios incluem:

• Maior eficácia no alcance dos objetivos de negócios
• Aumenta a eficiência da operação do negócio – ou seja, uma empresa faz mais com os recursos disponíveis
• Maximize os retornos dos investimentos empresariais, por exemplo, otimizando a alocação de recursos para diferentes canais de investimento

Simplifique o processo de tomada de decisão

Decisões difíceis podem levar semanas ou até meses. Às vezes, as empresas contam com consultores externos, e isso pode custar muito dinheiro à empresa. Decisões menores feitas semanalmente nunca recebem a consideração e o tempo que as decisões importantes são tomadas. Novamente, essas decisões semanais podem não apresentar tempo suficiente para os líderes empresariais realizarem as análises. A análise prescritiva aprimora o conhecimento organizacional sobre as diferentes funções do impacto comercial entre si e, ao fazê-lo, recomenda um caminho que aumenta a capacidade de uma empresa de avaliar diferentes cenários hipotéticos para fornecer um processo de tomada de decisão mais rápido.

Reduzir o risco de investimento

Os riscos vêm na forma de finanças ou operações. Esses riscos podem não refletir como as empresas operam. A análise prescritiva ajuda os líderes de negócios a identificar e quantificar os riscos que acompanham os processos de tomada de decisão de curto e longo prazo. Dessa forma, os líderes podem desenvolver estratégias de mitigação de riscos.

Aumente os retornos dos investimentos existentes

A análise prescritiva fornece insights sobre como alavancar o investimento existente em ferramentas como Electronic Resource Planning, ERP, Software para oferecer novos dados sobre esses investimentos. Como a análise prescritiva mostra o melhor caminho a seguir, os funcionários têm a chance de causar impacto no progresso de um negócio e subir na carreira.

Enfrente os desafios de planejamento de negócios

A análise prescritiva ajuda os líderes de negócios a encontrar soluções para desafios complexos que outras formas de análise não oferecem.

Como funciona a análise prescritiva

Existem duas categorias de algoritmos aplicados na análise prescritiva:

• Algoritmos heurísticos (baseados em regras)
• Algoritmos exatos

Os algoritmos heurísticos não oferecem respostas específicas, mas quando bem projetados, oferecem um caminho mais curto para encontrar soluções viáveis ​​em um curto espaço de tempo. Algoritmos exatos, por outro lado, garantem respostas específicas, mas uma empresa precisa de tempo para encontrar uma solução, especialmente se o problema for considerável. Algoritmos exatos também são chamados de otimização. Para que a otimização ofereça respostas específicas para problemas de negócios específicos, técnicas científicas comprovadas devem ser aplicadas. A abordagem baseada em regras, abordagem heurística, não precisa da mesma prova matemática. Para a abordagem heurística, não é possível dizer se você pode fornecer a melhor resposta em alguns cenários.

Uma solução de análise prescritiva depende de heurística ou otimização. Às vezes, as duas soluções podem ser aplicadas simultaneamente, mas isso é menos comum. Não há abordagem melhor que a outra; os líderes de negócios precisam identificar a abordagem mais apropriada, para que saibam onde aplicar qualquer uma das abordagens.

Determinando a melhor abordagem em análise prescritiva

Ao considerar a abordagem a ser usada, considere os seguintes fatores:

• Natureza do problema : Alguns problemas se encaixam melhor na heurística do que na otimização, como visto mais adiante neste guia.
• Complexidade do problema : Problemas bem conhecidos podem ser difíceis de resolver usando otimização. Em alguns casos, encontrar uma resposta rápida é mais importante e, portanto, uma abordagem baseada em regras é melhor do que a otimização.
• Urgência : Se você precisar de uma resposta hoje, use uma abordagem heurística. Se você estiver disposto a esperar pela resposta, uma abordagem de otimização pode ser a melhor escolha.
• Frequência : Se você tiver que tomar uma decisão muitas vezes ao dia, pode não ter tempo para uma abordagem de otimização e, portanto, uma abordagem heurística é útil.

