Post on 10-Nov-2014
description
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)?