Sem contexto, o dado torna-se vazio, ficando sujeito às mais diversas interpretações (confunde mais do que orienta o decisor).

Para evitar isso, recorreremos a 3 tipos de contextualização nas análises e construções de cenários.

Os dois primeiros geram o conhecimento característico da IA generativa; o último, o da IA simbólica.

Contexto histórico

O dado varia de acordo com a tendência sugerida pelas médias móveis, variando dentro dos limites indicados por um desvio-padrão?

Por exemplo: em um determinado mês as vendas crescem a uma taxa muito próxima do crescimento médio dos últimos 48 meses (dentro da tendência portanto, um dado esperado).

Contexto correlacional

O dado varia junto com outras variáveis, seguindo correlações observáveis estatisticamente? 

Um exemplo: todo ano, em um certo mês, as vendas caem cerca de 20% em relação à média de vendas mensal.

No caso do ChatGPT, a IA generativa cria novos enunciados baseando-se nas correlações que observa entre palavras, expressões e enunciados em uma grande base de dados (big data) em seu aprendizado de máquina (machine learning).

Contexto lógico-dedutivo

Nesse tipo de análise, questiona-se: dado varia de acordo com as relações de causa-efeito sugeridas por um determinado modelo teórico? Científico ou não (todos temos teorias a respeito de “como as coisas funcionam”, e muitas delas são culturalmente constituídas).

Por exemplo: o executivo acredita que promoções de venda podem melhorar volume de negócios em meses de sazonalidade desfavorável (enquanto outro acredita que promoções de venda reduzem a percepção de qualidade e, consequentemente, o valor de marca).

O conhecimento necessário para virar o jogo nos negócios

Hoje em dia, com o boom da IA generativa, os dois primeiros tipos de abordagem dominam o dia a dia de muitos analistas.

No entanto, em Decision Intelligence (DI) a gente precisa ir além, esmiuçando as teorias que os decisores seguem em seus julgamentos, muitas vezes de modo intuitivo, quando recorrem a heurísticas (daí a importância da IA simbólica no processo).

Isso não quer dizer que os outros tipos de análise não tenham um papel na interpretação dos dados. Na verdade, a descoberta de correlações inesperadas e mudanças em tendências históricas costumam desafiar teorias estabelecidas, exigindo a revisão delas. Daí a importância de aplicações de IA para business intelligence e marketing analytics combinarem as abordagens generativa e simbólica, pelo menos no atual estágio de desenvolvimento da tecnologia.

Note, porém, que é o contexto lógico-dedutivo que permite o executivo interferir na realidade e virar o jogo nos negócios. 

No exemplo acima, dois executivos ponderam se convém ou não tomar medidas excepcionais em época de sazonalidade desfavorável, cada um deles baseando-se em uma teoria diferente para deduzir qual estratégia deve seguir para conseguir resultado melhores do que o contexto histórico e o contexto correlacional sugerem.

Que tipo de dado é mais útil na tomada de decisões estratégicas

Como os dados poderiam ajudar esses executivos em suas escolhas? Por meio de um sistema de indicadores que reflita as relações de causa-efeito que sua teoria sugere.

Ao rastrear de perto toda cadeia de efeitos de suas escolhas, é possível saber se suas teses sobre “como as coisas funcionam” se confirmam ou não quando implementadas. O resultado de tal avaliação permite-lhes conhecer mellhor a realidade, refinar suas teorias e tomar melhores decisões no futuro.

Para saber mais sobre como aplicamos essa abordagem na prática, leia este artigo.