Predictive analytics é a aplicação de modelos estatísticos e de machine learning a dados históricos para prever comportamentos ou eventos futuros. Diferente de BI descritiva ('o que aconteceu?') e diagnóstica ('porquê?'), predictive analytics responde 'o que vai acontecer?'. Casos típicos: previsão de procura, risco de saída de colaborador, probabilidade de cliente inadimplir, falha de equipamento nos próximos 30 dias.
Implementações bem-sucedidas partilham características: ligam-se a decisões operacionais concretas (previsão sem acção é exercício académico), assentam em dados com qualidade suficiente (lixo entra, lixo sai), incluem validação contínua (modelo que perdeu precisão precisa de retreino), e respeitam princípios de explicabilidade e governance.
No portefólio INFOS, a IA preditiva aplica-se em vários pontos: pplEvolution prevê risco de saída e padrões de absentismo em RH; manutenção preditiva em contexto industrial (com KORA Productivity + IIoT) antecipa falhas de equipamento; dynamic pricing em retail ajusta preços em tempo real baseado em elasticidade observada. Todos os modelos cumprem AI Act — explicabilidade, supervisão humana, logs auditáveis.