Sobre Dorian Bachmann

Sou especialista em indicadores de desempenho e benchmarking. Ajudo na seleção, padronização, apresentação, uso e interpretação de indicadores de desempenho, para identificar oportunidades de melhorias, estabelecer metas mais eficazes e obter aumento da produtividade e competitividade. Capacitação técnica (graduação e pós-graduação) e gerencial (MBAs em marketing, negócios e tecnologia da informação), reforçada por prática profissional variada e com foco em resultados. Ênfase em gestão por meio da medição de desempenho, com o auxílio de indicadores. Engenheiro químico com sólida experiência gerencial e em processos industriais e mineração. Vivência em P&D, projeto básico e engenharia de acompanhamento de processos. Trabalhei na Petrobras (Engenheiro, Pesquisador e Gerente Geral da Unidade de Negócios da Industrialização do Xisto), IBM e Companhia de Urbanização de Curitiba. Fui sócio e diretor da Bachmann & Associados Ltda., consultoria voltada para o uso gerencial de indicadores e benchmarking. Apaixonado pela inovação e pela Qualidade Total como fontes de vantagem competitiva para as organizações. Tenho apresentado palestras e cursos relacionados ao uso de indicadores e do benchmarking na gestão. Autor do livro "Indicadores de RH como Ferramenta de Gestão: obtendo e mostrando resultados", publicado pela Qualitymark. Currículo Lattes: http://lattes.cnpq.br/9716761840221952 Disponível para consultoria no uso de indicadores e benchmarking na gestão, inclusive pro-bono.

Lançamento

Meu novo livro já está disponível na Amazon!

Publicado pela Qualitymark — o que muito me honra — este é o livro que eu gostaria de ter lido quando comecei minha jornada como gestor.

Se você usa indicadores de desempenho para acompanhar ou melhorar processos, acredito que Usando Gráficos de Controle na Gestão: A mágica do gráfico XmR pode fazer muita diferença.

A proposta é simples: mostrar uma forma mais inteligente de analisar resultados de indicadores. Muitas vezes achamos que há um problema quando, na verdade, estamos apenas vendo variações normais. O livro ajuda a separar o que é mudança real do que é apenas ruído.

A técnica do Controle Estatístico de Processos (CEP) tem origem na indústria de manufatura, mas explico tudo de forma leve, direta e totalmente aplicável ao dia a dia — sem necessidade de conhecimentos estatísticos prévios.

Especialmente indicado para diretores, gerentes, analistas, consultores e estudantes de Administração que desejam dar um salto na forma como interpretam dados.

Saiba mais lendo a introdução e consultando o sumário em https://livros.bachmann.com.br/cep

Obrigado a todos que têm apoiado essa jornada!

O livro

BACHMANN, Dórian L. Usando gráficos de controle na gestão. 1. ed. Rio de Janeiro: Qualitymark Editora Ltda., 2025. ISBN 978-8541404679. Disponível em: https://livros.bachmann.com.br/cep

Post de mar/26

Usando Gráficos de Controle na Gestão: a mágica do Gráfico XmR – Lançamento

Este livro é um guia prático e acessível para profissionais que utilizam indicadores de desempenho na tomada de decisões. Apresenta a construção, o uso e a interpretação do gráfico de controle XmR — uma ferramenta estatística simples e eficaz, capaz de diferenciar variações naturais de perturbações atípicas nos processos.

Por meio de exemplos detalhados, o autor mostra como aplicar o gráfico XmR para analisar resultados de indicadores, evitando armadilhas comuns das práticas tradicionais, como a comparação com metas, com resultados de períodos anteriores ou com médias móveis, que frequentemente levam a interpretações equivocadas.

O método proposto oferece uma análise mais confiável, prevenindo ações corretivas desnecessárias e aumentando a precisão na definição de metas e na avaliação de melhorias. Os leitores aprenderão a identificar padrões consistentes de desempenho, estabelecer limites estatísticos e reconhecer quando agir ou manter o curso do processo.

