Análise descritiva, preditiva e prescritiva: as diferenças

Análise descritiva mostra o que aconteceu, análise diagnóstica explica por que aconteceu, análise preditiva estima o que vai acontecer e análise prescritiva recomenda o que fazer. São quatro degraus da mesma escada, e cada degrau exige mais dado, mais método e mais confiança no degrau de baixo. Este artigo compara os quatro, mostra um exemplo por área e diz em qual deles a maioria das empresas brasileiras está, e por que isso não é um problema.

Os pontos-chave:

• Quatro perguntas, quatro tipos: o que aconteceu (descritiva), por que aconteceu (diagnóstica), o que vai acontecer (preditiva) e o que fazer (prescritiva).
• Cada degrau depende do anterior. Previsão calculada sobre histórico errado só erra mais rápido e com mais confiança.
• A descritiva exige menos tecnologia e mais definição: qual é a regra de cada número e de qual sistema ele sai.
• A maioria das empresas está na descritiva, e boa parte ainda sem confiar nela. É o ponto de partida normal, e uma descritiva confiável já paga a conta.
• O erro mais comum é pular etapa: querer recomendação automática antes de ter um relatório em que a diretoria acredita.

Quais são os quatro tipos de análise de dados?

A classificação mais usada divide a análise de dados em quatro tipos, ordenados pela pergunta que respondem. A documentação de conceitos da AWS descreve os quatro como a maioria dos manuais: a descritiva resume o passado em gráficos e tabelas; a diagnóstica investiga a causa com filtros, detalhamento e correlação; a preditiva projeta tendências com estatística e aprendizado de máquina; a prescritiva simula alternativas e sugere a melhor resposta.

Muita gente fala em três tipos e junta a diagnóstica à descritiva, porque as duas usam o mesmo histórico. Nós preferimos separar: ver o número que caiu é uma coisa, descobrir por que caiu é outra, e é na segunda que a maioria dos painéis falha.

Lida de cima para baixo, a coluna "dado que exige" só cresce. Ninguém prevê demanda sem histórico de venda organizado, e ninguém recomenda quanto comprar sem uma previsão em que confia.

O que muda de um tipo para o outro?

A diferença que mais aparece nas conversas é a tecnologia. Na prática, o que muda primeiro é o que se exige do dado.

A descritiva exige definição. Faturamento é com ou sem devolução? Margem desconta frete? Estoque conta o que está em trânsito? Duas respostas diferentes produzem dois relatórios diferentes a partir da mesma base.

A diagnóstica exige dimensão e integração. Para responder por que a margem caiu, o número precisa abrir por canal, por produto e por cliente, e isso pede que ERP, plataforma de venda e planilha de custo falem do mesmo produto com o mesmo código.

A preditiva exige histórico comprido e estável. Um modelo aprende com o passado; se o passado tem buracos, trocas de cadastro e promoções não registradas, ele aprende ruído. O artigo sobre análise preditiva detalha o que a base precisa ter antes do primeiro modelo.

A prescritiva exige que as regras do negócio estejam escritas em forma de restrição: lote mínimo do fornecedor, capacidade da linha, prazo de entrega prometido, caixa disponível. Sem isso, a recomendação sai ótima no papel e impossível de executar.

Como cada tipo aparece por área da empresa?

A tabela abaixo mostra as quatro perguntas em quatro áreas típicas de uma indústria, de um varejo ou de um e-commerce de médio porte.

Repare que as colunas Descritiva e Diagnóstica são o trabalho de um bom painel: acompanhar indicadores, comparar períodos e investigar o que está por trás do resultado. É o que a Maze entrega em dashboards e BI, e é a base sobre a qual Preditiva e Prescritiva podem existir.

Em qual tipo a maioria das empresas está de fato?

Na descritiva. A pesquisa TIC Empresas 2024, do Cetic.br, perguntou às empresas brasileiras se fazem análise de grandes volumes de dados, o que já é mais do que o relatório mensal. Responderam sim 6% do total, 16% das empresas com 50 a 249 pessoas e 21% das maiores. Lido pelo avesso: mais de oito em cada dez empresas de porte médio não passam disso, e o que fazem com dado é relatório e painel.

Isso não é um problema, e dizemos isso em reunião. Uma descritiva bem feita já paga a conta: encurta a reunião de resultado, acaba com a disputa sobre qual número está certo e mostra onde a margem está indo embora. Ninguém precisa de previsão para descobrir que um canal vende com margem negativa há seis meses. Precisa de um relatório confiável.

