Tomada de Decisão: dicas sobre como fazer boas escolhas

tomada de decisão
30 de maio de 2017
Última modificação: 30 de maio de 2017

Autor: Virgilio Marques Dos Santos
Categorias: Análise de dados, Blog

Por que precisamos tomar cuidado com a tomada de decisões?

Há muitos estudos recentes sobre como as pessoas fazem julgamentos e, consequentemente, como tomam decisões. Nossos julgamentos intuitivos, por sua vez, são baseados em dados, que, para todos os efeitos, são aqui definidos como a informação que recebemos dos nossos sentidos antes de interpretá-los. Essa interpretação de dados ocorre através de nossos conceitos, que são categorias que usamos para que o mundo faça sentido. Nossos olhos podem nos trazer uma imagem do mundo, enquanto nossas categorias nos dizem o que está na imagem (carro, árvore, cavalo, barco ou maçã). Implicado em cada julgamento há um conjunto de predições que podem ser testadas.

Como um simples exemplo de tomada de decisão, eu acredito que o objeto à minha frente seja uma maçã. Eu baseio o meu julgamento em dados dos meus sentidos, que combinam com o meu conceito de “maçã”. As predições implicadas neste julgamento incluem: “Se eu tocá-la, ela parecerá sólida. Se eu mordê-la, ela será saborosa. Se eu valorizo a experiência de provar coisas saborosas, eu decido agir, comendo o que eu julgo ser uma maçã”.

A tomada de decisão é complexa?

Certamente a tomada de decisão pode se tornar muito mais complexas do que essa, mas são todas baseadas em algum tipo de dado interpretado pelos conceitos individuais (os conceitos são algumas vezes chamados modelos mentais ou paradigmas). Quando um indivíduo adquire novos conceitos, como o conceito de variação de causa comum/especial, os dados que são interpretados através destes novos conceitos levam a decisões diferentes das que poderiam ser feitas sem este novo conceito.

Assim, colocamos nossas observações em conceitos (categorias) que implicam em certos resultados predizíveis e usamos este conhecimento para tomar decisões guiadas por nossos valores (este conceito de julgamento está baseado na teoria pragmática do conhecimento de C. I. Lewis (1929, 1949), o filósofo que influenciou fortemente a ambos, Walter Shewhart e W. E. Deming).

Quais são os componentes que viciam a tomada de decisão?

  • Memória Reconstrutiva e Tendências de Percepções Posteriores.
  • A Armadilha da Confirmação.
  • Tendências Devido à Heurística dos Julgamentos.
  • Tendências Devido à Formulação.

Como funciona a memória reconstrutiva na tomada de decisão?

A pergunta 1 do exame diz: A memória humana é como um computador, onde criamos e armazenamos arquivos, para referência futura? Ocasionalmente, quando não conseguimos localizar um “arquivo”, dizemos que esquecemos.

Uma conclusão importante dos estudos da memória humana é que ela não se comporta como a memória de um computador, onde arquivos são criados e armazenados em locais específicos, para referências futuras. A resposta para a questão 1 do exame é “não”.

Em vez disso, a memória é reconstruída no momento da “recordação”. Isso interfere na tomada de decisão. Os materiais desta “reconstrução” podem incluir memórias relacionadas, fatores relacionados ao contexto existente durante a recordação, conhecimento de resultados dos eventos e inferências para fornecer detalhes perdidos. As tendências do julgamento existentes durante a ocorrência do evento que estão sendo lembradas também serão fatores na reconstrução.

Em um estudo feito por Loftus e Palmer (Plous 1993) para mostrar a natureza reconstrutiva da memória, foi mostrado aos participantes um trecho de um filme de um acidente de automóvel. Depois, a um grupo foi perguntado quão rápido os automóveis estavam quando colidiram. A outro grupo foi feita a mesma pergunta, com exceção de que a palavra colidiram foi substituída pela expressão “foram destruídos”.

Como estimar a velocidade?