Com esse conhecimento, gestores poderão monitorar seus processos com maior clareza, garantir que atendam às demandas de forma confiável e comprovar os efeitos das iniciativas de melhoria.

O livro apresenta uma abordagem poderosa e simplificada, que vai além das técnicas tradicionais, tornando o gráfico XmR uma ferramenta indispensável para a gestão de processos operacionais e de negócios.

A redação priorizou o uso profissional, mas, para atender à área acadêmica — e reforçar a credibilidade do conteúdo — inclui uma lista com cerca de 150 referências bibliográficas utilizadas. Conheça a obra.

“Foque no sinal, não no ruído. Não perca tempo com o que realmente não melhora as coisas.” — Elon Musk

O livro, nas versões eletrônica e impressa, pode ser adquirido na Amazon.

O autor

Dórian L. Bachmann é especialista no uso de indicadores de gestão e autor dos livros Indicadores de RH como Ferramenta de Gestão: Obtendo e Comunicando Resultados, Boas Práticas de RH e  Indicadores Clássicos de RH, além de inúmeros artigos sobre inovação, indicadores e benchmarking. Dois de seus artigos foram agraciados com o Prêmio Sisal, concedido pela ABTCP.

Engenheiro químico formado pela Universidade Federal do Paraná, é pós-graduado em Engenharia de Processamento de Petróleo e possui MBAs em Gestão de Negócios e Marketing pela COPPEAD/UFRJ e em Gestão de Negócios e Tecnologia da Informação pelo ISAE/FGV. Durante sua trajetória profissional, trabalhou na IBM do Brasil, na Companhia de Urbanização de Curitiba e foi gerente geral da Unidade de Negócio da Industrialização do Xisto, da Petrobras.

Como sócio e diretor técnico da Bachmann & Associados, uma consultoria em gestão empresarial, coordenou o Benchmarking Paranaense de RH, realizado em parceria com a ABRH-PR ao longo de 12 anos. Também atuou como instrutor e consultor sobre o uso eficaz de indicadores de desempenho na gestão, prestando serviços para organizações dos setores industrial e de serviços, como FIEP, Petrobras, Sinpacel, Sebrae, UEPG, Uninter, UFPA e ICI, entre outras.

Dórian possui mais de 3.700 seguidores no LinkedIn, onde publica artigos semanalmente. Para saber mais ou entrar em contato, visite www.bachmann.com.br.

Post de mar/26

Amplitude de Comando – Ainda é uma métrica útil?

Imagem cortesia de Freepik

O mundo mudou e a visão sobre a quantidade de pessoas que um gestor pode orientar deixou de ser uma referência, embora ainda possa ter alguma utilidade.

A Amplitude de Comando, também denominada amplitude administrativa, amplitude de supervisão ou, ainda, amplitude de controle, é o número médio de empregados que se reportam diretamente a um gestor. É um elemento para avaliar a organização do trabalho.

Durante anos, organizações e especialistas em recursos humanos trabalharam para determinar a amplitude ideal de comando (Ideal spam of control), definida pela McKinsey como “o número mágico de funcionários que um gerente poderia supervisionar para alcançar eficácia e eficiência ideais”.

Spam de controle ideal é o número mágico de funcionários que um gerente poderia supervisionar para alcançar eficácia e eficiência ideais. — McKinsey

Uma análise mostrou que não há, de fato, nenhum número mágico. Cada líder é diferente e o número de subordinados diretos que um gestor deve ter para operar em condições ótimas varia. Alguns podem ter mais de 20 subordinados, enquanto outros precisarão de menos de cinco. Ainda assim, há muitos estudos sobre a amplitude ideal de comando, a maioria afirmando que o benchmark global é de oito a dez subordinados por gerente.

Na visão tradicional, o princípio do controle se baseia no postulado de que “os homens produzem mais quando sob estreita supervisão”. Entretanto, estudos de cientistas sociais como Likert indicam que a motivação e a produtividade são mais altas sob a supervisão superficial e generalizada. Então, embora não se possa ter um número ideal, alguns elementos podem balizar as análises.

