As 11 empresas com sede no Paraná que estão entre as melhores para trabalhar, segundo a edição 2016 da pesquisa GPTW:
Fonte: Gazeta do Povo, disponÃvel em http://www.gazetadopovo.com.br/economia/pos-e-carreira/parana-tem-11-empresas-entre-as-150-melhores-para-trabalhar-no-pais-0l7dwv84cfo1osr2pmgnd2qty
Quantidade de piratas versus temperatura global
É uma brincadeira comum entre os analistas de dados a conclusão, baseada em uma forte correlação de dados [2], que a redução na quantidade de piratas provocou o aumento da temperatura global. Isso serve para mostrar que uma boa correlação nem sempre está associada a um vÃnculo de causa e efeito.
Mas, uma relação de causa e efeito necessariamente implica em correlação?
A resposta parece óbvia, mas talvez não seja. Melhor começar por entender que correlação quantifica a dependência linear entre duas variáveis. Logo, relações não-lineares não são percebidas.
Para esclarecer, vamos avaliar duas variáveis bem comuns, pois sabemos que a temperatura influencia a densidade da água. Mas, como a figura 1 indica, a densidade da água alcança seu maior valor a 4°C.
Figura 1 – Densidade da água versus Temperatura
Então, não há uma relação linear ou correlação entre causa (temperatura) e efeito (densidade). Isto é, quando uma variável aumenta a outra aumenta ou quando uma aumenta a outra diminui. Não perceberÃamos a anomalia observando apenas uma parte do gráfico (figura 2), o que poderia nos levar a fazer previsões irrealistas.
Figura 2 – Densidade da água versus Temperatura (0ºC a 2ºC)
Esse tipo de fenômeno é relativamente comum e resulta em previsões com grandes erros. Portanto, antes de usar correlações, é conveniente analisar os dados, se possÃvel graficamente, e não fazer projeções distantes dos dados existentes.
Embora tenhamos usado a variação incomum da densidade da água com a temperatura como exemplo, é bom saber que esse comportamento também ocorre em vários fenômenos sociais, como o aumento da motivação com o ganho salarial [3].
Resumindo:
Referências
Nota: Post publicado em maio de 2017 e atualizado em maio de 2020.
Vemos o que preferimos ver
Nas análises de dados para a gestão, devemos levar em conta que as pessoas favorecem as informações que confirmam suas crenças. Por exemplo, se um supervisor sabe que o colaborador passou por um treinamento, ele espera uma melhora no aspecto correspondente. Logo, ele pode “ver” um resultado que na realidade não existe [1]. É uma racionalização comum, no sentido de comprovar uma expectativa, mas que pode influenciar a avaliação do resultado do treinamento.
Assim como a falta de dados dificulta boa parte das análises, o excesso de dados também é inconveniente. Com um grande volume de dados, um profissional inexperiente, ou mal intencionado, acaba sempre conseguindo um conjunto de números que serve para confirmar suas crenças ou suposições.
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 estatÃsticas e softwares complexos permitem diferentes análises que podem ser usadas para provar as teses pretendidas.
Na verdade, o Viés de Confirmação – também denominado de Efeito Hallo – atende à necessidade humana de reforçar pontos de vista conhecidos e que trazem conforto ou conveniência. Desse modo, muitos vezes é provocado de forma inconsciente.
Conhece alguma situação em que isso aconteceu em sua organização? Como ocorreu?
Referência: 1. Fitz-enz, Jac e Davison, Barbara. How to Measure Human Resources Management. McGraw-Hill. 2002. 3rd edition. p. 185.
Texto inspirado em: Webb, Jack. Better Decision Making with Objective Data is Impossible. DisponÃvel em: http://sloanreview.mit.edu/article/for-better-decision-making-look-at-facts-not-data
Segundo o especialista em estratégia Ram Charam, há um aumento na tendência de executivos de outras funções assumirem funções de liderança de recursos humanos.
Ele disse que esta tendência é das mais importantes, na medida em que as empresas buscam melhorar a compreensão do negócio dentro do RH e alinhar as estratégias de RH com as estratégias mais amplas do negócios.
Ao mesmo tempo, Charan previu que o HR irá evoluir e se tornar mais importante nos próximos anos, a medida em que aproveite a tecnologia para dar maior eficiência e gerenciar talentos para os resultados de negócio.
“Não tenho dúvida que o pessoal vai aprender sobre o negócio”, disse ele.
Comentando sobre a aceitação de seu artigo “It’s time to blow up HR”, Charan afirmou: “Os CEOs adoraram. Um grande número de lÃderes de RH que não vieram do RH adorou. Aqueles que vieram do RH não gostaram”.
Referência: RAM CHARAN: WHERE HR LEADERSHIP MEETS THE NEW WORLD OF WORK. DisponÃvel em www.insidehr.com.au/ram-charan-on-where-hr-meets-the-new-world-of-work Acesso em 19.03.17.
O tamanho do PIB diz mais sobre o tamanho do paÃs do que sobre seu desempenho. Não é, portanto, uma boa métrica nem para indicar o progresso nem para servir de referência sobre a qualidade de vida de sua população.
Para avaliar a evolução do pais, a variação do PIB – ou seja a relação entre o valor obtido em um ano e a alcançada no ano anterior – seria mais apropriada. E, para mensurar a qualidade de vida do povo, o PIB per capita se mostra mais apropriado, pois indica a parte da riqueza que caberia a cada um, no caso de uma distribuição de renda igualitária.
