Esse post foi lido 263 vezes até agora!

Podem colocar a culpa na tecnologia. Com o crescimento da internet e, mais recentemente, das mídias sociais, temos uma quantidade inacreditavelmente grande de dados disponíveis e que segue crescendo de forma exponencial. Para completar, a capacidade de processar estas informações também fica maior a cada dia.

Com isso, estamos em plena era da análise de dados. Estatísticas e amostras históricas revelam um incrível novo mundo que orienta a tomada de decisões e leva à melhoria de processos. E o que estes dados nos contam, muitas vezes, são fatos que contrariam nosso senso comum.

Em ‘Freakonomics’, livro fundamental para entender este universo e suas implicações, o economista Steven Levitt e o jornalista Stephen Dubner revelam várias conclusões anti-intuitivas. Como, por exemplo, a conclusão de que ter uma piscina no jardim é muito mais letal para seus filhos pequenos do que ter uma arma em casa (pelo menos é isto o que provam as estatísticas destes dois tipos de acidente nos EUA.).

Certamente, o crescimento da análise de dados em breve vai revolucionar o ambiente da comunicação corporativa, área que ainda carece de maior base estatística. Avançamos um pouco na mensuração de resultados, mas acho que em pouco tempo deveremos contar com ferramentas que nos ajudem a orientar uma decisão com base em uma determinada estratégia, permitindo simular o retorno de um ou outro caminho. Neste quesito ainda estamos longe da publicidade, por exemplo.

Será um grande avanço, mas trará também novos desafios. Em sua edição de janeiro, a revista norte-americana Wired traz uma interessante reportagem sobre os desafios da análise de dados numa área onde a pesquisa já é bem avançada: a medicina. O texto ‘Trials and Errors: Why Science Is Failing Us’ tenta mostrar por que, mesmo investindo mais de U$ 100 bilhões por ano, a indústria farmacêutica tem uma taxa enorme de erro (40% dos medicamentos que chegam a terceira e última fase de testes práticos não avançam ao lançamento).

Segundo o texto de Jonah Lehrer, o problema é que encontrar a causa real dos problemas é muito mais complexo do que parece. Ele cita, entre diversos exemplos, um meta-estudo que avaliou as 49 pesquisas clínicas mais citadas em publicações científicas, descobrindo que 40% delas se mostraram, depois de algum tempo, total ou significantemente incorretas.

Voltando ao ‘Freakonomics”, Levitt e Dubner dão ótimos exemplos de como é difícil fazer correlações entre fatos. As cidades norte-americanas de Denver e Washington, por exemplo, têm praticamente a mesma população. Apesar disto, Washington tem três vezes mais policiais do que Denver e também registra um número de assassinatos oito vezes maior. Assim, um desavisado poderia relacionar as duas informações e concluir que a maior quantidade de policiais de Washington é a causa de tantos crimes. Na verdade, é a violência na capital norte-americana que fez com que seus governantes empregassem mais forças policiais nas ruas.

O exemplo, propositalmente simplista, mostra a dificuldade em determinar qual a causa e qual o efeito ao avaliar a relação entre duas ou mais informações. Como escrevem Levitt e Dubner, a análise de grupos complexos de dados tem muito mais de arte do que de ciência. As informações, por mais relevantes que sejam, não dizem nada (ou podem até mesmo levar ao erro), se não forem lidas e interpretadas corretamente. Aprofundar-se neste ambiente e dominar a arte da análise de dados é um dos nossos novos desafios para o curto prazo.

* Guilhermo Benitez é jornalista e diretor-executivo da XComunicação