Há um passo antes de agir sobre os dados do negócio que quase ninguém faz com cuidado: ler esses dados sem os distorcer.
Cada vez mais negócios têm acesso a dados, e o que falha passou a ser a qualidade da leitura.
Uma subida de 30% nas vendas de março traz alívio. Uma queda em agosto põe tudo em modo de alerta. Mas o que está mesmo à vista? Um pico isolado ou uma tendência? Uma causa real ou uma coincidência de calendário? Um negócio a crescer, ou dados a confirmarem o que já se queria acreditar?
Estas perguntas são operacionais: determinam se as decisões seguintes, sobre preços, custos e investimento, estão assentes em algo sólido ou em areia.
O primeiro erro: confundir pico com tendência
Um mês bom, tal como um mês mau, é um ponto num gráfico, e um ponto não define uma linha.
O problema é que o cérebro humano é extraordinariamente bom a encontrar padrões, incluindo padrões que não existem. Daniel Kahneman descreveu este mecanismo em detalhe no seu livro "Thinking, Fast and Slow": o sistema rápido do pensamento interpreta dados instantaneamente, encontra histórias coerentes e chega a conclusões com muito menos informação do que seria necessário para elas serem fiáveis. O sistema lento, que pondera e questiona, é mais trabalhoso e raramente é ativado por defeito.
Março foi excecionalmente bom. Houve uma campanha, um cliente novo grande, uma encomenda fora do comum. A leitura rápida é: "as coisas estão a melhorar, o que estou a fazer está a resultar." Mas olhando para os doze meses anteriores, março é uma exceção clara, rodeada de meses normais: é variância, sem tendência nenhuma.
Abril volta ao normal, e as decisões tomadas com base em março arriscam gerir uma realidade que não existe.
A correção exige disciplina: comparar sempre com o período certo. Um mês comparado com o mesmo mês do ano anterior elimina a sazonalidade. Uma média móvel de três ou seis meses suaviza os picos e mostra o que está realmente a acontecer. Um trimestre comparado com o trimestre anterior é mais revelador do que um mês isolado.
O segundo erro: ver causa onde só há coincidência
A embalagem mudou em fevereiro. Em março, as vendas subiram. Conclusão? A nova embalagem resultou.
Talvez. Mas talvez não.
Correlação (duas coisas a acontecer ao mesmo tempo) não é o mesmo que causalidade (uma coisa a causar a outra). O negócio é um sistema com muitas variáveis, e atribuir um resultado a uma causa específica sem mais análise é um atalho que parece razoável mas que frequentemente está errado.
As vendas subiram em março. Mas março é quando os clientes voltam das férias do Carnaval. Ou quando um concorrente fechou. Ou quando o tempo ficou melhor e as pessoas começaram a sair mais. Ou quando um artigo numa rede social trouxe tráfego inesperado.
Perante uma mudança nos dados, o primeiro passo é perguntar "o que mudou no período?". A pergunta "o que foi feito para causar isto?" já pressupõe a resposta. E a resposta é, frequentemente, várias coisas ao mesmo tempo.
Continua a ser possível perceber o que funciona; só que a interpretação precisa de ser mais cautelosa e menos imediata do que o instinto pede.
O terceiro erro: procurar nos dados o que já se acredita
A psicologia chama-lhe viés de confirmação. Kahneman descreveu o mecanismo que o alimenta: a tendência para procurar, interpretar e recordar a informação de uma forma que confirma o que já acreditamos. É um mecanismo cognitivo automático que afeta toda a gente, incluindo pessoas experientes e analíticas, e nada tem que ver com desonestidade.
No contexto de um negócio, manifesta-se assim: quando se acredita que o produto principal é o mais rentável, a análise dos dados demora mais nos números que confirmam essa ideia e passa mais depressa pelos que a contradizem. Quando se acredita que o Instagram está a trazer clientes, qualquer cliente novo de origem desconhecida passa a ser atribuído ao Instagram.
A consequência são decisões tomadas sobre uma leitura parcial: o investimento continua no que já se acredita que funciona, os sinais de mudança passam despercebidos, e o negócio parece estável enquanto a realidade diverge da perceção.
A forma de contrariar o viés de confirmação passa por construir o hábito de procurar ativamente a contradição, porque tentar simplesmente não o ter não funciona. Ao olhar para os números do negócio, a pergunta é: que leitura alternativa existe aqui? O que diriam estes dados a quem não soubesse o que espera encontrar?
Como olhar para os números sem enganos
Ler dados aprende-se: é um conjunto de hábitos que se pratica.
Comparar com o período certo. Um mês contra o mesmo mês do ano anterior é muito mais revelador do que um mês contra o mês anterior. Elimina sazonalidade e efeitos de curto prazo que distorcem a leitura.
Perguntar "o que mudou?" antes de "porquê?" Quando os números sobem ou descem, o primeiro passo é o inventário. O que aconteceu neste período? Houve uma campanha, uma promoção, uma ausência? Só depois de listar o que mudou é que faz sentido pensar em causalidade.
Separar sinal de ruído. Variações pequenas num período curto são, na maioria das vezes, ruído. O sinal são os padrões que se mantêm ao longo de vários meses e aparecem de forma consistente em diferentes partes dos dados.
