A previsão determinística já faz parte do dia a dia das empresas há algum tempo – mas a abordagem probabilística parece estar mudando o jogo – e entregando resultados melhores.
O retorno sobre investimento é um dos pontos mais importantes na hora de analisar qualquer negócio. Afinal, o objetivo é esse: que todas as suas ações, e todos os investimentos que você realiza na empresa, seja por meio de contratações, treinamentos, compra de equipamento, uso de novas tecnologias etc., sejam recompensados. Porém, neste texto falaremos de um retorno ainda mais específico: o Retorno sobre Investimento (ROI) da previsão probabilística.
Isso porque, com o papel crítico da incerteza nas previsões realizadas com dados, esse é um indicador que vem recebendo bastante atenção. Com o avanço da tecnologia, os fornecedores de software já estão aptos a oferecerem previsões probabilísticas de última geração, e muitas empresas estão incorporando e dando um espaço significativo a essas previsões em seus processos de tomada de decisão. Dessa forma, quando falamos sobre previsões e probabilidade, qual é o ROI ideal? Ou ao menos esperado?
Previsão probabilística: funciona na teoria, mas e na prática?
Ao longo deste texto, nosso objetivo é explicar um pouco mais sobre as diferentes abordagens de previsão e probabilidade, bem como o retorno sobre investimento que essas estratégias oferecem às empresas. Atualmente, a previsão probabilística já é considerada um dos fatores “must-have” na Ciência de Dados, e provavelmente deve substituir, em poucos anos, os antigos métodos de previsão que foram utilizados até aqui. E a verdade é que, na teoria, a abordagem probabilística parece definitivamente muito mais apropriada para as necessidades atuais do que a determinística, por exemplo. Porém, quando falamos em medir o valor agregado desta abordagem, é preciso ir além.
Na prática, realmente faz sentido que as empresas tomem decisões com base na previsão probabilística? O retorno financeiro desta escolha é satisfatório? Vejamos.
O uso de probabilidade para previsões e tomada de decisão
Primeiramente, vale explicar o que, afinal, é a previsão probabilística, e seu diferencial em relação à previsão determinística, ou pontual. Basicamente, a previsão determinística é utilizada há décadas, e provavelmente a mais aplicada pelas empresas até hoje. Seu objetivo é prever “como será o futuro” de um negócio, serviço, lançamento ou produto. Sempre da maneira mais exata possível. O problema é que, como o futuro é sempre incerto, essas previsões acabam sendo, na maioria das vezes, erradas. E por isso recebem muitas críticas. Toda decisão é baseada na suposição de que essas previsões ocorrerão conforme o previsto (desconsiderando imprevistos como uma pandemia, por exemplo).
Contudo, quando falamos em previsões probabilísticas, em vez de fornecer uma previsão pontual (50% ou 90% de chances, por exemplo), a ideia central é descrever toda a distribuição de probabilidade. Basicamente, o objetivo desta abordagem é descrever “o que o futuro poderá ser”, ao invés de “o que de fato será”. Como dizia o filósofo britânico Carveth Read, é melhor estar vagamente certo do que completamente errado.
Assim, como toda a incerteza está descrita desde o princípio, a previsão probabilística fornece muito mais informações do que qualquer outra abordagem de previsão. Como resultado, é possível ter uma visão completamente diferente do que virá daqui para frente, e adaptar as decisões de negócio a partir disso. Com a previsão probabilística, é possível tomar decisões mais conscientes, considerando todos os cenários possíveis, e se ajustando a isso.
Abordagem determinística ou probabilística? Principais diferenças
Certo, mas a pergunta a se fazer é: existe algum valor agregado em optar pela previsão probabilística, em detrimento da determinística? Além da mudança de processo, essa escolha realmente traz retornos sobre investimento melhores?
Como já explicamos, a ideia da previsão probabilística é descrever completamente a distribuição da incerteza em vez de fornecer um único número como resultado (como a mediana ou um quantil específico). Desse modo, é teoricamente possível levar em consideração todos os cenários futuros possíveis na tomada de decisões e, assim, propor soluções mais inteligentes, que não apenas levam em consideração a incerteza, mas estão otimizadas para ela.
Para sabermos se esta teoria faz sentido, tomaremos um exemplo citado em um artigo escrito por Johann Robette, da Vekia, sobre o uso da previsão de probabilidade para otimização da cadeia de suprimentos. De acordo com ele, a ideia era simular um reabastecimento semanal com um lead time de 3 dias, e um nível de serviço alvo de 95%. Para isso, foram incluídos conceitos como embalagem, custos de manutenção, custos de escassez, margem, entre outros.
Para os 3 diferentes tipos de previsões propostos, foi aplicado um processo de reabastecimento orientado a custos, ou seja, que avalia diferentes opções de reabastecimento e seleciona aquela com os menores custos.
Aqui, vamos analisar os resultados apenas da previsão determinística e probabilística. Para a primeira, foi considerada a previsão mediana e o estoque de segurança em 95% do nível de serviço. Já para a segunda, considerou-se uma restrição de nível de serviço mínimo de 95%, e nenhum estoque de segurança. O objetivo do teste era comparar os custos dos dois tipos diferentes de previsões. Vejamos o resultado.
Como é possível perceber, as previsões determinísticas acionam um conjunto mais compacto de custos de decisão de reabastecimento, variando de US$ 49 mil a US$ 59 mil (média de US$ 51 mil). Já as previsões probabilísticas (com restrição de nível de serviço de 95% mínimo) acionaram uma gama bem maior de custos de reabastecimento, passando de US$ 31 mil a US$ 67 mil. Portanto, em média, a previsão probabilística teve um desempenho melhor do que a previsão determinística.
Além disso, foi possível notar que:
-
93% dos métodos probabilísticos funcionaram tão bem quanto os métodos determinísticos;
-
78% dos métodos probabilísticos superaram todos os outros métodos determinísticos;
-
O melhor método probabilístico permite uma redução de 37% nos custos de reabastecimento, em comparação com o melhor método determinístico.
Além disso, quando os testes foram realizados fazendo uma comparação entre a abordagem determinística e a de quantil, a segunda teve vantagem, com resultados melhores e redução nos custos de 23%. Ou seja: mesmo entre essas duas abordagens, existe uma diferença sutil, mas importante. Contudo, a abordagem probabilística, em todos os casos, acaba sendo mais vantajosa.
Tudo isso para concluir que a abordagem da previsão probabilística pode trazer, sim, um maior retorno sobre investimento (ROI) para sua empresa, oferecendo um cenário de previsões mais amplo e ajudando a sua equipe a estar mais preparada para as possibilidades.
Além disso, embora os métodos determinísticos ainda sejam bastante utilizados e consigam bons resultados, a maioria dos métodos probabilísticos produz melhorias mais significativas, além de reduzir os custos em mais de um terço em comparação com os outros métodos disponíveis. E, com isso, aumentando o retorno sobre o investimento, uma vez que eventuais perdas financeiras são menores.
Será a previsão probabilística o novo normal nos próximos anos? Bem, com certeza ela é mais do que uma “novidade”, mostrando-se um método aprimorado, que realmente funciona e provavelmente veio para ficar. Ela não é apenas melhor na teoria, mas também traz grandes benefícios para as empresas na prática. E é isto que uma boa solução em Ciência de Dados precisa: trazer resultados e se tornar, no final das contas, mais vantajosa para a empresa.
