Revolução nas tomadas de decisão com Machine Learning

As tomadas de decisão podem seguir regras pré-definidas e resultados esperados ou tomadas a partir da intuição das pessoas. A primeira é planejada e testada, a segunda é utiliza nossa intuição a partir de um conjunto dados e experiência. Quanto maior o número de dados, maior será a qualidade das tomadas de decisão. Se questionarmos um motorista de táxi (ou Uber) qual o melhor trajeto para um determinado destino, provavelmente, ele usará o Waze para responder à pergunta, mesmo ele conhecendo várias alternativas. O fato é que ele não tem as informações em tempo real sobre os congestionamentos, acidentes, carros quebrados, blitz da polícia e outros dados, coletadas pelo Waze a partir de informações voluntárias dos motoristas. Ou seja, a qualidade da tomada de decisão depende dos dados que temos no momento.

Um processo tradicional e estático de tomada de decisão segue regras pré-definidas para chegar a uma conclusão e, posteriormente, uma ação. As árvores de decisão sempre têm um ramo que direciona para um especialista, quando os dados não satisfazem suas regras. Com o feedback, os especialistas ajustam o processo para que em uma nova ocorrência o algoritmo possa tratar o dado. A figura 1 mostra um processo tradicional simplificado.

Figura 1. Processo tradicional de tomada de decisão com regras pré-definidas

Uma evolução do processo de tomada de decisão é utilizar uma Machine Learning para avaliar a situação em tempo real para ajustar as regras e tomar decisões mais precisas. Os algoritmos usados nas máquinas de aprendizado simplificam o processo de construção de árvores de decisão complexas, podendo utilizar características indiretas de um objeto ou evento para identificar ou prever uma situação. A figura 2 mostra um processo de tomada de decisão com uma Machine Learning.

Figura 2. Processo de tomada de decisão utilizando Machine Learning

Entretanto, a questão da falta e qualidade das informações ainda permanece. Se não alimentarmos as máquinas de aprendizagem com dados de qualidades não teremos resultados precisos. Para isto precisamos integrar na plataforma tecnológica outras tecnologias, como Big Data, IoT e acesso a dados externos as organizações.

Antes de investir em soluções de Machine Learning avalie a maturidade da gestão do conhecimento da sua organização e o esforço e custo de integrar outras tecnologias.