A velocidade média estimada dos automóveis foi significativamente maior no grupo “foram destruídos”. Também, quando perguntado uma semana depois se eles tinham visto algum vidro quebrado, uma porcentagem significativamente maior do grupo “foram destruídos” do que do “colidiram” respondeu que sim. Não existia, em realidade, nenhum vidro quebrado no filme do acidente.

Os pesquisadores atribuíram a diferença de estimativa entre os dois grupos à natureza reconstrutiva da memória, o que explica e prediz exatamente tal efeito. A formulação ou a “estrutura” da questão (“destruir” versus “colidir”) se tornou parte do material construtivo usado para reconstruir a memória.

Como os vícios do “eu já sabia” afetam a tomada de decisão?

Um vício com ampla implicação para as “organizações que aprendem” é a difusa e inibidora de aprendizado, tendência de percepções posteriores. Uma vez que sabemos que um resultado particular ocorreu, então nossa memória não se refere às incertezas do passado, mas ela é reconstruída em termos do que realmente aconteceu. Este efeito é chamado de tendências de percepções posteriores, ou, “Eu sabia tudo sobre o efeito”.

Depois que a outra equipe havia marcado cinco corridas contra o lançador titular, então é óbvio que o técnico de beisebol deveria tê-lo substituído antes pelo lançador reserva. Inversamente, se este treinador tivesse trocado o lançador titular pelo reserva antes e a outra equipe tivesse marcado cinco corridas contra o lançador reserva, então é óbvio que ele deveria ter deixado o lançador titular em campo.

Baruch Fischhoff, um pioneiro em pesquisa de tendências de percepções posteriores, resume deste modo (Hogarth 1987):

Nas percepções posteriores as pessoas consistentemente exageram o que poderia ter sido antecipado como previsto. Elas não apenas tendem a ver que o que aconteceu teria sido inevitável, mas também a ver que aquilo pareceu “relativamente inevitável” antes de ter acontecido. As pessoas acreditam que outras poderiam estar aptas a antecipar os eventos muito melhor do que realmente foi o caso. Elas mesmo esquecem suas próprias percepções posteriores para poderem exagerar posteriormente o que elas sabiam de antemão.

Para os resultados que os participantes já sabiam realmente o que havia ocorrido, as predições probabilísticas de percepções posteriores foram consideravelmente maiores que as predições. Inversamente, para os resultados que os participantes sabiam que não haviam ocorrido, a tendência foi para as predições de percepções posteriores menores que as predições previstas. Por isso que o PDSA é tão importante para nossa tomada de decisão correta em Projetos Lean Seis Sigma.

Como reduzir a percepção posterior na tomada de decisão?

  • Para reduzir a tendência de não se surpreender com (de não aprender a partir de) os resultados, as equipes e indivíduos que trabalham para melhorar a produtividade devem ser encorajados a registrarem suas predições para os resultados de estudos de processos, experiências, levantamentos e alterações. Uma maneira de formalizar isto é introduzir os registros como um método a ser usado na fase de “planejamento” do familiar ciclo Planejar-Fazer-Estudar-Agir (PDSA).
  • Quando os participantes de estudos são inquiridos a considerarem as razões porque outros resultados ocorreram, as tendências de percepções tardias foram significativamente reduzidas (Plous 1993). Esta idéia pode ser formalizada na fase do “estudo” do ciclo PDSA, com a questão: “Sob quais condições as conclusões deste ciclo poderiam ser diferentes?”.
  • Se quisermos recompensar as pessoas com base na lógica de seus julgamentos, como sugerido por Hogarth, precisamos de um critério de concordância para o julgamento. Por exemplo, quando é “lógico” responder a um resultado ajustando o processo e quando é lógico assumir que um ajuste não é necessário? Sem dúvida, a necessidade neste exemplo específico deveria ser um conjunto de regras para se julgar a estabilidade do processo, como originalmente estipulado por Walter Shewhart (1931). Mais geralmente, o uso de definições operacionais é um método efetivo para fornecer os critérios para o julgamento (Deming 1986).
  • Nas seções de educação e treinamento, use pré e pós-testes para fomentar e demonstrar o aprendizado.

