Antes de liberar um modelo de previsão de fechamento no CRM, fixe o instante do score — não a data de fechamento — como linha de corte de cada variável. Documente, para cada campo e transformação, quando o valor passa a existir e se estará disponível no momento da previsão. Só então compare a distribuição entre treino e serving e decida liberar o modelo. Ajustar o limiar do score não corrige variável que nasce depois da previsão.
O corte é o instante do score
O erro comum é usar o fechamento como referência. Um campo pode surgir antes do fechamento e depois do score: o parecer final do comitê de crédito, por exemplo, pode ser registrado no 25º dia de uma oportunidade que fecha no 30º, enquanto o score foi calculado no 20º. Esse campo não está disponível para prever e, no treino, carrega informação futura. O mesmo vale para transformações calculadas com dados posteriores ao score. O Google define label leakage como a entrada inadvertida do rótulo verdadeiro entre as variáveis de treino. O material de monitoramento do Google orienta a treinar apenas com as variáveis que existirão no serving.
A auditoria separa três coisas: variável de entrada, informação futura e rótulo. O rótulo é o desfecho que se quer prever — ganho ou perdido — e não todo campo preenchido após o fechamento. Motivo de perda, por exemplo, pode ser informação futura, não alvo direto. Para cada feature, registre origem, evento que a cria, transformação e timestamp de disponibilidade. Timestamp posterior ao score fica fora, mesmo que anterior ao fechamento. Alternativa válida: mover o score para depois da coleta do campo, se isso preservar o uso operacional; caso contrário, exclua a variável.
Treino point-in-time e teste temporal final
No treino, use snapshots históricos point-in-time: cada oportunidade deve refletir só o que era conhecido no instante do score. Misturar o estado atual do CRM com o passado produz vazamento. O Google descreve training-serving skew como a diferença entre dados de entrada no treino e no serving; comparar distribuição não é formalidade. Verifique esquema, valores possíveis, fração de ausentes e estatísticas das variáveis engenheiradas, não só dos dados brutos.
Separe ajuste e validação de um teste temporal final. O teste deve vir depois no tempo e simular o serving real, sem sobreposição com o treino. Exemplo hipotético: uma empresa calcula o score no dia 20 e treina com snapshots do dia 20; no teste, usa oportunidades fechadas nos meses seguintes. Se a proporção de campos ausentes mudar, o modelo pode parecer bom no treino e falhar no uso. Critério reproduzível: congelar a régua de disponibilidade, gerar a base point-in-time e comparar treino e serving antes de liberar. O glossário do Google descreve o aprendizado supervisionado como treinar um modelo a partir de variáveis e seus rótulos correspondentes. A separação entre entrada e alvo precisa ser explícita.
Quando a auditoria não basta
A auditoria temporal depende de linhagem e timestamps confiáveis. Se o CRM não registra quando um campo foi preenchido, ou se a transformação não tem versão documentada, não há como provar disponibilidade no score. Nesse caso, a conclusão não vale: o modelo não deve ser liberado com base apenas na aparência das variáveis. A auditoria também não prova causalidade nem corrige variável ausente; ela reduz risco de vazamento e desalinhamento, mas não garante que o modelo capture o comportamento real.
O limite prático é tratar a lista de variáveis como documentação viva. Se o processo mudar — novo campo, nova etapa, novo momento de score —, a auditoria deve ser refeita. Campo pós-fechamento não é automaticamente rótulo; pode ser informação futura. O rótulo direto é o desfecho. Quando a equipe não distingue os dois, a decisão segura é não usar o campo como entrada. A liberação só faz sentido depois que régua temporal, separação do rótulo e comparação treino-serving estiverem registradas e reproduzíveis.
Fontes
Para aprofundar
- Como Usar Testes A/B em Publicidade para Melhorar a Taxa de Fechamento
- Como Implantar Plataformas CDP para Unificar Dados do Cliente
Sinal / IA & Tecnologia. Texto produzido com auxílio de IA e revisão editorial automatizada.
