Antes de sair correndo de qualquer coisa que tenha a palavra Estatística, você já se perguntou o que ela pode fazer por você? E de uma maneira prática?

Muita gente sai correndo quando alguém fala a palavra Estatística. Outros já saem com a desculpa que “não têm jeito pra Matemática”. E ainda há pessoas que dizem que têm medo (!!!) de Estatística.

Realmente, como tudo na vida, há áreas da Estatística extremamente complexas, destinadas apenas aos grandes matemáticos. Mas há muitas, muitas, muitas!! ferramentas que podem ajudar os gestores na administração de suas organizações. Então, vamos ver alguns motivos para você começar a se interessar por Estatística!

1. Os números estão em todo o lugar

Não é para você virar um estatístico. Mas há ferramentas de estatística que são úteis para qualquer gestor. Com o aumento do uso da TI nas empresas, somos bombardeados o tempo todo por dados. Mas muitas vezes, não conseguimos avaliar o que temos… A estatística descritiva, um dos ramos mais básicos, ajuda o administrador a compreender o grupo por meio de um conjunto enorme de dados. Um exemplo? A tão famosa média. Quando falamos que, na média, nossos clientes gastam R$150 por compra, usamos apenas um número para ilustrar, para descrever um cenário. Outros, como a mediana, os quartis e percentis, detalha a análise e permite que você consiga tomar decisões mais acuradas. A média é R$150, mas você pode dizer também que 50% de seus clientes gastam acima de R$200 em sua loja. Essa é a mediana, que corta os clientes no meio. Quando falamos que os 25% dos pacientes mais velhos de um hospital têm mais de 64 anos, estamos falando dos quartis.

Repare que já lidamos com esse tipo de dados, mas a Estatística apresenta os nomes corretos de cada um deles e nos ensina a calculá-los.

2. Uma blusa de tamanho médio não serve nem para os pequenos, nem para os grandes

Nem sempre o valor da média representa o grupo. Por exemplo, se metade dos alunos da sala tira 10 e a outra metade tira 0 em uma prova, na média, a sala tirou 5. Mas o 5 não representa nenhum dos grupos, ou seja, ninguém tirou essa nota!

Então, junto com a média, devem-se avaliar as medidas de dispersão. Uma das mais comuns é o desvio padrão. Quando o desvio é grande, significa que os valores estão distantes da média e os dados estão mais dispersos.

3. Dá pra prever o futuro (com uma certa taxa de erro…)

Sabe aquele papo típico de véspera de eleição? O candidato Abobrinha tem 32% dos votos e o candidato Batatinha tem 48%? Ele vem da Probabilidade e Inferência Estatística, que são duas ferramentas que permitem que estimemos valores com base em uma série histórica. Ou que descrevamos uma população baseados em uma amostra. Também podemos calcular o risco de um determinado evento ocorrer. Por exemplo, a taxa de absenteísmo em uma clínica aumenta ou diminui em dias de chuva? Se eu tiver previsão de dias chuvosos nas duas próximas semanas, devo fazer overbooking? De quanto?

4. Relações de causa e efeito ficam mais claras

Algumas relações básicas são feitas pela simples análise dos dados usando ferramentas de estatística descritiva, como a análise bivariada. Usando gráficos de dispersão ou tabelas, você consegue verificar associações entre duas variáveis. Por exemplo, a escolha de um candidato numa eleição tem relação com sua classe social? A preferência por ter gatos ou cachorros em casa tem ligação com o sexo das pessoas? Notem que, nos dois dados são qualitativos: nome do candidato e classe social no primeiro; cachorros/gatos e sexo no segundo.

Para variáveis quantitativas, existe a correlação, capítulo da Estatística que avalia se existe uma relação entre elas. Por exemplo, há dois grupos de funcionários. Um deles trabalha meio período e o outro, período completo. Você tem informações da produção de todos eles. Você pode avaliar se há relação entre esses dados e responder se trabalhar mais horas, na verdade, é ruim para a produtividade da empresa.

Você também pode ter uma mistura dos dados: um restaurante quer saber se o tempo de permanência em minutos (quantitativo) de um cliente tem relação com a avaliação do serviço (qualitativo – bom, razoável, ruim).

Essas análises ajudam o gestor a conhecer seu mercado e seu negócio para poder tomar decisões com maior certeza.

5. Dá para fazer análises super legais

A maior parte das disciplinas de Estatística que tive na graduação e no MBA só tem tempo de mostrar o básico. Foi apenas no mestrado de tive acesso à análise multivariada de dados. É um ramo que, como o nome diz, analisa diversas variáveis ao mesmo tempo. Vamos a um exemplo. Imagine que você tem um restaurante e quer desenvolver diferentes produtos para grupos distintos de clientes. Você tem informações sobre tíquete médio por mesa, número de pessoas, se tomam bebida alcoólica ou não e em que dia da semana vieram. Existe uma ferramenta, chamada Análise de Clusters, que avalia todas as variáveis ao mesmo tempo e gera grupos cujos elementos têm semelhanças entre si.

6. A tecnologia ajuda nos cálculos

Se você teve Estatística na faculdade, deve se lembrar de todas aquelas enormes (e assustadoras) fórmulas. Tenho uma boa notícia: o Excel faz muitos destes cálculos. E para cálculos mais complexos, temos linguagens de programação como o R e o Python que facilitam enormemente o dia a dia de quem lida com dados.

Se, mesmo assim, você não for uma pessoa de tecnologia, vale a pena buscar alguém dentro da organização para fazer a parte “mão na massa”. Análise de dados não é apenas fazer contas: precisa entender do negócio. Em vários projetos de que já participei, eu entrava com a tecnologia e o cliente, com o conhecimento sobre a sua empresa e área de atuação. Se não houver um dos braços dessa parceria, não há análise de verdade.

E aí? Vamos encarar?