Mantenha-se atualizado com seus Quants

“Não sei por que não retiramos as hipotecas de nossos livros contábeis”, disse-me há alguns anos um analista quantitativo sênior de um grande banco americano. “Eu tinha um modelo que indicava claramente que muitas delas não seriam pagas e o enviei ao diretor do nosso departamento de hipotecas.” Quando perguntei ao líder do setor de hipotecas por que ele havia ignorado o conselho, ele respondeu: “Se o analista me mostrou um modelo, não foi em termos que eu pudesse entender. Eu nem sabia que o grupo dele estava trabalhando com probabilidades de pagamento”. O banco acabou perdendo bilhões em empréstimos inadimplentes. Vivemos na era do Big Data. Independentemente de você trabalhar com serviços financeiros, bens de consumo, viagens e transporte ou produtos industriais, a análise de dados está se tornando uma necessidade competitiva para sua organização. No entanto, como mostra o exemplo do setor bancário, não basta ter Big Data — e mesmo pessoas capazes de manipulá-lo com sucesso. As empresas precisam de gerentes gerais que possam estabelecer parcerias eficazes com “quants” para garantir que seu trabalho resulte em melhores decisões estratégicas e táticas. O explicador: Big Data e análise de dados Para pessoas fluentes em análise — como Gary Loveman, da Caesars Entertainment (com doutorado pelo MIT), Jeff Bezos, da Amazon (formado em engenharia elétrica e ciência da computação pela Princeton), ou Sergey Brin e Larry Page, do Google (doutorandos em ciência da computação pela Stanford) —, não há problema. No entanto, se você é um executivo típico, sua formação em matemática e estatística provavelmente se resume a uma ou duas disciplinas na faculdade. Você pode ser hábil no uso de planilhas e saber interpretar gráficos de barras ou circulares, mas quando se trata de análise de dados, muitas vezes se sente desafiado quantitativamente. Então, o que a mudança para a tomada de decisões baseada em dados significa para você? Como evitar o destino do diretor do banco hipotecário deficitário e, em vez disso, conduzir sua empresa à revolução analítica ou, pelo menos, tornar-se um bom soldado nessa revolução? Este artigo — um manual para não especialistas em quantificação — baseia-se em entrevistas extensas com executivos, incluindo alguns com quem trabalhei como professor ou consultor. Você, o consumidor Comece por se considerar um consumidor de análises. Os produtores são os analistas quantitativos cujas análises e modelos você integrará à sua experiência empresarial e intuição ao tomar decisões. Os produtores são, naturalmente, competentes em reunir os dados disponíveis e fazer previsões sobre o futuro. No entanto, a maioria não possui conhecimento suficiente para identificar hipóteses e variáveis relevantes e para perceber quando o terreno sob uma organização está mudando. Sua função como consumidor de dados — gerar hipóteses e determinar se os resultados e recomendações fazem sentido em um ambiente de negócios em constante mudança — é, portanto, extremamente importante. Isso significa aceitar algumas responsabilidades fundamentais. Algumas exigem apenas mudanças de atitude e perspectiva; outras exigem um pouco de estudo. Aprenda um pouco sobre análise de dados. Se você se lembra do conteúdo do curso de estatística da faculdade, provavelmente não terá dificuldades. Caso contrário, estude os fundamentos da análise de regressão, inferência estatística e projeto experimental. Você precisa entender o processo de tomada de decisões analíticas, incluindo quando deve intervir como consumidor, e deve reconhecer que todo modelo analítico é construído com base em suposições que os produtores devem explicar e defender. (Consulte a barra lateral “Tomada de decisão baseada em análise — em seis etapas principais”.) Como observou o famoso estatístico George Box, “Todos os modelos estão errados, mas alguns são úteis”. Em outras palavras, os modelos simplificam intencionalmente nosso mundo complexo. Tomada de decisão baseada em análises — em seis etapas principais Ao utilizar Big Data para tomar decisões importantes, os não especialistas em quantificação devem concentrar-se na primeira e na última etapas do processo. Os especialistas em números normalmente lidam com os detalhes no meio, mas os não especialistas em quantificação sensatos fazem muitas perguntas ao longo do processo. 1. Reconheça o problema ou a questão. Defina a decisão ou o problema comercial e identifique possíveis alternativas para a definição. 2. Revise as conclusões anteriores. Identifique as pessoas que tentaram resolver esse problema ou outros semelhantes — e as abordagens que utilizaram. 