Data-driven decision making: o guia para quem trabalha com dados, mas não é analista o guia de data literacy para quem não é analista

Numa terça-feira qualquer, alguém abre um dashboard cheio de gráficos e justifica uma escolha dizendo algo como “os dados mostram isso”. Todo mundo concorda que “os números estão bons” e a decisão acaba saindo pela opinião de quem fala mais alto. Os dados estavam na tela o tempo todo, mas não mudaram nada na escolha final. 

A cobrança para ser “data-driven” chegou a marketing, produto, operações, finanças e gestão, mas quase ninguém fora do time técnico recebeu treinamento formal para isso. O resultado é uma pressão difícil de cumprir. Você sabe que deveria usar dados, convive com planilhas e relatórios aos montes, mas falta o letramento básico (o tal do data literacy) para transformar tudo aquilo em decisões estratégicas. 

A boa notícia é que esse letramento não exige virar cientista de dados nem dominar estatística avançada. Mas exige entender alguns conceitos simples, reconhecer as armadilhas mais comuns e saber quando confiar e quando desconfiar do número que aparece na tela.  

O que realmente significa ser data-driven  

A decisão orientada por dados é o oposto do “achismo” corporativo. No mundo da gestão, isso é tão comum que tem até apelido: HiPPO, sigla para Highest Paid Person’s Opinion, ou a opinião da pessoa mais bem paga da sala. Quando a hierarquia é quem decide, a experiência de um vira regra para todos, mesmo quando os dados sugerem outro caminho. 

Uma pesquisa global da BARC mostrou que 58% das empresas baseiam metade ou mais de suas decisões rotineiras em intuição ou experiência, e não em dados. Entre as organizações de melhor desempenho, esse índice cai para 40%; entre as de pior desempenho, sobe para 70%.  

Decidir bem não é abandonar a experiência, é não deixar de olhar as evidências. 

Existe também a confusão entre acumular dados e usar dados. Muitas empresas coletam tudo o que conseguem e guardam em planilhas e relatórios que ninguém abre e nem usa, num comportamento que o setor chama de data-hoarding.  

Porém, dado parado não gera valor. Pelo contrário, gera custo. 

O que diferencia uma operação madura é a capacidade de transformar a informação em decisão, e não o tamanho do banco de dados. 

Pense numa rede de varejo que registra cada compra, cada devolução e cada visita ao site, mas decide a seleção de produtos das lojas pela intuição do diretor comercial. Os dados existem, custaram caro para serem coletados e ficam intocados enquanto a decisão acontece em outro lugar. Esse é o desperdício da transformação digital: investir na coleta e parar antes da parte que gera retorno de fato. 

A própria pesquisa da BARC estima que as organizações usam, em média, apenas metade da informação disponível para decidir. A outra metade fica guardada esperando uma pergunta que nunca é feita. Fechar essa lacuna exige mais gente capaz de ler os dados que já existem. 

3 conceitos fundamentais de análise de dados 

Três ideias resolvem boa parte dos erros de leitura de dados no dia a dia. Nenhuma delas exige matemática complicada. 

Métricas de vaidade x métricas acionáveis  

Curtidas, seguidores e visualizações inflam o ego e raramente mudam uma decisão. São métricas de vaidade. Já a taxa de conversão, o custo de aquisição de cliente ou a taxa de cancelamento dizem o que fazer a seguir. Antes de comemorar um número, vale se perguntar: se ele dobrar amanhã, muda alguma coisa? Se a resposta for não, provavelmente é vaidade. 

Correlação não é causa 

Dois números que sobem juntos não significam que um causou o outro. As vendas de sorvete e as enchentes crescem no mesmo período, mas o sorvete não faz chover. Confundir essas coisas leva a decisões caras, como investir num canal que parecia gerar vendas quando, na verdade, ambos respondiam à sazonalidade. 

