Antes de calcular qualquer coisa, pergunte que forma os dados têm: o resumo certo depende do desenho, e é o histograma de dados que o revela. No Hotel Cambará A média do mês do Hotel Cambará veio redonda: 4,6. Slide pronto, mês dado como bom. Mari Ferreira, consultora da Solvis, pediu uma coisa antes de arquivarem: o desenho. Não a média: o histograma, as notas empilhadas por valor. O desenho contou outra história. A pilha encostava no teto do 5, escorria pelo 4, e lá embaixo, quase discreta, uma cauda de notas 1 e 2: 6% das estadias, concentradas, quando abriram os cortes, nos check-ins depois das 22h e nos quartos do anexo antigo. A média 4,6 engolia aquela cauda sem soluçar: matematicamente correta, humanamente cega para os oitenta hóspedes do mês que tinham dormido mal. E hóspede que dorme mal escreve avaliação pública. — O seu mês não foi “4,6” — disse Mari. — Foi ótimo para muitos e péssimo para alguns. São duas gestões diferentes. O histograma de dados: o retrato antes da legenda Um histograma (a contagem de quantos casos caem em cada faixa) é o retrato de uma métrica. Média, mediana e desvio padrão são legendas desse retrato. E legenda sem retrato engana: o quarteto de Anscombe (Média mente) provou que resumos idênticos podem descrever desenhos opostos. Este artigo é um álbum dos quatro retratos que mais aparecem na análise de dados de satisfação, e do que cada um exige de quem o lê. Retrato 1: o sino (distribuição normal) O formato célebre: simétrico, amontoado no centro, raro nas pontas. Aparece quando o valor resulta de muitos fatores pequenos e independentes se somando: alturas de pessoas, erros de medição, médias de amostras grandes. É o lar da regra 68/95 (Desvio padrão sem dor) e o pressuposto silencioso de muitas ferramentas estatísticas. O erro cultural é achar que ele é o padrão do mundo. Não é. No dia a dia dos negócios, o sino é minoria e assumi-lo onde não existe produz as leituras erradas dos próximos três retratos. Retrato 2: a cauda longa (assimetria) Tempos de espera, tíquete de compra, tempo de resolução de chamado: quase todos os valores são modestos, mas uma minoria se estica numa cauda longa para a direita. Não há tempo de espera negativo, mas há o dia em que o sistema caiu e a fila levou 50 minutos. Consequências práticas: Média > mediana, em geral. A cauda puxa a média para cima do caso típico (o bilionário no bar, do artigo Média mente). “Tempo médio de espera: 9 minutos” pode conviver com “metade dos clientes espera menos de 5”. A ferramenta certa são os percentis. O valor abaixo do qual fica X% dos casos: a mediana é o p50; o p90 diz “90% dos clientes esperam menos que isto”. A engenharia de software gerencia latência de sistemas assim há décadas reportando p90/p95/p99 em vez de médias, precisamente porque a experiência ruim mora na cauda. Para operações de fila e atendimento, vale a mesma lente: a média mede o custo; o p90 mede a raiva. Metas honestas falam de percentil. “Atender em até 10 minutos em 90% dos casos” é uma promessa gerenciável e medível; “tempo médio de 8 minutos” pode ser cumprida enquanto um cliente por hora vive um desastre. Retrato 3: os dois morros (bimodal) Duas corcovas no histograma = duas populações misturadas vivendo experiências distintas: o almoço executivo e o jantar de sábado; o cliente novo e o habitual; o caixa humano e o autoatendimento. A média de uma bimodal cai no vale entre os morros, exatamente onde quase ninguém está. É o retrato mais traiçoeiro para resumos: qualquer número único descreve um cliente que não existe. A leitura certa não é resumir melhor; é separar as populações (segmentar; veja Média mente e Sazonalidade e séries temporais) e tratar cada morro como a história que ele é. O desvio padrão inflado sem explicação (Desvio padrão sem dor) é frequentemente o primeiro sintoma de bimodalidade escondida. Retrato 4: o “J” das notas de