Ler os dados que contrariam a hipótese. Se a hipótese é que um produto está a crescer, convém ver também os que não estão. A realidade completa inclui os dados que não encaixam na narrativa.
Estabelecer uma periodicidade. Números lidos com regularidade, comparados com períodos anteriores e acompanhados de notas sobre o que aconteceu, mostram muito mais do que os mesmos números lidos uma vez por trimestre, sem contexto.
O caso da Inês: quando os números enganam quem os lê
A Inês tem um café de bairro em Lisboa, aberto há quatro anos. Vende pequenos-almoços, almoços ligeiros e uma linha de bolos caseiros que se tornou conhecida no bairro. Tem 38 anos e gere o espaço sozinha, com uma funcionária a tempo parcial.
Em outubro do ano passado, as vendas de bolos dispararam: mais 60% face a setembro. A Inês ficou satisfeita e atribuiu o aumento a uma nova fotografia que tinha publicado no Instagram, com uma apresentação diferente dos produtos. Decidiu investir mais tempo nas redes sociais e encomendou mais ingredientes para escalar a produção.
No final do ano, ao analisar os dados com mais cuidado, percebeu duas coisas.
Primeiro: outubro era historicamente o seu mês mais forte em bolos, havia uma feira local nas duas primeiras semanas e o início do outono coincidia com maior procura por pastelaria. A subida de 60% era o padrão de todos os anos. Ela não se tinha lembrado porque não tinha os dados dos anos anteriores organizados de forma a comparar.
Segundo: a fotografia no Instagram tinha tido um alcance muito modesto. Poucos seguidores novos, sem picos de visitas identificáveis. Não houve efeito mensurável nas redes sociais.
A Inês tinha atribuído a causa errada a um resultado real e investido tempo e dinheiro numa direção com base numa leitura incorreta.
O que ela fez a seguir foi organizar os dados dos últimos três anos por mês, criando uma comparação ano a ano. O padrão de sazonalidade ficou visível de imediato: outubro e novembro sempre mais fortes, fevereiro e julho sempre mais fracos. Com esse mapa, deixou de reagir às oscilações normais como se fossem sinal de algo novo.
O caso da Bárbara: a leitura que estava a falhar sem nenhum número estar errado
A Bárbara é dermatologista no Porto, com consulta própria. Tem 41 anos, trabalha com marcação prévia, e os dados que acompanha são principalmente a taxa de ocupação da agenda, o número de consultas por mês e a receita total.
Durante oito meses, a taxa de ocupação manteve-se entre 85% e 90%. A Bárbara interpretou isso como estabilidade. Os números eram consistentes, sem grandes oscilações. Tudo parecia bem.
O que a Bárbara não estava a ler era a composição dessas consultas. Quando, numa análise mais detalhada, foi ver a distribuição por tipo de consulta, percebeu que as consultas de seguimento, que custam menos e têm menos rentabilidade por hora, tinham crescido de 40% para 62% do total nos últimos oito meses. As consultas de primeira vez, com maior margem, estavam a cair em termos absolutos.
A taxa de ocupação estava igual. A receita total estava razoável. Mas a composição tinha mudado de uma forma que estava a comprimir a rentabilidade gradualmente. Se a Bárbara tivesse continuado a olhar apenas para a ocupação e para o total de receita, o problema teria ficado invisível por mais tempo.
Os números estavam certos; a leitura é que estava incompleta. Numa métrica de topo pode não se ver o que está a acontecer nas camadas abaixo.
A Bárbara passou a acompanhar três métricas: taxa de ocupação, receita total e receita por tipo de consulta. Com esse detalhe extra, a imagem ficou mais nítida e a decisão sobre onde atuar tornou-se mais clara.
A diferença entre olhar e ver
Olhar para os dados não é o mesmo que vê-los.
Ver é compreender o que está ali, com a contextualização certa, sem deixar que os atalhos cognitivos completem a história antes de haver informação suficiente. Isso exige hábito e disposição para a surpresa, mesmo quando os dados contradizem o que se esperava.
Como o Elevate Club apoia esta leitura
No Elevate Club, a ferramenta de análise mensal de evolução acompanha a faturação, a evolução mês a mês, e compara automaticamente com períodos anteriores: uma estrutura para fazer as perguntas certas, sem a complexidade de um painel de controlo.
Serve para refletir sobre o que os números mostram. Ao lado, as aulas da área Dinheiro e finanças levam dos indicadores base à leitura mais fina, e a de indicadores financeiros é a que trata disto de frente.
Porque a diferença entre um negócio que reage e um que decide está, muitas vezes, na qualidade da leitura que faz dos seus próprios números.
Os dados de um negócio são um espelho, e o que se vê depende de como se olha. Treinar esse olhar é parte do trabalho de gerir bem, e é isso que separa as decisões que assentam em algo real das que assentam em histórias que se foram construindo.
Para pôr isto em prática, o plano «Os números do mês» tem as aulas e as ferramentas, em dias de até 15 minutos, e acaba com o orçamento dos próximos 12 meses em Excel, os custos separados em fixos e variáveis e a previsão da tesouraria.