Inteligência Artificial em análises georreferenciadas

Publicado por Aquarela Analytics em outubro 13, 2017

Geografia é uma área de conhecimento que estuda a Terra e sua ocupação pelo homem. Os campos de estudo variam em geografia física (relevo, clima, vegetação, etc) e análise de relacionamento (população e ambientes que ocupam).

Dentro da Geografia existe a cartografia, que é uma ciência para representação gráfica da superfície terrestre, tendo como finalidade a criação de mapas para diversos objetivos. Ou seja, procura produzir, difundir, utilizar e estudar os mapas utilizando símbolos, cores, linhas, hachuras, entre outros tipos de representações. Isso tudo é muito importante para entendermos o ambiente em que vivemos.

E a Inteligência Artificial?

Hoje vivemos uma cartografia digital interconectada, para um âmbito mais minucioso e urbano, que permite localizar os estabelecimentos mais próximos (com telefone e horário de funcionamento) e ainda por cima saber qual a melhor rota para se chegar lá, seja a pé, ônibus ou carro. Tudo em questão de segundos, fazendo a vida muito mais fácil por tecnologias utilizadas pelo Waze e Google Maps, por exemplo. Isso é a Inteligência Geográfica baseada em dados, e estes são passíveis de aplicação de Inteligência Artificial (Advanced Analytics, termo sucessor do Big Data).

A Inteligência Geográfica é um termo utilizado pelas empresas para basear suas tomadas de decisões de uma perspectiva que envolve latitudes e longitudes. Estas variáveis são tão importantes para decisões quanto a perspectiva de tempo (minutos, horas, dias), pois todos os negócios ou projetos são pautados em algum lugar e em algum tempo.

Hoje, tornou-se difícil imaginar alguma informação do dia a dia sem algum componente geográfico. A Inteligência Geográfica pode revelar padrões e aspectos fundamentais do comportamento do negócio de modo muito mais rápido e intuitivo do que qualquer texto, ou seja, uma imagem pode valer mais do que mil palavras.

Análises georreferenciadas nos negócios

Existem várias maneiras de se introduzir as análises geográficas no campo profissional. Uma delas, é o uso de softwares de BI (Business Intelligence) que tenham essa solução embutida e de fácil usabilidade, permitindo que os usuários visualizem o negócio de forma sistêmica, sem nenhuma linha de código e com diversos níveis de audiência e filtros (vale a leitura de nosso artigo sobre as diferenças entre BI, data mining e big data).

Em resumo uma plataforma de BI com funcionalidades de georreferência, bem customizada e com os dados coletados de forma adequada vão permitir descobrir:

  • Onde estão os principais clientes?
  • Onde atua a concorrência com mais ou menos intensidade?
  • Qual a rentabilidade e resultado das campanhas de marketing por região?
  • Qual o potencial de mercado ou de fraudes de determinada região?

Limitações dos sistemas de BIs

Com as soluções de BI já é possível criar valor ao negócio em muito pouco tempo, porém há momentos em que os analistas de dados e gestores chegam ao que chamamos de “Stress do Modelo”. O ponto de stress é uma situação típica que acontece quando são feitas centenas de combinações manuais de variáveis durante dias – e até meses – e não surgem novos insights para melhorias de processos do negócio. Isso aumenta o nível de frustração sobre o investimento em análise de dados, na plataforma e às vezes até questiona-se a qualidade do analista de BI, em respeito a sua capacidade de pilotar a plataforma, o que raramente é o caso.

Quando a equação não fecha?

A equação não fecha quando as possibilidades de análise crescem muito mais rápido do que a capacidade dos analistas de testar as hipóteses. Chegar a conclusões cresce, na melhor hipóteses, em escala linear. No gráfico abaixo, demonstramos esse padrão que inicialmente é dominado pela grande área de curiosidade (quadrante 1) que vai se reduzindo ao longo do tempo com os investimentos em análise de dados e ferramentas. Com o tempo, novos dados são gerados e incorporados nas análises fazendo com que se multiplique as oportunidades de cruzamento dos mesmos. Apenas como exemplo: se introduzirmos a variável gênero “Masculino e Feminino” no conjunto de dados podemos dobrar os tipos de análise, se introduzirmos mais 30 bairros e 200 tipos de profissão, há uma explosão combinatória analítica.

Este espaço entre a capacidade de análise e a complexidade dos dados (quadrante 2) é onde há muita frustração e um desconforto generalizado, por que é difícil apontar de forma precisa um culpado pelos ausência de novos insights. Resultado, as empresas estão buscando nas tecnologias de inteligência artificial uma forma de mitigação drástica da complexidade de análise. Uma das principais barreiras para rápida adoção de IA é a falta de uma cultura de dados, algo que é anterior às ferramentas. O quadrante 3 representa o espaço do senso comum ou do conhecimento já incorporando pela organização em seus processos de gestão do conhecimento. 

Para ajuda-lo a quebrar essas barreiras no processo de adoção da cultura de dados, nós desenvolvemos um ebook que descreve as etapas e desafios na implementação do Data Analytics, baixe agora e descubra como sair na frente nesta que já é considerada a quarta grande revolução tecnológica!

Inteligência Artificial aplicada em dados geográficos.