3. Modele a solução e selecione as variáveis. Formule uma hipótese detalhada sobre como determinadas variáveis afetam o resultado. 4. Colete os dados. Reúna dados primários e secundários sobre as variáveis hipotéticas. 5. Analise os dados. Execute um modelo estatístico, avalie sua adequação aos dados e repita o processo até encontrar um bom ajuste. 6. Apresente e aja com base nos resultados. Use os dados para contar uma história aos tomadores de decisão e às partes interessadas, para que eles tomem medidas. Para se tornar mais versado em dados, inscreva-se em um programa de educação executiva em estatística, faça um curso online ou aprenda com os analistas quantitativos da sua organização, trabalhando em estreita colaboração com eles em um ou mais projetos. Jennifer Joy, vice-presidente de operações clínicas da Cigna, adotou a terceira abordagem. Joy é formada em enfermagem e possui um MBA, mas não se sentia totalmente à vontade com suas habilidades analíticas. No entanto, ela sabia que os volumosos relatórios que recebia sobre as operações do call center não indicavam se as ligações de orientação feitas aos pacientes estavam realmente ajudando a controlar suas doenças e a mantê-los fora do hospital. Então, Joy entrou em contato com o grupo de análise da Cigna, em particular com os especialistas em desenho experimental — a única abordagem analítica que pode potencialmente demonstrar causa e efeito. Ela aprendeu, por exemplo, que poderia conduzir estudos-piloto para descobrir quais segmentos de sua população-alvo se beneficiavam mais (e quais menos) dos serviços de sua central de atendimento. Especificamente, ela usa a análise para “pré-combinar” pares de pacientes e, em seguida, designar aleatoriamente um membro do par para receber esses serviços, enquanto o outro recebe uma alternativa, como uma intervenção por correspondência ou suporte online. Cada piloto dura apenas alguns meses, e vários estudos são realizados simultaneamente — assim, Joy agora obtém informações sobre a eficácia de seus programas de forma contínua. No final, Joy e seus parceiros quantitativos descobriram que o coaching funcionava para pessoas com certas doenças, mas não para outros pacientes, e alguns funcionários do call center foram transferidos como resultado. Agora, seu grupo realiza regularmente de 20 a 30 testes desse tipo por ano para descobrir o que realmente faz diferença para os pacientes. Ela pode não entender todos os detalhes metodológicos, mas, como atesta Michael Cousins, vice-presidente de pesquisa e análise dos Estados Unidos na Cigna, ela aprendeu a ser “muito orientada para a análise”. Alinhe-se com o tipo certo de quant. Karl Kempf, líder do grupo de engenharia de decisões da Intel, é conhecido na empresa como o “überquant” ou “matemático-chefe”. Ele costuma afirmar que decisões quantitativas eficazes “não se tratam de matemática, mas de relacionamentos”. O que ele quer dizer é que os quants e os consumidores de seus dados obtêm resultados muito melhores quando formam laços profundos e de confiança que lhes permitem trocar informações e ideias livremente. É evidente que indivíduos altamente analíticos nem sempre são reconhecidos por suas habilidades sociais, portanto, isso pode ser um desafio. Como alguém observou de forma bem-humorada: “Procure os analistas quantitativos que olham para os seus sapatos, em vez de para os deles, quando você os envolve em uma conversa”. No entanto, é possível encontrar pessoas que se comunicam bem e têm paixão por resolver problemas comerciais — em vez de matemáticos — e, depois de estabelecer um relacionamento, incentivar o diálogo franco e a discordância baseada em dados entre vocês dois. Katy Knox, do Bank of America, aprendeu a se alinhar com os produtores de dados. Como chefe de estratégia de varejo e distribuição da divisão de consumo do banco, ela supervisiona mais de 5.400 agências que atendem a mais de 50 milhões de consumidores e pequenas empresas. Há vários anos, ela incentiva seus subordinados diretos a usar análises para tomar melhores decisões — por exemplo, sobre quais agências abrir ou fechar, como reduzir o tempo de espera dos clientes, quais incentivos levam a interações multicanais e por que alguns vendedores são mais produtivos do que outros. O Bank of America possui centenas de analistas quantitativos, mas a maioria deles estava reunida em um grupo ao qual os gerentes não tinham fácil acesso. Knox insistiu em ter sua própria equipe de análise e estabeleceu uma forte relação de trabalho com seus membros por meio de reuniões frequentes e sessões de relatórios de