Implantação de modelos de previsão

Implantação de modelos de previsão

O que são modelos de previsão?

São ferramentas utilizadas para estimar os resultados desconhecidos com base em dados passados. Estes modelos podem criar previsões por exemplo, de demandas por produto, tempo de deslocamento, consumo de material, rendimento de processos, receita bruta no próximo exercício. Uma estimativa objetiva criada com com base em dados é de grande valo no processo de tomadas de decisão.

 

Criação um modelo

Identificação clara dos objetivos

Inicialmente é essencial a definição sobre o objetivo do modelo. Quais perguntas o modelo deverá responder, quais ações serão tomadas e quais os resultados esperados. Neste momento é estimado o valor que o projeto irá agregar para a companhia assim como seus custos. O ganho financeiro é um importante parâmetro, mas além dele se deve considerar outros benefícios como aumento na qualidade, alteração da cultura organizacional, possibilidades em marketing e imagem entre outros.

O envolvimento dos principais stakeholders é essencial para atingir sucesso no projeto. O não envolvimento de algum setor ou pessoa chave pode ocasionar contratempos ou até mesmo o fracasso do projeto.

Neste momento também devem ser definidos quem serão os usuários do modelo e como esta interação deverá ocorrer.

 Envolvimento da liderança

Do ponto de vista prático este é o principal requisito para a implantação de um modelo de previsão. Infelizmente diversas boas ideias não viram realidade por falta de apoio. Quando há o envolvimento e interesse da alta liderança da companhia, ideias de todo tipo se concretizam.

A liderança não deve apenas apoiar iniciativas de inovação, devem fomentar e estimular inovação e progresso. Em companhias de ponta a liderança age como catalizadores de mudança e inovação. Em companhias cuja liderança é anacrônica ou resistente à mudanças dificilmente haverá espaço para projetos de inovação, e o status quo será mantido por longos períodos.

Dados

A premissa básica na construção de qualquer modelo é a existência de dados históricos. Que também precisam apresentar disponibilidade, qualidade compatível e volume suficiente. A frequência de atualização de cada variável utilizada deve ser considerada, assim como qual parte dos dados históricos é válida para a criação do modelo.

Diferentes aplicações requerem diferentes tipos de rotinas. Modelos de recomendação, em páginas de comércio eletrônico devem rodar (idealmente) enquanto o cliente navega no site/app portanto devem ser rápidos e eficientes. Modelos de previsão de demanda tendem a ser executados com menor frequência e podem apresentar maior latência. Aplicação dos algoritmos

A seleção os algoritmos deve considerar a o tipo de resposta, formato dos dados , latência exigida, necessidade de interpretação dos parâmetros entre outros aspectos. odelos do tipo SVM, ANN, ARIMA, KNN …, usualmente não apresentam fácil interpretação dos parâmetros. Já modelos como regressões, GLM, ANCOVA, Árvores/florestas, …, costumam apresentar parâmetros facilmente interpretáveis. As etapas de extração, transformação e tratamento de anomalias nos dados também deve ser definida neste momento.

Validação

Nesse momento decide-se sobre o melhor ou os melhores modelos. O conceito de “melhor” deve ser holístico e considerar diferentes métricas de desempenho, quantitativas e qualitativas como: tempo de execução,  simplicidade, interpretabilidade, facilidade de manutenção, robustez além das métricas quantitativas para avaliação de modelo (acurácia, AUC, sensibilidade, …).

Também nesta etapa o modelo deve também ser validado pela área de negócios. O modelo proposto pode receber por aprimoramentos, ajuste/inclusão de regras de negócios e tratamento de exceções. Dependendo da criticidade dos objetivos do modelo um período de testes pode ser indicado, onde o comportamento do modelo será acompanhado pela área de negócio.

Deploy

Momento da colocação do modelo em operação. Os processos já estão definidos e seus respectivos responsáveis designados. Os usuários já devem estar devidamente treinados. É quando os pipelines de dados, software e hardware serão colocados à prova. Quaisquer inconvenientes devem ser prontamente tratados.

Operação/manunteção

O monitoramento do modelo é essencial. Os modelos são criados sob certas circunstâncias[1], que não necessariamente serão permanentes. A alteração de algumas destas circunstâncias podem afetar o desempenho do modelo como: lançamento de novos produtos, alteração nos processos, mudança no perfil dos clientes ou mesmo diferentes conjunturas econômicas.

Com um acompanhamento efetivo e manutenção adequada o modelo se manterá lucrativo e relevante para a companhia. Quando alguma queda de rendimento for observada o modelo deve ser retreinado ou substituído.

Rogério Kind


[1] Premissa de continuidade.

No Comments

Sorry, the comment form is closed at this time.