O mercado de Inteligência Artificial está em franca expansão. No que tange às estratégias de negócio baseadas em geografia, existem alguns fatores propulsores desse movimento:

  • maior abundância de dados;
  • sistemas de informação cada vez mais integrados;
  • geolocalização democratizada pelos dispositivos móveis;
  • custo de computação cada vez menor.

O valor das soluções de Inteligência Artificial está no fato delas serem  uma espécie de “turbo” que pode ser adaptado aos sistemas tradicionais de BI, e/ou  um tipo de “prótese cognitiva” para os analistas de dados. Possibilitando que estes descubram padrões relevantes em menos tempo e também evitem navegar por muito tempo em lugares virtuais (combinações de variáveis) que não fazem sentido pro negócio e despendem recursos.

Nos links abaixo demonstramos na prática dois casos de estudo de aplicação da inteligência artificial geográfica:

Exemplo da Secretaria da Fazenda de Santa Catarina

Para exemplificar melhor como é utilizado a Inteligência Geográfica dentro do VORTX, elaboramos uma pesquisa com os dados financeiros de todas as obras executadas pelo estado de Santa Catarina a partir do ano de 2006. Essa pesquisa está neste link – Inteligência Artificial aplicada as obras de Santa Catarina.

Abaixo segue uma prévia e logo na primeira imagem temos uma visão geral do estado de Santa Catarina, como também as proporções dos tipos de obras executadas nos últimos 5 anos. Assim, conseguimos ver que no lado esquerdo existem grupos que vão de 1 até 17, representando tipos diferentes de obras.

Quem descobre os tipos das obras e as proporções?

As descobertas não são feitas por pessoas, mas sim por máquina – por várias máquinas, para ser mais específico. A tecnologia da Aquarela consegue fazer com que os dados geográficos e das obras sejam sintetizados correlacionando e levando em consideração todos os pesos de todas as células da uma planilha com mais de 6.000 linhas e com mais de 20 colunas, o que logicamente seria um trabalho quase que humanamente impossível.

Como ficam as visualizações?

Todas as obras que fazem parte do mesmo grupo podem ser chamadas de obras gêmeas. Assim, torna-se fácil descobrir quais tipos de empreendimentos correspondem a 80% dos investimentos do estado, onde estão distribuídas e também encontrar casos discrepantes/outliers (mais informações sobre eles neste post – O que são outliers).

Aproximando um pouco mais o mapa, conseguimos ter uma visão das proporções de cidade e não região, dependendo do quão preciso é a pesquisa geográfica, isso pode ser uma arma muito importante nas futuras decisões e políticas públicas.

Na terceira imagem aproximamos um pouco mais da região de Florianópolis (onde se encontra a Aquarela), conseguimos ter uma visão mais detalhada, conseguindo pegar regiões de uma cidade e não de um estado, vendo quais semelhanças são mais fortes.

Onde estão os detalhes de cada um dos tipos de obras?

Para entender o comportamento de cada um dos grupos de modo a poder dar nomes a eles. A ferramenta traz sumários estatísticos e visualizações multifacetas como estas abaixo do grupo 5, que são obras com custo total em torno de 60 a 70 milhões de reais e uma média de 121 dias de paralisação, dentre outros valores.

Recomendações

Negócios baseados em estratégias geográficas apresentam um grande potencial de mercado. Profissionais experientes nestas área são escassos e existem expectativas e frustrações não mapeadas. Neste artigo, analisamos importantes da integração da Inteligência Artificial com análises geográficas e demonstrações destes usos em análises exploratórias.

Devido as diferenças entre as projeções da complexidade dos dados e a capacidade de execução do time de BI ao longo do tempo, há falsas expectativas que devem ser contornadas e tratadas pelo time de gestão. Nossa recomendação é cuidar bem dos especialistas de BI. O trabalho destes(as) profissionais chega a ser heroico (carregando, transformando, processando e limpando dados) para gerar visualizações relevantes e, as vezes, isso não é possível sem a ajuda de ferramentas de IA na área de Machine Learning.

O nível de maturidade de dados conta muito para que ferramentas de Inteligência Artificial possam ser utilizadas na prática. Por exemplo, os dados disponibilizados pela Secretaria da Fazenda de Santa Catarina, além de estarem completos e organizados, ainda continham todas as coordenadas geográficas de cada uma das obras. Esse nível de qualidade dos dados infelizmente ainda é algo incomum em nosso país.

Como última recomendação: coletem as latitudes e longitudes de seus dados, isso proporcionará o desenvolvimento de projetos com alto valor agregado com a Inteligência Geográfica.

Para receber mais posts sobre Inteligência Artificial é só assinar nossa Newsletter aqui.

 

Informações para referenciação: Gostou do material? Caso queira enriquecer sua pesquisa ou relatório (seja blog post ou artigo acadêmico), referencie nosso conteúdo como: Aquarela 2018 - Inteligência Artificial para negócios (www.aquare.la).
Autores:
Victor Koinski
Pós-Graduando em Big Data Aplicado ao Marketing e SDR da Aquarela Advanced Analytics. Linkedin
Joni Hoppen
Fundador da Aquarela Advanced Analytics, professor e palestrante na área de Ciência de Dados, mestre em Sistemas de Informação pela universidade de Twente na Holanda, focado em processos de rápida prototipação de Big Data Analytics e cultura de dados. Linkedin
Continue Lendo
Assine nossa Newsletter