Factfulness – Livro recomendado pelo Bill Gates

Capa do livro FactFulness

Indicadores nos dão uma visão objetiva e consistente do progresso, seja em nossa organização, seja em um país.

O trecho adiante (em inglês), retirado do livro Factfulness – que tem sido recomendado por Bill Gates – mostra como boas métricas podem ser úteis. Vale a leitura.

It was October 1995 and little did I know that after my class that evening, I was going to start my lifelong fight against global misconceptions. “What is the child mortality rate in Saudi Arabia? Don’t raise your hands. Just shout it out.” I had handed out copies of tables 1 and 5 from UNICEF’s yearbook. The handouts looked dull, but I was excited.

A choir of students shouted in unison: “thirty-five.”

“Yes. Thirty-five. Correct. This means that 35 children die before their fifth birthday out of every thousand live births. Give me the number now for Malaysia?”

“fourteen,” came the chorus.

As the numbers were thrown back at me, I scribbled them with a green pen onto a plastic film on the overhead projector.

“Fourteen,” I repeated. “Fewer than Saudi Arabia!”

My dyslexia played a little trick on me and I wrote “Malaisya.” The students laughed.

“Brazil?”

“fifty-five.”

“Tanzania?”

“one hundred and seventy-one.”

I put the pen down and said, “Do you know why I’m obsessed with the numbers for the child mortality rate? It’s not only that I care about children. This measure takes the temperature of a whole society. Like a huge thermometer. Because children are very fragile. There are so many things that can kill them. When only 14 children die out of 1,000 in Malaysia, this means that the other 986 survive. Their parents and their society manage to protect them from all the dangers that could have killed them: germs, starvation, violence, and so on. So this number 14 tells us that most families in Malaysia have enough food, their sewage systems don’t leak into their drinking water, they have good access to primary health care, and mothers can read and write. It doesn’t just tell us about the health of children. It measures the quality of the whole society.

“Just so you know,” I said, “you won’t find any countries where child mortality has increased. Because the world in general is getting better. Let’s have a short cofee break.”

Referência: FACTFULNESS. Ten Reasons We’re Wrong About the World – and Why Things Are Better Than You Think. Parte do resumo disponível em https://www.gatesnotes.com/media/features/books/Factfulness_Excerpt.pdf.  Acesso em 30.05.18.

Indicadores para medir pessoas?

Moça medindo um manequim com fita métrica.

Sempre afirmei que o único indicador de RH que deveria ser medido individualmente é o Absenteísmo. Mas, depois de ler um artigo sobre burnout [1], conclui que acompanhar o número de horas extras realizadas, de forma individual, pode ensejar ações que contribuam para uma melhor gestão, ajudando a prevenir burnout, acidentes e absenteísmo.

Entretanto, é uma medida que deve ser usada com cuidado, no sentido de proteger os trabalhadores de cargas de trabalhos extenuantes, e não de forma policialesca para conseguir “um número bom”. Com esse bom propósito, os valores extremos (empregados com maior volume de horas extras feitas) são mais importantes para a gestão do que a média da equipe, valor usualmente considerado na gestão, e esses elevados volumes de horas trabalhadas devem aparecer nos relatórios.

Outro cuidado a observar é que, muitas vezes, as empresas acompanham apenas o número de horas extras pagas, ignorando aquelas que serão compensadas. Mas, nesse caso, o que vale é considerar as horas efetivamente trabalhadas.

Referência

1 – MacDuff, Kevin. Diagnosing and Preventing Nurse Burnout Using People Analytics, June 5, 2018. Disponível em:

https://www.visier.com/clarity/preventing-nurse-burnout-using-people-analytics/?mkt_tok=eyJpIjoiWlRnd05UTTJOMlUzTURJeiIsInQiOiI1c3pLT1JmNGhNT2JJT3JtRXpORGx0bkU0Ymh6cSt6Q2s5NWRWN21GYU5MSU00M3Irc3QwRjJ3MXk4eG9HamQ5TDlHN1RJQTA0NWJhaUpEaXJqV2ozRWFRTmVDSVNTeFYzcDdYZ0p1WGRnOUlkT2Z5RVwvaEZ3Q0VmcVV1VU1Wc2wifQ%3D%3D Acesso em 6.06.18.

Não vale medir tudo!

