Quer encontrar as informações ocultas nos seus dados? Pergunte “por quê” quantas vezes for necessário

Observação: este artigo foi publicado originalmente na ComputerWorld.

Todos já vimos uma daquelas crianças curiosas que não param de perguntar “por quê”. Mas já parou para pensar que, no mundo dos negócios, você deveria tentar ser mais parecido com essa criança? Afinal, ninguém, sejam crianças, jornalistas, cientistas, gerentes ou analistas de dados, jamais teve sucesso simplesmente perguntando “o quê”.

Digamos que as vendas estejam fracas, os custos estejam altos e os recursos estejam sendo mal aproveitados. Quem nunca passou por isso? Ser capaz de identificar esses problemas é fácil. A parte difícil, porém crucial, é chegar à raiz do problema para que você possa tomar uma atitude.

Como fazer isso? Pergunte-se “por quê” várias vezes.

Você já deve ter ouvido falar da técnica dos “5 porquês”. Ela foi inventada por Sakichi Toyoda, fundador da Toyota Motors, conhecido no Japão como o “rei dos inventores japoneses”.

Em suma, o que ela sugere é que você pergunte o “porquê” do problema identificado e, em seguida, continue perguntando “por quê” para cada resposta ou explicação dada. O objetivo principal dessa técnica é determinar a causa raiz de um defeito para que ele possa ser consertado.

Muitas organizações não aplicam essa técnica, e saem perdendo. A maioria das empresas tem painéis ou relatórios. Eles são ótimos para responder às perguntas do tipo “o quê”, mas e quando você precisa saber mais sobre o que os dados estão mostrando? Para aplicar a técnica dos “5 porquês”, você precisa ser capaz de explorar os dados além dos limites do painel. Somente assim você poderá responder às perguntas inesperadas.

Em outras palavras, os painéis devem ser o início, não o fim.

Veja o exemplo a seguir. Vamos supor que você seja uma grande loja de departamentos e tenha um belo painel que mostra suas vendas e lucros. Como você pode ver na imagem abaixo, um gráfico de barras responde à seguinte pergunta: como estão as vendas e os lucros em nossas principais categorias? E revela um problema: o segmento móveis está bem longe da meta de lucros.

Qual é a saída? Perguntar “por quê”.

Uma opção é filtrar e selecionar as diferentes regiões ou clicar em uma categoria para mostrar mais detalhes no mapa e no gráfico de linhas abaixo:

Mas, embora isso nos dê mais informações, como vimos acima, não responde exatamente à pergunta “por que os lucros dos móveis estão baixos?”. E isso ilustra um ponto importante: investigar uma pergunta pode começar com o detalhamento e a filtragem. Mas, com essas etapas, obtemos apenas novas formas de ver a mesma pergunta. A única maneira de chegarmos à causa raiz é utilizando os dados do painel diretamente, além dos limites de filtros e interações.

Então, vamos manipular os dados para um novo formato, a fim de responder à nossa pergunta. Por exemplo, podemos analisar as vendas e os lucros dos diferentes tipos de móveis que vendemos:

Isso revela que estamos perdendo dinheiro com as mesas. Então perguntamos “por quê” novamente.

Talvez possamos investigar as vendas e os lucros para fabricantes de mesas:

Com isso, descobrimos que apenas dois deles são rentáveis. Por que tantos fabricantes estão nos fazendo perder dinheiro? Vamos manipular novamente os dados para tentar descobrir uma resposta.

Podemos experimentar desmembrar todas as nossas vendas de mesas desses fabricantes e, em seguida, examinar os diversos modos de envio. Tudo parece normal. Vamos então manipular os dados por segmento de cliente. Mesma história. Isso significa que precisamos continuar procurando o porquê.

Se procurarmos por descontos, podemos ver que nossos colegas de vendas estão oferecendo descontos muito altos nessas mesas, eliminando totalmente nossa margem de lucro.

Agora está bem claro: quando oferecemos um desconto, geramos prejuízo. Chegamos à causa raiz do problema. Ao perguntarmos “por quê” repetidamente, chegamos a uma etapa acionável (abordar nossa estratégia de descontos) para ajudar a resolver o problema original que nosso painel destacou (perda de lucro nos móveis).

Esta técnica pode ter um verdadeiro impacto nos resultados, conforme vimos nesse exemplo com vendas não lucrativas de mesas. Mas também temos um exemplo real, cortesia da Aer Lingus. Jonathan Capper, gerente de planejamento de produção da Aer Lingus, usou esse tipo de análise investigativa de dados para fazer melhor o seu trabalho: oferecer os preços de passagem mais baratos para os clientes da Aer Lingus.

O mais interessante, segundo Jonathan, é que as pessoas achavam que a empresa estava indo bem, até que descobriram um enorme custo negativo. Isso gerou uma chuva de porquês. Ao explorar visualmente os dados, Jonathan seguiu a trilha de porquês, observando a média por mês, por dia e assim por diante.

“Em dois dias, literalmente refiz todas as instruções, enviei para as pessoas e começamos a partir daí. O resultado foi uma diferença muito significativa em termos de dólares americanos”, afirma Jonathan.

Esse tipo de descoberta só é possível se investigarmos a fundo, perguntando “por quê” repetidamente, quantas vezes for necessário. Ou seja, aquela criança curiosa poderia muito bem se tornar um excelente analista de dados quando crescesse!