O problema real é outro, e vemos com frequência em quem nos procura: a empresa acha que está na descritiva, mas não confia nela. Relatório de venda que não bate com o financeiro, estoque do sistema diferente da prateleira, planilha ajustada na mão antes da reunião. Nesse estado, a empresa está antes do primeiro degrau. O guia sobre IA para análise de dados começa exatamente por aí, porque nenhum modelo conserta um número que ninguém definiu.

Qual é o erro mais comum ao querer subir de nível?

Pular etapa. É a empresa que quer "uma IA que diga quanto comprar" enquanto o relatório de venda ainda é montado à mão. Alexandre Jacquillat, professor do MIT Sloan, resume o padrão num artigo sobre prática de análise de dados: muitas equipes pulam as etapas que garantem a qualidade do dado, a representatividade da amostra e o entendimento do que estão medindo. O modelo funciona na apresentação e falha na operação.

Antes de contratar previsão ou recomendação, vale conferir se a descritiva sustenta o peso. Os sinais de que ela está pronta:

• O mesmo indicador sai igual em dois relatórios diferentes, sem alguém ter que explicar a diferença.
• Cada número tem dono e regra escrita, e a regra é a mesma para o comercial, o financeiro e a diretoria.
• O histórico cobre ao menos dois ciclos completos de sazonalidade, sem buraco de meses e sem troca de código de produto no meio.
• Cadastro de produto e de cliente sem duplicidade, porque o modelo trata dois códigos do mesmo item como dois produtos, o erro descrito no artigo sobre cadastro de produtos.
• Ninguém ajusta o painel na mão antes da reunião. Se ajusta, o dado que o modelo vai receber é o dado sem ajuste.

Se três desses cinco sinais faltam, o investimento em preditiva vira investimento em arrumar a base, só que com expectativa errada. Melhor arrumar a base primeiro, com o nome certo.

Um detalhe que confunde: um modelo de linguagem lendo o painel e escrevendo o resumo da semana continua sendo análise descritiva. A pergunta respondida é a mesma, "o que aconteceu". Ele só sobe de degrau quando projeta ou recomenda, e aí depende da qualidade do histórico como qualquer outro método.

Quando falar com a Maze Analytics

Faz sentido conversar quando a sua empresa tem o dado espalhado em ERP, plataforma de venda e planilha, e o relatório de uma área não bate com o da outra. É esse o trabalho que fazemos primeiro: reunir as fontes, definir a regra de cada indicador e montar o painel em que dá para acompanhar resultado, comparar período e investigar o desvio. Também faz sentido quando a descritiva já é confiável e você quer testar previsão numa decisão específica, como reposição.

Não faz sentido quando a empresa quer recomendação automática sem passar pela base, ou quando uma planilha bem cuidada já responde às perguntas do mês. Nos dois casos dizemos isso na primeira conversa.

Perguntas frequentes

Qual é a diferença entre análise descritiva e diagnóstica?

A descritiva mostra o que aconteceu: a venda caiu 12% no mês. A diagnóstica explica por que: caiu porque um canal reduziu o mix e o desconto médio subiu. As duas usam o mesmo histórico, mas a diagnóstica exige que o número abra por produto, canal, cliente ou turno, o que depende de integração entre sistemas e de cadastro padronizado.

Análise preditiva precisa de inteligência artificial?

Não necessariamente. Boa parte da previsão útil em empresa média sai de métodos estatísticos simples, como média móvel e decomposição de sazonalidade. Aprendizado de máquina ajuda quando há muitas variáveis e muito histórico. Nos dois casos, a qualidade da previsão depende mais do histórico do que da técnica.

Análise prescritiva substitui o gestor?

Não. Ela sugere a ação que melhor atende às restrições que alguém escreveu: lote mínimo, capacidade, prazo, margem. Quem escreve as restrições, revisa a sugestão e responde pelo resultado continua sendo uma pessoa. Onde funciona, a prescritiva tira do gestor o cálculo repetitivo e deixa com ele a decisão de exceção.

Por onde uma empresa de 50 a 500 pessoas deve começar?

Pela descritiva confiável: poucos indicadores com regra escrita, saindo de uma base que junta ERP, venda e financeiro, num painel que a diretoria usa toda semana. Quando esse painel deixa de gerar discussão sobre qual número está certo, a empresa tem histórico e disciplina para testar previsão em uma decisão de cada vez.