Mecânico fazendo manutenção em asa de avião.

Fonte: Free Flight TAM News. p. 34.

A gestão com Indicadores deve ser feita com cuidado, medindo as coisas certas. Uma atividade importante na indústria é a execução dos planos de manutenção de máquinas e equipamentos. Esses planos fazem parte da rotina essencial para a preservação dos ativos e não são programas de melhoria.

Alguns gestores consideram que o Percentual de Atendimento do Plano de Manutenção (realização física) é um indicador. Discordamos. Por ser um trabalho obrigatório, não há espaço para qualquer resultado diferente de 100% e, portanto, não faz sentido monitorar esse percentual. Neste caso, qualquer desvio deve ser tratado como uma “Não Conformidade” e analisado para gerar ações corretivas de modo a evitar que se repita.

Entretanto, um gestor que encontre uma situação ruim pode acompanhar – temporariamente – mês a mês, o Número de Não Conformidades para que possa avaliar seu progresso na organização do trabalho de modo a estabelecer a rotina de manutenção obrigatória. Esse esforço também pode incluir a simplificação das rotinas de manutenção, se bem estudadas e aprovadas pelos especialistas, para facilitar sua execução.

Veja adiante um exemplo de plano de manutenção usado na indústria aeronáutica, publicado na revista da TAM [1]. Como gestor você aceitaria uma realização de 98%?

Você sabia que, a cada pouso, 57 itens do avião são verificados em um tempo que varia de 15 a 20 minutos, no máximo? A inspeção de trânsito, feita por um funcionário qualificado, garante que freios, quantidade de óleo nos motores, combustível e pressão dos pneus, por exemplo, estejam em perfeita ordem quando a aeronave decolar novamente.

Para que cada voo seja tranquilo e seguro, a manutenção é realizada em diversos níveis. A cada 48 horas, no máximo, duas pessoas fazem a chamada inspeção diária – que está em um nível seguinte à de trânsito -, em que são verificados outros 53 itens. Os funcionários levam em geral de três a seis horas para realizar a tarefa, cumprida independentemente de o avião ter voado ou não.

Depois de 600 horas de voo – o equivalente a cerca de cinco semanas – é a vez da manutenção de nível A, em que são checados mais 84 itens. Nessa etapa, 40 pessoas realizam a tarefa em uma noite. Com 18 a 20 meses de operação – ou 6 500 horas de voo – o avião vai para o Centro Tecnológico da TAM, em São Carlos. Lá, 60 pessoas levam cerca de cinco dias para inspecionar mais 210 itens da aeronave.

Referência:

  1. FREE FLIGHT TAM NEWS. 2008. p. 34.

Um indicador melhor que o IDH

Indicadores nos dão uma visão objetiva e consistente do progresso, seja em nossa organização, seja em um país. O trecho adiante, retirado do livro Factfulness, recomendado pelo Bill Gates, mostra como as métricas podem ser úteis. Vale a leitura.

It was October 1995 and little did I know that after my class that evening, I was going to start my lifelong fight against global misconceptions. “What is the child mortality rate in Saudi Arabia? Don’t raise your hands. Just shout it out.” I had handed out copies of tables 1 and 5 from UNICEF’s yearbook. The handouts looked dull, but I was excited.

A choir of students shouted in unison: “thirty-five.”

“Yes. Thirty-five. Correct. This means that 35 children die before their fifth birthday out of every thousand live births. Give me the number now for Malaysia?”

“fourteen,” came the chorus.

As the numbers were thrown back at me, I scribbled them with a green pen onto a plastic film on the overhead projector.

“Fourteen,” I repeated. “Fewer than Saudi Arabia!”

My dyslexia played a little trick on me and I wrote “Malaisya.” The students laughed.

“Brazil?”

“fifty-five.”

“Tanzania?”

“one hundred and seventy-one.”

I put the pen down and said, “Do you know why I’m obsessed with the numbers for the child mortality rate? It’s not only that I care about children. This measure takes the temperature of a whole society. Like a huge thermometer. Because children are very fragile. There are so many things that can kill them. When only 14 children die out of 1,000 in Malaysia, this means that the other 986 survive. Their parents and their society manage to protect them from all the dangers that could have killed them: germs, starvation, violence, and so on. So this number 14 tells us that most families in Malaysia have enough food, their sewage systems don’t leak into their drinking water, they have good access to primary health care, and mothers can read and write. It doesn’t just tell us about the health of children. It measures the quality of the whole society.

