Como ter uma mentalidade data drivenTempo estimado: 4 minutos de leitura

data driven

Desde o início da minha trajetória que se iniciou como estudante da área de Humanas que sempre foi encantada por Literatura (até já escrevi algumas vezes sobre Ciências Comportamentais e Goethe), Filosofia (já escrevi sobre o Mito de Sísifo e Economia Comportamental) e que se formou em Psicologia, confesso que meu contato – e afeto – pelas áreas Exatas não costumava ser tão grande.

Mas uma pequena chama de amor pela matemática nasceu quando li ” O Homem Que Calculava”.

Claro que isso não me bastou para que eu começasse a ser uma pessoa mais analítica. Precisei, ainda, reconhecer – além da magia da matemática – a sua aplicabilidade definitiva nesta época em que estamos vivendo.

Precisamos tomar uma infinidade de decisões de forma ágil e sermos assertivos.

O calculista recordou-me um provérbio que ouvira de seu mestre Nô-Elin: “Quem não desconfia de si mesmo não merece a confiança dos outros!”

O Homem que Calculava – Malba Tahan

Confiar demais em nós mesmos é um erro que pode trazer resultados devastadores, isso porque nós estamos sempre sendo influenciados por uma série de vieses.

O que fazer se precisamos tomar as melhores decisões mas já sabemos que nossas escolhas são influenciadas por vieses cognitivos e não somos tão racionais quanto as teorias da Economia tradicional presumiam?

Confira aqui uma “pequena lista” de vieses cognitivos.

Certamente é impossível eliminar todos os vieses e heurísticas de nossas escolhas a fim de torná-las 100% racionais (e isso nem seria algo positivo), mas podemos diminuir impactos de más decisões baseadas em vieses buscando pensar analiticamente e com foco em dados.

Quero dizer: buscando uma mentalidade data driven, você conseguirá diminuir significativamente alguns vieses que se baseiam principalmente na desinformação.

Basicamente o pré-requisito para ter essa mentalidade é: pensar não só a partir de uma ótica qualitativa, mas também quantitativa, buscar padrões, correlações, causalidades e ser um observador atento.

Separei algumas dicas que podem guiar quem tiver interesse em criar uma mentalidade data driven:

Cultive o hábito de pensar analiticamente.

“A matemática é um método geral do pensamento aplicável a todas as disciplinas e desempenha um papel dominante na ciência moderna.”

ANTÔNIO MONTEIRO – CALCULISTA PORTUGUÊS

Tudo é matemática, desde a casa onde você mora até as redes sociais que você utiliza. Enquanto o engenheiro precisou de matemática para construir uma moradia segura, os desenvolvedores das redes sociais precisaram do pensamento matemático para criarem os algorítimos que nos mantém acessando as mídias sociais diariamente.

Tudo o que funciona atualmente tem matemática, logo o pensamento lógico matemático é um grande aliado para qualquer pessoa, independente de sua profissão.

Pense em como irá mensurar e analisar os dados.

Assim que você começar a ter um pensamento guiado à busca de dados e padrões, você fará isso com certa facilidade, pois passará a pensar frequentemente sobre isso. Pense em seus objetivos com os dados que pretende coletar, pense na melhor forma de coletá-los e como correlacioná-los e analisá-los de forma mais efetiva.

Colete dados frequentemente.

O exercício de coleta de dados frequente te dará bons parâmetros para analisar resultados e para tornar mais automático o seu pensamento analítico.

Tome decisões com base em dados.

Certamente é preciso chegar a este ponto, afinal dados só serão úteis quando utilizados para análises e consequentes tomadas de decisão.

Busque correlações mas cuidado com as falsas correlações.

Atenção: correlação não é relação de causalidade.

Ao buscar fazer correlações entre dados, mesmo que o coeficiente de Pearson* apresente valores acima de 0.8, a relação de causalidade pode ser completamente equivocada, isso se dá por causa do que pesquisadores chamam de viés da variável omitida (omitted-variable bias). Este viés ocorre quando uma ou mais variáveis que são importantes para que a correlação seja corretamente analisada não é considerada no modelo estatístico.

Coeficiente de Pearson: o coeficiente de Pearson é uma fórmula estatística que mede a correlação entre os dados analisados, esta correlação pode ter um resultado que varia entre -1 (correlação negativa) e 1 (correlação positiva).

Exemplos de falsas correlações

As falsas correlações são tão prováveis de acontecer que o pesquisador pela Universidade de Harvard Tyler Vigen até criou um site onde mostra correlações divertidas que pontuam alto no coeficiente de Pearson mas que não possuem absolutamente relação causal alguma. Por exemplo:

Quanto maior a taxa de divórcio em Maine, maior o consumo de margarina:

falsa correlação

Quanto maior o consumo de queijo, maior a incidência de mortes por enrolamento de lençol:

falsa correlação

Infográfico

data driven

Leave a Reply

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Related Post