O que podemos aprender com o pai da Business Intelligence?

O artigo de hoje apresenta um novo candidato ao título de pai da Business Intelligence (ou Inteligência de Negócios). E o fato dele ter sido quem foi torna essa paternidade muito importante, pois sua postura serve de inspiração para qualquer um que busca incessantemente o desenvolvimento de uma cultura de dados.

Mas, antes de começar, gostaria de “tirar o elefante da sala” …

Afinal, o que é Business Intelligence (BI)?

O termo BI está velho. Ninguém que se considere atualizado no assunto análise de dados orientada a negócios fica confortável falando sobre seus projetos de BI. Hoje em dia, final de 2021, o jargão que melhor expressa a atividade de usar dados para alavancar resultados é “PROJETO DE DADOS”.

Entretanto, esse desconforto é recente e tem muito mais a ver com modismos de mercado do que realmente com definições e, por esta razão, vou usar Business Intelligence como um sinônimo para projetos de dados.

Mas o que são esses tais projetos de dados? BI é um termo elástico que acomoda um sem-número de definições, dependendo de quem fala e do contexto em que se fala. A definição que eu adoto diz que:

Inteligência de Negócios (ou BI) é a aplicação do Método Científico na administração de uma organização.

Fundamentos de Inteligência de Negócios

Eu gosto dessa definição porque ela é simples, sucinta e fornece uma orientação clara de como os dados podem gerar valor para uma organização: aplicando o Método Científico sobre os dados de uma empresa, podemos identificar possíveis e melhores soluções para seus problemas de negócio, criando, validando ou negando hipóteses que tornam as nossas decisões mais efetivas.

A Gestão no Século XX

Da aurora da humanidade até o início do Século XX, os empreendimentos humanos eram organizados sem um método propriamente dito. Gerenciar uma empresa – um empreendimento – sempre foi uma atividade concreta: fabricar, vender, comprar, pagar etc. Saía-se melhor quem dominasse o ofício, quem tivesse tino para a coisa.

Por volta de 1800, a Revolução Industrial massificou a produção, gerando um imenso ganho de produtividade, barateando os bens e aumentando o ritmo de geração de riqueza. Ao longo do Século XIX (1801-1900), a atividade de administrar uma empresa evoluiu como nunca, acompanhando a Revolução Industrial.

Mesmo com esses avanços, ainda era comum administrar uma empresa no início do século XX mais no sentimento do que na razão. Naquela época (e ainda hoje em muitas empresas), era difícil identificar práticas frequentes de medição e controle. O senso comum – e a cultura empresarial – dizia que uma empresa só poderia ser gerenciada pelo conhecimento prático, artesanal, obtido nas atividades diárias do negócio ou do talento individual esporádico, aleatório, e que não era possível buscar melhorias nessa prática. Na verdade, a cultura da época tratava como um dos problemas fundamentais da administração a busca pelo “homem certo” para cada tarefa, fosse ela operacional, de chão-de-fábrica, ou gerencial.

Foi então que um moleque se levantou contra o estado das coisas …

Midvale Steel Company, 1878-1911

Em 1873, os Estados Unidos passaram por uma grave crise econômica. Quando o país ainda estava saindo dessa crise, em 1878, Fred – o herói da história – conseguiu um emprego como operador de torno mecânico na Midvale Steel. Por fatores como dedicação ao trabalho e algumas coincidências, Fred acabou na posição de chefe de oficina.

Midvale Steel Company, 1878

O trabalho era pesado. A empresa produzia aço de alta qualidade e o serviço de fundição e usinagem necessário para transformá-lo em aplicações diversas, como munição, turbinas a vapor e vasos de pressão. A produtividade dependia em grande parte de um trabalho braçal fisicamente extenuante. Assim, para aumentar a produtividade era necessário que os operários trabalhassem mais rapidamente, com mais afinco – uma situação insustentável.

