Sem experts, os dados analíticos podem ter resultados negativos

Desde o colapso econômico de 2008, sua equipe de gestão sênior vem pedindo por melhores informações e análises para tomada de decisões rápidas e eficientes. Portanto, esta forte demanda, finalmente, tem justificado a compra de um dos pacotes de negócios analíticos um ano atrás. Yay!

No entanto, enquanto a sua equipe desenvolveu rapidamente um bom trabalho de novos relatórios e gráficos, a empresa não tem visto como oferecer algo mais informativo e decisivo do que já estava disponível. Na verdade, alguns desses sofisticados relatórios têm causado mais confusão do que clareza e pode mesmo ter sido algo totalmente errado!

O que aconteceu? Você comprou o produto errado?

Provavelmente não. É muito mais provável que você pensou que a sua empresa estava comprando uma ?solução?, quando na verdade comprou uma ?ferramenta?. Se servir de consolo, você não é o único. Fornecedores são especialistas em vender seus produtos como um software mágico para descobrir as tendências, exceções e anomalias e automaticamente a produção de relatórios epifânicos.

Vamos comparar o problema com o segmento de marcenaria. Ferramentas avançadas tornam mais fácil e rápida a construção de armários de alta qualidade, mas este é o caso quando utilizadas apenas por artesãos qualificados. Eu sou muito bom com um martelo, mas as ferramentas melhoradas não me permitirão criar milagrosamente armários bonitos.

Você pode estar pensando que matemática rudimentar e métodos estatísticos que fundamentam análise de negócios não são apenas difíceis. Você não deve precisar de um especialista, isso é coisa que você aprendeu na sua aula de estatísticas, certo?

Errado. Provavelmente você caiu no efeito Dunning-Kruger, que estipula os novatos a aprenderem os conceitos gerais de um assunto particular, eles assumem que “sabem tudo”. A menos que você saiba sobre o assunto, a menos que você acha que tem que saber. Como o filósofo Bertrand Russell disse certa vez: “No mundo moderno, os estúpidos estão certos enquanto os inteligentes estão cheios de dúvidas”.

Se não os nossos programadores e analistas financeiros, então quem deve fazer? É um trabalho para estatísticos qualificados e engenheiros industriais. Este é o ingrediente chave que falta em sua receita. Na verdade, é o único ingrediente chave; todos os outros têm alternativos e substitutos.

Não está convencido? Vamos considerar o exemplo do mundo real (nome da empresa mudou para proteger o culpado).
Estudos têm consistentemente relatado que um em cada 20 funcionários da empresa de varejo de mercadorias cometem um roubo. Dada essa alta incidência, o “MakeIt Co.” iniciou o projeto “Fraude de Identificação”. Na primeira fase, uma equipe estabelecida decidiu identificar e denunciar as fraudes com base no “caso do trabalho” do departamento de Segurança e Auditoria Interna da empresa. Com base na revisão de numerosos casos anteriores, o SIA determinou que em 80% dos casos onde foram encontrados os resgates de cupom, totalizando mais de 10% das vendas para um determinado empregado em um determinado dia, a fraude estava envolvida. O programador analista projetou o relatório “Alto Risco de Fraude”.

O empregado com o maior número de resgates de cupom foi chamado ao escritório do gerente. O responsável mostrou a ele o ranking do relatório “Alto Risco de Fraude” e pediu para o funcionário explicar sua atividade questionável. Envergonhado e humilhado, o empregado pediu demissão. Uma semana depois, ele apresentou uma queixa contra a empresa.

Logo, a empresa citou investigações históricas que provaram a probabilidade de 80% de que esses trabalhadores com a atividade de resgate de cupons estavam roubando. Os advogados do requerente concordaram que seria uma alta probabilidade de risco constitutiva, mas MakeIt alegou que o cálculo da probabilidade estava incorreta. Eles alegaram que a probabilidade atual era de 17%, o que constituía um baixo risco.

Como os advogados do querelante chegaram aos 17%?

Bem, além de saber que “em 80% dos casos analisados, o alto resgate de cupom foi o resultado de roubo do empregado”, a empresa também sabia que “um dos 20 funcionários executava algum tipo de roubo.” De fato, o projeto de identificação de fraude foi iniciado com base neste fato inicial.

O que isso tem a ver com o assunto? Tudo!

Ao determinar a probabilidade de que um empregado é um ladrão, Makelt deve levar em conta ambos os fatos, calculando a probabilidade usando a regra Baye?s Probability, a complicada fórmula já conhecida. De fato, os advogados do queixoso estavam corretos! A empresa emitiu um pedido formal de desculpas ao ex-funcionário, que foi prontamente restabelecido à sua antiga posição e compensou o sofrimento emocional. A MakeIt interrompeu seu “Relatório de Fraude” e cancelou o projeto de Identificação de Fraude.

Há muitos outros exemplos de previsão que deram errado, tendências errôneas e análises de mercado imperfeitas. Aqui estão as chaves para que isso não aconteça com você:

– O efeito Dunning-Kruger nos leva a subestimar as habilidades necessárias para executar análise de dados significativos. Como resultado, métodos matemáticos são aplicados incorretamente e resultados errôneos (e às vezes enganosos) são apresentados.

– O ingrediente chave para a análise de negócios bem sucedidos é o envolvimento de um estatístico qualificado (ou engenheiro industrial, dependendo do assunto).

– As ferramentas escolhidas especialmente para realizar as análises são de pouca importância.

– Você não pode comprar a “solução” para as suas necessidades analíticas. Você deve recorrer a especialistas bem educados e treinados para realizar a análise e resultados significativos.

Uma observação final: o custo para a sua organização adquirir ferramentas de análise de negócios será provavelmente muito maior do que o custo de aquisição de experts estatísticos. E o custo da análise incorreta e as decisões equivocadas pode ser ainda mais significativo para a sua companhia – e, finalmente, a sua carreira.