Pensando em aplicar ou tendo dificuldades em utilizar ferramentas estatísticas? Nesse caso, é muito importante ter em mente que essas ferramentas são tão poderosas quanto perigosas no auxílio da tomada de decisões. Seu uso correto pode garantir decisões assertivas, enquanto o seu mau uso pode acarretar resultados catastróficos.

Antes de entrarmos de fato, nos principais problemas que você pode encontrar quando falamos da aplicação das ferramentas estatísticas, é interessante que façamos um alinhamento sobre o conceito da estatística e o que esse conceito pode nos mostrar de imediato.

ESTATÍSTICA: O CONCEITO

Aqui temos uma definição muito interessante e que nos mostra de maneira muito direta e clara o que é a estatística:

Estatística é ciência que estuda a coleta, a organização, a análise e registro de dados por amostras.

A combinação das fases de coleta, organização e análise de dados baseados em amostras, nos permite entender os eventos do passado e prever eventos futuros. E é nessa capacidade de expor padrões de eventos passados, que contribuem para a formação de um cenário atual, que se pauta o funcionamento de todas as ferramentas estatísticas.

Uma vez que entendemos o passado e influência das ações tomadas nos resultados obtidos, temos condições de prever os possíveis cenários futuros e com base nessa previsão, tomar decisões mais assertivas para atingir os resultados almejados.

Uma vez entendido isso, fica evidente que uma avaliação errônea dos eventos passados pode criar uma perspectiva de futuro equivocada e, consequentemente, uma tomada de decisão equivocada no presente. 

Mas então, quais são os principais fatores que podem fazer com que tenhamos uma avaliação deturpada ao utilizar as ferramentas estatísticas?

ERROS RELACIONADOS AOS DADOS UTILIZADOS

Como pontuado no conceito, uma das áreas de estudo da estatística é a coleta e organização de dados, sendo a pedra fundamental de qualquer análise estatística. Qualquer erro nessa fase, resultará em uma análise equivocada. 

Seleção da população incorreta

Na estatística, chamamos de população um grupo de pessoas, animais ou objetos que tem uma característica em comum, sendo essa característica algo de interesse para o estudo. Por exemplo, se estivéssemos estudando sobre o conhecimento dos colaboradores da organização A sobre a sua missão e visão, a população deste estudo são os colaboradores dessa organização.

A definição da população é um critério arbitrário e deve ser definido antes de qualquer outra ação, para que possamos garantir que os dados obtidos dessa população irão retratar de forma confiável a situação estudada. É muito importante que todos os critérios adotados sejam objetivos,  para evitar que erros de interpretação torne o estudo inconsistente.

Para tentar tornar ainda mais visual esse conceito, imagine que uma companhia queira compreender como os gastos recentes com devoluções dos seus produtos, advindas de erros comerciais tem impactado nos seus resultados. 

Se fossem coletados todos os dados referentes a devoluções dessa companhia, a análise seria assertiva? Ou se fossem pegos os dados referentes às devoluções advindas de erros comerciais desde 1997, a empresa conseguiria fazer uma análise precisa com o escopo definido? 

Uma vez que o objetivo seja entender o impacto das devoluções nos gastos recentes com erros comerciais, a população do estudo deveria ser exclusivamente esse tipo de devolução. Nesse caso temos um critério objetivo definindo nossa população, porém quando falamos de “gastos recentes”, talvez coletar dados desde 1997 não seja algo viável, mas não é uma regra, visto que “recentes” é algo extremamente subjetivo, daí a importância de ter todos os fatores relevantes para o estudo bem definidos.

Uma proposição que faria sentido e eliminaria os critérios subjetivos para o estudo seria: Compreender os gastos da companhia com devoluções advindas de erros comerciais no último semestre.

Compreendido o conceito de população, podemos chegar a situações onde a população estudada é muito grande, inviabilizando a análise de todos os dados. Nesse caso é necessário partir para uma análise amostral, uma pequena parte da população que, estatisticamente, representa a população como um todo.

Amostra muito pequena

Uma vez que a amostra é um subgrupo de uma população que a representa como um todo, entendemos que essa amostra é uma estimativa da população real. 

Para garantir que essa amostra de fato representa a população é imprescindível selecionar bem o tamanho da amostra que se vai analisar. Uma amostra muito pequena pode fazer com que os dados estejam distorcidos e, consequentemente, nos leve a análises equivocadas.