Após alguns anos batalhando para aumentar a produtividade por todo meio possível, de coerção e encorajamento a punição e demissão, ele cansou do pé-de-guerra contínuo em que a empresa vivia e decidiu encarar o problema metodicamente.

Fred observou que a raiz dos desentendimentos frequentes era a falta de percepção dos empregados e patrões de que todos trabalhavam para um mesmo objetivo: receber uma boa remuneração e assim levar uma vida sem sobressaltos. Para o patrão isso significava obter mais trabalho do empregado. Por sua vez, o empregado queria receber um maior valor por hora, ao invés de simplesmente aumentar o ritmo de trabalho.

Diante dessa constatação, Fred se perguntou se haveria como o empregado produzir mais, aumentando o valor de sua hora trabalhada, sem necessariamente trabalhar até a completa exaustão física. Para conseguir isso, Fred obteve do presidente da empresa um orçamento para realizar um estudo a fim de encontrar uma resposta. Como o próprio Fred descreveu, o orçamento foi aplicado para:

  • Contratar um universitário para realizar uma pesquisa bibliográfica acerca do efeito do trabalho pesado sobre o cansaço de um operário;
  • Desenhar duas categorias de experimentos: um por fisiologistas, para estudar a resistência humana ao esforço físico, e outro por engenheiros, para quantificar a potência desenvolvida por um ser humano;
  • Realizar experimentos sobre várias tarefas: elevar pesos usando guindastes manuais, andar, correr, levantar e carregar pesos manualmente etc.

A análise dos dados coletados nos experimentos trouxe um resultado inicial interessante: aparentemente, não havia relação consistente entre a quantidade de trabalho realizado e o cansaço do operário – certas operações de pouco trabalho podiam ser muito cansativas, enquanto que outras operações, que envolviam muito esforço, podiam não cansar o trabalhador.

Sem conclusões úteis e com orçamento gasto, essa questão foi posta de lado por mais alguns anos, quando então Fred conseguiu um pouco mais de verba e repetiu seus experimentos. Só que ele falhou novamente na descoberta de uma relação plausível entre esforço e resultado. Esse processo foi repetido algumas vezes, totalizando quase dez anos de estudo.

Mesmo sem resultados claros, Fred permanecia convicto de que deveria haver uma relação entre esforço e resultado, tal que permitisse minimizar o esforço e maximizar o resultado. Reconhecendo a própria limitação, ele passou o problema para um matemático, Carl G. Barth.

Barth estudou o problema de uma forma diferente de Fred: ele transformou todos os dados coletados em gráficos, levando à descoberta das relações que governavam o cansaço do trabalho realizado por um operário. Ao aplicar essas relações, Fred conseguiu elevar o valor da hora paga em 62%, enquanto conseguiu um aumento de rendimento do trabalho de 90% a 160%.

E esse foi…

O Primeiro Projeto de Ciência de Dados da História

Vamos listar as etapas pelas quais Fred, ou Frederick Taylor, passou:

  • Identificação do problema de negócio: Necessidade do aumento de produtividade;
  • Através de observação, Taylor executou a primeira “evaporação de nuvem da história”, um conceito da Teoria das Restrições onde dois objetivos, aparentemente contraditórios, buscam o mesmo resultado;
  • Com essa observação, Taylor formulou a pergunta: Como melhorar os resultados e pagar mais para os empregados?
  • A fim de determinar a resposta, nosso herói construiu e realizou uma série de experimentos, coletando dados sobre o problema;
  • Os dados foram entregues a um matemático, que descobriu a relação entre esforço e resultado. Ou seja, o matemático criou um modelo que relacionava as variáveis do problema;
  • Finalmente, empregando o modelo, ele determinou a sequência de operações que maximizava o resultado do trabalho, enquanto minimizava o esforço humano.

