Por João Stringhini
CEO da Stringhini Varejo Inteligente e instrutor confirmado no Programa de Desenvolvimento Gerencial da Acats (PDG Acats)

Acho o máximo ver apresentações orgulhosas de painéis de BI de dados de venda do varejo por hora, por loja, por categoria, por marca, seja lá pelo o que for, que não resistem a uma pergunta simples: “Qual execução gerou este resultado?”. O silêncio como resposta é comum ou um amargo “Não sei, a gente não vê isto.” Se não conseguimos relacionar as vendas à execução, como vamos poder dizer que sabemos qual estratégia de organização de loja, exposição, layout ou até mesmo planograma gera mais vendas.

Para situar esse fenômeno, e para ajudar empresários e executivos a se localizarem honestamente nele, que desenvolvi a Escala de Maturidade da Inteligência Empresarial (Stringhini, 2026). É um mapa que serve para sabermos onde estamos e ou não queremos estar.

Por que precisamos de uma escala

A literatura de análise de negócios já produziu modelos valiosos de maturidade analítica. O modelo da Gartner, popularizado por Thomas Davenport, organiza a evolução da análise empresarial em quatro estágios: descritiva, diagnóstica, preditiva e prescritiva. Foi um avanço importante quando surgiu e continua sendo referência legítima (Davenport e Harris, 2007).

O problema desse modelo é que nasceu de dentro para fora da tecnologia de dados. Descreve bem o que as ferramentas conseguem fazer em cada estágio, mas não deixa claro o que a empresa precisa fazer ou ter para desfrutar de cada ferramenta.

A Escala de Maturidade da Inteligência Empresarial (Stringhini, 2026) propõe quatro contribuições específicas em relação aos modelos anteriores:

• Moldura histórica datada: ancora cada fase em um período real de desenvolvimento tecnológico e organizacional.
• Pergunta-âncora: traduz de forma prática o que seu modelo de análise está respondendo.
• Inclusão de fases não contempladas em modelos anteriores: a Intuitiva (anterior à analítica moderna), a Responsiva e a Indutiva (que estão em curso agora) e a Autônoma (que está por vir).
• O conceito de “idade intelectual da decisão”: mostra que uma empresa pode ter ferramentas atuais operando com processos ultrapassados.

A escala é uma extensão à literatura existente, com crédito explícito ao trabalho que veio antes.

Os dois tempos de cada fase: a descoberta e a adoção

Cada fase acontece em dois momentos diferentes, e confundi-los é parte do problema. Há o tempo em que a ciência descobre uma determinada tecnologia, e há o tempo, sempre posterior, em que o mercado a adota de fato. A descoberta vem sempre antes do uso. A distância entre esses dois tempos, para a sua empresa, é a sua idade intelectual da decisão: o quanto você ainda opera com ferramentas que a ciência e ou o mercado já superou há muitos anos.

Por isso, para cada fase, a escala registra dois períodos, a Descoberta pela Ciência e a Adoção pelo Mercado.

As 8 fases da Escala de Maturidade da Inteligência Empresarial

Fase 1: Intuitiva

Descoberta pela Ciência: Pré-história até 1500
Adoção pelo Mercado: Até 1900
Pergunta-âncora: “O que eu acho?”

A decisão empresarial depende quase integralmente da experiência e do instinto do fundador ou dos seus líderes. Não há registro sistemático. Não há comparação. O conhecimento está na cabeça de uma ou mais pessoas e morre com elas.

Não confunda intuitivo com incompetente. Muitos negócios chegaram longe assim, especialmente quando o mercado era estável e a complexidade baixa. O problema acontece quando o negócio cresce, o mercado acelera, ou as decisões precisam ser delegadas para pessoas sem a mesma experiência acumulada.

Perguntas de autolocalização: As decisões do seu negócio estão documentadas, ou moram exclusivamente na cabeça de alguém? Quando o responsável por uma área sai, o conhecimento vai junto com ele?

Fase 2: Descritiva

Descoberta pela Ciência: 1500 a 1900
Adoção pelo Mercado: 1900 a 1980
Pergunta-âncora: “O que aconteceu?”

A empresa começa a registrar o que aconteceu. Surgem os relatórios de venda, os controles de estoque, as planilhas mensais. O avanço é real: existe memória organizacional. Pode-se olhar para trás e ver o que ocorreu. São os ERP’s e os BI’s em ação.

O limite desta fase é que o registro captura e descreve os resultados, mas não estabelece correlações verdadeiras. A empresa sabe os meses que mais vendeu, mas não há a comprovação das relações de causa e efeito. Sabe-se o conjunto de ações que levaram aos resultados, mas se desconhece o peso de cada uma destas ações.

