O que é Análise Preditiva (Predictive Analytics)?
Análise preditiva, também chamada de predictive analytics, é a disciplina que usa dados históricos, estatística e algoritmos de machine learning para estimar a probabilidade de eventos futuros. A análise preditiva responde perguntas como: quais clientes vão cancelar, quanto vamos vender no próximo trimestre e qual lead merece contato primeiro.
A análise preditiva ocupa um degrau específico na escada da maturidade analítica. A análise descritiva mostra o que aconteceu. A análise diagnóstica explica por que aconteceu. A preditiva estima o que deve acontecer. A prescritiva, degrau seguinte, recomenda o que fazer a respeito.
Para o marketing, o valor está na antecipação: agir antes do cancelamento custa menos que reconquistar o cliente perdido, e concentrar verba em quem tem alta propensão de compra rende mais que impactar a base inteira.
Como funciona na prática?
Um projeto de análise preditiva percorre cinco etapas:
- Pergunta de negócio. O ponto de partida é um evento futuro que, se antecipado, muda uma ação: cancelamento, compra, inadimplência, demanda.
- Dados históricos. As variáveis saem de fontes como CRM, transações e analytics, idealmente centralizadas em um data warehouse. O histórico precisa conter exemplos do evento a prever.
- Modelo. O time treina um modelo que aprende a relação entre as características do passado e o desfecho. Essa etapa técnica é a modelagem preditiva.
- Escore. O modelo atribui uma probabilidade a cada cliente, lead ou período. O escore vira um campo acionável, como “risco de churn: 82%”.
- Ativação e acompanhamento. O escore alimenta campanhas, filas de vendas e planejamento. Um dashboard compara previsões com resultados reais e indica quando o modelo precisa de retreino.
Análise Preditiva vs Análise Descritiva: qual a diferença?
| Tipo de análise | Pergunta que responde | Exemplo em marketing |
|---|---|---|
| Descritiva | O que aconteceu? | Relatório de vendas do mês por canal |
| Diagnóstica | Por que aconteceu? | Queda de conversão explicada por mudança no checkout |
| Preditiva | O que deve acontecer? | Probabilidade de cada cliente cancelar em 30 dias |
| Prescritiva | O que fazer a respeito? | Recomendação automática de oferta por perfil |
Veredito: a análise descritiva olha pelo retrovisor e a preditiva olha pelo para-brisa, e uma operação madura precisa das duas.
Exemplos de uso
- Retenção em assinaturas: um clube de assinatura brasileiro pontua o risco de churn da base e oferece um benefício de retenção, digamos R$ 20 de crédito (exemplo hipotético), apenas aos assinantes de risco alto, protegendo a margem.
- Priorização de leads: um time comercial B2B ordena a fila de contatos pelo escore de propensão e concentra as ligações nos leads mais quentes.
- Previsão de demanda: um e-commerce de moda projeta a demanda por categoria para o verão e ajusta compras de estoque e verba de mídia antes da alta temporada.
Erros comuns
- Começar pelo algoritmo em vez da pergunta de negócio.
- Treinar modelos com histórico curto ou sem exemplos suficientes do evento a prever.
- Gerar escores que ninguém ativa em campanha ou processo comercial.
- Tratar a previsão como certeza e ignorar a margem de erro.
- Abandonar o modelo após o lançamento, sem monitorar a precisão ao longo do tempo.
Perguntas frequentes sobre Análise Preditiva
Qual a diferença entre análise preditiva e forecast?
O forecast projeta um agregado no tempo, como a receita do próximo trimestre. A análise preditiva costuma trabalhar no nível individual, estimando a probabilidade de cada cliente ou lead realizar uma ação. O forecast é um dos usos possíveis da disciplina preditiva, focado em séries temporais e planejamento.
Preciso de cientista de dados para usar análise preditiva?
Para modelos sob medida, sim: o trabalho envolve preparação de dados, escolha de algoritmo e validação. Porém, várias plataformas de marketing já embutem recursos preditivos prontos, como métricas de probabilidade de compra e de churn. Nesses casos, o desafio do time passa a ser interpretar e ativar bem os escores.
Análise preditiva funciona para empresas pequenas?
Funciona quando existe histórico suficiente do evento a prever. Uma base com poucos milhares de clientes e alguns anos de transações já sustenta modelos simples de propensão e churn. Sem esse histórico, o caminho recomendado é estruturar a coleta de dados primeiro e usar análises descritivas enquanto o volume cresce.