Skip to main content

Como o analytics pode direcionar decisões mais inteligentes em engenharia e construção

Três aplicações ilustram como as empresas estão começando a adotar soluções baseadas em dados, ao mesmo tempo que estabelecem uma base para futuras iniciativas.

O ramo de construção enfrenta um grande desafio de produtividade. Enquanto a produtividade da mão de obra na economia global aumentou, em média, 2,8% ao ano nas últimas duas décadas e, na manufatura, impressionantes 3,6%, o setor de construção registrou um aumento anual de apenas 1%. Na qualidade de parceiras responsáveis pela execução de projetos de capital, as empresas de engenharia e construção (E&C) estão bem posicionadas para promover mudanças que podem ajudar a preencher essa lacuna problemática.

Para tanto, algumas estão recorrendo a soluções baseadas em dados que já revolucionaram muitas outras áreas da economia. Essas técnicas estão se mostrando ferramentas cruciais para melhorar os resultados dos projetos de capital e reduzir riscos. Ao permitir que as empresas de E&C tirem proveito da grande quantidade de dados que já coletam, o analytics pode revelar insights fundamentais que aceleram e melhoram a qualidade das decisões de gestão. Em particular, pode ajudar equipes de projeto a avaliar as condições do mercado, a composição de portfólios e o desempenho de projetos individuais.

É bem verdade que a adoção de ferramentas de analytics pode impor desafios às empresas do setor de construção voltadas a projetos. Ao contrário dos fabricantes, por exemplo, que tendem a seguir processos previsíveis e repetitivos, as empresas de E&C enfrentam uma alta variabilidade. Sistemas de acompanhamento de progresso às vezes mudam no meio de um projeto, causando incompatibilidades e incoerências nos dados coletados. Parâmetros como escala, materiais e subempreiteiros envolvidos também variam significativamente de um projeto para outro, dificultando o estabelecimento de benchmarks.

As culturas e processos dentro das organizações de E&C podem representar obstáculos adicionais. O setor costuma confiar na experiência e no conhecimento das pessoas em detrimento do empirismo, e poucas empresas dispõem, em seus quadros de funcionários, de analistas de dados capazes de se responsabilizar por iniciativas de advanced analytics.

Com o tempo, é provável que a análise preditiva, machine learning e as soluções de inteligência artificial levem a mudanças maiores nas maneiras pelas quais as empresas de E&C apresentam propostas e entregam projetos. Por enquanto, três aplicações ilustram como as empresas estão começando a adotar soluções de dados, ao mesmo tempo que estabelecem uma base para iniciativas mais ambiciosas no futuro.

1. “Devemos apresentar uma proposta para este projeto? Em caso afirmativo, de que valor?”

Em geral, as empresas de E&C devem decidir se desejam apresentar uma proposta para um projeto com base em informações incompletas. Os grandes projetos de construção costumam ter cronogramas de cinco a dez anos, se não mais, o que dificulta a definição precisa do escopo e a previsão, logo no início, de complexidades ou complicações. Além disso, os proponentes não sabem como as mudanças no mercado podem afetar seus custos entre o momento da proposta e o início do projeto. As empresas dependem da experiência do pessoal para ponderar os riscos potenciais e a lucratividade, mas essas avaliações estão sujeitas a vieses inerentes e podem ser afetadas por metas de crescimento ambiciosas ou incentivos individuais.

Avaliar mal os riscos e subestimar os custos pode ser desastroso. Em um ramo com margens típicas de 5% a 7%, subestimar uma proposta em 10% sem ter a capacidade de recuperar os custos extras pode transformar o projeto em um dispendioso gerador de prejuízos para a empresa de E&C. Por outro lado, exagerar no preço ao estabelecer uma margem de segurança para contingências grande demais provavelmente acarretará a perda do contrato – algo que uma empresa não pode se permitir em um setor com taxas de ganho de apenas 15% a 25%.

A modelagem de dados pode substituir o viés cognitivo e as suposições equivocadas por insights baseados em fatos sobre a probabilidade estatística de sucesso de um projeto. Ao analisar informações históricas, como sistemas contratuais e trabalhistas, tendências regionais de gastos e tamanho dos projetos, o analytics pode avaliar as probabilidades dos resultados do projeto. Estas, por sua vez, permitirão às equipes avaliar melhor a atratividade de um determinado projeto; reequilibrar o portfólio, evitando serviços que tendem a apresentar desempenho inferior; e calcular o nível certo de contingência a incluir em uma proposta.