“Just so you know,” I said, “you won’t find any countries where child mortality has increased. Because the world in general is getting better. Let’s have a short coffee break.”

Referência: FACTFULNESS: Ten Reasons We’re Wrong About the World – and Why Things Are Better Than You Think. Parte do resumo disponível em https://www.gatesnotes.com/media/features/books/Factfulness_Excerpt.pdf. Acesso em 30.05.18.

Análises de Tendências

A maioria das pessoas tem alguma dificuldade em interpretar dados apresentados em gráficos e tabelas. Assim, as análises devem ser complementadas por meio de palavras e a escolha certa faz toda a diferença.

Quando uma variação é muito grande, pode ser descrita como “variou”, “cresceu” ou “caiu fortemente”. Na linguagem jornalística, o termo “fortemente” provavelmente seria substituído por “dramaticamente”, para maior impacto. Mas, exceto em condições realmente excepcionais, nas análises internas deve-se evitar termos muito extremos. A escolha das palavras deve ser cuidadosa, para refletir o que os gráficos mostram, variando de “resultado estável” para um “pequeno” ou “leve crescimento” até uma “queda acentuada”, para uma variação significativa, por exemplo.

The Signal and the Noise – Resumo do livro

The signal and the Noise

Fazendo uso de exemplos fundamentados na política norte-americana, nos jogos de baseball, em projeções econômicas e na probabilidade de ocorrências de terremotos, o autor apresenta os aspectos mais importantes no trabalho de previsão de resultados.

Enquanto as eleições americanas são tema de conhecimento comum, as muitas considerações sobre beisebol – esporte pouco conhecido entre nós – podem ser enfadonhas; o capítulo sobre a bolha do pôquer foi, ao menos para mim, intragável.

Ainda assim, para os curiosos sobre o tema da análise e interpretação de dados, é um livro instigante e interessante. Mas, o foco do autor está nas muitas histórias interessantes e pouco contribui com ferramental para separar os sinais dos ruídos, como por exemplo o Controle Estatístico de Processos CEP, ferramenta apenas citada no texto.

Algumas observações selecionadas:

A verdadeira era da informação começou em 1440, com a invenção da imprensa por Johannes Guttemberg. Antes, uma página de livro manuscrito custava cerca de 20 dólares, limitando o acesso ao conhecimento.

É importante lembrar que os modelos são simplificações da realidade e devem ser usados com cuidado.

Um sinal é uma indicação de uma verdade subjacente por trás de uma estatística ou problema preditivo, enquanto ruídos são padrões aleatórios que podem facilmente ser confundidos com sinais. O sinal é a verdade. O ruído é o que nos distrai da verdade.

O objetivo de qualquer modelo de predição é capturar tantos sinais quanto possível e tão poucos ruídos quanto puder. Armstrong argumenta que “quanto mais complexo o modelo, piores são as previsões”. É uma frase bonita que faria sucesso nas redes sociais, mas que deve ser encarada com algum ressalva.

Na estatística, a confusão de tomar ruídos como sinais é denominada overfitting. Modelos puramente estatísticos, com grande número de variáveis e uma pequena quantidade de eventos para sua validação, geralmente levam ao risco de overfitting. Esse risco é consideravelmente menor quando se usa modelos físicos de causa e efeito.

Segundo o autor, o caminho para maior objetividade é reconhecer a influência que nossas premissas têm em nossas previsões.

A estatística tem sido parte dos esportes desde há muito tempo. O primeiro conjunto de informações – com cinco informações sobre cada jogador – foi publicado em jornal por Henry Chadwick em 1859.

Nosso instinto é categorizar as informações, geralmente em um pequeno número de categorias, pois isso facilita o entendimento.

A inspeção visual de um gráfico que mostra a interação entre duas variáveis geralmente é um caminho mais rápido e confiável para identificar outliers nos dados do que um teste estatístico.

Predizer o passado é um oximoro e obviamente não pode ser contado entre os sucessos.

A estatística é uma das habilidades fundamentais necessárias à ciência dos dados.