Perguntas de autolocalização: Há o uso de análises estatísticas, além do uso do excel e do BI? Há o registro da execução de loja? Há registro e conhecimento temporal das atividades desenvolvidas pelas equipes? Existe registro do grau de cumprimento de processos além dos números de resultado?

Fase 3: Matemática

Descoberta pela Ciência: 1900 a 1950
Adoção pelo Mercado: 1980 a 2000
Pergunta-âncora: “Por que aconteceu?”

Aqui entra a análise de causa e efeito. A empresa não se contenta em saber o que aconteceu: quer entender por quê. Isso exige duas coisas que a fase anterior não tinha: registro da execução (o que realmente foi feito, não só o que foi vendido) e uso de ferramentas estatísticas, análises de causa e efeito.

Atualmente, no Brasil, esta é a fase mais negligenciada. Não porque as empresas não queiram entender suas causas, mas porque pulam etapas. Compram sistemas que geram relatórios sem antes construir o hábito de definir, registrar e mensurar processos e execução. O resultado são empresas cheias de dados de vendas e vazias de dados de processo.

Na prática, é a análise entre composição das categorias de produtos, faturamento e rentabilidade ao mesmo tempo, análise de regressão na satisfação do cliente, cesta de compras, quais produtos influenciam a venda de outros produtos.

A própria literatura de analytics prescritivo assume que toda decisão orientada a resultado pressupõe um vínculo causal entre a ação e o efeito (Lepenioti et al., 2020), exatamente o que esta fase constrói.

Perguntas de autolocalização: Você tem padrão de comparação para os seus indicadores? Quando uma loja vende 15% a mais do que outra, você sabe quais variáveis de execução explicam essa diferença? Você tem benchmark, mesmo que interno, para saber se o seu resultado é bom ou apenas aceitável? Há testes estatísticos para validar as diferenças de resultados apresentados entre lojas, equipes, vendas de produtos etc.?

Fase 4: Preditiva

Descoberta pela Ciência: 1950 a 1980
Adoção pelo Mercado: 2000 a 2015
Pergunta-âncora: “O que acontecerá?”

Com registro histórico robusto e análise de causa e efeito, a empresa usa padrões do passado para antecipar o futuro. Modelos estatísticos, projeções de demanda, análise de sazonalidade com precisão crescente. A previsão deixa de ser intuição e vira cálculo.

Nesta fase, quem a alcança, detém domínio estatístico real. Ter domínio estatístico real é ter poder real sobre seu negócio. Para isto não basta uma ferramenta que entrega uma previsão, é necessária uma compreensão e propriedade de como aquela previsão foi construída, quais variáveis ela considera, qual é o intervalo de confiança e onde ela pode errar. Sem este entendimento, a empresa usa o número da previsão com a mesma cegueira com que antes usava o instinto, só que agora com mais convicção.

Perguntas de autolocalização: Quando alguém na empresa apresenta uma projeção, alguém no time sabe de onde aquele número vem? A empresa entende as premissas por trás das previsões que usa, ou confia no output sem questionar o modelo?

Fase 5: Prescritiva

Descoberta pela Ciência: 1980 a 2015
Adoção pelo Mercado: 2010 a 2025
Pergunta-âncora: “O que devo fazer?”

A análise prescritiva vai além da previsão: ela recomenda ações. Não apenas “as vendas devem cair 12% em julho”, mas “reduza o estoque de categoria X em 18% e redirecione verba para categoria Y”. Aqui entram os algoritmos de otimização, os sistemas de precificação dinâmica, as recomendações automatizadas.

O risco desta fase é a ilusão de autonomia. A empresa recebe uma recomendação e, sem entender a lógica por trás dela, simplesmente a executa. Isso funciona enquanto o algoritmo está certo. Quando ele erra, a empresa não tem capacidade de identificar o erro porque nunca entendeu o raciocínio.

Perguntas de autolocalização: Quando um sistema recomenda uma ação à empresa, quem no time é capaz de questionar aquela recomendação com base técnica? A empresa segue recomendações algorítmicas com senso crítico ou com fé?

Fase 6: Responsiva

Descoberta pela Ciência: 2015 em diante
Adoção pelo Mercado: 2020 a 2035
Pergunta-âncora: “O que fazer agora?”

Nesta fase acrescenta-se uma camada muito importante. Até aqui trabalhamos com dados do passado para antever o futuro, mas o futuro, que é agora, pode não se comportar da mesma maneira que no passado e o sistema deve encontrar a melhor resposta para o novo momento neste instante.