Como a armadilha da confirmação influencia na tomada de decisão?

Outra bem documentada tendência de julgamento, particularmente importante para indivíduos e equipes que estudam processos e conduzem experiências, é a “armadilha da confirmação”. Esta é a tendência de quando estamos julgando, procurarmos por evidências que confirmem as crenças existentes, e não por evidências que desaconselhem estas crenças. Um importante estudo que mostra esses vícios foi realizado primeiramente por Wason em 1960 (Bazerman 1990).

Wason apresentou a 29 participantes a seqüência dos três números 2-4-6. Aos participantes foi solicitado que decidissem a regra para a seqüência destes três números. Eles deveriam fazer isto através da geração de outras seqüências de três números, as quais o experimentador deveria classificar como conformes ou não com a regra. Os participantes foram avisados para pararem quando tivessem descoberto a regra.

No experimento inicial de Wasons, somente 6 dos 29 participantes descobriram a regra correta, que era “qualquer três números ascendentes”, na primeira vez que pensaram que sabiam. Uma estratégia típica para os participantes julgarem incorretamente seria desenvolver a hipótese de “números aumentados de 2”. Eles deveriam então apresentar números com esta seqüência ao experimentador, que deveria responder dizendo, “sim, estes números estão conforme a regra”, o que deveria confirmar suas hipóteses. Depois de diversos ciclos de confirmação eles acreditaram que sabiam a regra. Eles falharam ao não considerar uma tentativa de seqüência simples, como “9-10-11”, que não confirmaria a crença na regra dos “números aumentados de 2”.

Como reduzir os vícios da confirmação na tomada de decisão?

  • Na discussão inicial da tendência de percepções posteriores foi feita uma sugestão de que, durante a fase “planejar” do ciclo PDSA, seria útil para as pessoas registrarem suas predições antecipadas dos resultados das mudanças, levantamentos, estudos de processos e experiências, para reduzir o efeito destas tendências. Para reduzir o efeito das tendências de confirmação, precisamos nos mover um passo adiante no processo de planejamento e considerar a maneira com efetuamos as questões que nossas alterações e experiências respondem.
  • Por exemplo, se acreditarmos que o uso da brochura de novos produtos irá aumentar as vendas, deveríamos normalmente fazer a pergunta: “a nova brochura irá aumentar as vendas?”. Para reduzir o efeito das tendências de confirmação seria útil também fazermos perguntas que nos dirigissem para a experiência, coleta de dados e estudos que pudessem desconfirmar nossa crença. Neste exemplo, poderíamos fazer a pergunta adicional: “o não uso da brochura irá aumentar as vendas?”.
  • Use a tabela de duas entradas como uma ferramenta para auxiliar o planejamento das experiências e analisar os resultados. Considere quais questões deveriam ser respondidas e quais dados deveriam ser coletados para completar todos os quatro quadrantes da tabela.

Cuidados com o “bom-senso” na tomada de decisão

A heurística, ou “regras de bom senso”, usada intuitivamente durante o julgamento, pode trazer vícios em certas situações. Três importantes heurísticas, que foram bem pesquisadas e documentadas nos últimos anos são:

A Heurística do Ajuste e de Ancoragem

Você acabou de assistir a um encontro regional de gerentes, em que você presenciou um de seus colegas gerentes receber elogios do chefe pela redução do número de reclamações dos clientes na sua região em 30%. Você decidiu marcar uma reunião com sua equipe para dizer que o objetivo para a sua região este ano é reduzir as reclamações em 35%.

De onde veio o seu objetivo numérico?

 A teoria da heurística de julgamento explica isto como um ajuste de uma âncora original. Neste exemplo a “âncora” foi a façanha do outro gerente, a redução de 30% nas reclamações dos clientes. Esta âncora foi então ajustada em 5% para criar o seu objetivo. Estudos (Kahneman, Slovic e Tversky 1982) mostram que as pessoas tendem a desenvolver estimativas através de ajustes de âncoras, mesmo se estas âncoras forem irrelevantes. O efeito pode ser uma estimativa ou julgamento finais, ou como no exemplo acima, um objetivo que é uma tendência da âncora original.