Uma previsão científica exige um resultado probabilístico, ou seja, nas previsões é importante informar também a incerteza. Coisa comum nas pesquisas eleitorais, porém rara nos resultados de outras previsões. Laplace via a probabilidade como um meio caminho entre a ignorância e o conhecimento.

A heurística do “acompanhe a maioria, especialmente quando não sabe nada melhor” normalmente funciona bem.

Consenso não é sinônimo de unanimidade, mas um grande acordo obtido após um processo de deliberação. É, portanto, uma alternativa à votação.

Informação só se transforma em conhecimento quando colocada em um contexto.

Fonte:

Silver, Nate. The Signal and the Noise: Why So Many Predictions Fail-But Some Don’t. The Penguin Press. New York, 2012. (Inglês)

Nota: Já está disponível em português.

Medidas absolutas ou relativas?

Como mostrar que um investimento em melhoria foi uma boa decisão? Às vezes o benefício é evidente e não precisamos nos preocupar com maiores análises. Mas, na maioria das situações, os ganhos são marginais e devem ser determinados por meio de medidas que permitam comparar o antes e o depois.

Vamos imaginar que investimos na substituição de lâmpadas convencionais por outras mais modernas, na expectativa que a conta de energia tenha redução, e desejamos avaliar o benefício.  Entretanto, apenas comparar o valor da conta nos dois momentos pode não refletir o ganho; fatores como uma mudança na bandeira tarifária poderiam impactar a análise. Então, melhor que observar os valores monetários, é comparar os consumos em kWh. Isso elimina um ruído e soluciona parte do problema, mas ainda não é suficiente. Podemos estar comparando meses com diferentes quantidade de dias úteis; o consumo de fevereiro usualmente é menor que o de março.

Então, uma boa estratégia de análise é substituir os valores absolutos por indicadores relativos ou específicos. Nesse exemplo poderíamos, ao invés de comparar os consumos totais mensais, comparar os consumos por dia útil ou dia trabalhado em cada um dos meses.

Essa técnica, útil em muitas situações, elimina diversos efeitos que ocorrem ao longo do tempo, permitindo observar as melhorias e identificar tendências com mais facilidade. Em resumo, na gestão devemos evitar o uso de valores absolutos como indicadores, substituindo-os sempre que possível por medidas relativas ou específicas.

Medindo as coisas certas

Uma das medidas mais fáceis de fazer é a da realização física. É fácil saber se a obra foi executada, se os treinamentos programados foram realizados, etc. Mas avaliar o impacto das ações feitas, para saber se os objetivos de sua execução foram alcançados, dá mais trabalho. E aí, a medição deixa de ser feita.

Essa é uma das razões que leva a maioria das pessoas preferir medir esforços ao invés de resultados. Isso é especialmente verdadeiro para os gestores públicos que enfatizam o volume de recursos investidos em educação, saúde, segurança, etc., mas não destacam os resultados obtidos com o investimento como, por exemplo: melhora na nota do IDEB, redução da taxa de mortalidade infantil, queda no número de homicídios, etc. Bons gestores medem os esforços (realização física, etc.), mas também mensuram os resultados, para saber se as ações estão sendo eficazes e os objetivos maiores estão sendo alcançados.

A estatística é poderosa e… perigosa.

Como as análises são probabilísticas, um pouco de persistência geralmente permite “validar” qualquer hipótese.
Um exemplo divertido, mas que merece reflexão, é apresentado por Steve Brooks [1] no cartoon que ilustra este post. Vale a leitura.

Referência:

  1. Brooks, Steve.Breaking News: 1 in 20 Statistical Tests Are Wrong! Disponivel em https://select-statistics.co.uk/blog/breaking-news-1-in-20-statistical-tests-are-wrong Acesso em 23.03.18.

Demissões voluntárias?

disputa

Os programas de demissão voluntária criam dificuldade em caracterizar se as saídas são efetivamente voluntárias (e devem contar na Rotatividade Voluntária) ou são vistas pelo colaborador como uma pressão ou ameaça e devem ser contadas na Rotatividade Forçada. O especialista Jac Fitz-enz [1] esclarece que não há uma solução padronizada. Assim, ele recomenda que os profissionais da empresa analisem cada caso e estabeleçam a forma que deve ser considerada.

Fonte: 1. Fitz-enz, Jac e Davison, Barbara. How to Measure Human Resources Management. McGraw-Hill. 2002. 3rd edition. p. 261.