Assim, a fase Responsiva caracteriza sistemas que reagem em tempo real a mudanças no ambiente. Não apenas prevendo o que vai acontecer, mas ajustando automaticamente a estratégia conforme o contexto muda, sem esperar um novo ciclo de análise. Preço que muda em função da demanda ao vivo. Estoque que se redistribui entre pontos de venda em resposta a eventos locais. Comunicação personalizada que se adapta ao comportamento do cliente nos últimos minutos. Redistribuição de tarefas e equipes frente a um incidente.

O diferencial desta fase não é a velocidade dos dados, é a velocidade de resposta.

Perguntas de autolocalização: A sua empresa consegue tomar decisões operacionais relevantes com base em informações de hoje, não da semana passada? Onde existe latência desnecessária entre o dado e a ação?

Fase 7: Indutiva

Descoberta pela Ciência: 2015 a 2030
Adoção pelo Mercado: 2025 a 2040
Pergunta-âncora: “Como influenciar o que virá?”

Esta fase representa uma virada de perspectiva: a empresa deixa de reagir ao ambiente e passa a moldá-lo. Não apenas prever o comportamento do consumidor, mas induzi-lo. Não apenas antecipar a demanda, mas criá-la com precisão cirúrgica.

Isso envolve hiperpersonalização em escala, estratégias de indução comportamental baseadas em dados granulares e uso de IA para identificar alavancas de influência ainda invisíveis à análise convencional. É a fase onde a inteligência empresarial se torna, em certa medida, estratégia de mercado.

Uma forma de entender a indução é pelo déjà vu. A velocidade de processamento de um computador atual excede em milhares de vezes a do pensamento humano. Com essa diferença, o sistema é capaz de nos estimular a partir do nosso próprio comportamento e fala, de um jeito que parece familiar e próximo, gerando confiança. Aberto o campo, vem a indução. A literatura já nomeia isso: o hypernudge, a manipulação computacional que perfila o usuário e influencia a decisão sem que ele perceba, ao ponto de pesquisadores defenderem um novo direito, o da autodeterminação mental (Faraoni, 2023).

Perguntas de autolocalização: A sua empresa usa inteligência para reagir ao cliente ou para antecipar e, em alguma medida, construir o comportamento que ela quer ver? Onde existe a maior oportunidade de passar de reativo para indutor?

Fase 8: Autônoma

Descoberta pela Ciência: 2030 em diante
Adoção pelo Mercado: 2030 em diante
Pergunta-âncora: “Como o sistema pode agir sozinho?”

No horizonte mais distante da escala está a empresa onde sistemas de inteligência não apenas recomendam e induzem, mas decidem e executam com autonomia real, dentro de parâmetros estabelecidos pela estratégia humana. O papel da liderança migra de tomador de decisões operacionais para arquiteto de regras do jogo e guardião dos valores que os sistemas devem respeitar.

Não é ficção científica, nem promessa distante. O Gartner projeta que 40% das aplicações empresariais embarquem agentes de IA até o fim de 2026, e que 15% das decisões do dia a dia sejam tomadas de forma autônoma até 2028. O mesmo Gartner alerta que mais de 40% dos projetos de IA agêntica devem falhar até 2027, quase sempre por falta da base das fases anteriores. A direção é clara. O ritmo, e quem chega inteiro, não.

Perguntas de autolocalização: A sua empresa está construindo a governança necessária para operar sistemas cada vez mais autônomos com responsabilidade? Quem vai definir os limites do que os sistemas podem e não podem decidir sozinhos?

Os nós que ninguém quer ver: você não sobe de fase comprando software

Aqui o mais difícil de encarar, principalmente para aqueles que se queixam de que os investimentos em tecnologia não geraram o retorno esperado.

O que acontece? A empresa compra um sistema de BI avançado (fase 4) sem ter resolvido o problema da fase 3. Ela tem dados de venda por loja, por hora, por categoria, mas sem nenhum dado da execução. Não sabe o que o gerente da loja X fez de diferente quando o sellout subiu 20%. Não tem registro se a gôndola estava abastecida, se o produto estava no lugar certo, se o promotor estava presente, se o preço foi praticado conforme o planejado. Vê o resultado. Não enxerga o que gerou o resultado.

Sem o registro da execução, a análise de causa e efeito é impossível. Por mais dados de venda que a empresa tenha, ela não consegue responder à pergunta da fase 3: “Por que aconteceu?” Ela só consegue dizer “o que aconteceu”. Isso é fase 2 com uma tela bonita na frente. Informação de sellout não dá condições de direcionar o sellout agora, as informações de execução que geraram o sellout sim.

O segundo nó é o benchmark. Uma empresa que não tem padrão de comparação não sabe o valor real das próprias ações. Se a sua taxa de conversão é de 28%, isso é bom ou ruim? Depende do segmento, do formato, do ticket médio, da localização, do período do ano. Sem benchmark, o número é uma ilusão de precisão. A empresa opera no escuro mesmo cheia de relatórios, porque não tem a régua.

