BI analítico gera benefícios estratégicos
Soluções para análises preditivas auxiliam empresas a identificar e responder rapidamente às novas oportunidades.
As empresas podem ter ganhos significativos de longo prazo ao contar com aplicação de análise preditivas de dados operacionais e históricos, afirmam especialistas do mercado de TI.
Ao contrário das soluções tradicionais de Business Intelligence (BI), que são voltadas para análises de situações passadas, a abordagem preditiva está focada em ajudar as empresas a recolher inteligência acionável com base em dados históricos.
Se aplicada corretamente, a análise preditiva pode permitir que as companhias identifiquem e respondam a novas oportunidades mais rapidamente, pontuam especialistas.
James Taylor, CEO da Decision Management Solutions, afirma que análises preditivas são especialmente úteis em situações em que as organizações precisam tomar decisões rápidas diante de grandes volumes de dados.
Análises preditivas ajudam empresas em três áreas principais: minimizar o risco, identificar fraudes e buscar novas oportunidades de receita, afirma Taylor.
“Ela pode, por exemplo, aprimorar a capacidade de identificar riscos em áreas como crédito e origem de crédito, ou até fraude em áreas como créditos de seguros”, pontua.
Taylor cita outro exemplo. “Ao olhar para os padrões de um cliente com base em compras históricas, as organizações podem fazer previsões razoáveis sobre ofertas promocionais e cupons que são de interesse do consumidor”, diz.
A Blue Cross and Blue Shield System (BCBS) já está desfrutando dos benefícios das análises preditivas. A organização, que atua na oferta de seguro saúde, a Blue Cross acumulou grande quantidade de reclamações ao longo dos anos.
Há algum tempo, a Associação BCBS, entidade que detém as marcas da Blue, criou um banco de dados único chamado Blue Health Intelligence (BHI) para consolidar todas as informações mantidas por cada uma das 39 empresas que fazem parte do grupo. O banco de dados é um dos maiores repositórios de dados de saúde identificados no mundo e contém informações sobre mais de 100 milhões de pessoas.
A BHI opera como uma unidade independente e fornece uma gama de serviços de Business Intelligence que está possibilitando melhores serviços de saúde para os membros do grupo e, ao mesmo tempo, transformando a maneira pela qual a BCBS gerencia seus custos.
De acordo com Swati Abade, presidente e CEO da BHI, a iniciativa surgiu da necessidade de controlar os custos da companhia. “Uma grande parcela dos custos de saúde vai para o cuidado de pessoas com doenças crônicas”, afirma Swati. Na verdade, 5% dos usuários de saúde respondem por mais de 55% dos custos da companhia, completa.
Ao usar tecnologias de previsão analítica, diante de milhares de dados de reivindicações, a BCBS conseguiu não só identificar os fatores de risco que levam a várias doenças crônicas, mas também saber quais indivíduos estão em maior risco de contrair doenças, assinala.
“Para todos os usuários de um plano de saúde, temos uma pontuação de saúde que representa a probabilidade de o indivíduo precisar de tratamento para uma doença crônica”, explica a executiva. A BHI desenvolveu módulos de doença específicas, como diabetes, que predizem o risco individual de contrair a doença com base em dados anteriores, diz.
O objetivo é ser capaz de usar os dados para localizar médicos para proporcionar melhor atendimento, mais direcionado aos pacientes de alto risco, reduzindo, assim, a necessidade de um tratamento caro e de longo prazo, assinala Swati.
O site de namoros Match.com é outra empresa que depende fortemente de análises preditivas para executar seus serviços. A companhia recolhe e mantém uma série de informações, algumas de assinantes e outras coletadas pelo monitoramento de interações no Match.com.
O desafio da organização é encontrar uma maneira de melhorar a receita por assinante, oferecendo os melhores resultados possíveis com base nas preferências de cada usuários, afirma Jim Talbott, diretor de insights do consumidor no Match.com
É uma tarefa complicada, diz, pelo fato de que os assinantes podem indicar um conjunto específico de requisitos para um parceiro em potencial, mas, então, interagem com as pessoas que estão fora da sua própria escala de preferências especificada.
Para superar esse cenário, o Match.com desenvolveu um modelo preditivo que coincide com as pessoas da base não apenas em suas preferências, mas também de acordo com o comportamento e as interações com outras pessoas.
Na visão de Taylor, empresas interessadas em modelagem preditiva precisam ter uma ideia clara dos objetivos antes de começar. “Elas precisam saber que tipo de decisões serão alimentadas por sua análise preditiva e trabalhar a partir daí”, aconselha.
Para desenvolver um bom modelo de previsão, as companhias devem se concentrar em definir um conjunto claro de regras de negócios para cada decisão e, em seguida, centrar a análise sobre a condução das melhores decisões, finaliza.
Fonte: CIO