HEURÍSTICA E MODO DE TRABALHO

Heurísticas são regras relacionadas ao problema em questão. Se você puder definir um problema de maneira restrita ou se o problema for operacional, poderá aplicar heurísticas. Novamente, essas regras são aplicáveis ​​quando uma decisão precisa ser tomada centenas de vezes todos os dias.

Embora as heurísticas possam não fornecer uma resposta exata, elas ainda aplicam técnicas especializadas que tiram proveito de aspectos específicos de um problema. Os analistas podem desenvolver um conjunto de funções matemáticas como f(x) = y, ou um conjunto de cenários como “Se isso...então...”; e às vezes ambos.

Imagine andar em um novo bairro procurando por um prédio que você nunca viu, mas só ouviu falar. A pessoa que o enviou lhe deu instruções simples, como “vá para o leste até chegar a uma junção com uma grande fonte de água”. Então você começa a andar. Como você pode não ter um mapa e não tem GPS ou instruções precisas que incluam tempo e distâncias, você precisa confiar em regras – você pode confiar em seu conhecimento de trânsito e em sua intuição para encontrar a fonte. Aqui, você não pode pegar o caminho mais curto, porque você não sabe o que vem pela frente. Você pode acabar andando por mais dez minutos do que se soubesse a localização exata do prédio. Sem detalhes adicionais, você pode nem chegar ao prédio. Esse cenário espelha um problema baseado em heurística.

Uma das ferramentas que você pode usar para tomar decisões de negócios é o Excel. Esta ferramenta usa recursos como funções SE para fazer uma hipótese sobre uma resposta viável. Quando você insere valores, uma solução aparece imediatamente. A menos que você use uma abordagem de otimização, não há como saber se a resposta retornada é a melhor.

Alguns problemas e decisões são mais adequados à heurística do que à otimização. Alguns desses problemas e cenários incluem:

• Compra: A compra de matérias-primas, digamos, quando uma empresa deseja comprar primeiro do fornecedor mais barato.
• Alocação: Alocação de recursos, por exemplo, alocar para linha um, depois dois, independentemente do custo de operação.
• Marketing: Marketing, por exemplo, oferecendo aos clientes descontos e promoções com base em compra prévia ou qualquer outra regra.
• Atendimento de Demanda: Atendimento de Demanda, por exemplo, uma regra para atender as demandas de clientes de nível 1 enquanto outros clientes esperam.

Os prós e contras da heurística

A abordagem é ideal para automação de decisões, pois fornece soluções imediatamente. Os líderes de negócios podem usar a heurística para problemas de negócios complicados, como agendamento. Ao contrário da otimização, as heurísticas são mais fáceis de implementar e podem exigir apenas as ferramentas que uma empresa já possui.

Mesmo com os benefícios acima, a abordagem ainda oferece benefícios mínimos para a tomada de decisão holística. Pior ainda, as respostas são “suficientemente boas”, mas não garantidas, visto que as heurísticas não analisam todos os cenários. Se as instruções não forem claras, a abordagem não encontrará a solução certa.

Quando usados ​​para tomada de decisões estratégicas ou táticas, os planos podem ser inviáveis. Isto é especialmente verdade porque as regras se tornam obsoletas.

Esperamos que você tenha achado este artigo útil.

Se você quiser saber mais sobre a saúde do seu site, obter recomendações e alertas pessoais, escaneie seu site pela Diib. Leva apenas 60 segundos.

Digite seu site

Por exemplo “www.diib.com”

Inscreva-se gratuitamente

Realmente gostando de SEO e outras formas de otimização de sites para o meu site de contrato KoffeeKlatch. Eu nunca pensei que diria todas essas palavras. Gosto das atualizações regulares por e-mail sobre meus números e das tarefas para melhorá-los. Adoro receber números que sejam relevantes e que eu possa entender E fazer algo a respeito.

Annabel Kaye
Revisor 5 estrelas verificado do Google

OTIMIZAÇÃO

A otimização aplica modelagem matemática e algoritmos para encontrar a solução mais viável para um problema de negócios. Você precisa começar a definir o problema escrevendo uma equação matemática em uma plataforma de modelagem de negócios. Depois que um modelo é criado, ele passa por um algoritmo altamente especializado que resolve o problema.