Uma empresa, por exemplo, aproveitou dados de mais de 100 de seus projetos anteriores. Ela combinou dados internos sobre localizações de projetos, classes de ativos, estruturas de contratos e margens de lucro com informações externas, como o gasto total em um determinado segmento ou região e estatísticas sobre o tamanho e a sindicalização da mão de obra local. Analisando esses fatores em conjunto, a empresa descobriu as características do projeto que influenciavam as margens de lucro de maneiras que a análise convencional não era capaz de revelar. Por exemplo, embora as empresas frequentemente levem em conta fatores como a região ou o tipo de projeto para prever a lucratividade, essas variáveis podem estar apenas correlacionadas a fatores mais influentes, como as estratégias de contratação, a sindicalização e os orçamentos regionais do setor público.

Usando os insights dessa análise, a organização desenvolveu um painel de variáveis de risco que poderiam afetar as margens do projeto. O sistema cria um scorecard que identifica riscos potenciais com base em padrões passados – por exemplo, se o empreendimento está em uma região com histórico de projetos de margem baixa ou se ele envolve trabalhar com um proprietário do setor público com requisitos diferentes dos parceiros típicos do setor privado.

Durante as reuniões pré-proposta, as equipes contam com essas informações para ajudá-las a decidir se o projeto é suficientemente atraente para fazer uma proposta, a estimar os custos e a regular o tamanho da contingência a ser atribuída à proposta.

2. “As propostas dos subempreiteiros são razoáveis?”

Quando as empresas de E&C recebem propostas de subempreiteiros, recorrem a especialistas em procurement para avaliar as cotações. Com frequência, essas pessoas se baseiam em estimativas paramétricas para avaliar os custos cotados e recorrem à experiência dos gerentes de projeto, retardando o processo. Estimativas complexas passam por múltiplos revisores, e cada um ajusta a estimativa com base em sua própria experiência e discernimento (e também, possivelmente, com seu próprio viés).

Apesar dessas amplas consultas, devido à falta de uma base empírica, as empresas de engenharia têm dificuldade para contestar as estimativas de um subempreiteiro de forma plausível, não apenas se baseando em regras práticas genéricas. Além disso, embora muitas empresas mantenham (e endossem) bases de dados de fatores de custo paramétricos referentes a propostas, elas raramente acompanham os custos reais no final de seus projetos para avaliar a precisão dessas estimativas.

O analytics pode oferecer uma solução para esses problemas. Ao analisarem os determinantes individuais dos custos de projetos anteriores, essas ferramentas podem permitir que as empresas de E&C avaliem rapidamente um nível realista de esforço e custo para um projeto e comparem esses números com as cotações dos subempreiteiros.

Uma grande proprietária de infraestrutura dos EUA pegou os contratos iniciais de 17 mil projetos anteriores, incorporou alterações e ajustes e criou uma base de dados abrangente com todos os custos finais por estrutura analítica do projeto, em termos tanto de tempo quanto de materiais. Depois, ela desenvolveu um modelo estatístico multivariado para determinar os fatores que preveriam com mais precisão os custos finais do projeto, como o número provável de horas de engenharia estrutural necessárias para uma substituição de ponte ou o custo projetado dos materiais para uma faixa adicional ao longo de seis quilômetros de um trecho de estrada rural. O resultado é uma ferramenta de procurement que gera um benchmark do custo final de um projeto. Ao receber as propostas, gestores sabem imediatamente se elas estão dentro da faixa esperada para aquele tipo de trabalho. Hoje, os líderes estão aptos a determinar um preço preciso para os contratos dentro de dois dias, em média, abaixo da média de 60 dias geralmente gastos nas negociações intensas em mão de obra.

3. “O projeto está fadado a apresentar problemas?”

Os controles tradicionais de projetos costumam ter uma defasagem de dias ou semanas em relação ao momento em que se incorre nos custos, o que faz deles uma ferramenta eficaz para relatórios retrospectivos, mas não para gerir projetos em andamento. Os controles também não levam em conta a interconectividade das diferentes métricas e as combinações únicas que podem ter efeitos desmedidos no desempenho. Por exemplo, uma defasagem na produtividade da equipe pode muitas vezes ser compensada por meio de atividades especiais de planejamento; no entanto, uma entrega atrasada de material ou muitos dias de condições meteorológicas ruins podem exacerbar as perdas de produtividade da equipe e exigir uma intervenção diferente por parte da administração.

