Na era pré-pandémica, a resposta à pergunta «Porque devo preocupar-me com a digitalização e a inteligência artificial?» era muito frequentemente «a análise preditiva». Esta refere-se à capacidade de aproveitar os grandes volumes de dados produzidos por uma organização para prever o futuro, através da magia e da ciência da mineração de dados e dos processos matemáticos.
A análise preditiva foi apresentada como uma capacidade futura essencial para as empresas, que lhes permitiria identificar tendências, reconhecer a relação entre comportamentos e prever eventos e condições de mercado de forma precisa e fiável. O objetivo seria permitir que as empresas desenvolvessem os seus negócios estando preparadas para os desafios, mitigando riscos e identificando oportunidades no momento certo. Essa era a cenoura.
O bastão, por outro lado, era que se não desbloqueasse o poder preditivo dos seus dados, os seus concorrentes certamente desbloqueariam os deles e deixá-lo-iam para trás, com uma distância cada vez maior.
Praticamente todos os sectores poderiam beneficiar da análise preditiva: as companhias aéreas podiam prever o número de passageiros, as empresas de energia podiam prever a procura de eletricidade, os retalhistas podiam oferecer aos consumidores o que queriam quando queriam, e os fabricantes podiam evitar tempos de inatividade e reduzir custos ao prever com precisão quando as peças necessitariam de manutenção ou substituição.
E então chegou a COVID-19. O seu impacto foi, como todos sabemos, abrangente e comprometeu em grande medida a análise preditiva. A análise preditiva baseia-se na capacidade das máquinas de identificar padrões em enormes quantidades de dados, melhor do que poderíamos fazer, e de aprender com esses padrões para prever o futuro de forma precisa e fiável. Mas hoje, qualquer esforço de análise preditiva está comprometido por dois a três anos de dados atípicos. E quando as coisas se normalizarem — esperemos que em 2022 ou 2023, dependendo do ritmo de vacinação e da sua capacidade de se adaptar às variantes do vírus — os dados gerados nessa altura não vão retomar onde 2019 parou. Com efeito, muito provavelmente teremos uma nova referência a partir da qual reajustar as nossas expectativas futuras, uma vez que as coisas podem ter mudado fundamentalmente desde 2019.
Considere as viagens. Agora que é claro que é possível conduzir negócios em todo o mundo sem apanhar um avião, é provável que as viagens de negócios regressem aos níveis anteriores a 2020? A consciência de que as viagens de longa distância nem sempre são uma necessidade irá cruzar-se com os objetivos de sustentabilidade das empresas, e as organizações certamente também perceberão quanto dinheiro podem poupar (um ganha-ganha). Um recuo das viagens corporativas face aos níveis pré-pandémicos terá um efeito dominó nos hotéis, aluguer de automóveis, aluguer de salas e numa série de empresas satélite que apoiavam essas deslocações.
Por outro lado, um sector como o e-commerce, que recebeu indubitavelmente um impulso com a pandemia, deverá ver grande parte deste novo negócio manter-se. Durante a pandemia, as empresas aceleraram as suas implementações de e-commerce e melhoraram as suas ofertas, e muitos consumidores tardios experimentaram as compras online pela primeira vez devido ao confinamento e às preocupações com a saúde. Sem dúvida que alguns destes consumidores voltarão às lojas físicas quando puderem, mas sugeriria que é muito provável que muitos novos convertidos continuem a fazer pelo menos uma parte das suas compras online, graças à comodidade e à maior variedade.
A grande questão em ambos os casos é quantas empresas e pessoas tornarão esta mudança permanente e em que medida, e é isso que potencialmente compromete o poder preditivo dos dados anteriores a 2020.
Mas hoje, todos os dados que temos são dados atípicos, ou seja, não são fiáveis como dados de referência sobre os quais prever resultados futuros. Estamos em território desconhecido, daí a minha posição de que 2022/3 se apresentará como uma nova referência. Se precisarmos de esperar para acumular uma base de dados «normais» para alimentar os modelos de análise preditiva, como é que as empresas planeiam hoje?
Os contabilistas já dispõem de um modelo para isso: o orçamento de base zero. Ao adotar uma abordagem de base zero para a orçamentação e previsão usando modelos financeiros, as empresas podem contornar a dependência da análise preditiva em relação a dados históricos. Em vez de analisar os dados do mês passado ou do ano passado e extrapolar a partir daí, as empresas podem basear-se nas suas próprias previsões, orientadas pelas suas próprias experiências e expectativas, relevantes para o seu conjunto único de circunstâncias.
Outro benefício desta abordagem é que o seu modelo financeiro está agora enraizado na realidade: os seus números podem ser testados contra uma miríade de pressupostos flexíveis, a níveis muito granulares e em toda a sua organização. Estas melhores estimativas podem pintar um quadro de como poderá ser o seu amanhã num futuro algo incerto.
Sim, esta é, em certa medida, uma abordagem de regresso ao básico e pode até ser um pouco mais manual. Mas quando não tem dados de tendências históricas em que se basear, infelizmente precisa de começar do zero e isso significará indubitavelmente desafiar a norma estabelecida.
Publicado em AccountingWeb - March 2021