Por Marina Cigarini e Jeremy Palmer
Uma grande mineradora não conseguia entender o que estava acontecendo com os seus gigantescos (e caríssimos) caminhões que atuam na área de extração.
Eles não paravam de quebrar.
Em tese, a empresa estava fazendo tudo certo: havia um detalhado programa de manutenção preventiva. Apesar disso, a produtividade despencava — e os executivos arrancavam os cabelos. A fornecedora dos equipamentos jurava que não havia nenhum defeito de fabricação, para o ceticismo da mineradora.
Resolveu-se, então, fazer um cruzamento inédito de dados de fontes muito diferentes. Analisou-se tudo: das planilhas de manutenção aos dados dos sensores de desgaste, dos níveis do produção às tabelas de horário dos trabalhadores, entre outras informações.
O resultado da análise, para o horror dos executivos: como os motoristas recebiam apenas pelo tempo em que estavam dirigindo, eles simplesmente pulavam a manutenção programada quando os supervisores não estavam por perto. E ninguém jamais havia suspeitado.
Como o caminhão não quebraria de imediato, apenas meses depois, os funcionários se sentiam seguros de que não seriam pegos. Não é possível enganar os dados, porém: os números eram muito conclusivos. A empresa reformulou sua operação, e o problema foi resolvido.
O médico-robô
Como CEO da QuantumBlack, empresa de advanced analyticsque foi comprada pela McKinsey e agora está abrindo uma operação no Brasil, sou frequentemente questionado sobre situações em que a compreensão profunda dos dados permitiu saltos de produtividade.
Há muitos exemplos, e em empresas de vários setores.
Uma companhia da área de saúde agregou dados de 20 mil pacientes — cada um atrelado a cerca de 900 variáveis, como resultados de exames, informações sobre estilo de vida, histórico de doenças e dados socioeconômicos, como renda. Esses pacientes haviam sido acompanhados por 15 anos.
A partir do aprendizado trazido por esses dados, foi possível construir um modelo matemático para diagnosticar doenças.
O modelo mostrou 99% de capacidade de detectar casos de hipertensão para novos pacientes. Na detecção de câncer de próstata, ele permitiu reduzir em 11% o número de cirurgias desnecessárias. Na medicina, a era da interpretação intuitiva de dados está acabando.
O algoritmo antifraude
Uma terceira história de sucesso ocorreu na indústria financeira. A partir da agregação e análise de dois anos de informações sobre pagamentos, foi possível compreender detalhadamente os padrões atrelados a compras fraudulentas — com cartões ou dados de terceiros, por exemplo.
O algoritmo construído foi capaz de detectar nada menos que 90% dessas transações, com uma baixíssima taxa de falsos positivos. Bloquear essas operações permitiu evitar a perda de milhões de dólares.
Não tenho dúvidas de que os próximos anos serão os anos dourados da análise de dados e da inteligência artificial.
CEOs que compreenderam a qualidade dos insights que podem surgir do advanced analytics estão dando às suas empresas enormes vantagens comparativas. Há oportunidades de ganho de eficiência para todos os lados. É hora de escutar os dados
*Marina Cigarini é sócia sênior da Digital McKinsey e Jeremy Palmer CEO da QuantumBlack, empresa de inovação em advanced analytics que pertence à McKinsey.
**Texto originalmente publicado no Brazil Journal