Prescriptive
Analytics
- home
- prescriptive analytics
O analytics prescritivo articula a melhor decisão com base em um ou mais critérios objetivos. Uma vez feita a modelagem matemática do negócio, é possível determinar a melhor estratégia para chegar ao objetivo estratégico perseguido, como por exemplo:
• Ganho de margem líquida
• Melhor utilização de ativos
• Maior eficiência no retorno sobre investimento
• Menor custo operacional
As grandes
etapas
Tudo gira em torno da decisão de negócio que se deseja tomar, seja ela de vendas, abastecimento, risco, custo, margem ou pessoas, ou até combinações ponderadas de algumas delas. A tradução deste desafio em uma equação analítica é fator chave de sucesso, assim como as restrições e os dados a serem utilizados na modelagem.
Em função disso, a DHAUZ tem um time multidisciplinar combinando profissionais de negócio, engenheiros de dados e especialistas em otimização para re-estruturar o processo decisório dos nossos clientes com foco em cenários otimizados, sugestões de ações direcionadas pelo P&L das organizações.
1
Entendimento do desafio de negócio e dos dados disponíveis.
2
Desenho analítico dos objetivos e restrições operacionais.
3
Desenho analítico dos objetivos e restrições operacionais.
4
Desenvolvimento dos modelos matemáticos e algoritmos de otimização.
5
Testes, ajuste fino e validação final por parte do cliente.
6
Implantação, operação assistida e tracking dos benefícios e KPI’s.
As principais
perguntas
Não existe uma melhor técnica para todos os problemas de otimização, nem para o mesmo problema nas diversas situações de negócios / processos decisórios. O importante é usar os modelos e algoritmos que forneçam, em cada caso, a melhor solução possível, de maneira consistente, dentro do tempo disponibilizado pelo processo decisório particular de cada caso.
Sem dúvida sim. Sempre um algoritmo apropriado fornecerá soluções melhores que as que poderiam ser obtidas pelas pessoas sem esse suporte matemático. Mas o papel das pessoas na validação e implementação da decisão final é, em todos os casos, de fundamental importância, pudendo inclusive utilizar a solução sugerida pelo algoritmo como uma “boa base”, realizar alguns ajustes baseados na sua experiência e implementar a solução resultante.
É muito importante fazer com que os modelos acompanhem as mudanças nos processos. Para isso, é fundamental um bom entendimento inicial dos problemas de negócio e um contato permanente com os usuários para efetuar, quando necessário, as alterações correspondentes nos modelos / algoritmos para continuar fornecendo soluções aderentes e de qualidade.