projetos. Ela trabalhou especialmente em estreita colaboração com dois líderes de equipe, Justin Addis e Michael Hyzy, que têm experiência em banco de varejo e Six Sigma, de modo que são capazes de compreender os problemas comerciais de sua unidade e comunicá-los aos analistas quantitativos que gerenciam. Depois que Knox estabeleceu o precedente, o Bank of America criou uma estrutura matricial para seus analistas no banco de varejo, e a maioria agora se reporta tanto a uma linha de negócios quanto a um grupo analítico centralizado. Concentre-se no início e no final. Enquadrar um problema — identificá-lo e compreender como outros podem tê-lo resolvido no passado — é a etapa mais importante do processo analítico para um consumidor de big data. É onde sua experiência empresarial e intuição são mais relevantes. Afinal, uma hipótese é simplesmente um palpite sobre como o mundo funciona. A diferença com o pensamento analítico, é claro, é que você utiliza métodos rigorosos para testar a hipótese. Por exemplo, os executivos das duas organizações-mãe da Transitions Optical acreditavam que a empresa de lentes fotocromáticas poderia não estar investindo em marketing em níveis ideais, mas nenhum dado empírico confirmava ou refutava essa ideia. Grady Lenski, que chefiava a divisão de marketing na época, decidiu contratar consultores de análise para medir a eficácia de diferentes campanhas de vendas — uma abordagem construtiva que ampliou a simples questão binária de se os custos eram ou não muito altos. Se você não é um analista quantitativo, também deve se concentrar na etapa final do processo — apresentar e comunicar os resultados a outros executivos —, pois é uma etapa que muitos analistas quantitativos desconsideram ou ignoram e que você provavelmente terá que assumir em algum momento. Se a análise consiste principalmente em “contar uma história com dados”, que tipo de história você preferiria? Que tipo de linguagem e tom você usaria? A história deve ser contada em termos narrativos ou visuais? Que tipos de gráficos você aprecia? Não importa o quão sofisticadas sejam suas análises, os analistas quantitativos devem ser incentivados a explicar seus resultados de maneira direta, para que todos possam entender — ou você deve fazer isso por eles. Uma história de métodos estatísticos (“primeiro, realizamos um teste qui-quadrado e, em seguida, convertemos os dados categóricos em ordinais; depois, realizamos uma regressão logística e, então, atrasamos os dados econômicos em um ano”) raramente é aceitável. Muitos empresários se concentram em uma história de ROI: como o novo modelo de tomada de decisão aumentará as conversões, a receita ou a lucratividade? Por exemplo, um executivo da Merck responsável por uma unidade de negócios global trabalhou em estreita colaboração com o grupo de análise comercial da empresa farmacêutica por muitos anos para responder a uma variedade de perguntas, incluindo qual é o ROI das promoções diretas ao consumidor. Antes de uma análise de ROI, ele e o grupo discutem quais ações tomarão quando descobrirem se as promoções são altamente, marginalmente ou não bem-sucedidas — para deixar claro que o esforço não é meramente um exercício acadêmico. Após a análise, o executivo reúne os analistas em uma mesa com sua equipe de gestão para apresentar e debater os resultados. Faça muitas perguntas ao longo do caminho. O ex-secretário do Tesouro dos Estados Unidos, Larry Summers, que já atuou como consultor de um fundo de hedge quantitativo, me informou que sua principal responsabilidade naquele cargo era “observar o trabalho dos outros” — ou seja, fazer perguntas igualmente inteligentes aos analistas quantitativos da empresa sobre seus modelos e premissas. Muitos deles nunca haviam sido questionados dessa forma antes; precisavam de um consumidor inteligente de dados para ajudá-los a refletir e aprimorar seu trabalho. Não importa o quanto você confie em seus analistas quantitativos, não deixe de fazer perguntas difíceis. Aqui estão algumas que quase sempre levam a análises mais rigorosas e defensáveis. (Se você não entender uma resposta, peça uma que use uma linguagem mais simples.) Qual foi a fonte dos seus dados? Os dados da amostra representam adequadamente a população? A distribuição dos seus dados inclui valores atípicos? Como eles afetaram os resultados? Quais são as premissas por trás da sua análise? Certas condições poderiam invalidar suas premissas e seu modelo? Por que você decidiu por essa abordagem analítica específica? Que alternativas você considerou? Qual é a probabilidade de as variáveis independentes estarem realmente causando