Já ouviu falar da "Cultura de Barreira" na gestão orientada por dados?

Gestores encontram barreiras que vão muito além do querer usar dados para embasar a tomada de decisão orientada por dados. Aliás, costumo dizer sempre que podemos fazer gestão orientada por dados, mas os dados devem ser orientados por decisões. Ou seja: ter um objetivo guiando a busca pelos dados torna muito mais fácil saber como eles podem realmente ser úteis (para que se busque um processo estruturado).

Não termos atenção ao objetivo é exatamente um dos principais motivos que nos levam a fomentar culturas de barreira para o uso de dados; mesmo sem percebermos. Gestores que apresentam dados em um processo de tomada de decisão em que esses dados são refutados relatam ouvir que “os dados não representam bem a situação”, “os dados não são claros” ou “temos outra interpretação para essas informações”. Um resultado possível é o isolamento desse gestor e dos pontos de vista que poderiam ajudar a cercar melhor as questões em pauta.

Gestores que possuem acesso limitado a dados relatam que “meu processo não se reflete nos dados apresentados”, “haveria prejuízo para minha operação ou para a empresa se apenas aqueles dados fossem considerados”, ou “não foram considerados aspectos relevantes sob o ponto de vista da minha operação”. Um resultado possível é que os dados apresentados são refutados pois não oferecem bom suporte à decisão a ser tomada.

Ambos têm base para se sentirem excluídos ou pouco representados; e ambos podem estar ajudando a criar a cultura de barreira ao retirar os dados da equação de tomada de decisão. A gestão que faz o Walk the talk “corta” as saídas prejudiciais dessas situações.

Motivar o uso de dados para a tomada de decisão (fazer o Walk the talk) significa incentivar como usar os dados disponíveis, mesmo incompletos, para reduzir a incerteza (ou, em outros termos: separar o que sabemos do que inferimos pela nossa experiência). Significa também exigir que as informações produzidas com dados sejam úteis não apenas a um processo, mas aos demais que fazem parte da mesma cadeia produtiva. Essas são apenas duas formas de incentivar o uso imediato de dados e a produção de dados com significado amplo, o que demanda fomento à cooperação e não à competição.

Mesmo gestores que querem usar dados para decidir admitem que, no fim, usam sua experiência pessoal (91%) ou intuição (64%). Apenas 27% dizem buscar uma fonte de conhecimento bem embasada.

Essas mesmas pessoas dizem que (i) falta tempo para buscar ou construir boas fontes de informação, (ii) a literatura especializada (em especial, a científica) beira o ilegível e (iii) não têm acesso ou não sabem onde procurar por conhecimento bem estabelecido (em outros termos: embasado por evidências e não por “eu entendo que”).

Em especial, tempo para acessar informações é um elemento essencial, sem o qual gestores (e equipes!) se tornam menos capazes de cruzar conhecimentos e interpretá-los à luz do cenário de gestão e para criar insights sobre soluções melhor elaboradas. Buscar explicitar em números (dados) nosso conhecimento tácito é um bom ponto de partida. Cruzar esses dados com outros é uma forma de reconhecer novas nuances e interpretações (em especial, com outros stakeholders da questão). Reinterpretar o cenário de decisão à luz dessas novas interpretações muda nossos modelos mentais e nos torna mais capazes de decidir de forma mais sólida e estruturada.

Ou seja: usar dados pra tomar decisões é algo que pode ser automatizado pra ganharmos tempo e reduzirmos atividades operacionais (o que, aliás, é bem interessante).

O ponto é que há uma boa prática que costuma ser atropelada e também tem a ver com... tempo. É essencial o tempo de planejamento (qual é a decisão a ser tomada? qual a variedade de impactos? quem mais está envolvido? quais dados podem ajudar?), de debate (temos todos os dados? quais dados se mostraram mais decisivos? quais novas interpretações podem ser feitas? confirmamos o que já achávamos que sabíamos?) e para a criação de soluções embasadas por dados (o que sabemos? o que não sabemos? o que os dados dizem? e o que não nos dizem?).

Algumas soluções para reduzir a cultura de barreira?

• Empresas que conduzem pesquisas ou participam de colaborações com universidades podem adquirir uma experiência mais profunda com insights de pesquisa e com o uso de descobertas;

• Preferencialmente, não abrir dashboards para puxar as discussões em uma reunião. Começar pela discussão dos projetos prioritários e só então buscar os números necessários a essa discussão;

• Ter em mente o tipo de informação necessária para a tomada de decisão torna mais perceptível o que os números dizem e o que não dizem. A partir disso, pode-se (i) se for necessária uma decisão imediata, pode-se isolar “o que sabemos” de “o que inferimos” e realmente cercar as incertezas e (ii) criar planos de ação para se buscar os dados que faltam;

• Usar uma metodologia para gerenciar sua busca por dados e que ajuda a entender o que faz parte do problema e o que não faz parte; quem são os stakeholders, analisar, criar contramedidas e só então definir o que é viável ser colocado em ação;

• Praticar o Walk the talk: não apenas exigir dados, mas usá-los para definir o que é risco e o que é incerteza. Exigir que as rodadas seguintes estejam com dados mais completos, o que demanda conversas, planejamento, alinhamento e governança entre produtores e usuários de dados. Reforçar as virtudes do comportamento de quem traz dados para melhorar as decisões (sempre de forma sadia, é bom lembrar...). E decidir usando os dados, claro.

Por fim, há gestores que, genuinamente preocupados com o uso de dados, dizem pra suas equipes quais informações são relevantes ou não. E, na verdade, esse é um outro problema ...mas que fica pra um próximo texto.

* * *

Quer saber mais?

BARENDS, Eric et al. Managerial attitudes and perceived barriers regarding evidence-based practice: An international survey. PloS one, v. 12, n. 10, p. e0184594, 2017.

CHAUHAN, Chetna; SINGH, Amol; LUTHRA, Sunil. Barriers to industry 4.0 adoption and its performance implications: An empirical investigation of emerging economy. Journal of Cleaner Production, v. 285, p. 124809, 2021.