satisfação O retrato mais frequente nos painéis de satisfação: notas de satisfação não formam sino: amontoam-se no topo da escala (muitos 5, alguns 4), com um segundo grupinho menor no fundo (os 1 dos episódios ruins) e pouca coisa no meio. A literatura de marketing documenta isso há décadas: distribuições de satisfação são tipicamente assimétricas com concentração no extremo positivo (o levantamento clássico de Peterson e Wilson, 1992, já apontava o padrão e suas causas, do viés de quem escolhe responder e do desejo de ser gentil). Consequências para quem lê dashboards: A média fica cega no teto. Se quase todos marcam 4 ou 5, a média comprime tudo entre 4,2 e 4,6: parece estabilidade, mas o efeito teto está escondendo o movimento. Onde a ação acontece é nas pontas: acompanhe as proporções (% de notas máximas e % de notas baixas) em vez da média espremida. (O NPS, com seus promotores e detratores, é precisamente essa leitura institucionalizada; veja NPS sem mistério.) O meio vazio não é falta de opinião. Nota 3 em escala com formato J é frequentemente um “quase-detrator” educado. Trate a faixa média como zona de investigação, não como “neutros satisfeitos”. Pequenas quedas na média podem ser grandes notícias. Numa distribuição empilhada no teto, a média só cai quando gente migra para o fundo: uma queda de 0,2 pode significar que os casos ruins dobraram. Abra sempre a distribuição (Média mente) antes de julgar a magnitude. O hábito que resume o artigo Diante de qualquer métrica nova, peça o histograma antes de qualquer resumo. Trinta segundos de olhar respondem: é sino (média e desvio funcionam)? Cauda longa (mediana e p90)? Dois morros (segmente antes de tudo)? Empilhado no teto (proporções nas pontas)? Só então escolha a legenda. Resumo estatístico é como embalagem: precisa caber no formato do conteúdo, e é o conteúdo que manda. De volta ao Cambará No Cambará, o fechamento mensal ganhou um morador novo ao lado da média: o
Desvio padrão sem dor: o número que deveria acompanhar toda média
Duas lojas com média 4,2 podem ser um relógio suíço e uma montanha-russa. O desvio padrão é o que conta a diferença. Na Clínica Aurora Wagner, administrador da Clínica Aurora, rede de clínicas médicas, tinha uma vaga de coordenador de fisioterapia e dois finalistas: o fisioterapeuta mais antigo da casa e a recém-chegada que impressionava a todos. Decidido a não escolher no feeling, foi ao painel buscar o dado: a média das avaliações dos pacientes nos últimos seis meses. O veterano: 4,3. A novata: 4,3. — Empate, resumiu para a Dra. Beatriz, a sócia. Seis meses de dado para terminar no cara ou coroa. Beatriz pediu para ver as notas, não as médias. As da novata eram uma fileira constante de 4, com alguns 5 espalhados. As do veterano alternavam 5 e 3: dias de gala e dias de tropeço se revezando. — Mesma média, disse ela, devolvendo o tablet. Mas você diria que é a mesma promessa? O empate, de repente, não parecia mais empate. A pergunta que falta A média esconde os extremos. A pergunta natural é: existe um número que diga o quanto ela esconde? Existe, e é provavelmente o número mais importante que quase nunca aparece nos slides. Pense em dois entregadores de pizza. Os dois entregam, em média, em 30 minutos. Mas o entregador A entrega sempre entre 25 e 35; o B, às vezes em 10, às vezes em 55. Mesma média, negócios completamente diferentes: com A dá para prometer prazo; com B, cada pedido é uma loteria. Os dois têm o mesmo nível; o que muda é o espalhamento. E cliente, como regra geral, odeia loteria: a experiência imprevisível corrói confiança mesmo quando a média é boa (a dimensão "confiabilidade" da qualidade de serviço). O desvio padrão é o termômetro desse espalhamento: um número que resume o quão longe da média os valores costumam ficar. A intuição, sem fórmula Não é preciso decorar a conta (a planilha faz com DESVPAD / STDEV). É