Um problema de otimização tem três partes:

• Perguntas : Estes são os problemas que a empresa está enfrentando e cujas respostas são necessárias. Problemas complexos podem apresentar milhões de questões e decisões. Essas perguntas podem estar relacionadas à quantidade de matérias-primas a serem compradas, o número de horas a serem dedicadas às linhas de produção, o número de produtos a serem vendidos para determinados mercados, a quantidade de investimento a ser feita em canais de marketing específicos e assim por diante.
• Dados : Os dados disponíveis, também chamados de coeficientes, referem-se à singularidade do problema e com o que o algoritmo tem que trabalhar. Os dados podem incluir preços e rendimentos. Por exemplo, a partir das perguntas acima, os dados podem ser em termos de custo de cada tonelada de matéria-prima, custo de operação de uma linha de produção, tamanho do mercado de diferentes mercados e custo de investimento em diferentes canais de marketing.
• Restrições de negócios : também são chamadas de realidades ou restrições de negócios. Eles incluem políticas da empresa e leis físicas. As perguntas nesta seção podem incluir a disponibilidade de matérias-primas, a capacidade de trabalho de uma linha de produção e a demanda em um determinado mercado.

Para obter a resposta mais viável, um objetivo para minimizar ou maximizar uma métrica deve ser inserido. As métricas incluem lucros, custos, volume, utilização de pessoal e muito mais. Os usuários também podem incluir o nível de especificidade necessário e quanto tempo estão dispostos a esperar pela solução. A partir dos dados fornecidos, o algoritmo executa a resposta.

Com a otimização, você pode resolver os seguintes problemas:

• Transporte
• Determinando quando substituir o equipamento
• Atribuição de pessoal a diferentes equipamentos
• Mistura de gasolina

A disponibilidade de ferramentas tecnológicas avançadas permite que as empresas resolvam problemas multifuncionais para aplicativos valiosos, como:

• Rentabilidade do cliente
• Preços
• Planejamento de investimentos em ativos
• Criação de mix de produtos, blends e substitutos
• Planejamento de força de trabalho
• Treinamento
• Negociação de commodities

Diferentes indústrias têm diferentes maneiras de aplicar a otimização. O seguinte é um exemplo de um modelo de otimização.

(Crédito da imagem: DZone Big Data)

Prós e contras da otimização

Ao contrário da heurística, a otimização fornece as soluções mais viáveis ​​com valores de oportunidade. Desta forma, os líderes empresariais podem tomar as decisões complexas para trazer melhores rendimentos.

A técnica é comprovada e está em uso há décadas. Melhor ainda, existem muitas ferramentas para ajudar com algoritmos.

O principal desafio com a otimização é que leva tempo para dar a melhor resposta. Se sua empresa usa pacotes de software tradicionais, você pode precisar de habilidades especializadas para escrever equações matemáticas.

Escolhendo a abordagem certa

Você precisa entender como a heurística e a otimização funcionam para escolher a abordagem certa. As tecnologias e a abordagem que você escolher devem conceder a você a flexibilidade de realizar análises de cenários hipotéticos. Considere todas as decisões que você tomará após a decisão atual. Novamente, considere a disponibilidade de dados e a definição do problema. Onde o problema é bem definido, a otimização funciona melhor.

FERRAMENTAS DE ANÁLISE PRESCRITIVA E CONJUNTOS DE HABILIDADES

Quando você lança uma iniciativa, habilidades e funções padrão, como gerente de projeto, líder de iniciativa e comitê de direção, são importantes. No entanto, habilidades especiais para implantar análises prescritivas também são necessárias nos seguintes campos:

Configuração do modelo

Um analista de negócios qualificado deve ser capaz de criar modelos de análise prescritiva a partir da data fornecida. Com tantas ferramentas de análise prescritiva hoje, não há necessidade de um cientista de dados ou um especialista em pesquisa operacional. Um analista de negócios que trabalhou com planilhas complexas do Excel deve ser capaz de configurar modelos. Qualquer pessoa na área de engenharia, economia, contabilidade, matemática, atuarial e gestão de operações de negócios pode fazê-lo.

