Um dos assuntos mais interessantes que tem ganhado força no mundo dos dados é a Decision Intelligence. Uma disciplina que aumenta o potencial dos dados em conjunto com teorias das ciências sociais para apoiar e automatizar as decisões de negócios.

Esse tipo de demanda surgiu para garantir melhores resultados às marcas, até porque tomar decisões é a base de qualquer estratégia e, quando feita da forma correta, potencializa as chances de sucesso. Mas, não pense que o processo é tão simples. No momento em que você acha que consegue entender, entra em cena o X da questão: como utilizar os dados de forma eficiente para tomar decisões estratégicas e fazer com que elas sejam assertivas aos negócios? A resposta para essa pergunta pode gerar muitas e muitas páginas de textos. Tanto é que criamos um curso totalmente voltado para Decision Intelligence, onde navegamos no universo dos dados para habilitar os alunos a serem orientados da melhor maneira em suas escolhas estratégicas. 

DO HUMANO ÀS MÁQUINAS: COMO TOMAR DE DECISÕES DE NEGÓCIOS ASSERTIVAS?

O sucesso das empresas depende muito das decisões tomadas. No entanto, chegar a elas é um processo bastante desafiador. Para se ter ideia, de acordo com as descobertas da McKinsey, publicadas na Forbes, 72% dos executivos relatam que as más decisões são tão frequentes quanto as boas nas empresas. Para chegar a resultados melhores, existem três níveis nos quais a Decision Intelligence pode apoiar as decisões de negócios: 

• o primeiro é o suporte, no qual as máquinas fornecem ferramentas básicas para apoiar a tomada de decisão humana. 

• o segundo é o aumento, onde as máquinas analisam os dados e geram recomendações e previsões para os humanos. 

• o terceiro é a automação, que reduz ainda mais o envolvimento humano. Aqui, as máquinas realizam a etapa de decisão e de execução de forma autônoma. 

Esse formato de níveis é, em grande parte, um modelo de maturidade, onde as empresas garantem a capacidade de progredir nos níveis ao longo do tempo, após implementar a Decision Intelligence. No entanto, é importante salientar que nem sempre as decisões devem ser automatizadas ou aumentadas. Algumas são sensíveis, complexas ou infrequente, e, por isso, é melhor manter um humano informado, não somente as máquinas. Isso pode incluir decisões de alto nível, como o design de uma nova estratégia. 

Resumidamente, um sistema de DI eficaz deve oferecer todos os três modos de operação permitindo que os usuários avancem nos níveis de automação à medida que desenvolvem confiança na tecnologia e nos recursos que têm disponíveis.

Case de sucesso: por que o Google investiu na DI para tomar decisões automatizadas?

Um dado sozinho é só um dado. Isso significa que não teria valor se, junto a ele, não tivesse uma tomada de decisão que o potencializasse. Isso é o que o Google entendeu quando decidiu utilizar a DI na organização de forma pioneira, em 2018. Os primeiros passos dessa aplicação interna foram dados (e até hoje são) por Cassie Kozyrkov, Head of Decision Intelligence da marca, que já treinou 17.000 Googlers (como os engenheiros de lá são chamados) para tomar melhores decisões, ampliando a ciência de dados aliada à psicologia, neurociência, economia e ciência gerencial. 

Basicamente, tomar decisões à maneira do Google não é necessariamente fácil. A aplicação da DI a uma decisão importante e complexa pode levar semanas ou meses. Mas o resultado deve ser decisões melhores e sábias, especialmente em escala. À época, quando optou por implantar a DI, o Google precisava de uma estrutura que permitisse que humanos individuais, grupos de pessoas e máquinas tomassem decisões sábias, e como tal processo não existia, a empresa tomou a iniciativa de construí-lo.

Veja como o Google implantou o DI por meio de um bom exemplo explicativo:

O primeiro passo na estrutura do Google para a DI pede aos tomadores de decisão que determinem como tomarão a decisão sem informações adicionais. Qual seria a escolha padrão? Digamos que você tenha que decidir se quer ficar em um hotel. Você tem fotos, mas não há comentários de hóspedes. Com base nas imagens, você ficaria lá? 

O segundo passo é definir como você tomaria a decisão se tivesse acesso a qualquer informação que desejasse. O que seria necessário para convencê-lo a ficar no hotel? Você gostaria de ler todos os comentários ou apenas ver a pontuação média? Se você usar apenas a pontuação média das avaliações, esse número precisa ser 4,2 ou 4,5 ou algo mais para convencê-lo a ficar? Este exercício de autoanálise determina as métricas para tomar a decisão.

Por fim, é preciso verificar se é possível obter acesso a todos os dados que deseja para tomar a decisão. Se você decidiu ficar em qualquer hotel com classificação média acima de 4,2 e ter acesso às classificações de hotéis, então você está pronto. Mas, se está considerando percevejos, então tem que tomar a decisão sob incerteza. Isso introduz o potencial de erros – e na tomada de decisão automatizada, pode-se cometer muitos.

