O poder preditivo do Big Data junto com o IIoT

O poder preditivo do Big Data junto com o IIoT

A maioria das análises preditivas atuais sofrem de falha fatal, os analistas de BI tentam de tudo, desde o Machine Learning até a previsão tradicional, incluindo painéis e visualizações chamativas na tentativa de estimar detalhes sobre o futuro das operações de negócio. As previsões falham porque estão todas associadas a visões históricas do passado.

Olhar apenas para trás, em operações de negócios anteriores, nos dá uma visão de futuro gravemente prejudicada. Não é possível dirigir um carro em alta velocidade em frente enquanto olhamos pelo retrovisor. Então porque devemos fazer o mesmo para as empresas?

Utilizando este tipo de análise as empresas limitam-se a executar ações reativas no nível tático, porque sempre está respondendo ao que aconteceu no último trimestre, no ano passado, no mês passado, e isso leva as mesmas a erros, desperdícios e oportunidades perdidas. Ainda piorando esse cenário algumas empresas criam estratégias em cima desta análise histórica, levando as mesmas na sua grande maioria na direção errada por anos.

Atualmente a geração e a coleta de informações estão em um volume cada vez maior e com crescimento elevado, porém, somente baseado em dados históricos, fazendo com isso cada vez mais pressão sobre os programas de BI e Big Data para demonstrarem ROI. Com isso algoritmos e cientista de dados são jogados em uma montanha de informações passadas com a obrigação de mostrarem um caminho futuro, alguns insights táticos são descobertos, mas o real apoio a decisão verdadeiramente significativo é impreciso.

Muitos modelos preditivos atuais tentam fazer previsões examinando dados históricos, aplicando métodos e modelos ricos em complexidade e incertezas, com isso produz resultados fora do tempo real e de resultados imprecisos. Para operações que incluem camadas de entradas interconectadas e de variabilidade de processo, planejar o futuro enquanto analisa o histórico, simplesmente não funciona, independentemente do método e modelo aplicado.

Se as operações de negócios de hoje forem simplesmente uma repetição de ontem e cada dia subsequente for como o último, certamente fará sentido se basear taticamente e estrategicamente em analises históricas, isso é conhecido como operação em estado estacionário. Mas as empresas não operam nesse estado e por isso os métodos tradicionais falham, porque se basear nesse modelo estamos tomando somente decisões reativas, obviamente baseada em dados históricos. E no caso de empresas que operam em estado estacionário não necessitam de análise de big data, pois para esse estado fórmulas simplistas e planilhas atendem a necessidade da empresa.

Mesmo a análise preditiva baseada em processos recentes, como o Machine Learning e a Inteligência Artificial produzirão respostas incertas e instáveis. Essas abordagens dependem do exame de dados produzidos por eventos passados. As análises mais avançadas aproveitam dados quase em tempo real e podem incorporar dados de fluxo de sensores em um algoritmo de Machine Learning. Todas essas abordagens pressupõem que o futuro se repetirá como no passado. Em alguns casos, o passado muito recentemente é fortemente ponderado e ajustado, com algo que acabou de acontecer e com isso a previsão de futuro fica um pouco mais realista.

Com o avanço da Internet das Coisas Industrial (IIoT) em breve teremos bilhões de dados históricos sendo gerados em tempo real. Haverá uma visão mais clara do passado do que nunca, mesmo assim, uma visão quase perfeita do passado não mudará o fato de que o futuro não é inteiramente causado pelo passado. Para que consigamos ter uma previsão boa temos que conseguir vincular o passado, o presente e o futuro de maneira holística. Observar as operações futuras em vários resultados possíveis nos permite analisar uma visão completa dos processos, representados por eventos disjuntos.

Demandas dinâmicas, mudanças de ambientes e até mesmo situações caóticas influenciam os negócios diariamente. Os diretores, principais tomadores de decisão, podem influenciar somente um conjunto restrito de variáveis, entretanto a análise preditiva precisar ter a capacidade de influenciar todos as variáveis. Infelizmente muitos diretores, se baseiam em fatos históricos e em abordagens somente de coletas de dados com Machine Learning, BI simplista e previsões tradicionais. Temos que incluir nesta análise eventos e políticas futuras para que estas evidenciem e demonstrem realmente quais mudanças significativas trarão resultados futuros e que não fiquem na obscuridade ou no talvez.