O terceiro nó é o mais silencioso de todos: o uso de IA sem domínio estatístico. Hoje, qualquer empresa pode acessar ferramentas de inteligência artificial que geram previsões, recomendam ações e otimizam campanhas. O acesso à ferramenta não está mais em disputa. O que está em disputa é a capacidade de interpretar o que a ferramenta entrega. Quando uma equipe usa um modelo preditivo sem entender o que é intervalo de confiança, o que é overfitting, o que são as variáveis que o modelo está priorizando, ela está usando uma ferramenta de fase 4 com o nível intelectual da fase 1. O sistema subiu de fase. A empresa não. E ela nem sabe disso, porque o sistema continua entregando números com aparência de precisão.

Isso é o que chamo de “idade intelectual da decisão”. A empresa pode estar no século 21 em termos de infraestrutura tecnológica e no início do século 20 em termos de capacidade analítica real. A lacuna entre as duas é onde o dinheiro some.

O que significa, na prática, subir de fase

Subir de fase não é assinar um novo contrato de software. É construir a capacidade que a fase exige.

Para sair da fase 2 e entrar de fato na fase 3, a empresa precisa criar o hábito de registrar a execução no nível de detalhe suficiente para análise causal: o que foi feito, por quem, quando, onde e como, não apenas o que foi vendido (é o terreno dos sistemas de monitoramento de execução de loja). Esse registro não é automático. Exige processo, disciplina e, frequentemente, uma mudança na cultura do time.

Para operar na fase 4 com integridade, a empresa precisa ter pelo menos uma pessoa capaz de questionar um modelo preditivo, não apenas de ler o output dele (é o papel de uma área de ciência de dados). Isso não significa ter um time de cientistas de dados. Significa ter letramento estatístico suficiente para saber quando confiar no número e quando ele merece suspeita.

Para chegar às fases 6 e 7 com solidez, a empresa precisa ter resolvido as anteriores. Não existe responsividade real sem dados de execução em tempo real. Não existe indução de comportamento sem domínio do ambiente, dos processos e do comportamento do cliente, construído com histórico analítico robusto.

Use a metáfora de uma construção. Cada fase é um andar. Você pode colocar a fachada no décimo andar antes de construir os pilares do terceiro andar? O trabalho mais importante não começa pelas ferramentas. Começa pela pergunta honesta de que fase a empresa está? Não a fase que o seu último investimento em tecnologia gostaria que estivesse. São coisas muito diferentes, acabamos de ver isto.

Onde está a sua empresa: quatro possibilidades

Uma forma direta de se localizar é olhar os recursos que você realmente usa para decidir. Grosso modo, as empresas se distribuem em quatro tipos:

• Empresas Intuitivas: não usam dados para decidir. Estão na Fase 1, Intuitiva.
• Empresas Informadas: a grande maioria do mercado. Vivem na Fase 2, Descritiva, com Excel e dashboards de ERP, descrevendo o passado sem estabelecer as causas.
• Empresas Analíticas: um grupo restrito, transitando pelas fases 3, 4 e 5. Já aplicam método estatístico de verdade, em toda a empresa ou em algumas áreas, com gente que sabe usar.
• Empresas Autônomas: pouquíssimas, conectadas às fases 6, 7 e 8. Dominam o conhecimento que sustenta o negócio e organizam seus processos para gerar dados em quantidade e qualidade para o emprego da Inteligência Artificial.

Como usar a escala

A Escala de Maturidade da Inteligência Empresarial (Stringhini, 2026) não foi desenhada para ser uma régua de julgamento. Foi desenhada para ser uma ferramenta de diagnóstico honesto.

O uso mais produtivo dela começa com uma conversa entre os líderes da empresa: em qual fase a maioria das nossas decisões realmente se apoia? Onde estão os nossos maiores gaps entre a fase que achamos que estamos e a fase que os nossos processos efetivamente suportam?

Uma empresa que resolve essa pergunta com honestidade tem mais do que um diagnóstico. Tem um roteiro. Sabe o que precisa construir antes de comprar, o que precisa dominar antes de delegar para um sistema, e onde estão as alavancas reais de evolução, não as alavancas de aparência.

O mapa só serve a quem sabe onde está.

Se você leu este artigo e quer conversar sobre onde a sua empresa está na escala, e o que seria necessário para avançar com consistência, pode me encontrar no Linkedin. Não faço diagnósticos genéricos. Faço perguntas específicas.

Por João Stringhini
CEO da Stringhini Varejo Inteligente e instrutor confirmado no Programa de Desenvolvimento Gerencial da Acats (PDG Acats)