Logo, sermos a 7ª economia do mundo (2014), com base no PIB, diz mais sobre nosso tamanho do que sobre nossa capacidade de gerar riqueza. Ou alguém imagina que em 2014 nossa qualidade de vida era melhor que a canadense?
Referência: Exame. http://exame.abril.com.br/economia/pib-em-dolar-cai-25-e-brasil-cai-para-a-posicao-de-9a-economia-do-mundo
Graças a internet, não sabemos se quem disse isso foi Deming, Falconi, Einstein ou o Érico VerÃssimo. Independentemente da origem, sabemos que é verdade. Mas, o fato é que não basta medir. É importante medir a coisa correta, pois a simples existência da medida já comunica à equipe o que é importante, contribuindo para a melhoria dos resultados.
Indicador é uma ferramenta de gestão. Possivelmente, a mais básica e simples delas. Na verdade, além de seu uso independente, é parte essencial de muitas metodologias como o Balanced ScoreCard (BSC), o Seis Sigma e a Gestão á Vista, para citar algumas.
Os indicadores costumam ser associados ao controle, mas podem — e devem — ser usados também com outros propósitos, como:
A definição que poderíamos considerar “oficial” é dada pela Fundação Nacional da Qualidade: “Indicador é um dado numérico a que se atribui uma meta e que é trazido, periodicamente, à atenção dos gestores de uma organização”. Mas, os resultados de alguns indicadores são apresentados por meio de símbolos não numéricos. É o caso dos ratings financeiros e de algumas avaliações escolares, que são apresentados como um conjunto de letras e símbolos como BB- ou A+. Então, é melhor definir os indicadores como representações, numéricas ou não, que permitem quantificar e avaliar os processos e seus resultados.
Indicadores são representações, numéricas ou não, que permitem quantificar e avaliar os processos e seus resultados.
Um indicador de desempenho é definido a partir de variáveis ou parâmetros medidos. O benefício dos indicadores, como ferramenta de gestão, decorre de comunicarem mais sobre o desempenho de um processo do que qualquer medida individual usada em sua definição. Mostram o que, de outro modo, não seria visto.
Uma medida de desempenho é uma quantificação que fornece evidência objetiva do grau em que um resultado de desempenho está ocorrendo ao longo do tempo. — Stacey Barr
Post de abril/17, atualizado em fevereiro/24.
A qualidade dos dados refere-se à sua capacidade de atender à finalidade pretendida. Você pode estar usando o indicador certo, mas se os dados para o cálculo estiverem errados, tuas decisões também serão erradas.
A qualidade — o grau em que os dados são adequados para uso — é julgada no momento do uso. Se atender às necessidades naquele momento, pode ser considerado “de qualidade”.
A qualidade dos indicadores e sua capacidade de contribuir para a gestão depende dos dados usados nos cálculos. Infelizmente, a experiência mostra que é comum que tais dados não sejam adequados. As principais razões são:
O hábito de dar uma “melhorada” nos dados para que resultados ruins não cheguem aos superiores ou ao público é, infelizmente, bastante comum.
Essa prática, delicadamente chamada de “massagear os dados”, leva a situações como a de Detroit, nos Estados Unidos. A cidade acabou acusada de camuflar a quantidade de mortes porque não queria ser conhecida como a “capital norte-americana dos homicídios”. Após análise, os críticos concluíram que Detroit adotava um critério diferente das demais grandes cidades americanas para contar os assassinatos. Eles escaparam do rótulo, mas os funcionários foram atacados pela mídia [1].
Lee Schwartz, especialista em indicadores, conta um caso em que os produtos que não podiam ser entregues no prazo eram negociados com os clientes e se eles concordavam com a mudança de data, eram computados como “Entregues no Prazo (“On Time Delivery“) [2].
As organizações devem abordar de frente a qualidade dos dados, implementar políticas, criar estruturas organizacionais e promover cultura na qual [3]:
Antes de usar um conjunto de resultados no cálculo de indicadores é necessário efetuar uma “limpeza” na amostra. Essa atividade, que inclui identificar e, se for o caso, excluir outliers, buscar valores faltantes e esclarecer anomalias, é frequentemente ignorada, com péssimos efeitos para a gestão e para a credibilidade dos responsáveis.
Portanto, para uma gestão eficaz, os dados devem ser adequados, válidos e confiáveis. Parte da solução do problema é adotar uma cultura na qual os resultados dos indicadores são usados como aprendizado para a melhoria dos processos e não para premiar ou penalizar as pessoas.
Apenas informações confiáveis permitem conclusões confiáveis. Daí a importância da qualidade dos dados.
Os indicadores em tua organização oferecem referência adequada para responder as perguntas associadas à gestão? Qual é o maior problema encontrado?
Referências
1. Is Your Data Cheating on You? Disponível em: www.domo.com/learn/executive-brief-is-your-data-cheating-on-you Acesso em 10.10.16
2. It’s All in the numbers – KPI Best Practices. Disponível em:https://www.industryweek.com/operations/continuous-improvement/article/22008174/its-all-in-the-numbers-kpi-best-practices Acesso em 13.12.22.
3. Redman, Thomas C. Break the Bad Data Habit. Harvard Business Review. May 30, 2012. Disponível em https://hbr.org/2012/05/break-the-bad-data-habit Acesso em 17.4.24
Saiba mais
Números significativos / Arredondamento de números / Caracterizando a qualidade dos dados
POST170321 de mar/17 atualizado em abr/24
