Quando é que a informação se transforma realmente em conhecimento?

«Tenho muita informação, mas continuo sem conseguir decidir.» É uma das frases que mais ouvimos, e quase sempre é tratada como um problema de dados. Não é.

A informação existe. Está em relatórios mensais, dashboards, folhas de cálculo e na cabeça de quatro pessoas. O que falta é estrutura: uma ligação explícita entre aquilo que se mede e aquilo que é preciso decidir.

Porque é que ter mais dados não ajuda a decidir?

Porque a dificuldade não está na quantidade, está na distância. Entre um número e uma decisão há um trabalho de interpretação que ninguém fez, e acrescentar mais números aumenta esse trabalho em vez de o reduzir.

Há ainda um efeito perverso. Quanto mais indicadores existem, mais fácil é encontrar um que confirme aquilo que já se queria fazer, e mais difícil é distinguir o indicador que devia ter mudado a decisão daquele que apenas a acompanhou. Um painel com quarenta métricas não é quarenta vezes mais informativo do que um com quatro. Quase sempre é menos.

Quais são as etapas entre um dado e uma ação?

São quatro: informação, conhecimento, decisão e ação. A maior parte dos investimentos em reporting trata apenas da primeira e assume que as outras três acontecem sozinhas. Não acontecem.

Informação é um dado com contexto: o número acompanhado daquilo com que se compara, seja o mês anterior, o objetivo ou o resto do mercado. Conhecimento é informação interpretada por alguém que sabe o que aquilo significa naquela organização, naquele momento, e que distingue uma variação normal de um sinal. Decisão é conhecimento com consequência: alguém escolheu fazer, ou não fazer, alguma coisa por causa daquilo. Só depois existe ação.

Cada passagem depende de uma condição diferente. A segunda precisa de alguém com contexto suficiente para ler os números; a terceira precisa de que essa pessoa tenha mandato para decidir; a quarta precisa de que alguém tenha tempo para executar.

Quem deve interpretar os dados numa organização?

Alguém que esteja perto da decisão e tenha contexto sobre a operação, e essa responsabilidade tem de ser atribuída, não presumida. Na maior parte das empresas, quem produz os números está longe de quem decide, e quem decide recebe os números sem a leitura que lhes daria sentido.

A forma mais simples de fechar essa distância é exigir que cada relatório venha acompanhado de uma interpretação escrita: o que mudou, o que isso significa e o que se propõe fazer. Parece pouco, mas muda a natureza do trabalho. Quem prepara o relatório deixa de ser um compilador e passa a ter de formar uma opinião. E quem o lê passa a discutir uma proposta, em vez de tentar perceber uma tabela.

Como saber se um indicador de gestão é útil?

Fazendo-lhe uma pergunta: que decisão é que este número muda, e de quem? Se não houver resposta, o indicador não é informação de gestão, é ruído com boa apresentação. Pode continuar a existir por razões legítimas (obrigação legal, histórico, curiosidade), mas não pertence à mesa onde se decide.

A pergunta tem uma segunda parte, que é a que costuma doer: que valor é que faria mudar a decisão? Se não existir um limiar, a decisão não dependia do número. Já estava tomada, e o número só lhe fazia companhia.

Porque é que tantos relatórios de gestão podem ser eliminados?

Porque a maior parte dos indicadores foi criada para responder a uma pergunta que já ninguém faz. Alguém precisou daquilo uma vez, o relatório ficou, e a cadência mensal deu-lhe uma aparência de necessidade que nunca voltou a ser posta em causa.

Aplicar o teste da decisão costuma reduzir o reporting a metade. E é normalmente nessa metade que a gestão passa a encontrar o que procurava, não porque os números tenham melhorado, mas porque deixaram de estar rodeados de números que não decidiam nada.

O ganho secundário é de tempo. Quem produz o reporting passa a produzir menos e a explicar mais, que era precisamente onde estava a falta.

O que é o conhecimento tácito, e porque é tão difícil de preservar?

É o conhecimento que vive no julgamento de pessoas experientes e nunca chegou a nenhum sistema. É difícil de preservar porque não se resolve pedindo a essas pessoas que escrevam o que sabem: em parte, elas próprias não têm acesso consciente a tudo o que usam para decidir.

É o gestor que olha para uma proposta e sabe, sem conseguir explicar bem porquê, que aquele cliente vai pagar tarde. É a pessoa de operações que reconhece um padrão numa reclamação e antecipa um problema que ainda não aconteceu. Nenhum destes julgamentos está num relatório, e valem mais do que a maior parte dos que estão. O risco é conhecido: esse conhecimento sai pela porta quando a pessoa sai, e a organização só dá por isso tarde.

Que formas existem de captar o conhecimento tácito?

As que funcionam melhor observam decisões em vez de pedirem explicações: registar o raciocínio no momento em que uma decisão é tomada, analisar os casos em que alguém experiente contrariou o que os números diziam, e pôr pessoas menos experientes a acompanhar casos reais em vez de lerem manuais.

Nenhuma destas formas capta tudo. Captam fragmentos, e os fragmentos já valem muito, porque mostram que critérios estão a ser usados mesmo quando ninguém os consegue enunciar. Os casos em que o especialista e os dados discordam são os mais ricos: ou o especialista viu algo que os dados não mostram, ou os dados mostram algo que o especialista deixou de ver. Em ambos os casos, aprende-se alguma coisa.

O projeto que nasceu daqui: Arcane.Engine

Mas fica uma pergunta por resolver: como transformar esses fragmentos em algo que a organização possa usar sem depender de quem os produziu. Foi essa pergunta que nos levou ao Arcane.Engine, e ainda não está fechada.