[PYTHON] Mudança de mentalidade para análise de negócios

A transformação da informação em conhecimento, estruturado na análise de dados com a linguagem Python pode trazer diversas aplicações e possibilidades para otimizar e automatizar processos para tomadas de decisão do negócio.

by egustavo20

Não é nenhuma novidade que os dados são cada vez mais presentes nos dias de hoje, pois podemos acompanhar muitos artigos e notícias, divulgando a quantidade de dados que o mundo está gerando e sua curva acentuada com um crescimento exponencial. Desta forma o uso de linguagens de programação é cada vez mais necessário para modelar os dados que podem ser estruturados ou não estruturados, necessitando de um trabalho para a transformação desse conjunto de informações em conhecimento. Esse tipo de trabalho pode ser o ponto chave para o sucesso do negócio, pois é através dele que será realizado aplicações e adaptações para novas abordagens tecnológicas, que será utilizadas por grandes empresas e pequenas startups que explorando e analisando os dados, conseguem extrair insights e alcançar em um curto espaço de tempo resultados fantásticos e desenvolvimento acelerado para novas soluções de problemas do cotidiano.

Não existe receite secreta, trata-se apenas de manipulação com dados históricos, realizando aplicações matemáticas, e conceitos lógicos que podem se tornar muito mais simples através da linguagem de programação ideal, para analisar o cenário e mapear as oportunidades para solucionar problemas. Essa mudança na forma de fazer e pensar analise pode tirar o seu modelo de negócio da inércia, automatizando processos dando maior agilidade e precisão para as informações. Pois como sabemos aquele que tem a informação primeiro estará sempre a dois passos a frente do seu concorrente, e para acompanhar o movimento dos grandes players do mercado é necessário sempre estar se reinventando.

Fonte da image: https://bit.ly/3bxtrnp

E quando falamos em linguagem de programação devemos iniciar “desmistificando” a aplicação do uso de códigos com a linguagem mais utilizada para desenvolvimento e aplicações de ciência de dados que é o Python pois ele pode ser bem intuitivo, e acessível com plataformas de trabalho em notebooks online (Colab e Jupyter) mais ainda sim exige como qualquer outro novo conhecimento a ser estudado muita prática e repetição, e com poucos comandos podemos absorver uma pequena dose dessa ferramenta fantástica comparando a simplicidade, velocidade e interatividade que podemos obter com diversos recursos, com pouco conhecimento em programação.

Simulando uma situação de rotina de escritório! Para aplicação de código

Uma empresa logística especializada na gestão de monitoramento de transportes, trabalha com transportadoras terceiras de pequeno porte. As frotas das empresas prestadoras de serviços possuem tags instaladas para integração com o sistema ERP da empresa em real time. Desta forma o sistema recebe uma quantidade de dados massivos. E um dos gestores necessita de uma análise de resultados com informações dos últimos 3 anos de dados para uma tomada de decisão estratégica, daqui 1 hora e para executar tal demanda com agilidade, qualidade, precisão e praticidade iremos utilizar o python.

Com os comando acima podemos extrair alguns insights interessantes para refletir os resultados realizados:

• Podemos observar que o ano de 2017 tivemos o menor Raio médio(km) percorrido com 31.92km fechando com um custo operacional de R$ 40.754.950,0 com uma quantidade média de 604 de viagens realizadas.
• Para o ano de 2018 tivemos um aumento no Raio médio(km) percorrido com 32.33km uma diferença baixa quando comparado as variações em percentual (25%, 50% e 75%) dos dados. E levando em consideração um aumento de raio praticamento desprezivél o ponto a ser questionado é o aumento significativo no custo operacional que fechou em R$43.390.750,0 com uma média de 620 viagens realizadas, ou seja apenas 16 viagens a mais que 2017.
• Em 2019 tivemos uma melhoras expressiva no custo operacional fechado em R$352.840.50,0 reflexo da boa estratégia utilizando um número inferior de caminhões comparado aos anos anteriores rodando com média de 198 frotas disponíveis. Um ponto a ser considerado é que tivemos um aumento na quantidade de viagens com total de 660 viagens realizada ainda que o Raio médio(km) percorrido de 32.14 tenha mantido o valor próximo do ano anterior, a quantidade de frotas utilizadas foi menor e tivemos uma redução de custo. Para entender o oque aconteceu estratificaremos o custo de viagens por tipo de carga.

Conclusão

• O racional para estratégia de gestão de custo de transporte para o ano de 2019 teve como fator chave junto a redução na quantidade de frotas, o dimensionamento do mix percentual de custo por tipo de carga. No gráfico em função dos meses podemos acompanhar a curva de redução gradativa para os custos operacionais distribuído pelos meses.
• Através dessa abordagem poderíamos adotar como modelo inicial os valores percentuais para cada MIX por carga tendo como base os resultados positivos mostrados no estudo acima. E no decorrer do tempo a medida que o banco de dados for reabastecido de informações o python poderia realizar através de modelos de machine learning a calibração do MIX percentual com um simples modelo de equação linear treinando o modelo para aproximar cada vez mais os valores percentuais para cada MIX. Esse tipo de aplicação de treinamento de modelos que faz de programação uma ferramenta eficiente e poderosa, e assim como apontado anteriormente o python comparado a outras linguagens é uma ferramenta muito mais intuitiva onde independente do seu nível de conhecimento em programação é possível programar e replicar modelos em sua rotina de trabalho.