Definição de problema

A definição do problema requer alguém que entenda o problema de negócios em questão. O especialista pode ser um profissional experiente que pode descrever o problema em detalhes. O profissional pode ser um planejador ou um analista.

Projeto de aplicativo

Um designer de aplicativos incorpora o modelo de análise prescritiva em um aplicativo que se integra ao processo de planejamento de negócios. A função do designer incluirá integração de dados, gerenciamento de dados e configuração de fluxo de trabalho. Isso pode ser feito por um arquiteto de soluções, mas se a interface do usuário exigir habilidades especiais, um especialista em inteligência de negócios pode ser contratado.

Finança

Um profissional de finanças garante que os modelos de análise prescritiva representem as finanças corretas, conforme visto nas demonstrações financeiras, incluindo fluxo de caixa, contabilidade de custos e contribuição marginal, entre outros.

Ferramentas de análise prescritiva

Ao comprar uma ferramenta de análise prescritiva, existem duas abordagens tecnológicas principais:

• Aplicativos empacotados
• Plataformas de otimização

Um aplicativo empacotado é um programa totalmente funcional que você compra e instala ou assina e depois configura sem qualquer codificação adicional. O programa oferece respostas heurísticas e baseadas em otimização. Você pode precisar fazer algumas configurações, como escolher qual módulo instalar. Alguns aplicativos também permitem que você os personalize para atender a requisitos específicos.

Na maioria dos casos, os aplicativos empacotados visam áreas ou nichos de negócios bem definidos. O fornecedor cria um aplicativo que já funciona para o problema que você precisa resolver, os dados que você tem e a solução que você está procurando. Um exemplo dessas aplicações inclui o Supply Chain Guru da Llmasoft, que trata da otimização de rede e o Manufacturing Planning da JDA, que trata dos processos de fabricação.

Ao contrário de um aplicativo empacotado que vem pronto para uso, uma plataforma de otimização ajuda você a criar aplicativos e pode exigir muita personalização. A maioria das plataformas roda em Linux ou Windows e você precisa de uma licença para rodar uma. Enquanto um aplicativo em pacote ajuda a gerenciar o inventário, uma plataforma de otimização permite criar aplicativos para inventário, demanda, capacidade e qualquer outro uso.

Uma plataforma de otimização pode exigir que você crie a matemática. Exemplos de tais plataformas incluem o CPLEX Optimization Studio da IBM e o Advanced Interactive Multidimensional Modeling System, AIMMS.

Os aplicativos empacotados e as plataformas de otimização usam algoritmos especializados, conhecidos como solucionadores de otimização, para encontrar soluções viáveis ​​para problemas de negócios. Alguns dos principais solucionadores do mercado incluem Gurobi, Xpress da FICO e CPLEX da IBM. Em um aplicativo empacotado, os solucionadores não são visíveis na interface do usuário, mas todas as plataformas precisam interagir explicitamente com os solucionadores.

A figura abaixo destaca a diferença entre as duas abordagens. As duas caixas à esquerda compreendem alguns dos fornecedores que vendem plataformas de modelagem de otimização e solucionadores. A caixa à direita lista algumas áreas principais relacionadas a negócios atendidas pelo software de aplicativo empacotado.

Plataformas comuns de modelagem de otimização

• AIMMS
• AMPL
• FOCI
• SAS
• Lógica do Rio
• IBM
• Decisões de portfólio

Solucionadores de otimização populares

• Conopt
• FICO Xpress
• Gurobi
• IBM CPLEX
• Tricô
• SAS/OU

Aplicativos de otimização

• Marketing
• Preços
• Logística
• Cadeia de mantimentos
• Governo
• Planejamento estratégico
• Operações

Observe que uma plataforma de otimização e solucionadores permitem que você crie aplicativos. Por outro lado, os aplicativos empacotados vêm prontos para uso, onde o fornecedor fez tudo por você. Você precisa entender os prós e contras de cada um, conforme explicado abaixo.