preciso entender o que o número diz: Leia o desvio padrão como "o erro típico da promessa da média": quando você diz "em média X" e alguém vive um caso concreto, o desvio padrão estima o tamanho usual da diferença entre a promessa e a vivência. E há uma régua de bolso famosa para dados razoavelmente "comportados", em forma de sino: a regra 68/95 — cerca de 68% dos valores caem a até 1 desvio padrão da média, e cerca de 95% a até 2 desvios. O entregador A (média 30, desvio 3): 95% das entregas entre 24 e 36 minutos. O B (média 30, desvio 15): 95% entre 0 e 60, informação que não informa nada. Três usos práticos imediatos 1. Compare a consistência, além do nível.Duas lojas com a mesma nota média não são gêmeas: a de menor desvio entrega experiência previsível; a de maior desvio tem clientes encantados e clientes furiosos se revezando (a "guerra de extremos", agora com número). Gestão madura persegue as duas coisas: subir a média e apertar o espalhamento. Aliás, muitas vezes a segunda vem primeiro: padronizar o processo (reduzir desvio) costuma ser mais barato que elevar a média inteira. 2. Julgue se uma variação é grande "para os padrões da casa"."A nota caiu 0,3" é muito ou pouco? Depende do vaivém natural da série, e o desvio padrão das variações mensais é exatamente a régua desse vaivém. Queda de 0,3 numa loja cujo mês a mês oscila tipicamente 0,4? Rotina. A mesma queda numa loja que oscila 0,1? Alarme legítimo. É a lógica da carta de controle no modo manual: medir a variação em "desvios da normalidade" em vez de valor absoluto. 3. Detecte o outlier com critério, não com olhômetro."Fora da curva" ganha definição operacional: um valor a 3+ desvios da média é raro o bastante para merecer investigação individual (erro de coleta? caso extraordinário real?). Regra da casa: outlier se investiga antes de se excluir; exclusão silenciosa de pontos incômodos é maquiagem. As pegadinhas do desvio padrão Ele também é sequestrável por outliers. Como a média, o desvio padrão infla com valores extremos: o bilionário no bar bagunça os dois. Para dados muito assimétricos (tempos, valores monetários), os percentis fazem um trabalho mais honesto — assunto para outra ocasião. Desvio grande nem sempre é problema; às vezes é composição. Uma loja com desvio alto nas notas pode não ser "inconstante": pode ter dois públicos vivendo duas experiências (almoço executivo apressado vs. jantar tranquilo). O desvio padrão detecta a mistura; a segmentação revela quem são as parcelas. É um número que abre uma pergunta em vez de fechá-la. Comparar desvios exige mesma escala e mesmo contexto. Desvio de 0,5 numa escala de 5 é enorme; numa escala de 0 a 10 é modesto. E tempos de espera de restaurante não se comparam com tempos de banco. Quando precisar comparar espalhamentos de grandezas diferentes, existe a versão normalizada (o coeficiente de variação: desvio ÷ média), mas na maior parte do dia a dia, a comparação honesta é a de sempre: a métrica contra a própria história. Como pedir esse número (roteiro de reunião) Não é preciso calcular nada para usar isso amanhã. Bastam três perguntas: De volta à Aurora Na Aurora, o desempate não precisou de cara ou coroa; precisou do desvio. A novata, média 4,3 com espalhamento pequeno, era uma promessa que a clínica cumpria todo dia. O veterano, a mesma média com desvio grande, era loteria de agenda. A coordenação, cargo de constância, foi dela. E o veterano não virou problema: virou diagnóstico. Os dias de 3 se concentravam nas agendas dobradas de segunda; o espalhamento apontou o ajuste certo, e o desvio dele caiu no trimestre seguinte. No quadro de gestão, Wagner escreveu a regra nova da casa: média não sobe ao mural sem o desvio do lado. O resumo de uma frase (teste Feynman) "A média é a promessa; o desvio padrão é o tamanho típico da quebra da promessa: nunca aceite uma sem perguntar pelo outro."