Um número sozinho não é um insight 

Uma taxa de conversão de 3% é boa ou ruim? Depende do mês, do setor, do canal e da meta. Sem contexto, é só um número solto. O dado vira informação útil quando ganha comparação, série histórica e responde a uma pergunta de negócio. 

Os inimigos invisíveis da tomada decisão: vieses cognitivos 

Mesmo com bons dados na mão, o cérebro humano pode criar atalhos que distorcem a leitura. Dois deles aparecem com bastante frequência nas reuniões. 

O primeiro é o viés de confirmação: a tendência de procurar nos dados apenas o que confirma o que queremos. Quem chega a uma reunião já decidido a lançar um produto vai encontrar, no mesmo dashboard, gráficos e números que apoiam esse lançamento – e ignorar os que dizem que talvez não seja uma boa ideia. O dado deixa de orientar a decisão e passa a justificá-la. 

O segundo é a paralisia por análise: o excesso de dados que trava a ação em vez de impulsioná-la. Em um artigo da Harvard Business Review, os professores Michael Luca e Amy Edmondson observam que líderes tendem a tratar qualquer análise como verdade absoluta ou descartá-la por completo. Mas os dois extremos atrapalham. O caminho do meio está em discutir o que o dado realmente mostra, se ele responde à pergunta certa e se vale para o seu contexto específico. 

Por isso é importante questionar a origem do número antes de agir. De onde veio? Quem coletou? O período e o contexto fazem sentido?  

Vale desconfiar também da forma como o dado é apresentado. “33% de reprovação” parece muito mais alarmante do que “67% de aprovação”. O mesmo conjunto de números pode contar histórias muito diferentes dependendo da escala do gráfico, do recorte de tempo escolhido ou da cor que destaca uma barra.  

Como aplicar a análise de dados nas decisões do seu dia a dia 

Sair da teoria não depende de uma ferramenta nova nem da equipe de analytics. Três passos ajudam a começar e cabem em qualquer rotina. 

Comece pela pergunta de negócio, não pela base de dados 

Antes de abrir qualquer planilha, defina o que você precisa decidir. “Devo aumentar o investimento neste canal?” é uma pergunta. “Vamos olhar os dados de marketing” não é. A pergunta orienta quais números realmente importam. 

Defina o critério de sucesso antes do teste 

Se você vai lançar uma nova campanha de marketing, uma nova funcionalidade no aplicativo da empresa ou mudar um processo interno de RH, defina o que é o “sucesso” antes que o projeto vá ao ar. Qual resultado faria você seguir em frente e qual faria recuar? O critério precisa existir antes, não ser inventado no fim. 

Aceite a incerteza 

Dados reduzem risco, mas não eliminam totalmente. Esperar certeza absoluta pode gerar paralisia. Decidir com 70% de confiança e ajustar o curso costuma ser melhor que a espera pelo número perfeito. 

Esses passos funcionam porque colocam o controle nas mãos de quem decide. Em vez de esperar o time de dados entregar a resposta, você pode fazer perguntas melhores e interpretar o que recebe com olhar crítico. A área técnica continua essencial para construir os modelos e garantir a qualidade da informação, mas a tradução do número em decisão de negócio é trabalho de quem conhece o contexto.  

A fluência em dados é a língua dos negócios 

Não por acaso, a cultura de testar, medir e ajustar baseada em dados costuma ser associada a empresas digitais que escalaram rápido, embora a intuição de quem conhece o negócio continue tendo seu lugar. 

Essa fluência não é mais uma exigência restrita à área técnica. Quem domina essa linguagem decide com mais segurança, defende propostas com argumento e ganha espaço nas conversas que definem rumo das empresas.  

Pense na sua última decisão importante no trabalho: ela nasceu de uma pergunta clara e de um dado bem lido, ou da opinião de quem falava mais alto na sala? 

Para mais conteúdos sobre dados, carreira e tecnologia, assine a newsletter do Radar Tech: fiap.com.br/radar-tech/newsletter