A Heurística da Disponibilidade

Durante uma sessão de planejamento numa companhia, a equipe de gerência está decidindo os objetivos de melhoria de qualidade para os próximos cinco anos. Antes, naquele mesmo dia, numa outra reunião, um de seus assessores havia reclamado da falta de apoio do departamento de informática. Agora, na sessão de planejamento, você recomendou que uma equipe de melhoria de Qualidade seja estabelecida para melhorar o desempenho desse departamento. A equipe de gerência decide transformar isto num objetivo.

A equipe simplesmente tomou a decisão usando a heurística da disponibilidade. A heurística da disponibilidade é uma “regra de bom senso” que as pessoas usam no processo de julgamento toda vez que estimam a freqüência ou a probabilidade, pela facilidade com que estes exemplos e associações podem ser trazidas à mente.

Esta pode ser uma heurística útil, porque nós aprendemos com a experiência que exemplos de classes freqüentes são melhor e mais rapidamente lembrados do que os de classes menos freqüentes, e que ocorrências parecidas são mais fáceis de se imaginar do que aquelas que são diferentes entre si. Entretanto, a heurística da disponibilidade pode resultar em julgamentos e escolhas tendenciosos, considerando as ocorrências que estão mais nítidas ou recentes em nossas mentes, desconsiderando a freqüência destas ocorrências. Veja um dos muitos estudos realizados para mostrar como ocorre a heurística da disponibilidade (Kahneman, Tversky e Slovic 1982):

A Heurística da Representatividade

Você é um gerente de compras tentando localizar um fornecedor para uma peça crítica de um de seus novos produtos. Você leu anteriormente, em revistas técnicas, que  apenas 5% dos fornecedores que fabricam esta peça estavam fornecendo peças com elevada qualidade. Ocorreu de você mencionar que estava procurando esta peça a um engenheiro de sua companhia, que em seguida disse-lhe sobre um “bom” local, “logo adiante na estrada”, onde ele viu “peças boas e de boa aparência” sendo fabricadas. Ele também disse que tem “bons amigos” trabalhando lá. Você não acredita na sua sorte, enquanto esfrega suas mãos e planeja seu primeiro encontro com este fornecedor.

Você empregou justamente a heurística da representatividade. A heurística da representatividade pode ser definida como: o julgamento da probabilidade de um evento através da estimativa do grau de similaridade com a classe de eventos para a qual ele é supostamente pertencente (Hogarth, 1987). As pessoas empregam a heurística da representatividade quando têm questões do seguinte tipo: Qual é a probabilidade do objeto A pertencer à classe do B? Qual é a probabilidade de que o evento A se origine do processo B? As pessoas respondem tipicamente tais questões de modo intuitivo através da avaliação da extensão pela qual A é representativo de, ou similar a, B. Como exemplo, imaginar que alguém é um doutor porque ele exibe alguns dos atributos típicos de um doutor.

Isto pode conduzir a erros sérios que podem afetar o julgamento da probabilidade, caso a freqüência histórica da ocorrência não seja considerada. Por exemplo, o gerente de compras no exemplo acima avaliou o fornecedor indicado pelo seu colega de trabalho como “bom”, por extensão das descrições, isto é, “logo abaixo na estrada” e “peças boas e de boa aparência”. Ele não foi sensível para o fato de que apenas 5% dos fornecedores produzem boas peças.

E como realizar o melhor processo de tomada de decisão?

Uso de dados

No exemplo sobre “reclamações de clientes”, o gerente ajustou a partir de uma âncora para chegar a um objetivo numérico de “35% de redução nas reclamações dos clientes”. O que os dados, juntamente com alguma importante teoria sobre variação, nos dizem sobre as reclamações dos clientes? Por exemplo, qual a variação nas reclamações por tempo e local? Esta variação é estável (através de um controle estatístico)? Se não for estável, qual conhecimento útil podemos tirar das causas especiais?

