O termo “pensamento crítico” é frequentemente encontrado em anúncios de emprego.  Alguns argumentariam que isto significa essencialmente: “Pensar fora da caixa”.  

Karl Marx, que afirmava que os trabalhadores representam uma classe de pessoas, tem sido descrito como um pensador crítico.  

Confira 3 dicas infalíveis para o sucesso com Data Science

Independentemente de como uma pessoa se sente em relação a Marx, é evidente que o fenômeno das classes sociais está bem estabelecido.  Os políticos, por exemplo, lutam pelo apoio da “classe média”.  

Como exatamente essa observação deste sociólogo faz dele um pensador crítico?  Por que seria importante de um ponto de vista empresarial e especialmente em relação aos dados?  

Bem, as organizações dependem muito da demanda do mercado por seus produtos e serviços.  Pode ser tentador isolar a organização das condições externas emergentes.  

Por exemplo, a Ford se surpreendeu quando a demanda pelo Modelo Ts começou a diminuir, ou a Kodak estava relutante em entrar no mercado de câmeras digitais.  

Modelo de sistemas

Usando o modelo de sistemas em seu formato linear como um modelo conveniente (entrada – processo – saída), considere uma organização da esquerda (entrada) para a direita (processo) para a direita (saída) para a direita (impactos) para a direita (conseqüências) para a direita (consolidação).  

Leia mais sobre 6 distribuições de probabilidade que você precisa conhecer!

Aqui está um perfil provável para uma organização onde coisas terríveis aconteceram: planejamento estratégico; planejamento operacional; projeto; desenvolvimento; material; garantia; produção; testes de qualidade; distribuição; armazenamento; vendas; expedição; entrega; suporte; falha do produto; insatisfação do produto; danos e responsabilidade; ação reguladora; aplicação de normas de remediação. 

É claro que, na prática, há frequentemente fluxos paralelos e em série. Há também fluxos contrários, que discutirei um pouco mais adiante.  

Confira nossas 3 dicas para condução de análises de Big Data!

Considere como a natureza dos dados muda da esquerda para a direita. Para a esquerda, os dados são perceptuais, intangíveis e geralmente desencarnados (livres de forma).  

À medida que se avança em direção à produção, distribuição e vendas, a fisicalidade e a incorporação se tornam mais comuns. Indo mais à direita, entrando em áreas de impacto e consequências, as informações tendem a indicar como os corpos foram adversamente afetados.  

“Seu produto arruinou meu negócio”.  “Seu produto prejudicou nossa família”.  “Suas práticas são socialmente censuráveis”.  Em resumo, a natureza dos dados muda contextualmente – de perceptiva, para produtiva, e depois consequente.

O que Data Governance? Confira aqui!

Natureza Prescritiva

Também quero enfatizar a natureza prescritiva dos dados. Por exemplo, ao longo dos domínios perceptuais onde o planejamento e o projeto ocorrem, há também afirmações formais – por exemplo, do que constitui bons produtos, maus produtos, sucessos, fracassos, bons funcionários, e maus funcionários. 

Há uma definição de quando as coisas se tornam reconhecidas como eventos particulares, tais como erros.  Quero dizer, a maioria de nós provavelmente toma como certo que um erro é um erro.  

Eu tive a experiência de contribuir para critérios que estabelecem os parâmetros exatos que levam ao reconhecimento de erros.  Se os critérios forem alterados, os fenômenos subjacentes podem não contar como um erro.  

Assim, “contar” algo dentro do contexto de um regime prescritivo é fazer uso da métrica dos critérios; o resultado são dados altamente redutores – ou seja, contagens e caracterizações servem principalmente para transmitir eventos dentro do contexto prescritivo. 

Dado este contexto, pode ser difícil para os dados refletir adequadamente as consequências sociais e talvez, um pouco mais próximo da produção, até mesmo a insatisfação do consumidor.  

As métricas dos critérios são difundidas, garantindo a produção independentemente, digamos, da mudança das preferências dos consumidores.  

As vendas nos dizem quando as pessoas estão comprando menos, mas não necessariamente por que e como se adaptar à situação.

Dados Críticos

Até o momento, não encontrei evidências de “dados críticos” no ambiente empresarial.  Mas, tendo começado com Marx, quero salientar neste ponto que ser crítico geralmente significa focar nas consequências, particularmente durante longos períodos de tempo.  

Há uma intenção. Há ação. Há consequências.  Enquanto a tomada de decisão em uma organização é um tanto confinada, as consequências se expandem: há resultados imediatos, impactos e depois consequências que se estendem como anéis de um objeto pesado jogado em um lago.  

Estes desenvolvimentos podem afetar a sociedade por longos períodos de tempo. É importante enfatizar que não estou dizendo que as consequências são necessariamente negativas.  

Entretanto, quando os políticos começam a falar em “dar um aumento à classe média”, eles na verdade significam consequências de longo alcance das longas interações entre trabalho e produção.  

O que isso tem a ver com a produção, digamos, de widgets?  Usando dados prescritivos da produção de widgets, na verdade parece haver um impacto social mínimo.  

Leia sobre a importância do business forecasting aqui!

Da mesma forma, quando uma empresa descobre que as pessoas deixaram de comprar seus produtos – que as preferências se voltaram para diferentes tipos de produtos – a verdade subjacente do sistema de produção pode não ser aparente.  

A verdade invisível é um pouco assim: as organizações têm que encontrar um lugar de mudança dentro das vidas das pessoas.  

É altamente instrumental sugerir exatamente o oposto – que as pessoas existem para impulsionar o modelo de negócios.  As empresas produzem.  As pessoas compram.  Esse é o negócio, certo?

Conclusão

Em relação aos dados, quanto mais longe o alcance à direita, mais longe pode ser jogado para trás.  Por exemplo, falando novamente sobre estes widgets, é bastante fácil notar defeitos próximos ao processo de produção.  

Confira a verdadeira importância da análise de dados aqui!

Esse curto alcance significa que o problema pode ser jogado para trás apenas um pouco para fins de correção, talvez para as pessoas próximas ao ponto de produção.  

Se chegamos mais à direita, falando de um padrão ou história de erros, o arremesso tem mais energia.  

Se o objetivo é alinhar completamente o pensamento perto do topo, os reguladores e as partes interessadas podem alcançar uma direita bastante distante da construção organizacional, levantando questões de violação dos direitos humanos e justiça social.  

Muitos poderiam apontar, esse tipo de coisa no domínio consequente é dificilmente reconhecível como dados: reclamações cheias de sentimento e emoção, processos judiciais, discurso crítico, boicotes irados, mudança para produtos concorrentes – geralmente coisas que parecem não-substantivas do ponto de vista da produção.  

Em resumo, eu diria que os dados podem ser isolados das consequências, fazendo com que a construção organizacional seja privada de informações que valham a pena.

 

Published On: novembro 26th, 2021 / Categories: Data Science /

Aprenda a conseguir trabalho

Se inscreva para receber acesso gratuito ao módulo Conseguindo Trabalho!

Obrigado por se inscrever!
Houve um erro ao enviar sua inscrição. Tente novamente mais tarde.

Ao acessar, você concorda em receber nossos comunicados.