Dado todo esse cenário, como tomador de decisão, é preciso considerar com quais erros pode conviver. É pior acabar em um hotel com percevejos ou perder um hotel que atenderia melhor os seus critérios? Quão caro é um erro em relação ao outro? No caso da tomada de decisão automatizada, somente quando descobrir quais riscos está disposto a aceitar, um cientista de dados poderá coletar dados relevantes e aplicar análises estatísticas para ajudá-lo a tomar uma decisão.

Dicas para começar a usar inteligência de decisão

Para marcas que desejam ir além de relatórios obsoletos, a inteligência de decisão é uma saída promissora. No entanto, estratégias bem-sucedidas exigem uma compreensão de como as decisões empresariais são tomadas. E como fazer isso? Aqui estão algumas dicas para ajudá-lo:

Não automatize tudo logo de início

Tenha uma estratégia bem definida, de baixo risco e com apoio de exemplos. Diversas empresas já possuem esses processos e nem todos são automatizados. Mesmo se for, adicionar mais fatores ao mecanismo de decisão pode melhorar a precisão. Aqui, vemos que a inteligência de decisão não é um processo feito uma vez, é preciso ajustar seguidamente a abordagem com base em feedbacks.

Os novos dados também devem ser guias

Quanto mais um processo for repetido e quanto mais claros forem os resultados, mais chances a empresa terá para melhorá-lo. A LexisNexis, por exemplo, usa o produto ThreatMetrix para tomar 300 milhões de decisões de fraude por dia –  que não são 100% perfeitas. Para isso, a marca usa algoritmos de aprendizado de máquina, prevendo se alguma transação é fraudulenta. 

Ajuste os algoritmos

A pontuação de risco tradicional envolve uma série de decisões. Mas, à medida que elas se tornam complicadas, é difícil para os sistemas se manterem atualizados. Os atuais sistemas de aprendizado podem tomar decisões tão rápido quanto os baseados em regras. Assim, além de incorporar novos dados à estratégia, repensar os algoritmos também ajuda a aumentar a qualidade dos resultados.

Melhore processos complexos 

Quando as etapas de decisão são menos claras, há maiores riscos de tomar decisões erradas. Os sistemas inteligentes podem não ser capazes de substituir toda a tomada de decisão, mas podem melhorá-la, entrando durante a fase de coleta de dados para criar relatórios ou gerar tendências e correlações. 

Cuidado com dados tendenciosos

As decisões são tão boas quanto os dados em que se baseiam. Se o histórico de uma empresa é problemático, as pessoas podem herdar os mesmos problemas – e elas costumam ser tendenciosas, buscando em dados informações que apoiem seus preconceitos, o que pode levar a conclusões equivocadas. A solução é fornecer as proteções certas para a tomada de decisões. 

Quando a Inteligência Artificial funciona, confie 

Às vezes, recomendações baseadas em dados vão contra todos os instintos, e não entender como a tecnologia funciona pode atrasar um negócio. A solução é ter pelo menos uma pessoa envolvida nesse tipo de decisão que entenda como as análises funcionam.

Use exercícios de mesa para simular vários resultados

Em diferentes casos, tomar a decisão certa é quase impossível, pois muitos fatores externos têm influência no resultado. Por exemplo: uma situação imprevisível – como uma nova onda de COVID – pode impactar. Isso não significa que as empresas são impotentes, mas que elas podem aprender com isso e usar a DI a favor do negócio, fazendo simulações para se preparar a vários cenários.

Comece pequeno e aprenda

Ninguém começa gigante. Por isso, comece do começo, literalmente, considerando a inteligência de decisão como uma possibilidade. Você pode fazer inteligência de decisão hoje, basta adicionar um pouco ao seu investimento e fazer alguma coisa. Ah, e lembre-se sempre de testar – muito!

ORIENTE-SE POR DADOS E TENHA ESTRATÉGIAS MAIS CERTEIRAS

A inteligência de decisão é responsável por auxiliar gestor es a acelerar a resolução de problemas, fazendo com que os dados sejam expostos de maneira clara, o que torna as deliberações mais rápidas e eficientes. 

Resumidamente, dados sem resultados ou interpretações são apenas dados. Sem uma tomada de decisão importante perante os números que se tem em mãos, não se chega a lugar nenhum. Essas são definições que a própria pioneira de implantação destaca. Aproveitando o momento, deixamos como dica um artigo de Cassie Kozyrkov, que aprofunda o tema de Decision Intelligence, com um tour pela terminologia e conceitos básicos. Leia aqui. 

Tomar decisões é a base de qualquer trabalho de estratégia. Até porque, a finalidade desse trabalho é decidir como empregar recursos para alcançar objetivos. E apontar esse caminho requer um processo muito cuidadoso e assertivo, que pode ser muito mais complexo do que parece. Aqui, entram em cena os dados, que cumprem um papel fundamental de reduzir o risco da aposta que se faz quando se toma uma decisão.

E como fazer isso? Com o curso de Decision Intelligence da Sandbox, que navega pelo universo dos dados para habilitar pessoas a serem mais data-driven em suas escolhas estratégicas.