as mudanças na variável dependente? Outras análises poderiam estabelecer a causalidade de forma mais clara? Frank Friedman, diretor financeiro e sócio-gerente de finanças e administração da Deloitte nos Estados Unidos, é um questionador inveterado. Ele reuniu um grupo de cientistas de dados e analistas quantitativos para auxiliá-lo em várias iniciativas, incluindo a otimização dos preços dos serviços, o desenvolvimento de modelos que prevêem o desempenho dos funcionários e a identificação de fatores que impulsionam as contas a receber. “As pessoas que trabalham comigo sabem que eu questiono muito — tudo — sempre”, afirma Friedman. “Após as perguntas, elas sabem que terão que voltar e refazer algumas de suas análises.” Ele também acredita que é vital admitir quando você não entende algo: “Sei que não sou a pessoa mais inteligente na sala nas minhas reuniões com essas pessoas. Estou sempre buscando maior clareza [porque] se não consigo articular, não consigo defender para os outros.” Estabeleça uma cultura de investigação, não de defesa. Todos sabemos como é fácil “os números mentirem e os mentirosos inventarem números”. Os consumidores de análises nunca devem pressionar seus produtores com comentários como “Veja se consegue encontrar alguma evidência nos dados que apoie minha ideia”. Em vez disso, seu objetivo explícito deve ser encontrar a verdade. Como afirma o chefe do grupo de análises comerciais da Merck: “Nossa equipe de gestão deseja que sejamos como a Suíça. Trabalhamos apenas para os acionistas”. De fato, alguns executivos seniores incentivam seus analistas a desempenhar o papel de advogado do diabo. Isso define o tom cultural adequado e contribui para refinar os modelos. “Todas as organizações buscam agradar o líder”, explica Gary Loveman, da Caesars, “por isso é fundamental cultivar um ambiente que considere as ideias separadamente das pessoas e insista em evidências rigorosas para distinguir entre essas ideias”. Loveman incentiva seus subordinados a apresentar dados e análises, em vez de opiniões, e revela suas próprias hipóteses, conclusões e decisões equivocadas. Dessa forma, tanto os gerentes quanto os analistas quantitativos compreendem que suas “visões às vezes inadequadas e mal consideradas”, como ele mesmo as descreve, precisam de testes tão objetivos e imparciais quanto os de qualquer outra pessoa. Por exemplo, ele costuma dizer que seu maior erro como novo CEO foi optar por não demitir gerentes imobiliários que não compartilhavam de sua orientação analítica. Ele acreditava que a experiência deles seria suficiente. Loveman usa o exemplo para mostrar que é falível e que insiste em ser um consumidor de análises. Quando tudo se soma Warren Buffett disse certa vez: “Cuidado com os geeks... e suas fórmulas”. No entanto, no mundo atual, orientado por dados, não se pode dar ao luxo de fazer isso. Em vez disso, é necessário combinar a ciência da análise com a arte da intuição. Seja um gestor que conhece os geeks, compreende suas fórmulas, contribui para melhorar seus processos analíticos, interpreta e comunica de forma eficaz as conclusões aos demais e, como resultado, toma melhores decisões. Compare o banco mencionado no início deste artigo com o Toronto-Dominion Bank. O CEO do TD, Ed Clark, possui conhecimentos quantitativos (com um doutorado em economia) e também insiste que seus gerentes compreendam a matemática por trás de qualquer produto financeiro do qual a empresa dependa. Como resultado, o TD soube evitar os produtos estruturados mais arriscados e se livrar de outros antes de incorrer em grandes perdas durante a crise financeira de 2008-2009. A ênfase do TD em dados e análises também afeta outras áreas do negócio. A remuneração está intimamente ligada às medidas de gestão de desempenho, por exemplo. E as agências do TD permanecem abertas por mais tempo do que a maioria dos outros bancos porque Tim Hockey, ex-diretor de banco de varejo, insistiu em testar sistematicamente o efeito do horário de atendimento prolongado (com grupos de controle) e descobriu que isso gerava mais depósitos. Se alguém em uma reunião de gestão sugerir uma nova direção, será solicitado que apresente dados e análises para apoiá-la. Clark reconhece que o TD não é perfeito, mas “ninguém nunca nos acusa de não analisar os números”. Sua organização pode não ser tão analítica quanto a TD, e seu CEO pode não ser como Ed Clark. No entanto, isso não significa que você não possa se tornar um excelente consumidor de análises por conta própria e servir de exemplo para o restante da empresa.

Mantenha-se atualizado com seus Quants

Resumo.

Partner Center