  • Processos estruturados e repetitivos precisam de menor supervisão.
  • Quanto maior a complexidade do trabalho efetuado, menor a quantidade de relações que podem ser bem administradas e menor a amplitude de comando adequada. Assim, as áreas de produção em geral têm um número significativamente maior de subordinados por gestor do que as administrativas.
  • A amplitude de controle pode ser maior nos níveis hierárquicos mais baixos da pirâmide organizacional.
  • Profissionais do conhecimento devem ter menor supervisão ou, no mínimo, ela deve ser menos evidente.
  • Quando a quantidade de relações que o gestor tem que administrar é grande, a quantidade de subordinados diretos deve ser menor.

A tendência, visando uma organização mais flexível e dinâmica, é de reduzir o número de níveis hierárquicos e aumentar a amplitude de comando, buscando maior flexibilidade para a empresa e responsabilidade e autonomia para os empregados. Assim, análises pontuais podem gerar insights úteis. Um especialista encontrou uma correlação interessante entre o número de supervisores e atendentes na rotatividade em uma empresa de call center. Ele descreveu a relação, não linear, da seguinte forma.

Proporção supervisores: atendentesImpacto na rotatividade
1:5 e 1:12pequeno
1:12 e 1:20aumento gradual
Acima de 1:20impacto cada vez maior

Em resumo

Embora ainda usado por empresas de consultoria para recomendar reorganizações nas empresas, esse indicador é pouco útil e frequentemente traz mais problemas que soluções. Logo, não deve ser incorporado à rotina das análises críticas da gestão.

Se você não pode gastar quatro horas por ano com cada subordinado, ou você tem pessoal demais ou não deveria ser gerente. – Marcus Buckingham

Nota: Este texto é um fragmento do livro Indicadores de RH como Ferramenta de Gestão: obtendo e comunicando resultados. Qualitymark, 2023. Conheça a obra em www.indicadoresrh.com.br e baixe um capítulo gratuitamente e sem registro.

POST260309 de mar/26

Amostragens com viés de seleção

“Fizemos uma enquete e, com base nas 500 respostas que tivemos, descobrimos que 99,8% das pessoas adoram responder pesquisas”.
– Imagem de Auke Hunneman no LinkedIn em 2022.

Para tirar conclusões a partir de amostras, é preciso que, além de terem tamanho mínimo adequado, elas sejam representativas do universo que se deseja analisar. Quando esses critérios são ignorados, por desconhecimento, descuido ou má-fé, os resultados podem ficar distorcidos. Compreender como esses erros ocorrem é fundamental para evitá-los.

Grande amostra, conclusão errada

Em 1936, a revista Literary Digest realizou uma pesquisa eleitoral para a Presidência dos Estados Unidos. A enquete recebeu mais de 2 milhões de respostas e previa que Alfred Landon venceria Franklin D. Roosevelt por ampla margem. O resultado real foi o oposto: Roosevelt venceu com folga.

O erro ocorreu porque a pesquisa foi conduzida, em grande parte, com base em listas telefônicas e registros de proprietários de automóveis — bens que, à época, estavam concentrados nas camadas mais ricas da população. Assim, apesar do grande tamanho da amostra, ela não era representativa do eleitorado.

Hoje, fenômeno semelhante pode ocorrer em pesquisas realizadas nas mídias sociais. Embora o volume de dados seja elevado, cada plataforma possui um perfil específico de usuários. Por isso, sem critérios adequados de ponderação, não é possível avaliar com precisão o posicionamento da população de interesse.

Os aviões que não voltaram

Durante a Segunda Guerra Mundial, na tentativa de reduzir o número de aviões abatidos, os Aliados analisaram os danos sofridos pelas aeronaves que retornavam das missões. A ideia era simples: reforçar as áreas que sofriam mais danos.

A conclusão inicial foi reforçar as pontas das asas, os lemes e a parte central da fuselagem — regiões onde se observava maior número de perfurações.

