[1] O documento discute como os gestores usam dados e estatísticas para melhorar suas carreiras e se apresentar de forma favorável às metas da empresa.
[2] Apresenta vários métodos questionáveis de manipulação de dados, como amostras seletivas, percentagens enganosas e atribuições causais duvidosas.
[3] Sugere que os gestores devem sempre questionar criticamente os dados e estatísticas, verificando amostras, intervalos de confiança, dispersão e possíveis vieses para ev
3. POLITIQUICE & CARREIRA
Managers 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
9. PROCESSO DE
INTERPRETAÇÃO
• Magnitude: Vendas, lucro, custos
• Rácios: Quota de mercado, rentabilidade
• Padrões e anomalias: Segmentação, crescimento
• Meta-interpretação: Lógica
10. a mente assimila a mente avalia
informação a validade das
através de ideias através da
relações entre clareza destas
dados e ideias relações
quanto mais
claras forem a persuasão das
estas relações ideias depende
mais fácil é de uma lógica
assimilar info. clara
11. 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
12. INDUÇÃO VS DEDUÇÃO
• Temos que aumentar os
• Temos que ter uma loja online preços para manter lucro
• Os clientes exigem-no • Os preços das matérias primas estão a
aumentar
• 30% só compram online
• 60% fazem 2/3 compras online • Não temos margem de negociação
para custos
• Os concorrentes já o estão a fazer
• Com estes custos a empresa não é
• A ABC e a CBC já têm lojas online lucrativa
responsáveis por 50% das vendas
• Por isso é preciso aumentar o preço
14. MENTIR COM ESTATÍSTICA
Amostras Percentagens Médias fora de
convenientes movediças moda
Indicadores Dados Atribuições
emparelhados Raptados abusivas
Escalas Crescimento Gráficos
escalonadas horizontal embelezados
15. AMOSTRAS CONVENIENTES
“As nossas vendas têm um valor mínimo de €1 m. .”
freq. freq.
0 0
0 0 <1 m. 1 m.<10m. 10 m.<100m. >100m.
1 m.<10m. 10 m.<100m. >100m.
16. AMOSTRAS CONVENIENTES
“As nossas vendas têm um valor mínimo de €1 m. .”
freq. freq.
Valor de cada conta Valor de cada venda
0 0
0 0 <1 m. 1 m.<10m. 10 m.<100m. >100m.
1 m.<10m. 10 m.<100m. >100m.
17. COMO FAZER:
AMOSTRAS CONVENIENTES
1. Selecção de casos: eg. top 100
2. Agrupamento de variáveis: eg. vendas por conta
3. Aleatoriedade por tentativas
18. PERCENTAGENS MOVEDIÇAS
“Este ano as nossas “Este ano as nossas “Este ano as nossas
vendas subiram vendas subiram vendas subiram
3000%.” 30%.” 3%.”
19. PERCENTAGENS MOVEDIÇAS
“Este ano as nossas “Este ano as nossas “Este ano as nossas
vendas subiram vendas subiram vendas subiram
3000%.” 30%.” 3%.”
Comparando com
Comparando com Comparando com
a quantidade
o primeiro ano de o valor vendido o
vendida o ano
actividade ano passado
passado
20. 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%
21. MÉDIAS FORA DE MODA
“Pagamos bónus de “Vendemos mais
“Vendemos
10% sobre 200% por vendedor
€3000000 por
€1000000 por do que no ano
vendedor.”
vendedor.” passado.”
22. MÉDIAS FORA DE MODA
“Pagamos bónus de “Vendemos mais
“Vendemos
10% sobre 200% por vendedor
€3000000 por
€1000000 por do que no ano
vendedor.”
vendedor.” passado.”
“Em mediana.” “Em moda.” “Em média.”
23. 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
25. INDICADORES EMPARELHADOS
Cada vendedor
Cada vendedor Cada vendedor fez
criou 50
fez 30 visitas por 15 planos de vendas
oportunidades por
semana por semana
semana
26. INDICADORES EMPARELHADOS
Cada vendedor
Cada vendedor Cada vendedor fez
criou 50
fez 30 visitas por 15 planos de vendas
oportunidades por
semana por semana
semana
Taxa de conversão: 15%
27. 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)
29. DADOS RAPTADOS
O ano passado vendemos 300 milhões de euros
290 dos quais milhões foram compras feitas pelos clientes
30. 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
31. ATRIBUIÇÕES ABUSIVAS
O ano passado vendemos mais 300 milhões de euros do
que o ano anterior, em que a Maria não era a CEO
32. 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
33. COMO FAZER:
ATRIBUIÇÕES ABUSIVAS
1. Estabelecer correlações, evitar causalidade
2. ‘Chicotear o cavalo’
3. Procurar locais ocorrências naturais de sucesso
39. COMO FAZER:
CRESCIMENTO HORIZONTAL
1. MAX (# dimensões das imagens)
2. Utilizar imagens com significado simbólico
3. MAX(Variação da imagem / variação nos dados)
55. 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?
56. 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?
57. 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)?