A ideia aqui \u00e9 fornecer recomenda\u00e7\u00f5es inteligentes para ajudar a alterar o futuro. Enquanto as an\u00e1lises preditivas prev\u00eaem futuros poss\u00edveis, as an\u00e1lises prescritivas criam suas recomenda\u00e7\u00f5es espec\u00edficas para lidar com esse futuro.<\/p>\n\n\n\n

O aplicativo Waze \u00e9 um exemplo claro de aplica\u00e7\u00e3o cotidiana dessa an\u00e1lise. Nele \u00e9 poss\u00edvel colocar um lugar de partida e um destino para que o app calcule as rotas poss\u00edvel, quanto tempo cada rota demora para ser feita e indica qual a melhor para aquele dia e hor\u00e1rio.<\/p>\n\n\n\n

As an\u00e1lises prescritivas na maioria das vezes dependem de um esfor\u00e7o em equipe para funcionarem. \u00c9 preciso criar recomenda\u00e7\u00f5es alinhadas com o contexto da empresa e com as condi\u00e7\u00f5es de cada equipe que ir\u00e1 realizar essas a\u00e7\u00f5es. <\/p>\n\n\n\n

Ainda, a prescri\u00e7\u00e3o pode ser resultado de uma ferramenta de simula\u00e7\u00e3o de cen\u00e1rios, criada a partir de an\u00e1lises preditivas, onde a simula\u00e7\u00e3o envolve tamb\u00e9m a parametriza\u00e7\u00e3o realizada pelos tomadores de decis\u00e3o. Assim, podem visualizar diferentes resultados poss\u00edveis a partir de par\u00e2metros pr\u00e9-estabelecidos.<\/p>\n\n\n\n

Case da Target<\/h3>\n\n\n\n

A Target que foi capaz de saber que uma mo\u00e7a estava gr\u00e1vida antes mesmo da fam\u00edlia. E realizou isso baseando-se apenas nos seus h\u00e1bitos de compra. A a\u00e7\u00e3o da loja era a seguinte: eles conduziram uma pesquisa junto \u00e0s clientes gr\u00e1vidas para saber quando era a poss\u00edvel data de nascimento dos beb\u00eas. Monitoraram os h\u00e1bitos de compra dessas mulheres m\u00eas a m\u00eas para entender o que mudava. Isso inclu\u00eda perfumes e cremes com cheiros mais suaves ou sem cheiro, diferentes suplementos de vitaminas, entre outros produtos.\u00a0<\/p>\n\n\n\n

Com o grande fluxo de informa\u00e7\u00e3o das clientes, a loja se adiantou e ofereceu descontos em produtos que elas precisariam. Itens como fraldas, len\u00e7os e ber\u00e7os eram as compras mais comuns das futuras m\u00e3es. Para engajar esse p\u00fablico a empresa come\u00e7ou a gerar cupons autom\u00e1ticos para esses produtos.<\/p>\n\n\n\n

Foi assim que uma das clientes come\u00e7ou a receber cupons de desconto para produtos relacionados \u00e0 maternidade. A fam\u00edlia n\u00e3o entendeu o motivo e seu pai ficou incomodado achando que a empresa estava estimulando sua filha a engravidar. Semanas depois a jovem anunciou a gravidez.\u00a0<\/p>\n\n\n\n

A estrat\u00e9gia da loja por tr\u00e1s dessa a\u00e7\u00e3o era atingir o p\u00fablico antes dos concorrentes. E fidelizar as clientes por meio dos cupons de desconto nas lojas, antes mesmo das crian\u00e7as nascerem. As outras empresas, no geral, s\u00f3 come\u00e7am essa campanha depois das gestantes se tornarem m\u00e3es. Por isso acabam perdendo esse p\u00fablico para a Target que j\u00e1 estava trabalhando com estrat\u00e9gias de marketing orientado a dados h\u00e1 mais tempo.\u00a0<\/p>\n\n\n\n

Gostou do nosso conte\u00fado? Continue de olho no blog da Oper para acompanhar todas as postagens. <\/p>\n","protected":false},"excerpt":{"rendered":"

An\u00e1lises descritivas e preditivas s\u00e3o as ferramentas que um cientista de dados precisa aprender logo de cara. Elas s\u00e3o relativamente simples, mas possibilitam grandes melhorias no dia a dia da empresa. J\u00e1 a prescritiva exige um conhecimento de neg\u00f3cios mais aprofundado e muitas vezes um trabalho em equipe junto aos gerentes. <\/p>\n","protected":false},"author":8,"featured_media":7638,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"","site-content-layout":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","spay_email":"","footnotes":""},"categories":[442],"tags":[319,60,320,551,150,104,321],"class_list":["post-7625","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-fundamentos-de-estatistica","tag-analise-descritiva","tag-analise-preditiva","tag-analise-prescritiva","tag-analises","tag-banco-de-dados","tag-dados","tag-previsao-de-cenarios"],"yoast_head":"\n