Média mente: como resumir dados sem se enganar
Se você está com um pé no gelo e outro no fogo, na média está confortável. Média e mediana, lidas juntas, evitam esse tipo de ilusão. O número mais usado (e mais traiçoeiro) do mundo A média é o canivete suíço da análise: rápida, familiar, cabe em qualquer slide. "A nota média do mês foi 4,2." Pronto, resumimos mil respostas num número. O problema: resumir é jogar informação fora. Às vezes o que jogamos fora era exatamente a história. Este artigo mostra os quatro truques que a média usa para mentir, e as ferramentas simples para desmascará-la. Truque 1: a média esconde os extremos Imagine duas lojas, cada uma com nota média 3 (de 1 a 5): Mesma média. Situações opostas. A Loja A tem um problema de indiferença: nada encanta, nada revolta. A Loja B tem dois problemas urgentes: descobrir o que encanta metade dos clientes e o que está expulsando a outra metade (aposto num turno, num funcionário ou num dia da semana específico). Quem olha só a média trata as duas lojas do mesmo jeito, e erra nas duas. Antídoto: olhar a distribuição (o histograma, a contagem de cada nota). É por isso que dashboards bem desenhados mostram as barras, não só o numerão. Truque 2: quando média e mediana discordam (outliers) Cinco amigos num bar têm salário parecido; a "renda média da mesa" é honesta. Aí um bilionário entra no bar. A renda média da mesa agora é de centenas de milhões, e não descreve ninguém ali dentro. Valores extremos (outliers) arrastam a média. No dia a dia de qualquer operação: um único cliente que ficou 4 horas preso num problema de troca arrasta o "tempo médio de atendimento" do dia; uma compra corporativa gigante arrasta o "tíquete médio" do mês. Antídoto: a mediana, o valor do meio da fila quando os dados são postos em ordem. O bilionário entra no bar e a mediana quase não se move: ela é imune a extremos. Regra prática: para tempos, valores monetários e tudo que "só cresce para um lado", peça a mediana junto com a média. Se as duas estiverem muito distantes, há outliers na história. E outliers, aliás, merecem investigação própria: às vezes o dado extremo é erro de coleta; às vezes é o seu caso mais importante. Truque 3: a média mistura grupos que não deviam ser misturados "A satisfação geral da rede subiu de 4,0 para 4,2. Vitória!" Será? Suponha que a nota do turno da manhã caiu de 4,5 para 4,3, e a do turno da noite caiu de 3,8 para 3,6: as duas caíram. Como pode a média geral subir? Se a proporção de respostas mudou (o turno da manhã, mais bem avaliado, passou a responder muito mais), a média combinada sobe mesmo com todos os grupos piorando. Esse fenômeno tem nome, paradoxo de Simpson, e casos reais célebres, como o processo de admissões da Universidade de Berkeley em 1973: os números agregados sugeriam discriminação contra mulheres, mas, departamento por departamento, o viés desaparecia ou se invertia (as mulheres haviam se candidatado em maior número justamente aos departamentos mais concorridos). Antídoto: segmentar antes de concluir. Sempre que uma média agregada mudar, pergunte: os grupos que a compõem contam a mesma história? Por turno, por loja, por perfil: pelo menos um corte antes de comemorar. Truque 4: números idênticos, realidades opostas Em 1973, o estatístico Francis Anscombe construiu quatro conjuntos de dados hoje famosos (o quarteto de Anscombe): todos com a mesma média, a mesma variância e a mesma linha de tendência. Estatisticamente "idênticos". Colocados num gráfico, revelam quatro desenhos completamente diferentes: uma linha, uma curva, um alinhamento perfeito quebrado por um ponto fora, e por aí vai. A moral, na voz do próprio ofício: resumos numéricos nunca substituem olhar o desenho dos dados. Antes de confiar em qualquer resumo, visualize. O kit do leitor de relatórios Quatro perguntas para fazer diante de qualquer média, em qualquer slide: Nenhuma exige matemática além da que você já sabe. Todas exigem apenas o hábito de perguntar. Por que isso importa Qualquer gestor recebe médias todos os dias: nota média, tempo médio, NPS por período. O que realmente importa não é o número — é a leitura certa dele. Um analista que ensina a abrir a distribuição antes de reagir à média está entregando mais valor do que qualquer painel novo. E vale o espelho de sempre: nas métricas de produto e vendas de qualquer empresa, essas mesmas quatro perguntas se aplicam sem desconto. O resumo de uma frase (teste Feynman) "A média é um resumo, e todo resumo esconde alguma coisa: antes de decidir, pergunte o que ela escondeu." Fontes e leituras recomendadas ANSCOMBE, Francis J. "Graphs in Statistical Analysis". The American Statistician, v. 27, 1973. BICKEL, Peter J.; HAMMEL, Eugene A.; O’CONNELL, J. William. "Sex Bias in Graduate Admissions: Data from Berkeley". Science, v. 187, 1975. (O caso real do paradoxo de Simpson.) HUFF, Darrell. Como Mentir com Estatística. Intrínseca, 2016 (original de 1954). WHEELAN, Charles. Estatística: O Que É, Para Que Serve, Como Funciona. Zahar, 2016. ROSLING, Hans. Factfulness. Record, 2019. (Especialmente o capítulo sobre o "instinto do tamanho" e a leitura de números em contexto.)