Não é o intuito deste artigo detalhar os cálculos, mas vale dizer que em estudos que exigem um grau de assertividade maior, é interessante que sejam feitos os cálculos propostos pela estatística para calcular o tamanho ideal da amostra, considerando o intervalo de confiança aceitável no estudo. 

Em alguns casos, a seleção arbitrária do tamanho da amostra também pode funcionar, mas o risco de uma menor assertividade da amostra cresce. Então, a avaliação da criticidade dessa variação para a análise em questão é algo extremamente importante nessas situações.

Baixa confiabilidade dos dados coletados

Tão importante quanto a seleção e organização dos dados, temos na sua coleta um papel fundamental quando falamos na confiabilidade de uma análise fundamentada nessas informações. 

Alguns pontos são importantes para uma coleta de dados confiável, listamos alguns dos que não podem ser negligenciados de forma alguma:

Projetar cuidadosamente a forma como serão coletados os dados

Antes de começar a coleta de dados em si, é muito importante que se definam alguns pontos sobre essa coleta:

• Quem irá coletar esses dados: Será uma pesquisa com um entrevistador, ou serão dados coletados através um teste respondido, dados captados em algum tipo de ficha de apontamento etc;
  
• Quais as informações serão coletadas: Definir as informações importantes e relevantes para o estudo em questão;
  
• Como serão coletadas essas informações: Planejar se essas informações serão coletadas e depois registradas em algum sistema eletrônico ou se serão já inseridas em um sistema de informação diretamente no momento da coleta.

Treinar todos os envolvidos na coleta

Ponto-chave em qualquer coleta de dados é ter todos os envolvidos bem instruídos e engajados. 

Para que isso aconteça, treinamentos bem estruturados e direcionados são imprescindíveis. Além do propósito principal de um treinamento, que é instruir os envolvidos de como devem realizar a coleta, é fundamental que esses, estejam cientes da relevância dessa coleta. Informações como onde serão usados esses dados, quais análises serão feitas a partir deles, pode criar um engajamento maior nessa equipe.

Uma vez que os cuidados necessários com os dados utilizados foram tomados, outro aspecto extremamente importante é a seleção da ferramenta adequada para organizar e propiciar a análise desses dados, o que nos leva ao segundo grande erro ao se utilizar as ferramentas estatísticas.

A SELEÇÃO EQUIVOCADA DA FERRAMENTA UTILIZADA

Conhecer as ferramentas existentes e quais as mais indicadas para cada situação é algo muito importante, para garantir que a análise e consequentemente, a tomada de decisão sejam o mais assertivos possível.

Segue alguns exemplos de ferramentas com uma breve descrição da sua usabilidade:

• Histograma: Tem como principal objetivo ilustrar como está a distribuição de frequência para determinado evento, em uma amostra ou população, geralmente utilizado quando os dados examinados são muito extensos. Apesar de muito utilizada, é uma ferramenta que não nos dá noção de tempo, então se esse é um fator importante para a sua análise, essa não é uma ferramenta recomendada;

• Diagrama de Pareto: É uma ferramenta que ajuda a organizar dados que são categorizados, e entender qual a frequência de ocorrência de cada uma dessas categorias. Nesse caso, se seu intuito é entender como ocorre essa distribuição, quais fatores têm maior ou menor frequência dentro do estudo em questão, essa ferramenta é uma boa pedida;

• Diagrama de dispersão: Utilizado para avaliar a relação de duas variáveis quantitativas, deixando claro qual a influência da variação de uma dessas variáveis sobre a outra. Pode ser uma ferramenta forte para identificar a relação de causa e efeito.

Como vimos no decorrer desse artigo, fica claro o quanto as ferramentas estatísticas têm um papel fundamental na tomada de decisão. Dominar essas ferramentas e, principalmente, tomar os cuidados necessários para garantir um resultado fidedigno, te tornará capaz de fundamentar suas tomadas de decisão tendendo cada vez mais a serem decisões assertivas.

LITERATURA SUGERIDA

• HUFF, D. Como mentir com estatísticas. 1.ed. Rio de Janeiro: Intrínseca, 2019

NOTA:  Embora o livro tenha como  intuito principal, mostrar ao leitor técnicas utilizadas para maquiar dados estatísticos, os fundamentos apresentados ali podem ser aproveitados para a prevenção de erros genuínos e não intencionais.