5 empresas usando IA para prever o futuro e o lucro

Na primeira parte desta série sobre análise preditiva baseada em IA, exploramos a funcionalidade dessa tecnologia, junto com seu potencial para criar estratégias de negócios mais eficazes.

A análise preditiva pode ser definida como uma forma de mineração de dados que usa modelagem estatística para analisar padrões históricos e, em seguida, usa esses modelos para projetar resultados futuros. A implantação de inteligência artificial permite que as tecnologias analíticas detectem relações entre variáveis ​​que os humanos são simplesmente incapazes de ver.

Neste artigo, queremos dar vida a essa teoria com cinco casos de uso de análise preditiva.

Tem havido algumas histórias interessantes neste campo, notavelmente as manchetes “O alvo sabe quando você está grávida” que atraiu tanta atenção alguns anos atrás.

As coisas evoluíram bastante desde então. A evolução das plataformas de análise amplamente disponíveis e acessíveis proporcionou acesso a modelos estatísticos sofisticados para empresas de todos os tamanhos. Além da hipérbole de previsões ligeiramente assustadoras de gravidez, o big data é mais comumente usado por pequenas e grandes empresas para melhorar suas funções diárias.

Ao definir os problemas que desejam resolver, adquirir os dados certos, contratar pessoas com as habilidades para entender os dados e capacitá-los com a tecnologia apropriada, qualquer empresa pode começar com o lucrativo campo da análise preditiva hoje.

Existem muitos concorrentes para considerar todos os exemplos dentro do escopo de um artigo, então, em vez disso, tentamos fornecer uma amostra representativa de análises baseadas em IA eficazes em um amplo espectro de estudos de caso.

1. Otimização da cadeia de suprimentos: Walmart

Começamos com um exemplo de peso, mas que fornece inspiração para todos os varejistas.

Enquanto tantos outros varejistas 'legados' estão lutando, o Walmart divulgou números de crescimento nos últimos 11 trimestres consecutivos. Notavelmente, isso foi impulsionado por um aumento de 63% ano a ano nas vendas online.

O Walmart tem recebido muitos elogios por sua disposição de se adaptar à era digital e aposta na capacidade de conectar os mundos online e offline para competir com a Amazon.

A inteligência artificial e a análise preditiva estão no centro desse impulso. O Walmart obtém dados instantaneamente de seus sistemas de ponto de venda e os incorpora em suas previsões para avaliar quais produtos têm probabilidade de se esgotar e quais apresentam desempenho inferior.

Combinado com padrões de comportamento online, isso fornece uma grande quantidade de pontos de dados (mais de 40 petabytes deles) para ajudar o Walmart a se preparar para um aumento ou queda na demanda de produtos.

Foto de chuttersnap no Unsplash

Os dados são gerenciados na nuvem por meio do “Data Cafe” do Walmart, que é mantido pela equipe do Walmart Labs no Vale do Silício. É uma operação sofisticada e em grande escala, de acordo com o número de variáveis ​​necessárias para que uma empresa desse porte faça projeções precisas a partir de dados confiáveis.

No entanto, os benefícios que ela traz também podem ser buscados por empresas menores.

Por exemplo, o uso de IA e análise preditiva do Walmart é inestimável para o gerenciamento de estoque, pois os gerentes podem estocar de forma adequada sem correr o risco de ter que fazer ajustes caros de última hora para preencher lacunas quando a demanda ultrapassar o fornecimento.

Essas previsões também permitem que o Walmart personalize sua presença online, exibindo produtos para clientes específicos com base na probabilidade prevista de compra.

A disciplina e o rigor que essa abordagem traz significa que o Walmart pode cumprir datas de entrega rígidas, já que cada etapa de sua cadeia de suprimentos foi otimizada por meio do uso de análises preditivas. Todas essas áreas podem ser aprimoradas por qualquer empresa por meio de tecnologia acessível como Google e Adobe.

Notavelmente, o Walmart também oferece incentivos aos clientes na forma de redução de preços ou privilégios de salto de fila se eles retirarem suas compras de uma loja física. Mesmo com todos os benefícios que a análise baseada em IA pode trazer para os negócios, competir com a Amazon nos custos de envio continua sendo uma tarefa difícil.

2. Previsão de tendências de preços: Hopper

A indústria de viagens é notoriamente competitiva, com altos e baixos voláteis na demanda e muitas rotas de margem baixa. Isso pode deixar os viajantes sem saber o melhor momento para fazer a reserva. Às vezes é melhor reservar com antecedência, outras vezes é melhor esperar até mais perto da data de partida.

Isso o torna um campo maduro para o poder da análise preditiva baseada em IA, um fato que viu o aplicativo de viagens Hopper crescer dramaticamente em popularidade desde 2015.

Hopper está um passo à frente ao prever padrões de preços futuros e alertar os viajantes sobre os horários mais baratos para comprar voos para seus destinos preferidos.

Ele faz isso observando bilhões de preços todos os dias e, com base nos dados históricos de cada rota, antecipando como a tendência se desenvolverá. Os usuários podem então configurar notificações para lembrá-los de reservar quando essas quedas de preço acontecerem.

Embora não seja a única empresa a fornecer este serviço, Hopper relata uma taxa de precisão de 95% com suas previsões e afirma economizar aos clientes uma média de mais de $ 50 por voo.

A captura de tela abaixo mostra como funciona esse processo. Acompanhado por um coelhinho fofinho de óculos, seleciono a rota de voo de Nova York a Honolulu para essas merecidas férias.

