Durante a Segunda Guerra Mundial, militares americanos analisaram os aviões que voltavam de missões e propuseram reforçar as áreas com mais marcas de tiro. O estatístico Abraham Wald sugeriu o contrário: blindar justamente as partes intactas, porque os aviões atingidos ali não tinham voltado para ser contados. O episódio é lembrado até hoje por um motivo que André de Barros Faria, engenheiro formado pela Universidade de Brasília e CEO da Vert Analytics, considera central para qualquer empresa: dados não falam sozinhos.
Os números estavam certos. A conclusão é que estava errada, porque a pergunta feita a eles era a pergunta errada. Essa distinção ajuda a desmontar uma das crenças mais difundidas sobre decisão orientada a dados, a de que basta reunir informação suficiente para que a resposta apareça.
O mito de que os dados falam por si
A crença tem uma lógica sedutora. Se a intuição falha, e os números não mentem, então acumular números deveria reduzir o erro. O problema está na segunda premissa. Números não mentem, mas também não escolhem o recorte, não revelam o que ficou de fora e não dizem qual comparação importa.
Toda base de dados carrega as decisões de quem a montou: o que foi medido, quando, de que forma e o que deixou de ser registrado. Uma pesquisa de satisfação respondida apenas por clientes que continuam comprando repete o erro dos aviões. Quem desistiu não aparece, e talvez seja exatamente quem tinha algo a ensinar.
Mais indicadores não significam mais clareza
Uma diretoria recebe toda segunda-feira um painel com quarenta indicadores. Na reunião, cada área destaca os três que melhoraram. Os que pioraram ganham explicação pontual, e nenhuma decisão relevante muda de rumo.
Esse cenário mostra a outra face do mito. Excesso de indicadores dilui a atenção e abre espaço para o chamado viés de confirmação, a tendência de procurar no dado aquilo que já se acreditava antes de olhar para ele. Na leitura de André Faria, um painel útil é aquele que provoca uma escolha, não aquele que exibe tudo o que foi possível medir. Na prática, isso significa poucos indicadores, cada um ligado a uma decisão e a um responsável por agir quando ele se mover.
O que muda quando a pergunta vem antes do dado
A inteligência analítica começa com uma decisão concreta a ser tomada. Devemos ampliar esse canal de vendas? Qual perfil de cliente tem mais risco de cancelar? A partir da pergunta, define-se quais dados são necessários, com que qualidade e qual resultado faria a empresa mudar de ideia.
Esse último ponto, segundo André de Barros Faria, é o mais negligenciado. Se nenhum resultado possível alteraria a decisão, a análise serve apenas para justificar o que já estava decidido. Definir antes o critério de mudança protege a equipe da tentação de ajustar a leitura depois.
A ciência de dados e o machine learning ampliam muito essa capacidade, ao encontrar padrões que nenhuma pessoa perceberia em milhões de registros. Mesmo assim, o modelo responde à pergunta que recebe. Treinado com dados enviesados, ele reproduz o viés com mais velocidade e uma aparência de objetividade que torna o erro mais difícil de contestar.
Dados bons exigem disposição para ser contrariado
A maturidade analítica de uma empresa não se mede pelo volume de informação que ela armazena nem pelo número de painéis que produz. Mede-se pela frequência com que uma análise muda uma decisão que alguém importante já havia tomado.
Isso exige uma cultura em que o dado tenha permissão para desagradar. É essa disposição que André Faria aponta como a diferença real entre empresas que usam dados e empresas que apenas os exibem, e ela não depende de tecnologia: depende de quem está disposto a fazer a pergunta incômoda antes de olhar para a resposta.
