Experiência de Marca

Você toma decisões por achismo ou baseadas em dados?

No meio corporativo, há vários nomes bonitos para isso: Inteligência analítica, competição baseada em dados, Business Intelligence.


Pense rápido: Quantas vezes você usou a expressão “eu acho” na última semana? Vale no trabalho, em família, amigos, redes sociais. E não se intimide. 

Mesmo sem saber sua resposta individual, tenho certeza que a contagem é em dezenas. Ainda mais nos tempos da aldeia global em que somos instados a opinar sobre tudo. 

Minha empresa tem como objetivo gerar resultados em produtos digitais, como sites, campanhas on-line, aplicativos, serviços on-line. Por dever profissional tenho o privilégio de trabalhar diretamente com cientistas de dados. 

Com o tempo, passei a aplicar algumas técnicas no meu dia a dia em busca de melhorar meu desempenho profissional e pessoal. 

No meio corporativo, há vários nomes bonitos para isso: Inteligência analítica, competição baseada em dados, business intelligence… 

Como a cultura do imediatismo impera nos dias atuais, muita gente se assusta. Mesmo em ambiente profissional, resiste à prática, por causa da curva de aprendizado necessária. Acumular dados e fazer um sentido a partir deles requer método. Quer ver um exemplo? 

Antes da Era do streaming, o negócio da Netflix era entregar DVD na casa das pessoas. O fundador, Reed Hastings, um ex professor de matemática, resolveu usar inteligência de dados. 

Contratou vários matemáticos que desenvolveram o Cinematch, um algoritmo que estudava os pedidos dos usuários e recomendava títulos semelhantes. 

Quanto mais certeiras as sugestões, melhor a experiência do cliente, crescia o engajamento, a fidelização do cliente e, claro, as vendas. 

Hastings era tão fissurado em dados que chegou a oferecer US$ 1 milhão para que pessoas de fora da Netflix melhorassem em apenas 10% a eficácia do seu algoritmo. 

A aplicação de BI não se restringia ao setor de conteúdo (as recomendações). Ela era utilizada desde a área financeira até a logística de entregas de DVD, que priorizava o cliente mais fiel. 

Já vai fazer 11 anos que a Netflix pivotou o modelo da operação. Com duas décadas coletando dados e extraindo análises a partir deles, hoje o algoritmo do aplicativo é várias vezes mais avançado e capaz de fazer sugestões cada vez mais personalizadas para seus mais de 20 milhões de assinantes. 

Existe um mito em torno da intuição, do feeling, que seria uma qualidade semidivina, supostamente inata. A tomada de decisão baseada em dados é científica. 

Se sua tomada de decisões é feita na base do “eu acho que é melhor assim”, tente comprovar com números. Pergunte-se: “mas por quê?”, com base em que argumentos? 

O mundo é dinâmico, e, mesmo uma decisão que possa ter se mostrado acertada no passado, não significa que será eternamente a resposta válida. 

No livro “Competição Analítica”, os autores Thomas Davenport e Jeanne G Harris colocam Inteligência Analítica como “A utilização extensiva de dados, análises quantitativas e estatísticas, modelos explicativos e preditivos e gestão baseada em fatos para tomada de decisões e ações.”

Gosto bastante da expressão “Tomada de decisão baseada em fatos”. Fatos são dados. Muitas vezes até mesmo o que batizamos como intuição é, na verdade, fruto de observação, como aponta o psiquiatra Mário Louzã, da USP.

Isso vale para um experimento ou na vida cotidiana. Observar é coletar informações. Sabe aquela avó que mandava você sair com guarda-chuva debaixo de sol e você dava de ombros? Ela observava o clima. 

Após algum tempo, passou a identificar padrões e a associar determinadas condições ao prenúncio de chuva. As máquinas apenas sofisticaram esse processo tão conhecido do homem. 

Você pode estar pensando: é fácil falar de business intelligence quando se tem mentes brilhantes a seu serviço ou quando já lecionou matemática. 

Como podemos criar modelos de análise de dados em nosso dia a dia? 

Se pretendo aperfeiçoar minha atuação profissional, em primeiro lugar crio uma meta: aumentar a porcentagem de tarefas concluídas e diminuir o tempo médio para completar todas. 

Note que são dados mensuráveis. Caso contrário ela terá o mesmo valor das “metas de início de ano”. Ao mirar números concretos, estabeleço uma taxa de sucesso . 