Aplicativos empacotados definidos mais detalhadamente

A maioria dos aplicativos empacotados de análise prescritiva são baseados em nuvem. A principal vantagem do Software como Serviço, SaaS e Plataforma como Serviço, PaaS, é que você paga apenas pelo hardware e Software que usa enquanto o fornecedor faz a manutenção. Novamente, como cliente, você tem acesso imediato às atualizações mais recentes.

Com um aplicativo empacotado, apenas configuração, treinamento, integração e suporte simples são necessários para iniciar. A configuração inclui configurar uma conta de usuário e definir as fontes de dados. A integração pode incluir o uso de modelos fornecidos pelo fornecedor para fazer upload de arquivos de dados.

A maioria dos aplicativos se conecta diretamente a fontes de dados fora do sistema e a outros programas. Isso é bom se você tiver dados fora do banco de dados da empresa. No entanto, pode ser um problema se sua empresa não permitir que dados externos passem pelo firewall.

Se um aplicativo exigir que você escreva equações matemáticas, ele não atende à definição de análise prescritiva de um aplicativo empacotado. Um bom aplicativo empacotado não exige que você escreva matemática. Novamente, o fornecedor nunca irá expor seu código proprietário.

Soluções em pacote populares

• Otimização de Marketing Angoss
• Soluções JDA para manufatura, varejo e indústrias de serviços
• Otimização de rede Llamasoft
• Solução de análise de clientes Manthan
• Soluções de varejo Profitect
• River Logic, uma plataforma baseada no Microsoft Azure
• Soluções de manutenção prescritivas da Rockwell Automation
• Otimização de preços da Zilliant

Prós e contras de aplicativos empacotados

Se um problema estiver bem definido, por exemplo, o preço do produto, um aplicativo em pacote é útil. Também é ótimo para grandes indústrias com muitas empresas, como o setor de varejo.

Como a maioria dos aplicativos empacotados são baseados na Web, eles não requerem nenhuma instalação e estarão funcionando em algumas horas. Eles não são apenas fáceis de começar, mas também não exigem que você escreva equações matemáticas e usam recursos limitados da empresa.

No entanto, esses aplicativos também têm alguns contratempos. Há menos aplicações para pequenas indústrias e para problemas complexos. Novamente, esses aplicativos podem não atender a todos os seus requisitos e você conta com o fornecedor para corrigir os bugs.

Plataformas de Otimização

Como mencionado anteriormente, as plataformas de otimização consistem em uma plataforma de modelagem e um solver. Uma plataforma de modelagem ajuda você a escrever a matemática necessária para definir o problema. Você pode escrever matemática por codificação ou por meio da funcionalidade de arrastar e soltar. Depois de inserir a matemática, os solucionadores encontram a solução exata que você precisa.

Os nomes dos programas vêm com palavras como desenvolvedor, estúdio, modelador, caixa de ferramentas ou variações semelhantes. Esses programas funcionam em sistemas operacionais Windows e Linux. Você também precisa de uma licença, que pode ser vinculada a um usuário, máquina ou organização. Hoje, existem pelo menos 50 plataformas no mercado.

Plataformas de otimização populares hoje:

• AIMMS – linguagem de modelagem e ambiente de desenvolvimento
• AMPL – linguagem de modelagem algébrica
• COINOR – linguagem de modelagem de código aberto
• FICO Xpress – desenvolvimento de modelagem e solucionador
• Frontline – um solucionador para Excel
• GAMS – desenvolvimento de modelagem para programação matemática
• Gurobi – solucionador com muitas linguagens de modelagem
• IBM CPLEX – linguagem de modelagem algébrica
• LINDO – linguagem de modelagem algébrica
• Mathematica - usado para matemática computacional simbólica
• MATLAB – caixa de ferramentas de otimização com muitos algoritmos e técnicas
• MOSEK – solucionador para problemas de grande escala
• River Logic – Desenvolvimento de modelagem sem código, arrastar e soltar

Prós e Contras das Plataformas de Otimização e Solvers

A otimização é útil se você precisar de uma solução personalizada para uma empresa especializada ou para resolver problemas complexos. Também é a escolha ideal quando a política de TI da sua empresa exige tudo por trás do firewall da empresa. A maioria dos fornecedores acima existe há mais de 30 anos.