Entretanto, o estatístico Abraham Wald, que trabalhava para a área de defesa, propôs abordagem diferente: reforçar o cockpit, os motores e a parte traseira da fuselagem.

Por que reforçar justamente as áreas onde quase não havia impactos?

O especialista identificou um viés na análise: estavam sendo considerados apenas os aviões que conseguiram retornar. Wald argumentou que a distribuição dos tiros provavelmente era relativamente homogênea. As marcas observadas concentravam-se em áreas não vitais — prova de que, mesmo danificadas, permitiam o retorno à base. Já os aviões atingidos gravemente no cockpit, nos motores ou na cauda não retornavam. Por isso, não apareciam na amostra analisada.

Esse é um exemplo clássico do que, em estatística, se denomina viés de seleção; mais especificamente, viés de sobrevivência. Dados analisados sem consideração adequada do processo de seleção podem induzir a conclusões equivocadas, especialmente quando reforçam uma intuição aparentemente lógica.

Quando Só os Vencedores São Contados

A empresa americana de análise de investimentos Morningstar criou a categoria de fundos denominada Large Blend, composta por fundos que investem em ações de grandes empresas listadas nas bolsas dos Estados Unidos.

De acordo com seus cálculos, esses fundos apresentaram valorização média de 178,4% entre 1995 e 2004 — o equivalente a quase 11% ao ano, um excelente desempenho para os padrões do mercado americano.

Para chegar a esse resultado, a Morningstar considerou todos os fundos classificados como Large Blend e analisou sua evolução ao longo de dez anos. Mas ignorou os fundos que deixaram de existir no período, justamente aqueles com maior chance de terem apresentado menor lucratividade.

Avaliar o desempenho de uma categoria ao longo de uma década considerando apenas os fundos que permanecem em operação ao final do período constitui uma distorção evidente, que tende a superestimar os resultados. Se os fundos encerrados fossem incluídos no cálculo, a rentabilidade acumulada cairia para 134,5%, o que corresponde a uma taxa média anual inferior a 9%.

Resumindo

A análise de dados deve começar pela verificação de sua representatividade. Como os estatísticos ressaltam há muito tempo, é essencial assegurar que todos os elementos da população tenham a mesma probabilidade de serem incluídos na amostra.

Não há nada mais enganador do que um fato óbvio. —Sherlock Holmes

Texto baseado em

INSTITUTO DE ENGENHARIA. Uma defesa apaixonada do pensamento matemático. Instituto de Engenharia, 18 maio 2015. Disponível em: https://www.institutodeengenharia.org.br/site/2015/05/18/uma-defesa-apaixonada-do-pensamento-matematico/. Acesso em: 3 fev. 2026.

POST260303 de mar/26

Traga o seu

Estudo realizado em 20212 pela Citrix Systems Inc., que atua no fornecimento de soluções de computação virtual, mostrou que na maioria das empresas sos funcionários estavam usando seus próprios dispositivos no local de trabalho. Os principais motivadores da política de “traga seu próprio dispositivo” (BYO, de Bring Your Own) são o aumento da produtividade e mobilidade dos colaboradores, redução dos custos com TI e atração e retenção de talentos.

Reflexões

  • Em tua empresa isso é estimulado?
  • Como a ideia pode ser compatibilizada com a segurança das informações?

Fonte: Revista Melhor – Gestão de Pessoas, ano 19, janeiro de 2012. Ed segmento, p.8.

POST260222 de fev/26

Um conselho útil para prevenir vexames

Ao apresentar informações a terceiros — sejam clientes, superiores, colegas ou subordinados — revise sempre os resultados antes de compartilhar. Essa verificação não é opcional: faz parte do trabalho e é fundamental para preservar sua credibilidade profissional.

Três aspectos ajudam a validar os resultados:

Formato

Valores financeiros devem ser apresentados de forma clara e profissional, sem se assemelhar a números de telefone e, em geral, com no máximo duas casas decimais.

Ordem de grandeza

Independentemente do método de cálculo, faça uma estimativa rápida e avalie se a ordem de grandeza do resultado é compatível com o esperado. Discrepâncias evidentes recomendam cautela.