Incapazes de acompanhar e lidar continuamente com todos os dados gerados por um projeto, gestores tendem a seguir alguns poucos indicadores-chave de desempenho. A resultante imagem incompleta do progresso diário do projeto pode levar a decisões erradas no terreno.

As ferramentas de analytics podem oferecer uma melhoria significativa nessa frente, ao possibilitarem que as empresas analisem de maneira ágil e contínua os dados do projeto e avaliem o progresso, o que permite que a administração reaja mais rapidamente a possíveis problemas. Ao colocar em operação controles de projeto em tempo real ou quase em tempo real, uma empresa de E&C pode acompanhar eventos ou problemas que se sabe estarem correlacionados à redução das margens da proposta, como um atraso de um dia por questões meteorológicas ou três dias consecutivos sem um subempreiteiro concluir as tarefas designadas.

Os líderes do setor criaram uma abordagem estatisticamente correlacionada à redução das margens para monitorar o desempenho de seus projetos. Diariamente, o modelo de analytics digere os dados do projeto referentes ao dia e procura esses sinais de alerta; se um número suficiente deles aparecer, a administração é avisada imediatamente para intervir antes mesmo de o problema se materializar.


Como já mencionamos, as empresas de engenharia e construção que desejam preparar-se para a era digital precisarão estabelecer um novo modelo operacional. Essa mudança exige tratar as iniciativas digitais como parte da estratégia central, adaptar processos e estruturas organizacionais e garantir que o pessoal tenha o treinamento necessário para implantar iniciativas digitais, liderá-las e solucionar seus problemas. Contudo, o primeiro passo dessas transformações é aplicar analytics para avaliar as operações e o desempenho atuais.

Frequentemente, o maior obstáculo à implementação dessas soluções é a conciliação reversa de dados, que é realizada uma única vez. A maioria das empresas coletou muitas informações ao longo dos anos, mas estas estão armazenadas em sistemas diferentes e em formatos inconsistentes . Assim, o primeiro passo deve fazer um levantamento do que elas têm – muitas empresas descobrirão que dispõem de muito mais dados do que imaginam, como registros contábeis e históricos de ordens de compra – e colocar isso em um formato que possam analisar digitalmente. Esse processo pode ser cansativo e consumir muitos recursos, mas lançará as bases para técnicas de analytics e coleta de dados mais sofisticadas no futuro. Além disso, esse trabalho efetuado uma só vez criará uma base para a estruturação dos dados – em data lakes, por exemplo – que facilitará futuras iniciativas de analytics.

As empresas também precisam estabelecer padrões para os dados que coletarão no futuro. Seja um sistema de gerenciamento de dados completo, seja simplesmente uma maneira padrão de rotular e coletar informações, os padrões referentes ao que você deseja coletar e à maneira de coletar são essenciais para uma estratégia de analytics de longo prazo.

À medida que a digitização penetra em todas as áreas da economia, incluindo a de engenharia e construção, explorar os insights escondidos nos dados se tornará essencial. As empresas de E&C que estão relutando em investir nos sistemas e habilidades necessários para tirar proveito do que coletaram devem se lembrar de que as concorrentes que conseguiram fazer a mudança já estão obtendo benefícios substanciais. As empresas que adotam o analytics podem fazer propostas mais precisas, evitando, assim, projetos não lucrativos e aumentando suas taxas de ganho daqueles com potencial de margem robusta. Elas fazem negociações mais inteligentes com os subempreiteiros, reduzindo custos e aumentando a rapidez das decisões. E preveem problemas nos projetos em andamento, permitindo que gestores intervenham antes que atrasos e estouros de orçamento potenciais se concretizem. Com a implantação progressiva dessas ferramentas no setor, as empresas que começarem logo provavelmente se tornarão líderes.

Sobre o(s) autor(es)

Garo Hovnanian é vice-presidente de grandes projetos no escritório da McKinsey na Filadélfia; Kevin Krollis é consultor em Chicago; e Erik Sjödin é sócio em Estocolmo.