quarta-feira, 28 de maio de 2014

Por que pensar de modo estatístico é essencial para planejar e implementar grandes Indicadores?


Este texto foi escrito por Stacey Barr, que é especialista em medição do desempenho organizacional e foi publicado originalmente em seu site "KPI Library" em  Abril de 2013.

Pensar de modo estatístico não é somente para ganhar conhecimento e habilidade para aplicar técnicas estatísticas.  Não é saber o modo como fazer uma análise de regressão ou conhecer a fórmula para colocar uma linha de tendência numa série histórica.
Você não precisa ser um estatístico ou um matemático para se tornar um mestre em pensamento estatístico. O pensamento estatístico precisa que você simplesmente conheça alguns conceitos básicos:
CONCEITO 1: Todas as coisas variam.
Tudo varia, ou oscila para cima ou para baixo de modo aparentemente errático, na maioria das vezes pela complexidade e pela interação entre muitos fatores causais.
Vendas variam por causa da economia, campanhas de marketing, quantidade de promoções, coisas que acontecem em nosso mercado alvo, ou até mesmo em função do clima.
Acidentes de trabalho, despesas com material de escritório, satisfação dos clientes, horas de retrabalho semanais, atrasos ou adiantamentos das entregas, quantas horas extras, o nosso peso, tudo varia para cima e para baixo de modo natural mas aleatório , variação essa que é causada por uma gama de interações complexas que afetam todas as coisas.
CONCEITO 2: Porque as coisas variam, existe a incerteza
Nós não podemos conhecer realmente 100% de tudo. A estatística não é como a matemática, onde você obtém respostas exatas quando você combina os números.  Por exemplo: 2 + 2 = 4.
A estatística é o estudo da incerteza, e o objetivo principal é obter padrões dos dados analisados.
Nós não podemos saber exatamente como nossas vendas acontecerão na próxima semana porque nós não conhecemos como todos os fatores causais irão influenciá-la.
CONCEITO 3: A chave para conhecer alguma coisa é encontrar as medidas de incerteza, para utilizar essas medidas como sinalizadores.
Nós podemos olhar para o passado e ver o quanto as nossas vendas variaram semana a semana, de modo que com isso possamos estimar, dentro de uma faixa de variação, como as vendas se comportarão na próxima semana.
Isso acontece porque o conceito de variabilidade é fundamental para a estatística. As variações medem a incerteza. Esta variação rotineira é fundamental para que possamos obter conhecimento dos dados, visto que isso nos ajuda a medir a quantidade de incerteza inerente em qualquer coisa que precisemos medir e gerenciar.
E o que nós podemos gerenciar é o padrão de variação e não cada figura de nossos dados.
A implicação para nós, e para as medidas de desempenho, é que nós não podemos encontrar conhecimento em figuras individuais de nossos dados.
O conhecimento pode vir somente dos padrões de dados. E estes padrões são padrões de variação. Se a variação se reduz ou aumenta, ou se move, isso geralmente é um sinal de que aconteceu alguma coisa que causou essa mudança.
Algumas vezes, quando o padrão de variação não muda, isso também é um sinal de que os nossos esforços não estão dando resultado.
Você não pode gerenciar o desempenho dos negócios sem pensar de modo estatístico – quando você ignora a variação e a incerteza, você reage à cada flutuação dos seus dados como se algo significante tivesse acontecido.
Mas na imensa maioria das vezes, nada de significante aconteceu!  Essas flutuações são apenas um produto natural de causas complexas e interrelacionadas.
Como eu fico sabendo se alguma coisa significante está acontecendo em um indicador?
Como saber se algo deve ser feito para melhorar o nosso desempenho? Nós precisamos distinguir a rotina e a variação natural de nossos dados de desempenho, de uma variação anormal ou fora da rotina , o que sinaliza uma mudança.
E é fácil fazer isso – mesmo que a maioria das pessoas nem saiba como. Só é preciso pegar os seus indicadores, alguns cálculos estatísticos fáceis, e um gráfico simples que eu estou chamando de gráfico inteligente (tecnicamente chamam-se gráficos XmR)
Vamos à ação:

Fique atento sobre como você e seus colegas tiram conclusões sobre os seus indicadores. Você está interpretando variações rotineiras como um sinal de mudança? Você está ignorando mudanças no padrão de variação que seriam sinais de mudança?

Nenhum comentário:

Postar um comentário