Período de referência

Certifique-se de que o resultado corresponde ao período correto. Um dado referente a maio não substitui, por exemplo, o resultado de junho.

Quando pertinente, informe também o grau de confiabilidade do resultado apresentado. E, claro, confirme se a unidade de medida está apresentada é a correta. Somente após essas verificações, compartilhe as informações com segurança e profissionalismo.

Uma dica sobre gráficos (no início do ano)

Não comece os gráficos dos indicadores do ano com os dados de janeiro do mesmo ano, como muitos fazem.

O mundo não acabou em 31 de dezembro do ano anterior. Os resultados anteriores dão contexto e são importantes para a interpretação dos novos resultados.

Uma boa prática é manter ao menos os dados dos últimos seis meses do ano anterior. Isso vale para relatórios, quadros de gestão à vista e dashboards.

Veja como o gráfico com a infromação de apenas um ano, adiante, não é uma boa referência.

POST de 12.1.26

Respostas às metas estabelecidas

Desenho de um redemoinho com vários aviões de papel vermelhos. Um se destaca por tomar direção para fora do redemoinho.

Na gestão é importante considerar as pessoas, ou seja, a psicologia comportamental. Quando as pessoas são pressionadas para alcançar uma meta, há três ações possíveis [1]:

  • Trabalhar para melhorar o sistema.
  • Distorcer o sistema.
  • Distorcer os dados.

Infelizmente, nem sempre a primeira opção é a escolhida.

Fonte: 1. Wheeler, Donald J. Understanding Variation: The key to managing chaos. SPC Press, Inc. Tenesse. 1993.

POST de jan/26

Média geométrica – Você sabe quando usar?

A média geométrica é uma medida de tendência central usada para calcular a média de valores multiplicativos ou proporcionais, sendo especialmente útil quando os dados são percentuais, taxas de crescimento, índices ou razões.

Definição formal

A média geométrica de n números positivos x1,x2,…,xn​ é a raiz enésima do produto de todos os valores.

Média geométrica = (X1 x X2 x X3 … Xn)1/n

Ela é útil em situações em que os valores a serem agregados possuem escalas diferentes, crescimento proporcional ou quando se deseja evitar que valores extremos tenham impacto desproporcional no resultado.

Um bom exemplo é o Índice de Desenvolvimento Humano (IDH). O indicador utiliza a média geométrica, em vez da média aritmética, para equilibrar os três componentes (saúde, educação e renda) e garantir que um único aspecto muito alto não compense um muito baixo:

IDH = (Índice de Saúde × Índice de Educação × Índice de Renda)1/3

Situações em que a média geométrica é mais apropriada que a aritmética.

1. Proporcionalidade e equilíbrio

No IDH, se um país tem excelente desempenho em saúde e renda, mas um indicador ruim em educação, a média aritmética poderia inflar artificialmente o resultado. A média geométrica enfatiza o equilíbrio entre os fatores e reduz esse efeito. Exemplo:

Se um país tem os seguintes indicadores normalizados de IDH:

  • Saúde = 0,8
  • Educação = 0,5
  • Renda = 0,9

Média aritmética = (0,8 + 0,5 + 0,9) / 3 = 0,73

Média geométrica = (0,8 x 0,5 x 0,9)1/3 = 0,71

Enquanto a média aritmética permite que um valor elevado em uma dimensão compense integralmente um valor baixo em outra, a média geométrica permite apenas compensação parcial. Assim, um desempenho muito baixo em uma dimensão reduz fortemente o resultado final, mesmo se as demais forem altas.

No exemplo, o IDH ficou em 0,71. Caso o cálculo utilizasse a média aritmética, o resultado seria mais elevado (0,73) e, portanto, menos sensível ao baixo resultado na dimensão “educação”.