Isso cria uma correlação de fatos: se eu mudar um comportamento e a taxa de sucesso aumentar, tive sucesso adotando tal comportamento. Ciência de dados quase poderia ser resumida nessa frase! 

Decidi usar a mim mesmo como estudo de caso. Para aumentar minha produtividade, listei fatores que poderiam influir: tempo de sono, alimentação saudável, exercícios físicos, etc. 

Adotei um app para medir tempo e qualidade do sono. Notei que, nos dias em que dormia entre sete e sete horas e meia, completava mais tarefas do que quando esse intervalo era maior ou menor. 

Para chegar a essa conclusão, coloquei o tempo dormido e a porcentagem de tarefas concluídas numa planilha, filtrei os dias com as melhores porcentagens e vi que quase todos estavam nesta faixa de horário. Uma análise simples assim pode ser feita até no papel, se você não sabe mexer no Excel. 

Fiz a mesma coisa com exercícios físicos e ainda testei uma outra variável: se a hora da atividade física teria algum impacto sobre minha taxa de sucesso. 

Exercícios físicos pela manhã melhoravam minha produtividade no trabalho. Pode parecer óbvio, mas ver isso num gráfico com dados de 6 meses analisados traz segurança. Agora, olha só: quando fazia exercícios antes de jantar minha produtividade piorava exatos 31%. 

Fui investigar isso cruzando dados e percebi: fazer exercícios físicos à noite atrapalhava a qualidade do meu sono, que afetava minha produtividade. Pra concluir isso, tabulei o tempo e qualidade de sono relacionados à hora da atividade física. 

Usei o mesmo método para alimentação. No entanto, a correlação entre comida saudável e produtividade não se comprovou. Já comer muito no dia anterior me deixa menos produtivo, talvez por inferir na qualidade do meu sono. Vou investigar! 

Eu jamais poderia extrapolar minhas conclusões e escrever um artigo ou mesmo um tuíte lacrador incentivando as pessoas a comerem só as gordices saborosas porque alimentação não influencia na produtividade. 

Estaria cometendo o erro de fazer uma generalização imprópria. Antes de afirmar tal dado, uma pessoa que se baseia em dados precisaria ampliar o universo pesquisado, adotando metodologia científica e considerando outras variáveis. 

Os exemplos acima mostram apenas a vantagem que existe em usar dados para mudar comportamentos que nos trazem melhoras em nossos objetivos. 

Lembra da avó do tempo que citei há pouco? Dei um passo adiante. Observei variáveis ao longo de um determinado período e a análise dos dados tabulada me mostrou que mudar um hábito turbinou minha meta, contribuiu para meu objetivo pessoal. 

Passei a fazer isso pra tudo. Cruzei o tempo de leitura por palavras de uma página com alguns hábitos e concluí que, se vejo filmes de suspense na noite anterior, leio mais rápido no outro dia. Parece uma correlação de cientista maluco. Mas foi uma coleta de dados de quase dois anos, com uma melhora consistente de 34%. 

O ideal, claro, seria eu levar essa conclusão para um cientista de verdade investigar o que isso significa. Como não tenho um DataLeandro, na dúvida, quando preciso ler algo extenso na manhã seguinte vejo um filme de suspense. Por que não?! 

Para as tarefas escolares do meu filho, tabulei vários dados para ajudá-lo a aprender mais. Hipótese: será que ele rende mais estudando de dia ou à noite? Começando pela matéria A e terminando na B ou vice-versa? Na mesinha do quarto dele ou na sala? Bastou comparar com as taxas de sucesso que estabeleci previamente. 

Esse método pode ser aplicado na vida pessoal ou nas tomadas de decisão profissionais. Eu quantifico o objetivo, crio hipóteses de melhoria e testo cada hipótese. Com pouca metodologia científica, alguns testes não funcionaram, mas a maioria contribuiu bastante para meus propósitos pessoais. Aos poucos, depois de anos de pequenos testes, melhorei bastante. 

A pior coisa que alguém ou uma empresa podem fazer é seguir fazendo as coisas do mesmo jeito, às vezes a despeito de evidências, só porque “sempre foi assim”. Quem acredita no poder dos dados sabe que se alguma variável mudar, é melhor testar o modelo todo de novo. 

A falta de uma cultura de dados nas pessoas se transfere para as empresas. Em muitos casos, dados são gerados e os profissionais sequer sabem as perguntas certas a serem feitas para testar alguma hipótese! Se queremos evoluir como pessoas, empresas, como país, precisamos de evidências baseadas em fatos. 

Afinal, com dados sólidos não se discute.