Quais são os fatores importantes do sistema? Quais são os melhores níveis para estes fatores? Se a variação for estável, então o que os métodos e ferramentas de planejamento de experimentos (Moen, Nolan e Provost, 1991) nos dizem sobre os fatores importantes do sistema? Quais são as reduções possíveis nas reclamações dos clientes através de ações sobre estes fatores? Quais recursos estão disponíveis para a realização destas ações?

Uma disciplina no uso de dados e ciclos PDSA auxiliará na exposição de quaisquer âncoras irrelevantes que possam estar escondendo a otimização. Tal uso de dados também pode ajudar na criação de outros úteis.

Avaliação de Âncoras Alternativas

Plous (1993) recomenda primeiramente estar atento a quaisquer valores sugeridos que pareçam ser exageradamente altos ou baixos, pois estes serão muito freqüentemente as âncoras que causam desvios. Quando um tal valor é sugerido, uma técnica efetiva poderá ser então, gerar um valor igualmente extremo, na direção oposta, para ver qual efeito isto terá no julgamento.

Por exemplo, se alguém na equipe de gerenciamento propõe que 90% de todos os funcionários recebam treinamento em computação no próximo ano, uma âncora-resposta de desafio poderá ser sugerir que 5% de todos os funcionários recebam treinamento. Isto deverá provocar algum diálogo a respeito da base para os números e um impedimento para os objetivos finais que são simplesmente ajustes a partir de âncoras sem fundamento.

O Uso de Métodos de Apresentação de Dados

Para reduzir os efeitos potenciais dos vícios da heurística da disponibilidade, a informação estatística que é seca, sem apelo ou simplesmente não “disponível” para julgamento, deverá ser levada em conta para competir com a experiência pessoal vivenciada e/ou recente. Faça perguntas (Ciclo PDSA) que conduzam à coleta de freqüências objetivas de dados de ocorrência em categorias úteis. Use métodos como a análise de Pareto para ordenar os dados. O Diagrama de Pareto resume e amplia uma considerável quantidade de informações objetivas em um quadro fácil de entender.

Seja Cuidadoso com o Tamanho da Amostra

Compreenda o efeito do tamanho da amostra na variação dos resultados. Os tamanhos das amostras não são “igualmente criados” em termos de sua representatividade de população e fluxos de resultados. O gráfico de Shewhart é uma boa ferramenta para calibrar a intuição aos efeitos do tamanho da amostra, ao predizer quantidades de variação. No exemplo do hospital, os limites de controle do “gráfico p”  para o hospital com uma média de 80 nascimentos semanais, deveriam ser consideravelmente “mais justos” do que os limites para o hospital com uma média de 20 nascimentos semanais. Isto é simplesmente uma função do total teórico esperado de variação de “amostras” semanais, sendo menor com números maiores de médias de nascimentos semanais.

Compreenda a Probabilidade

Compreenda que a probabilidade de um evento simples será sempre maior que a do simples evento somado a alguns eventos adicionais e diferentes. Isto contraria a associação da ilusão, que ocorre quando as pessoas associam uma maior probabilidade de ocorrência a múltiplos eventos que são mais representativos das suas preconcepções do que os eventos simples.

Use Dados de Associação Básica

Quando atualizamos as avaliações da probabilidade baseados em novas informações, lembrar de considerar a informação de associação básica. No exemplo do gerente de compras, ele recebeu algumas informações descritivas novas sobre um “bom” fornecedor “estrada acima” e passou a desconsiderar a associação básica: apenas 5% dos fornecedores existentes podem fazer peças boas. Esta informação de associação básica deve ser a entrada-chave para qualquer julgamento sobre a possibilidade do fornecedor “estrada acima” poder fazer peças boas. Uma compreensão da metodologia Bayesiana de combinação de probabilidades poderia ser utilizável (Kahneman, Slovic e Tversky 1982).

Deixe seu comentário

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

5 + 3 =