Qual é a Diferença entre Análise Preditiva e Inteligência Acionável?

A análise preditiva utiliza dados históricos e tendências de negócios para prever a probabilidade de certos cenários ocorrerem, ajudando a estimar a probabilidade de um resultado futuro com base em padrões de dados históricos.

Existem, na verdade, quatro tipos de análises: descritivas, diagnósticas, preditivas e prescritivas. Em termos mais simples, a analítica descritiva é “o que aconteceu”, a analítica diagnóstica é “por que isso aconteceu”, a analítica preditiva é “o que vai acontecer” e a analítica prescritiva (inteligência acionável) é “o que devo fazer”. Tecnicamente, todos os quatro tipos analisam grandes volumes de dados para identificar tendências de negócios e "eventos" que podem afetar decisões empresariais.

No entanto, a análise preditiva exige que os usuários ou trabalhadores entendam e saibam interpretar "o futuro". Considerando que, a inteligência acionável é uma análise para todos (incluindo aqueles na periferia) com foco no desempenho futuro através da identificação de fatores controláveis e fornecendo oportunidades acionáveis que geram resultados.

O que é a Inteligência Acionável?

Inteligência acionável é uma das formas mais avançadas de análise de negócios. Ele utiliza aprendizagem de máquina, regras de detecção de padrões e algoritmos para identificar anomalias nas operações de uma empresa – e então prescreve uma ação corretiva para otimizar o resultado. Essa última parte é o que torna a inteligência acionável tão valiosa: ela pode prescrever de forma inteligente a ação que alguém deve tomar para otimizar um resultado de negócios específico.

Ele pode analisar os dados de uma empresa e dizer a ela:

• O que está acontecendo?
• Por que isso aconteceu? (causa raiz)
• Quem deve responder?
• Como eles devem responder para impactar positivamente a receita

Saiba mais sobre a Inteligência Actionável em nossa Perguntas frequentes sobre Inteligência Actionável dedicada. 

Quais são as principais diferenças?

A Analítica Preditiva é um modelo de análise que leva em consideração padrões em dados históricos e cronologias históricas para informar você e prever o que vai acontecer a seguir, enquanto a Inteligência Acionável simula diferentes ações que você poderia tomar com base em uma meta que deseja alcançar (por exemplo, aumentar as vendas, reduzir o desperdício) para descobrir o resultado mais otimizado.

Quais São os Exemplos de Análise Preditiva e Inteligência Acionável

Exemplos reais de como a inteligência preditiva e acionável pode ser utilizada são:

Preservando a Qualidade do Produto

Um varejista de roupas utilizou inteligência acionável e IA pragmática para identificar e resolver uma oportunidade única de devolução. Um novo produto estava apresentando uma alta taxa de devoluções na maioria das lojas nos primeiros dias de vendas, além de uma alta taxa de produtos danificados. Esta oportunidade foi enviada ao comerciante com as recomendações para (1) avaliar a qualidade do produto, (2) verificar o rótulo e (3) entrar em contato com o fornecedor para um aumento de margem de tolerância ou produto de substituição. Descobriu-se que o produto estava sem as instruções corretas de lavagem na etiqueta de cuidados; as instruções reais na etiqueta danificariam o item. Como resultado, foi criada uma ação para as lojas fixarem uma etiqueta de cuidados com a roupa atualizada nas mercadorias afetadas restantes. Uma notificação semelhante foi enviada ao fabricante com as instruções de cuidado corretas. Em última análise, as devoluções de produtos caíram 78 por cento nas semanas seguintes à ação corretiva e essas ações ajudaram a salvar o estilo.

Gerenciando Fornecedores

Um varejista utilizou dados estratégicos para identificar um aumento significativo em danos causados por ovos grandes em um grupo de lojas dentro de uma região específica. O departamento de merchandising entrou em contato com o fornecedor para descobrir por que isso estava acontecendo. Acontece que o fornecedor sofreu um incêndio na fábrica que produzia as caixas para ovos grandes, então passaram a usar caixas médias para enviar os ovos grandes. Esses caixas eram muito pequenas, causando atrito adicional que danificou os ovos grandes. Sem identificar e corrigir a anomalia, o supermercado pode nunca ter percebido o excesso de danos, nem ter sido capaz de rastrear a causa raiz e obter um crédito do seu fornecedor.

