A promessa de que ferramentas de inteligência no formato “plug and play” funcionam como a solução definitiva para a mensuração de dados tem sido uma das principais causas de insucesso no ambiente corporativo. Em vez de solucionar gargalos analíticos, a contratação automatizada dessas plataformas costuma induzir a decisões estratégicas equivocadas. A análise é de Diego Senise, CEO da ILUMEO, ao tratar das dificuldades na aplicação de Marketing Mix Modeling (MMM) e em sua integração com indicadores de marca.
O diagnóstico é ilustrado por um caso real envolvendo uma grande empresa que contratou uma solução SaaS (Software as a Service) no modelo “plug and play”. Após tomar decisões incorretas com base na ferramenta, a companhia buscou a ILUMEO na tentativa de apenas trocar de fornecedor, acreditando que uma nova plataforma resolveria a situação. Contudo, a origem do problema não estava nos sistemas utilizados.
Os erros observados na mensuração e na modelagem raramente são de origem algorítmica. As bibliotecas de machine learning e o conhecimento técnico associado à inteligência artificial estão amplamente acessíveis e disponibilizados na propriedade intelectual de diversos fornecedores. Por essa razão, as falhas não costumam derivar do processamento computacional, mas sim da construção conceitual dos projetos.
A principal origem das distorções está no descuido com as premissas e na falha de alinhamento conhecida como strategy to metrics. Trata-se do correto cascateamento entre a estratégia da empresa, suas táticas operacionais, os indicadores e os KPIs definidos. Sem uma governança interna estruturada que determine quem mensura cada informação, de que forma os dados são coletados e a quem devem ser reportados, os resultados gerados pela tecnologia perdem a validade.
Essas incorreções nas premissas afetam diretamente a operacionalização dos testes e a integração dos dados. Decisões sobre o tempo de execução das análises, o volume de verba alocado, a frequência das medições e a variância dos indicadores exigem planejamento prévio.
Além disso, a falta de estruturação conceitual dificulta a combinação entre os dados provenientes do CRM, sob uma perspectiva bottom-up, com os modelos de Marketing Mix Modeling e as métricas de marca. “Os erros normalmente são de premissa”, sintetiza Senise.
Diego Senise é Sócio e CEO da ILUMEO e Professor de Inteligência Artificial na Universidade de São Paulo (USP).
