Exercício para pensar como um data scientist

22 de outubro de 2019 - 13h51

(Crédito: Reprodução)

Já faz alguns anos que os dados estão, constantemente, invadindo todos os aspectos dos mais variados setores da economia e, com isso, também as empresas e os próprios empregos das pessoas. Nos últimos tempos, essa tendência vem se acelerando ao ponto de um gerente, por exemplo, não poder mais se dar ao luxo de ser “ignorante” com relação aos dados — não conseguir fazer análises simples, interpretar análises mais complexas e interagir com cientistas de dados. Do mesmo jeito, as empresas que não têm uma quantidade boa e crescente de gestores com algum conhecimento de dados já estão em desvantagem.

Felizmente, não é preciso ser data scientist ou estatístico para conseguir chegar a alguns insights usando dados. É claro que, quanto mais complexa for a situação, maior a necessidade de profissionais especializados. Mas um exercício simples compartilhado por Thomas C. Redman no artigo How to Start Thinking Like a Data Scientist, parte do estudo From Data to Action (Harvard Business Review Insight Center), pode ajudar a abrir a cabeça para muitas oportunidades proporcionadas pelos dados e a se relacionar melhor com esse universo.

De acordo com Redman, que diz utilizar o exercício há 20 anos para ajudar as pessoas, embora os passos sejam bastante práticos, cada um deles também ilustra um importante conceito de análise de dados — do entendimento de variações até a visualização.

Vamos começar, então?

Primeiro, escolha algo que interessa ou até mesmo incomoda no trabalho. O autor exemplifica todo o exercício com as reuniões de trabalho que começam constantemente atrasadas. Mas, seja o que for, transforme isso em uma pergunta e coloque no papel: “As reuniões parecem sempre começar atrasadas. Isso é mesmo verdade?”

Em seguida, pense em todos os dados que podem ajudar a responder a sua pergunta e desenvolva um plano para buscar essas informações. Anote todas as definições relevantes e os seus protocolos para coletar esses dados. No exemplo do artigo, isso significa definir quando é que uma reunião efetivamente começou. É quando alguém diz “Ok, vamos começar”? Ou quando começam os assuntos importantes da reunião? O bate-papo do comecinho conta?

Então, colete os dados. Aqui, é preciso ressaltar que é muito importante que você possa confiar nos dados que coletar. E conforme for progredindo, é quase certo que você vai encontrar gaps na coleta. Você pode se tocar, por exemplo, de que mesmo que uma reunião já tenha começado, ela começa de novo quando uma pessoa mais sênior chega. Por isso, vá mudando suas definições e protocolos conforme for avançando.

Antes que você possa imaginar, já será possível começar a criar alguns gráficos. Quanto melhor um gráfico for, melhor será para entender os dados e comunicar os pontos principais para outra pessoa. Redman diz que, embora haja várias ferramentas que podem ajudar nessa hora, gosta de fazer o primeiro à mão. E, de preferência para começar, é o gráfico linha do tempo, em que o eixo horizontal tem as datas e o horário e o eixo vertical tem a variável de interesse. reunião e quantos minutos ela atrasou.

Agora, volte para a pergunta inicial e desenvolva um resumo estatístico. Você chegou a uma resposta? No caso do exemplo, “Em um período de duas semanas, 10% das reuniões a que compareci começaram no horário. Na média, as reuniões começaram atrasadas em 12 minutos”.

Mas não pare aí. Pergunte “E daí?”. Nesse caso, “Se essas duas semanas foram típicas, perco uma hora por dia. E isso custa à empresa R$ X/ano”. Muitas análises terminam porque não se pergunta “E daí?”. Claro, se 80% das reuniões começassem depois de só alguns minutos do horário marcado, a resposta para a pergunta inicial seria “Não, as reuniões começam basicamente no horário”, não haveria necessidade de continuar.

Mas, o caso que ilustra o artigo demanda mais, como acontece com certas análises. Vá pegando o jeito de sentir as variações. Entender as variações leva a um entendimento melhor do problema geral, insights mais profundos e novas ideias para melhorar. Note no gráfico que oito a 20 minutos de atraso é comum. Algumas reuniões começam na hora certa, outras com 30 minutos de atraso. Seria uma boa se alguém pudesse dizer “Posso chegar 10 minutos atrasado nas reuniões, bem na hora que estiver começando mesmo”, mas a variação é muito grande.

Agora, pergunte: “O que mais esses dados revelam?”. Dá para perceber que cinco reuniões começaram no horário certo enquanto todas as outras começaram com, pelo menos, sete minutos de atraso. Ao consultar as anotações das reuniões, foi possível perceber que todas essas reuniões foram convocadas pela vice-presidente de finanças. Evidentemente, ela começa suas reuniões na hora certa.

E depois? Quais são os próximos passos? Esse exemplo ilustra uma dicotomia comum. Em um nível pessoal, os resultados passam no teste de serem “interessantes” e “importantes”. A maioria de nós pagaria muito caro para recuperar uma hora do dia e você pode não conseguir fazer com que todas as reuniões comecem na hora, mas, se a vice-presidente consegue, você também pode começar suas próprias reuniões sem atrasos.

No que diz respeito à empresa, por outro lado, os resultados passam apenas no teste de serem “interessantes”. Não dá para saber se os resultados são típicos ou se outros também são tão rigorosos quanto a vice-presidente com relação a horários. Mas o assunto com certeza pede uma investigação mais profunda: os resultados coincidem com a experiência de outras pessoas na empresa? Existem dias piores que os outros? O que começa mais tarde: calls ou reuniões presenciais? Existe alguma relação entre o horário de início da reunião e o participante mais sênior? Volte para o primeiro passo, faça as novas perguntas e repita o processo. Mas mantenha o foco — duas ou três perguntas por vez, no máximo.

O autor encerra o artigo afirmando que, com esse exercício, muitos aprendem a se divertir com os dados e ficam “viciados” para o resto da vida. Mas faz uma ressalva: encontrando ou não prazer, leve o exercício a sério, pois existe cada vez menos espaço para os “ignorantes” em dados e não há mais desculpas para ser um deles.

*Crédito da foto no topo: Slavemotion/ iStock