2. Retornos decrescentes

A média geométrica é menos influenciada por um acréscimo em um valor elevado do que pelo mesmo acréscimo em um valor mais baixo. Assim, quando um indicador já está em nível elevado, o mesmo aumento absoluto contribui menos para o índice composto do que se esse indicador estivesse em um nível mais baixo, como exemplificado a seguir:

Situação 1

Os três indicadores normalizados de um país (saúde, educação e renda) são iguais a 0,80.

Média geométrica: (0,80 x 0,80 x 0,80)1/3= 0,800

Situação 2

Aumento de 0,10 em um dos indicadores.

Média geométrica: (0,90 x 0,80 x 0,80)1/3= 0,8326

            Variação no índice = 0,033

Situação 3

Aumento de 0,10 no indicador que já é o mais elevado.

Média geométrica: (1,00 x 0,80 x 0,80)1/3= 0,8590

            Variação no índice = 0,0264

Da situação 1 para a 2 houve um ganho de aproximadamente 0,0326, e da situação 2 para a 3 o ganho foi de cerca de 0,0264, mostrando que, embora o acréscimo tenha sido o mesmo (0,10), o segundo aumento (em um valor já mais alto) resultou em um ganho menor na média geométrica. Esse comportamento ilustra a propriedade de retornos decrescentes e ajuda a evitar que desempenhos muito altos em uma dimensão ocultem deficiências em outras.

3. Taxas de crescimento

Ao calcular crescimentos percentuais (inflação, taxa de juros, crescimento populacional etc.), a média geométrica é mais precisa, pois preserva a multiplicação sucessiva dos valores ao longo do tempo. Exemplo:

Se um investimento cresce 10% em um ano e 20% no seguinte, a taxa média de crescimento é mais bem estimada com a média geométrica do que com a aritmética.

Um investimento de 100 cresce 10% no primeiro ano, passando a 110 (fator de crescimento: 1,10). No segundo ano, cresce 20%, passando a 132 (fator: 1,20).

Média geométrica = (1,1 x 1,2)1/2 = 1,1489

Essa média corresponde a uma taxa composta anual de aproximadamente 14,89%, mais precisa do que a média aritmética de 15%, que ignora o efeito acumulado, como mostra a comparação:

100 x 1,10 x 1,20 = 132

Usando a média aritmética das taxas anuais:

Média aritmética = (10 + 20) / 2 = 15 ou, 1,15 na forma decimal

100 x 1,152 = 132,25, uma diferença de 0,25, ou de 0,19%.

Usando a média geométrica:

Média geométrica = (1,10 x 1,20)1/2 = 1,1489

100 x 1,14892 = 131,9971

Resultado mais próximo do valor real (132). E essa diferença aumenta à medida que o número de períodos cresce.

Resumo

A decisão de usar a média geométrica deve considerar as seguintes propriedades matemáticas:

  1. Sensibilidade a extremos: valores muito baixos puxam o índice composto para baixo, destacando áreas críticas. O mesmo acontece para valores muitos elevados.
  2. Retornos decrescentes: a média geométrica incorpora a ideia de que avanços adicionais em um indicador de alta performance trazem retornos menores.
  3. Escala proporcional: um crescimento percentual similar em qualquer dimensão gera o mesmo impacto percentual no resultado.

POST251223 de dez/25

Curva forçada – uma prática superada

Imagem de Tumisu por Pixabay 

Uma estratégia de avaliação de trabalhadores que já foi mais comum nas empresas é a chamada “curva forçada”. Nesse sistema, os empregados são classificados de acordo com seu desempenho: os melhores são indicados para promoções, enquanto os 5% a 10% com pior desempenho são direcionados ao desligamento.

Em vez de aumentar a produtividade, esse modelo apenas estimula a concorrência e desencoraja o trabalho em equipe. Em vez de serem incentivados a colaborar e propor novas ideias, os empregados passam a se concentrar apenas em sobreviver.

Fonte: BACHMANN, Dórian L. Indicadores de RH como Ferramenta de Gestão: obtendo e comunicando resultados. 1ª ed. Rio de Janeiro: Qualitymark, 2023. Baixe um capítulo gratuito em www.indicadoresrh.com.br

POST251128 de nov/25