Os programas exigem um especialista em OR que escreverá matemática. Eles também precisam de outro especialista para construir uma interface de usuário.

Qual tecnologia comprar?

A tecnologia que você escolher deve permitir que a empresa atinja seus objetivos enquanto mitiga os riscos. É essencial considerar tanto o problema em questão quanto a visão de longo prazo do negócio. Você precisa considerar o valor que a análise prescritiva trará para o processo de planejamento e tomada de decisão de uma empresa. Alguns dos principais recursos a serem considerados devem incluir modelagem, interface do usuário, gerenciamento de dados e arquitetura.

Modelagem

A plataforma de modelagem ou o aplicativo empacotado deve atender às necessidades de uma empresa. Aqui, você precisa considerar as principais restrições que precisa usar para obter uma solução viável. Considere se você usará proporções, combinação, conjuntos ordenados sociais, mínimos condicionais e proporções financeiras. Você também precisa prestar atenção à flexibilidade da plataforma para mudanças futuras. A tecnologia também deve apoiar as finanças empresariais como entradas e saídas.

Sempre escolha um programa que seja fácil para o pessoal aprender, configurar e implementar. Uma funcionalidade de arrastar e soltar é mais fácil para o analista de negócios interno.

Interface de usuário

Uma interface de usuário intuitiva permite que diferentes partes interessadas em uma empresa interajam com o programa. A interface do usuário deve suportar a inserção de informações e a visualização das entradas. Ele também deve permitir que um usuário defina, configure e execute diferentes cenários hipotéticos. Os relatórios devem suportar a visualização correta e a interface do usuário deve ser configurável sem a necessidade de programação.

Gestão de dados

A análise prescritiva requer muitos dados, e os dados precisam de limpeza e aprovação antes do uso. Ao fazer compras, você precisa de uma plataforma com ferramentas para trazer dados, transformar os dados e executar verificações para identificar links ausentes. A plataforma também deve oferecer suporte ao fluxo de trabalho em que um usuário recebe os dados, outro os revisa ou edita e outro os aprova. Por fim, considere a compatibilidade da plataforma com os aplicativos.

Arquitetura

Algumas das perguntas que você precisa fazer aqui incluem: Ele oferece baseado em nuvem? Precisa de tempo para instalar? Quanta escalabilidade ele fornece? Novamente, verifique se o fornecedor adotou medidas de alta segurança.

ANÁLISE PRESCRITIVA VS. ANÁLISE PREDITIVA

Para entender a principal diferença entre a análise prescritiva e a análise preditiva, imagine o gerente em uma empresa de produtos embalados (vamos chamá-la de Davina) e um analista de negócios (vamos chamá-lo de Ed).

Davina vai até Ed e pede que ele crie painéis que coletam dados para responder a perguntas que podem ajudar na tomada de decisões. Se a gerente, Davina, tiver dificuldades com seu orçamento, Ed pode compilar painéis que a ajudam a rastrear seus gastos e enviar notificações sempre que ela se aproximar de seu orçamento mensal. Para Ed criar o painel para Davina, ele precisa criar um relatório que atualize seus gastos com promoções, anúncios, feiras e quaisquer outras categorias de gastos. Além das notificações, Ed também cria gráficos e visuais que mostram os dados de gastos em tempo real de Davina. Este é um exemplo de Business Intelligence, que forma a base para análise de negócios.

Análise preditiva

A partir do exemplo acima, Davina pode se ater a um orçamento, seguindo os painéis que Ed cria. Por meio do Business Intelligence, a Davina pode contar as campanhas, iniciativas de canal e personas de liderança que geraram a maior receita da empresa. No entanto, o BI ainda não é suficiente para agilizar a empresa, pois os insights recebidos não oferecem o quadro completo além do acompanhamento das despesas.