Com base nas datas selecionadas, o coelho surpreendentemente mandão me diz para reservar agora, pois os bilhetes para essa rota só ficarão mais caros com o tempo.

Hopper oferece um ótimo exemplo de negócio que considera o aprendizado de máquina e a análise preditiva como princípios centrais de sua estratégia de negócios. Sem análises preditivas, não haveria Hopper.

Os modelos estatísticos que ela usa com tanto efeito trazem lições para todos os negócios, entretanto. O sucesso de Hopper vem de sua confiabilidade como uma plataforma objetiva de aconselhamento ao consumidor, essencialmente. Como tal, muitas outras empresas poderiam assumir esse papel usando estatísticas para fornecer previsões que atendam aos melhores interesses do cliente, em vez de apenas seus próprios resultados financeiros.

3. Crescimento de pequenas empresas: Point Defiance Zoo & Aquarium

Uma pesquisa da SAP no final de 2016 descobriu que mais de 70% dos líderes de pequenas empresas achavam que ainda estavam nos “estágios iniciais” de derivar insights de seus dados.

Um zoológico em Tacoma, Washington, contrariou essa tendência, fazendo parceria com o Serviço Nacional de Meteorologia para identificar os fatores que causaram o aumento e a queda do número de pessoas de forma imprevisível. Isso criou problemas para a administração, que sempre cuidaria do parque para atender a um grande público, mas muitas vezes acabava gastando muito dinheiro devido ao comparecimento insuficiente.

Intuitivamente, podemos supor que a frequência é maior em dias quentes e secos, mas menor quando está frio ou úmido. No entanto, ao incorporar os dados do Serviço Meteorológico Nacional na plataforma Watson controlada por IA da IBM, o zoológico foi capaz de identificar exatamente quais condições fizeram com que mais pessoas fizessem uma visita.

Esse conhecimento foi então usado para modelar padrões de visitantes futuros, usando números históricos de comparecimento e estatísticas meteorológicas projetadas.

O projeto foi um grande sucesso e agora é uma parte central do planejamento de negócios do zoológico. O Point Defiance pode prever números de atendimento com mais de 95% de precisão, permitindo que os gerentes equipem o parque de forma adequada. Isso não tem impacto negativo sobre como os visitantes vivenciam o parque (talvez até o oposto) e cria algumas eficiências comerciais vitais.

As aplicações desta metodologia vão muito mais além do que apenas o número de presenças, é claro. O Port Defiance pode monitorar como os visitantes interagem com o zoológico, ajudando a fornecer uma melhor experiência ao cliente. Também existem planos para usar análises preditivas baseadas em IA para monitorar dados de saúde e diagnosticar problemas com os animais do parque para fornecer tratamento preventivo.

4. Retenção de equipe: IBM

A atração fundamental da análise preditiva é o potencial de entregar melhores resultados em relação às metas organizacionais. Muitas vezes, são abertamente baseados no lucro, mas a análise preditiva também pode ajudar a identificar problemas de retenção de pessoal e sugerir soluções.

Ao fazer upload de um arquivo de dados estruturados (como na captura de tela abaixo), o Watson pode identificar os fatores comuns que contribuem para o desgaste da equipe. Isso, então, alimenta a geração de uma 'pontuação de qualidade' para cada funcionário, com base na probabilidade projetada de deixar a empresa em breve.

Onde isso realmente se destaca é na capacidade de responder às solicitações de linguagem natural dos usuários. De maneira semelhante ao novo recurso Analytics do Google, que busca dados em resposta às perguntas do usuário, o Watson pode responder a consultas específicas e construir visualizações de dados com base nas preferências do usuário.

Este é um ótimo exemplo de plataforma que se move rapidamente da análise exploratória e diagnóstica para o reino da análise preditiva. Qualquer empresário ou gerente pode fazer uso dessas ferramentas para identificar com precisão o que exatamente causa a saída do pessoal, mas também pode ver o que está por trás desses fatores e implementar medidas preventivas para apaziguar eventuais saídas. Dado o custo de recrutar novos funcionários versus manter os atuais de alto desempenho, isso leva diretamente à redução dos custos operacionais.

5. Extensão de audiência: Under Armour

A extensão de público é outra área de marketing que se beneficia significativamente do uso de IA e análise preditiva. Ao compreender as características quantitativas dos clientes existentes de alto valor, é possível identificar indivíduos semelhantes e direcioná-los com mensagens personalizadas que provavelmente terão repercussão.

Saber onde gastar seu orçamento de publicidade é essencial, mas também saber onde não gastá-lo. A análise preditiva permite que empresas como a Under Armour se concentrem nas áreas que proporcionarão os maiores retornos e reinvestirão o orçamento que, de outra forma, teria sido gasto de maneira incorreta.

A inteligência artificial é usada pela Under Armour para realizar tarefas como análise de sentimento e escuta social para entender o que os clientes pensam da marca e onde estão as lacunas no mercado. Isso levou a empresa a se concentrar em se tornar uma marca de fitness digital, uma iniciativa que conquistou um novo nicho em um mercado saturado.

A Under Armour produz produtos de condicionamento físico, mas também aplicativos e dispositivos vestíveis para unir os mundos offline e digital. Quanto mais pessoas usam os produtos, mais dados a Under Armour pode reunir para melhorar sua oferta. E com mais de 200 milhões de usuários registrados e mais de 10 bilhões de interações digitais por ano, não há falta de dados.

Continue lendo até o capítulo final desta série: IA e análise preditiva: o que o futuro reserva?