Vamos analisar as alternativas com base no cenário apresentado: - A empresa quer reduzir atrasos e melhorar viagens em rotas urbanas. - Há problemas de qualidade dos dados (14% das rotas sem geocódigo confiável, ocorrências genéricas). - A diretoria exige resultados em 90 dias, sem equipe adicional. - O diagnóstico mostra atrasos, ociosidade, custo elevado e reclamações concentradas em poucas rotas. - O desafio é escolher um caso de uso analítico que gere valor mensurável, trate qualidade mínima dos dados e permita aprendizado para expansão. Análise das alternativas: A) Comprar ferramenta de otimização e conectar telemetria em tempo real, priorizando automação antes de revisar dados. - Errado: Ignora problemas de qualidade dos dados e categorias de ocorrência, que são essenciais para análises confiáveis. B) Criar painel histórico de atrasos e ranking de motoristas, preservando dados atuais para acelerar entrega e avaliar causas depois. - Errado: Não trata a qualidade dos dados nem a categorização das ocorrências, o que pode comprometer a validade da análise. C) Construir data lake com todas as bases e liberar exploração ampla, deixando priorização e limpeza para depois. - Errado: Sem saneamento e priorização, o risco de dispersão e análises erradas é alto, além do prazo curto. D) Definir piloto nas rotas críticas, sanear geocódigo e categorias de ocorrência, integrar dados relevantes e medir indicadores antes de expandir. - Correto: Trata a qualidade mínima dos dados, foca em rotas críticas para gerar valor rápido e permite aprendizado para expansão. Portanto, a alternativa correta é: D. Definir piloto nas rotas críticas, sanear geocódigo e categorias de ocorrência, integrar entregas, telemetria e reclamações e medir atraso, ociosidade, custo e recorrência antes da expansão.