DADOS & POLITIQUICE

carreira

soluções à procura de problemas

51das 100 maiores economias

do mundo são empresas

POLITIQUICE & CARREIRAManagers also take advantage of this flow of information to

portray themselves as able and willing to comply with their company’s goals. They do so to improve their chances in a career that consists of “probationary crucibles” in which:

“managers must continually please their boss, their boss’s boss, their patrons, their president and their CEO, [and] they must prove themselves again and again to each other. […] This constant state of probation produces a profound anxiety in managers, [which is] perhaps the key experience of managerial work”

Moral Mazes, Jackall, 1989

SOLUÇÕES À PROCURA DE PROBLEMAS

SOLUÇÕES À PROCURA DE PROBLEMAS

SOLUÇÕES À PROCURA DE PROBLEMAS

vs.

SOLUÇÕES À PROCURA DE PROBLEMAS

COMO APRESENTAR IDEIAS PARA VENCER?

PROCESSO DE INTERPRETAÇÃO

• Magnitude: Vendas, lucro, custos

• Rácios: Quota de mercado, rentabilidade

• Padrões e anomalias: Segmentação, crescimento

• Meta-interpretação: Lógica

a mente assimila informação através de

relações entre dados e ideias

a mente avalia a validade das

ideias através da clareza destas

relações

quanto mais claras forem estas relações

mais fácil é assimilar info.

a persuasão das ideias depende de uma lógica

clara

LÓGICA

• Determinar objectivo central, formulando-o sob a forma de pergunta

• Juntar as ideias em grupos mutuamente exlusivos (clareza)

• Juntar as ideias em grupos colectivamente exaustivos (plenitude)

• Integrar estes grupos de forma indutiva ou dedutiva

INDUÇÃO VS DEDUÇÃO

• Temos que ter uma loja online

• Os clientes exigem-no

• 30% só compram online• 60% fazem 2/3 compras online

• Os concorrentes já o estão a fazer

• A ABC e a CBC já têm lojas online responsáveis por 50% das vendas

• Temos que aumentar os preços para manter lucro

• Os preços das matérias primas estão a aumentar

• Não temos margem de negociação para custos

• Com estes custos a empresa não é lucrativa

• Por isso é preciso aumentar o preço

lógica

dados

MENTIR COM ESTATÍSTICA

DadosRaptados

Médias fora de moda

Escalas escalonadas

Crescimento horizontal

Gráficos embelezados

Atribuições abusivas

Indicadores emparelhados

Percentagens movediças

Amostras convenientes

AMOSTRAS CONVENIENTES“As nossas vendas têm um valor mínimo de €1 m. .”

0

freq.

0

0

1 m.<10m. 10 m.<100m.

freq.

0 >100m.<1 m.1 m.<10m. 10 m.<100m. >100m.

AMOSTRAS CONVENIENTES“As nossas vendas têm um valor mínimo de €1 m. .”

0

freq.

0

0

1 m.<10m. 10 m.<100m.

freq.

0 >100m.<1 m.1 m.<10m. 10 m.<100m. >100m.

Valor de cada conta Valor de cada venda

COMO FAZER: AMOSTRAS CONVENIENTES

1. Selecção de casos: eg. top 100

2. Agrupamento de variáveis: eg. vendas por conta

3. Aleatoriedade por tentativas

PERCENTAGENS MOVEDIÇAS“Este ano as nossas

vendas subiram 3000%.”

“Este ano as nossas vendas subiram

30%.”

“Este ano as nossas vendas subiram

3%.”

PERCENTAGENS MOVEDIÇAS“Este ano as nossas

vendas subiram 3000%.”

“Este ano as nossas vendas subiram

30%.”

“Este ano as nossas vendas subiram

3%.”

Comparando com o primeiro ano de

actividade

Comparando com a quantidade vendida o ano

passado

Comparando com o valor vendido o

ano passado

COMO FAZER:PERCENTAGENS MOVEDIÇAS

1. Percentagens de percentagens: 10 pts. %s = ↑100%

2. Ponto de chegada como base: saldos 100%

3. Momento zero como base: ↑1% = ↑10000%

MÉDIAS FORA DE MODA

“Vendemos €3000000 por

vendedor.”

“Vendemos mais 200% por vendedor

do que no ano passado.”

“Pagamos bónus de 10% sobre€1000000 por

vendedor.”

MÉDIAS FORA DE MODA

“Em média.”“Em moda.”“Em mediana.”

“Vendemos €3000000 por

vendedor.”

“Vendemos mais 200% por vendedor

do que no ano passado.”

“Pagamos bónus de 10% sobre€1000000 por

vendedor.”

