Um dashboard de loja mistura, na mesma tela, números de origens muito diferentes. Alguns foram contados. Outros foram estimados por um modelo. Outros são projeções. Outros são cenários hipotéticos. Quando tudo aparece com o mesmo peso visual, a decisão sai errada.
A regra da Afluxion é simples: todo indicador carrega um selo que diz de onde ele veio.
Medido
Calculado diretamente dos dados observados: entradas por cruzamento de linha virtual, permanência por zona, densidade na planta. Tem janela temporal, população analisada e regra de cálculo declaradas. Quando a cobertura fica abaixo do mínimo, vira parcial.
Exemplo: "Entre 17h e 19h, a câmera primária do hortifrúti mediu 412 sessões de cliente."
Inferido
Resultado de um modelo sobre os dados, com confiança declarada: a classificação cliente ou colaborador, o score de gargalo que combina densidade, velocidade e persistência, uma anomalia em relação ao padrão esperado.
Exemplo: "O modelo inferiu congestionamento no corredor central das 18h10 às 18h40."
Previsto
Projeção para uma janela futura, com baseline versionado e erro conhecido.
Exemplo: "Para sábado, o modelo prevê pico de fluxo entre 10h e 12h."
Simulado
Cenário de layout aplicado sobre o gêmeo digital, com premissas e versão do modelo. Nunca é uma medição.
Exemplo: "No cenário simulado, o modelo projetou mudança de circulação no setor de bebidas, sujeita às premissas do modelo."
O que nunca aparece
Uma frase como "mover o setor X aumenta as vendas em 12%" não cabe em nenhum selo. Sem experimento, não há causa. O que cabe é "vale testar": uma mudança de operação ou de layout decidida com dados, medida antes e depois, no mesmo horário e com a mesma população. É assim que um piloto vira evidência.