Como interpretar gráficos – I

O gráfico de barras é um dos melhores e mais práticos para a gestão dos indicadores e, felizmente, é muito comum. Mas exige um cuidado importante que nem sempre é observado.

Veja o gráfico abaixo, retirado de uma publicação que mostra a expectativa positiva dos empresários do comércio, serviços e turismo de cada região do Paraná para o 1º semestre de 2018.

Gráfico 1 – Percentual favorável entre as regiões paranaenses.
Fonte: Revista Fecomercio PR. Jan/fev 2018. pp. 12-13.

É fácil perceber, pelos números apresentados, que a região de Londrina tem uma percepção mais favorável que a de Maringá. Isso porque 66,0/44,4 é 1,49, ou aproximadamente 50% maior. Mas quando observamos as barras, e não os números do gráfico, a diferença parece ser mais elevada. Isso pode ocorrer por dois motivos: erro no desenho ou, o que é mais comum, não começar a escala vertical do gráfico (ordenada) no zero.

Refazendo o gráfico usando os valores apresentados (gráfico 2) e a escala iniciando em zero, como recomenda a boa prática, percebe-se uma diferença menor entre os resultados de Londrina e Maringá, como os números realmente indicam.

Gráfico 2 – Redesenho do gráfico 1 com a ordenada iniciando em zero.

A razão para apresentar um gráfico, junto ou em substituição a uma tabela, é facilitar a visualização das diferenças dos resultados. Quando a imagem não representa adequadamente os valores, ela atrapalha ao invés de ajudar. Portanto, ainda que muitas vezes o gráfico não fique esteticamente bonito, é importante que a escala vertical sempre mostre o zero.

E, nas análises, o primeiro passo deve ser confirmar que o gráfico representa adequadamente os dados que se deseja interpretar.

Nos relatórios e dashboards de tua empresa este cuidado é observado?

Cuidado com a cegueira diagnóstica

Diagrama de Venn com dois círculos. Subvalorizado e bobagens. A interseção corresponde aquilo que é sobrevalorizado.

A análise dos resultados dos indicadores de gestão, embora bastante objetiva, está sujeita ao nosso comportamento psicológico. Afinal, somos todos humanos! Tendo consciência disso, podemos fazer análises mais isentas e tomar melhores decisões.

Segundo Ori e Rom Brafman, no livro “Sway: The Irresistible Pull of Irrational Behavior”, quando as pessoas chegam a uma conclusão, elas desenvolvem “cegueira diagnóstica”. Elas querem que tudo se encaixe em seu conceito. Isso ocorre basicamente de dois modos.

Viés de aceitação

Cada vez que um dado diz o contrário do que queremos, nos preocupamos em ir mais fundo e questionar sua veracidade. Entretanto, se o dado reforça nosso ponto de vista, é aceito com facilidade. Esse fenômeno é chamado de Viés de Aceitação e frequentemente influencia as análises feitas.

A melhor forma de prevenir os efeitos do Viés de Aceitação é estar consciente de sua existência e estabelecer, a priori, as ações de validação dos dados que serão realizadas.

Viés de Confirmação

O uso de dados e ferramentas de análise para justificar crenças é chamado de Viés de Confirmação (Confirmation Bias). E, com a disseminação das técnicas de Big Data, esse problema tende a ser cada vez mais comum, na medida em que ferramentas estatísticas e softwares complexos permitem diferentes análises que podem ser usadas para provar as teses pretendidas.

Com um grande volume de dados um profissional inexperiente, ou mal intencionado, acaba sempre conseguindo um conjunto de números que serve para confirmar quaisquer crenças ou suposições.

Como o Viés de Confirmação atende à necessidade humana de reforçar pontos de vista conhecidos e que trazem conforto ou conveniência, muitas vezes é provocado de forma inconsciente.

Conhece alguma situação em que isso aconteceu em tua organização? Como ocorreu?

Nota: Texto inspirado em: Better Decision Making with Objective Data is Impossible, de Jack Webb, www.sloanreview.mit.edu

Escolha dos indicadores – Pensamento de segunda ordem

Quase todo mundo pode antecipar os resultados imediatos de suas ações. Esse tipo de pensamento de primeira ordem é fácil e seguro, mas também é uma maneira de garantir que você obtenha os mesmos resultados obtidos por todos. O pensamento de segunda ordem é pensar mais à frente e holisticamente. Isso requer que consideremos não apenas nossas ações e suas consequências imediatas, mas também os efeitos subsequentes dessas ações. Não considerar os efeitos de segunda e terceira ordem pode desencadear um desastre.

Fonte: General Thinking Tools: 9 Mental Models to Solve Difficult Problems. Disponível em: https://hackerfall.com/story/general-thinking-tools-mental-models-to-solve-diff Acesso em 13.06.19.

Uma história curiosa.

A história dos testes de “significância” envolve estatísticos que se desprezavam.  Tudo começou com um grupo de acadêmicos que se reuniu para o chá, em 1920. Uma delas foi a Dra. Blanche Bristol que, quando recebeu uma xícara de chá de um colega, recusou.  O homem colocava o chá e depois acrescentava o leite.  A Dra. Bristol rejeitou-o porque preferia que o leite fosse despejado primeiro no copo.  O Dr. Ronald Aylmer Fisher, que servira o chá, afirmou que ela não notaria a diferença.  Ela insistiu que podia.  O Dr. Fisher propôs um teste, que ele descreveu em seu livro The Design of Experiments. Ele prepararia oito xícaras de chá;  quatro com o chá derramado primeiro e quatro com o leite servido primeiro.  Ela tinha que adivinhar qual era qual.

Ele propôs a hipótese nula de que ela seria incapaz de fazer isso corretamente.  Fisher calculou que a chance de adivinhar todos os copos corretamente era de 1/70.  Ele estava disposto a reconhecer sua habilidade (rejeitando a hipótese nula) apenas nesse caso.  Ela, supostamente, acertou todos.  A hipótese nula foi rejeitada.  Este foi o começo do teste de significância.

Fonte: The Danger of Relying on “Statistical Significance”. By Andrew Grenville. June 3, 2019. Disponível em: https://marumatchbox.com/blog/danger-of-relying-on-statistical-significance/ Acesso em 3.06.19.

Nota: O artigo questiona o uso dos testes estatísticos na forma como têm sido aplicados nas pesquisas científicas. Vale a leitura.