Depois de acompanhar seus gastos, problemas como a rotatividade de clientes ainda afetam os negócios. Para análises descritivas, Ed, o analista de negócios, precisa coletar dados de marketing e vendas. Os dados incluem informações sobre fechamento de negócios, perdas, gerenciamento de sites, engajamento de mídia social, comportamento do cliente, informações de campanha e engajamento da marca.

Usando os dados coletados, Ed pode criar modelagem preditiva para prever a probabilidade de resultados. Para fazer isso, o analista usa análise de regressão, correspondência de padrões, estatística multivariada e previsão. As previsões ajudarão Davina a melhorar seu desempenho de marketing.

Com a análise preditiva, os líderes de negócios preveem a probabilidade de perda de clientes e intervêm antes que o dano ocorra. Com uma taxa de churn reduzida, as margens de lucro das empresas aumentam. Este é um exemplo de análise preditiva.

Onde entra a análise prescritiva?

Mesmo com a análise preditiva, ainda há algumas perguntas sem resposta. A análise descritiva mostra os canais que geram mais receita e ajudam a prever os resultados, mas a análise não diz o que fazer.

Por exemplo, se você entende que o canal de marketing A traz mais receita, quanto dinheiro você deve gastar nesse canal para ter mais retornos? Those in marketing might need to understand the exact dollar to allocate for optimal return on investment.

When precise answers on what to do are needed, prescriptive analytics come in. Business analysts collect data on business processes, rules, objectives, preferences, constraints, policies, boundaries, best practices, revenue, and costs. Using the data and a set of algorithms, analysts are able to find the way forward. Prescriptive analytics tells you what to do – you enter the math to define a problem and a set of algorithms find the most feasible solution. Here is a great image that helps to understand how these two analytical tools work together.

(Image credit: SMatstraffic)

Implementing the Prescriptive Analytics Initiative

Once you understand what is prescriptive analytics and the tools available, you can now implement an initiative. When doing so, you need to:

• Establish your vision
• List the critical process steps
• Ensure you have the right skills

Your vision is the overall opportunity that prescriptive analytics presents. The vision includes how the business seeks to make its decisions now and in the future, how these decisions will affect business performance, and a roadmap of the steps to follow. The roadmap contains key steps that the organization needs to follow to achieve its objectives. Education should be part of the vision as prescriptive analytics is seen as a niche that only Operations Research PhDs understand.

The key processes from evaluation to implementation include:

• Team assignment – find a team
• Value discovery – interviews and workshops to define the problem
• Proof of concept, POC – identify a subset of problems to run a proof of concept
• Implementation – this is the design and model building process
• Data management and workflow management, user interface development, technical testing, and user acceptance training
• Expansion – leverage the initial win and identify the next areas of problems

Resumo

Prescriptive analytics by definition shows that it is a set of analyses that seeks to answer the question; What to do? How much to invest? What to do first? While other analytics give you so much data to help you make the right decision, prescriptive analytics points you to the exact direction of the decision.

Prescriptive analytics is either heuristics-based or optimization-based. Heuristics based analytics uses a set of what-if rules to prescribe solutions. These solutions may not be feasible. Optimization-based prescriptive analytics applied math and algorithms to find the most feasible solution. There are many tools to use, but they all fall into two categories; modeling platforms and packaged applications. Packaged applications are ready-to-use out of the box and only require a few configurations and settings while modeling platforms help you create applications.

Diib Will Team with You to Improve Performance

You'll have no need to purchase a packaged application for your prescriptive analytics needs when you partner with Diib. In the land of prescriptive analytics and performance analysis, Diib leads the market in both technology and expert staff. Our software compiles data from countries all over the world as well as in the United States. We take this data and give you actionable insights for improvement and performance enhancement. Here is what sets Diib apart from the rest:

• Monitoramento e reparo da taxa de rejeição
• Integração e desempenho de mídia social
• Páginas quebradas onde você tem backlinks (verificador 404)
• Ferramentas de monitoramento e rastreamento de palavras-chave, backlinks e indexação
• Experiência do usuário e otimização de velocidade móvel
• Monitoramento técnico de SEO

Clique aqui para fazer uma varredura gratuita ou simplesmente ligue para 800-303-3510 para falar com um de nossos especialistas em crescimento.