Como consequência final, o modelo permitiu à empresa reduzir seu quadro de empregados, mantendo apenas os mais aptos e causando um segundo impacto positivo em seus resultados: não apenas estavam produzindo mais e pagando melhor por hora, como também estavam pagando menos no total de horas trabalhadas.

Esse caminho é, nada mais nada menos, que um exemplo típico de Projeto de Dados do Século XXI:

  • Estabelecer a necessidade de negócio;
  • Formular a pergunta correta (hipótese);
  • Coletar dados e informações;
  • Analisar e construir um modelo;
  • Aplicar o modelo em produção.

Conclusão

Voltando ao título do artigo, considero Frederick Winslow Taylor o autêntico pai da Inteligência de Negócios porque ele conduziu um dos (se não o) primeiros casos de que se tem registro de um projeto de dados, coletando e analisando informações para resolver um problema de negócio através do Método Científico (que é outra forma de descrever um projeto de ciência de dados, ou Data MIning).

Não existe tautologia aqui: O relato de Taylor foi a proverbial maçã que caiu na cabeça de Newton e me ajudou a entender o que, de fato, é Business Intelligence.

O experimento conduzido por Fred, ops, Taylor, está relatado no livro The Principles of Scientific Management. Leia-o, vale muito a pena.

“Bem, no seu lugar, eu faria …

Mas por que você deve conhecer a sua história?

Taylor é uma figura controversa: segundo suas próprias palavras, por anos a fio ele conduziu uma guerra sem tréguas entre a vontade de seus patrões e a de seus subordinados. Seu trabalho foi usado como espantalho para acusar o empresariado (ontem e hoje) de reduzir o ser humano a máquina e instrumentalizar a força de trabalho. Ainda hoje, o termo taylorismo é pejorativo e carrega os significados mais pobres, como positivismo arcaico e microgerenciamento.

O que muitos deixam escapar é que Taylor foi um divisor de águas. Mesmo não sendo perfeito (e quem o é?), sua escolha de confiar no Método Científico e na análise de dados para buscar respostas a problemas de negócio revolucionou a ciência da Administração, pavimentando o caminho para Ford, Sloan e tantos outros que expandiram o campo depois dele.

Você deve conhecer a história de Taylor porque ele é o role model por excelência de qualquer executivo que almeje estabelecer uma cultura Data Driven em sua organização. Taylor focou em melhorar o resultado de sua organização a partir do entendimento do negócio e da aplicação do método científico para obter respostas.

Ao buscar incentivar a cultura de dados em sua empresa, olhe para a situação em que se encontra e faça a seguinte pergunta:

O que Taylor teria feito no meu lugar?

Desejo um Feliz Natal à todos e um próspero 2022,
com muita experimentação, análise de dados e aprendizagem! 🙂

Físico pela Unicamp, atuou como Gerente de Soluções no SAS, multinacional de BI, com mais de 20 anos de experiência no mercado de Inteligência de Negócios e soluções de dados. No SERPRO desde 2005, atuou na Superintendência de Desenvolvimento (SUPDE), no papel de Analista de Sistemas do Projeto de Data Warehouse Pessoa Física da RFB. Hoje está na área de gestão de produtos. Participou de várias edições do Pentaho Day, do Congresso de Tecnologia da FATEC São Paulo e na edição de 2015 da Latinoware, além de inúmeras palestras sobre BI, BigData, Data Warehouse, Agile BI e Data Culture. Autor e instrutor dos cursos "BI com Pentaho" e "Agile BI com Pentaho". Co-autor do primeiro livro sobre Pentaho em Português, "Pentaho na Prática", autor do livro "Fundamentos de Inteligência de Negócios". Minha imagem de capa, de Stefan Keller, disponível em Pixabay é um texto sobre a figura de UFO ameaçador - como são os dados para as idéias pré-concebidas.

Artigos Relacionados

Comentários

Iniciar o chat
1
Fale conosco!
Olá! Sou a Márcia. 👋
Como posso ajudar você?