A tomada de decisão baseada em dados é freqüentemente vista como o padrão ouro na gestão moderna. E isso é por um bom motivo. A explosão de dados disponíveis e os rápidos avanços na ciência de dados permitem que os gerentes saibam muito mais sobre seus negócios. Esse conhecimento, se bem utilizado, deve permitir uma melhor tomada de decisões sobre todos os aspectos do negócio.
Talvez seja por isso que a maioria das empresas está em uma corrida de cavalos na construção de recursos analíticos para aproveitar ao máximo essa abundância de dados sem precedentes. Por exemplo, uma pesquisa recente com empresas da Fortune 1000 mostra que 91,9% das empresas relatam um aumento no investimento em iniciativas de dados.
Embora o potencial do big data seja irrefutável, é a panaceia para todas as situações de tomada de decisão? Em outras palavras, uma forte ênfase em dados e análises poderia sair pela culatra em algumas circunstâncias? Exploramos isso em nossa pesquisa recente.
Nossa intuição era que a tomada de decisão baseada em dados poderia ser contraproducente sob extrema incerteza. Nesses casos, será altamente desafiador e às vezes impossível coletar dados confiáveis. Isso poderia explicar por que 12 editoras não foram capazes de ver o potencial de Harry Potter e a Pedra Filosofal antes que a Bloomsbury Publishing aceitasse publicar uma tiragem inicial de 500 cópias. O livro era tão inovador que, por definição, não havia dados anteriores disponíveis para avaliar com precisão seu potencial.
Para testar nossa intuição, coletamos dados de 122 empresas em indústrias criativas (nos setores de publicidade, digital, editorial e software) sobre seus projetos de inovação mais recentes. Escolhemos as indústrias criativas devido aos altos níveis de incerteza sobre as reações dos clientes e uma variedade infinita de novos produtos potenciais e modificações de produtos. Pelo mesmo motivo, nos concentramos nas decisões de triagem da inovação – a decisão de selecionar quais projetos de inovação buscar para o desenvolvimento. Essas decisões são caracterizadas por alta incerteza; os gerentes muitas vezes não têm dados anteriores suficientes que lhes permitiriam prever as reações do cliente com precisão, potencial de mercado, viabilidade e riscos. Mesmo se eles tivessem esses dados, muitas vezes seria extremamente difícil e às vezes até enganoso extrapolar.
Pedimos aos gerentes dessas empresas que pensassem sobre seu projeto de inovação mais recente, para o qual precisavam fazer uma seleção, e incluímos perguntas para entender como eles tomaram essa decisão. Especificamente, as perguntas abordaram até que ponto eles confiaram na análise (ou seja, escolher a opção que se mostrou melhor com base na análise dos dados), instinto (ou seja, escolher a opção seguindo seus instintos) e uma gama de heurísticas bem conhecidas ( ou seja, estratégias práticas para tomar decisões de forma mais rápida e econômica). Essas heurísticas incluíam “contagem” (escolher a opção com maior número de pontos favoráveis), “experiência” (escolher a opção que a pessoa mais experiente da equipe queria) e “maioria” (escolher a opção que a maioria das pessoas queria) entre várias outras. Em seguida, pedimos aos gerentes que indicassem se acham que acertaram na decisão (percepção da precisão da tomada de decisão) e com que rapidez eles tomaram a decisão (percepção da velocidade da tomada de decisão).
Os resultados mostraram primeiro, para nossa surpresa, apesar do enorme interesse em big data, que os gerentes em nossa amostra não confiavam na análise mais do que em seus instintos ou em algumas das heurísticas simples. A heurística mais comumente usada, mais do que análise e instinto, era a contagem.
Também descobrimos que confiar na análise não é necessariamente a maneira ideal de escolher entre projetos de inovação. Embora as decisões baseadas na análise de dados trouxessem um bom nível de precisão na tomada de decisão, o processo era lento. Os gerentes que confiaram em seus instintos juntamente com algumas heurísticas simples tomaram decisões que eram igualmente precisas, mas foram tomadas com muito mais rapidez. Ou seja, as heurísticas e as intuições ofereciam uma melhor compensação em termos de velocidade e precisão da tomada de decisão; a inclusão da análise no processo de tomada de decisão não trouxe nenhuma melhoria significativa na precisão, ao mesmo tempo que reduziu significativamente a velocidade.
Uma nota de cautela para os gerentes que consideram embarcar em decisões de inovação baseadas no instinto: a eficácia de sua intuição pode depender da experiência anterior. Pesquisas anteriores sugerem que a eficácia da intuição em comparação com a análise depende do conhecimento do domínio; os especialistas em um domínio têm maior probabilidade de tomar decisões mais acertadas. Os gerentes com experiência de domínio limitada podem, portanto, se sair melhor evitando a dependência extensiva da intuição. Nossos resultados sugerem que confiar principalmente na heurística também apresenta uma alternativa viável.
Na próxima vez que você enfrentar uma decisão gerencial ambígua, tenha em mente que os dados podem não ser a única base para uma escolha. Seguir seus instintos, junto com algumas heurísticas simples, pode levar a decisões mais rápidas e potencialmente precisas, especialmente para aqueles com os conhecimentos necessários.
Artigo Traduzido da Harvard Business Review. Fonte Original: https://hbr.org/2021/06/when-an-educated-guess-beats-data-analysis