COMO FAZER: MÉDIAS FORA DE MODA

1. Distribuição generosa: gestores são colaboradores

2. Médias de amostras: salário médio dos colaboradores mais antigos

3. Médias, modas e medianas

COMO FAZER: MÉDIAS FORA DE MODA

Cada vendedor fez 30 visitas por

semana

INDICADORES EMPARELHADOS

Cada vendedor criou 50

oportunidades por semana

Cada vendedor fez 15 planos de vendas

por semana

INDICADORES EMPARELHADOS

Taxa de conversão: 15%

Cada vendedor fez 30 visitas por

semana

Cada vendedor criou 50

oportunidades por semana

Cada vendedor fez 15 planos de vendas

por semana

COMO FAZER:INDICADORES EMPARELHADOS

1.Procurar na driver tree (enviesamento causa / efeito)

2.Utilizar processos em vez de resultados (inferências abusivas)

3.Utilizar indicadores positivos (efeito de halo)

DADOS RAPTADOS

O ano passado vendemos 300 milhões de euros

DADOS RAPTADOS

O ano passado vendemos 300 milhões de euros

290 dos quais milhões foram compras feitas pelos clientes

COMO FAZER:DADOS RAPTADOS

1. Reportar ‘tronco’ da driver tree, sem reportar ‘ramos’

2. Reportar resultados positivos, segmentados de várias formas

3. Raptar dados de sistemas de informação automáticos

ATRIBUIÇÕES ABUSIVAS

O ano passado vendemos mais 300 milhões de euros do que o ano anterior, em que a Maria não era a CEO

ATRIBUIÇÕES ABUSIVAS

O ano passado vendemos mais 300 milhões de euros do que o ano anterior, em que a Maria não era a CEO

dos quais 290 milhões foram compras feitas pelos clientes

COMO FAZER:ATRIBUIÇÕES ABUSIVAS

1. Estabelecer correlações, evitar causalidade

2. ‘Chicotear o cavalo’

3. Procurar locais ocorrências naturais de sucesso

ESCALAS ESCALONADAS

0

freq. (escala linear)

01 m.<10m. 10 m.<100m. >100m.

51015

100

ESCALAS ESCALONADAS

0

freq. (escala linear)

01 m.<10m. 10 m.<100m. >100m.

Vendas

51015

100

0

freq. (escala log.)

01 m.<10m. 10 m.<100m. >100m.

10

100

COMO FAZER:ESCALAS ESCALONADAS

1. Escalas cuidadas

2. Truncagem a zero

3. Truncagem a meio

CRESCIMENTO HORIZONTAL

0

vendas

2009 2010

CRESCIMENTO HORIZONTAL

0

vendas

2009 2010

0

vendas

2009 2010

COMO FAZER:CRESCIMENTO HORIZONTAL

1. MAX (# dimensões das imagens)

2. Utilizar imagens com significado simbólico

3. MAX(Variação da imagem / variação nos dados)

2 = 30.488 / 7875 = 3.87

GRAFICOS EMBELEZADOS

0

freq. (escala linear)

02008 2009 2010

51015

100

GRAFICOS EMBELEZADOS

0

freq. (escala linear)

02008 2009 2010

51015

100

0

freq. (escala linear)

02008 2009 2010

51015

100

COMO FAZER: GRAFICOS EMBELEZADOS

1. Utilização de côr

2. Utilização de símbolos

3. Posicionamento de símbolos

NÃO SE ESQUEÇAM...

• Modelo de processamento visual

• Teoria gestalt da visualização

• Factores primários de atenção

• Movimento ocular

MODELO DE PROCESSAMENTO VISUAL

pre-consciente(tudo)

curto-prazo(visivel)7 items

longo-prazo(importante)

TEORIA GESTALT: PROXIMIDADE

TEORIA GESTALT: SEMELHANÇA

TEORIA GESTALT: SEMELHANÇA

FACTORES PRIMÁRIOS DE ATENÇÃO

Côr

Luz

Brilho

Movimento

Tamanho

MOVIMENTO OCULAR & ATENÇÃO

Alta

Alta

Média

Média

Baixa

EM BUSCA DA VERDADE

Intervalos de confiança Dispersão

Visualizações

Quem é que diz?

Como é que sabe?

Há mesmo uma relação?

VISUALIZAÇÕES

1. Enviesamentos de percepção

2. coef(malandrice)=3.87/2= 1.93

3. O que não é mostrado: % driver tree

INTERVALOS DE CONFIANÇA

10%

80% = 70% ou a 90%

grafico: wikipedia

DISPERSÃO

QUEM É QUE DIZ?

• Quem é que constitui a amostra, mesmo?

• O que é que a amostra sabe?

• Quais os interesses de quem preparou os dados?

COMO É QUE SABE?

• Como é que foram feitas as perguntas?

• Qual é a parte da amostra reflectida nas respostas?

• Qual é a distribuição provável?

HÁ MESMO UMA RELAÇÃO?

• A cadeia causal é baseada em relações causais (vs. justaposição)?

• Os indicadores são semelhantes (há quintas e quintas)?

• Faz sentido (eg. Flesh-Kincaid)?