Harmonizar Perfis de Clientes

Uma varejista de moda utilizou inteligência acionável para reduzir com sucesso o inventário antigo e aumentar as vendas ao oferecer itens perto do fim da temporada para famílias que correspondiam ao estilo e faixa etária de um comprador provável com base em padrões de compra de famílias leais. Por exemplo, uma promoção direcionada pode ser enviada para uma saia branca oferecida a uma mulher de 25 a 30 anos com um desconto de 30%, atraindo-a a vir à loja para agir agora e ela poderá usar a saia até o final do verão. Sem inteligência acionável, muitos varejistas esperam e depois colocam o item com 75% de desconto para todos e esperam que a mesma compradora volte, mas agora eles perderam lucros.

Compre com a Demanda em Mente

Um padrão de ação prescrita identificou um produto específico que tinha um Custo para Servir (custo para entregar o produto ao cliente dentro do prazo prometido) mais alto. A oportunidade foi enviada ao DC para resolução. Eles rapidamente notaram que os produtos em questão foram comprados em uma medida e com embalagem que não se alinhavam com a demanda do cliente ou o processamento do centro de distribuição. A ação tomada foi notificar o comprador para criar pedidos específicos para o comércio eletrônico. Isso melhorou a velocidade de atendimento do DC. A comunicação entre canais melhora o desempenho!

Aumente o Valor do Carrinho Através da Identificação do Padrão de Compra com Crédito

Um varejista utilizou IA pragmática com  inteligência acionável para identificar que, quando determinados clientes compram brócolis, também compram bananas. Esta descoberta foi comunicada à empresa juntamente com ações prescritivas para capitalizar esta descoberta. Os gerentes de loja foram instruídos a reorganizar as prateleiras para que as bananas e o brócolis ficassem à distância adequada, a fim de aumentar o número de cestas que incluíam bananas e também de impulsionar as compras por impulso.

Recompense a Fidelidade, Não Atividades Fraudulentas

Um grande varejista com um popular programa de fidelidade usou  inteligência acionável para descobrir um problema do qual nem sequer tinham conhecimento. Aproveitando a análise, eles conseguiram descobrir uma tendência de que os compradores estavam fraudando seus pontos de recompensa para obter recompensas gratuitas. O sistema anterior do seu varejista não monitorava a leitura de pontos até o final de cada dia, então, se um cliente levava o recibo para várias lojas em um único dia, era fácil receber muitas vezes mais pontos de recompensa do que o devido. A solução de inteligência acionável detectou a recorrência e recomendou o rastreamento em tempo real para garantir que os recibos pudessem ser escaneados apenas uma vez para obter pontos, economizando até R$ 500 por comprador, o que significa milhões para o resultado final.

Aumente os Itens por Transação - Por que Comprar Apenas Um?

A inteligência acionável foi utilizada por um varejista para identificar lojas com uma alta taxa de transações de itens únicos, bem como os associados que estavam impulsionando esse comportamento. Uma oportunidade foi enviada às lojas para reagendar esses associados com associados que costumam anotar vários itens por transação, para que os associados aprendam a fazer vendas adicionais. Os resultados foram um aumento imediato nas vendas, itens por transação e treinamento entre colegas. Uma grande vantagem para a organização. 

Aumente a Fidelidade à Marca

Um mercado tinha uma base de clientes consistente que fazia uma grande compra semanal (mais de R$ 120) e uma ou mais compras menores por semana. Quando um concorrente se aproximou, o merceário experimentou uma queda nas visitas menores e complementares. Com inteligência acionável, o supermercado identificou as famílias que haviam parado de fazer os pequenos passeios, bem como os itens específicos que estavam comprando em outros lugares (ou seja, carne ou legumes). Com essas informações, o varejista conseguiu enviar ofertas direcionadas para essas residências, incentivando-as a retornar. Em última análise, o varejista recuperou muitos desses clientes, o que resultou em um aumento nos lucros.

Estes são apenas alguns exemplos de como os líderes de retail podem usar a IA prática para analisar criticamente as operações comerciais e tomar medidas para obter retornos. Se houver atrasos no envio, reclamações de clientes sobre a durabilidade do produto ou um incidente aparentemente isolado de mercadoria quebrada, a IA prática e a inteligência acionável vão além de tabelas complicadas de dados para fornecer insights acionáveis. Por essa ótica, a IA pragmática é o próximo passo natural para a adoção da análise.