A maior parte do esforço desperdiçado com dados em empresa não vem de conta errada. Vem de responder uma pergunta que ninguém fez.
Alguém pede “uma análise dos dados de devolução” e recebe um relatório de doze páginas com médias por mês, por região e por produto. O relatório está correto. Ele descreve o que aconteceu com precisão. E não ajuda em nada, porque quem pediu queria saber por que a devolução subiu — e descrição não responde por quê.
Escolher o tipo de análise antes de abrir a planilha resolve boa parte disso. Existem quatro, cada um responde a uma pergunta diferente, e cada um exige um tipo de dado que o anterior não exige.
Os quatro tipos
| Tipo | Pergunta | Precisa de | Não responde |
|---|---|---|---|
| Descritiva | O que aconteceu? | Histórico do próprio indicador | Por quê, nem o que fazer |
| Diagnóstica | Por que aconteceu? | Histórico mais variáveis candidatas a explicação | O que vai acontecer |
| Preditiva | O que tende a acontecer? | Série longa e condições estáveis | O que acontece se você intervier |
| Prescritiva | O que fazer? | Efeito estimado de cada opção | Nada, se as três anteriores não foram feitas |
A ordem importa mais que a lista. Cada tipo pressupõe o anterior, e pular etapa é a origem da maior parte das decisões ruins tomadas com dado na mão. Prescrever sem diagnosticar é escolher um remédio sem saber a doença — e o relatório sai igualmente bonito nos dois casos.
Descritiva: o que aconteceu
É a que quase toda empresa faz, e é a única que a maioria faz. Soma, média, percentual, comparação entre períodos. O erro comum não é fazê-la — é parar nela e chamar isso de análise.
Há uma armadilha específica aqui, e ela é cara. Descrição por comparação de dois pontos — este mês contra o anterior, esta unidade contra aquela — não distingue movimento real de oscilação normal. Todo processo varia dentro de uma faixa própria, e reagir a um ponto dentro dessa faixa introduz mudança onde não havia problema. A descrição que funciona é a que mostra o indicador ao longo do tempo, com a faixa de variação visível: o instrumento para isso é a carta de controle, e a distinção entre a variação que o processo sempre teve e a que aponta para algo específico está em variação.
Se a pergunta é comparar a dispersão de dois indicadores em unidades diferentes, o instrumento é o coeficiente de variação, não a média.
Diagnóstica: por que aconteceu
Aqui entram as variáveis candidatas a explicação, e aqui mora o erro mais frequente da área. Encontrar que duas variáveis se movem juntas não estabelece que uma causa a outra — pode ser acaso, uma terceira variável movendo as duas, ou a seta apontando para o outro lado.
Como medir a relação entre duas variáveis está em correlação entre variáveis. Se você pode agir sobre a relação encontrada é outra pergunta, tratada em correlação e causalidade. E investigar a causa de um defeito já identificado no processo, com o mecanismo à vista, é análise de causa raiz — caminho diferente, que não depende de correlação nenhuma.
O diagnóstico honesto termina com uma hipótese e um jeito de testá-la, não com uma conclusão. Quando termina com conclusão, quase sempre pulou a etapa de eliminar as explicações concorrentes.
Preditiva: o que tende a acontecer
Previsão exige duas coisas que raramente são verificadas antes: série suficientemente longa e a suposição de que as condições que geraram o histórico continuam valendo. Quando a segunda quebra — mudou o produto, o cliente, o processo, o mercado —, o modelo continua produzindo números com a mesma confiança e eles deixam de significar alguma coisa.
Há um limite que separa previsão de decisão e que costuma ser ignorado. Um modelo preditivo diz o que tende a acontecer se nada mudar. Ele não diz o que acontece se você intervier, porque foi treinado num mundo em que você não interveio. Confundir os dois é a razão de tantos projetos de dados entregarem previsões excelentes e nenhuma melhoria.
Prescritiva: o que fazer
Para prescrever é preciso saber o efeito de cada opção — e efeito não se observa, se testa. É por isso que a prescrição séria em ambiente de empresa raramente vem de um modelo e quase sempre vem de um teste em escala pequena, com previsão registrada antes de rodar. É a lógica do ciclo PDSA, e quando há vários fatores em jogo, do experimento planejado.
A pergunta que vem antes das quatro
Antes de escolher o tipo, vale gastar cinco minutos numa checagem que dispensa as quatro se falhar: todo mundo que gerou esse dado registrou a mesma coisa do mesmo jeito?
Se duas unidades contam “devolução” com critérios diferentes, nenhuma análise dos quatro tipos está medindo devolução — está medindo divergência de registro. Fixar o critério de forma que duas pessoas cheguem ao mesmo número é o papel de uma definição operacional, e é a etapa mais barata e mais pulada do processo inteiro.
É por isso que formações como o Green Belt tratam a fase de medição antes da fase de análise: não por burocracia, mas porque análise sobre dado mal definido produz conclusões firmes sobre nada.
Como escolher na prática
Escreva a pergunta em uma frase, antes de qualquer planilha, e veja com qual palavra ela começa. Comecou com “quanto” ou “quando”, é descritiva. Com “por que”, é diagnóstica. Com “vai”, é preditiva. Com “devo”, é prescritiva.
Se a frase não sai — se a pergunta é “analisar os dados de devolução” —, o problema não é de análise. É que ninguém decidiu ainda o que quer saber, e nenhuma ferramenta resolve isso.
Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua. Revisão com foco na ordem entre os quatro tipos e no limite do modelo preditivo diante da intervenção.
O White Belt gratuito da EDTI apresenta a base — variação, causas comuns e especiais e o ciclo PDSA — em poucas horas.
Perguntas frequentes
Qual a diferença entre análise descritiva e diagnóstica?
A descritiva mostra o que aconteceu com o indicador; a diagnóstica busca a explicação, trazendo outras variáveis para a conta. A descritiva usa só o histórico do próprio indicador; a diagnóstica precisa de candidatas a causa e de um critério para descartar as que não se sustentam.
Preciso dos quatro tipos sempre?
Não, mas a ordem é obrigatória quando você avança. Não dá para diagnosticar sem descrever, nem prescrever sem entender o efeito da intervenção. O erro comum é pular direto para a prescrição porque a decisão já estava tomada antes da análise.
Análise preditiva serve para decidir o que mudar?
Não diretamente. O modelo estima o que tende a acontecer se nada mudar, porque foi construído sobre um período em que ninguém interveio. Para saber o efeito de uma mudança é preciso testá-la, ainda que em escala pequena.
Que ferramenta usar para começar?
A que você já tem. Planilha resolve a maior parte da análise descritiva e boa parte da diagnóstica em empresa de porte médio. Trocar de ferramenta antes de definir a pergunta troca a lentidão por uma lentidão mais cara.
Quantos dados são suficientes?
Depende do tipo. Descrição de variação no tempo pede pontos suficientes para enxergar a faixa normal do processo, o que costuma significar dezenas de observações em sequência. Previsão pede série mais longa e condições estáveis. Diagnóstico pede variação nas candidatas a causa, não volume.
Por que a definição operacional vem antes de tudo?
Porque análise sobre dado registrado com critérios diferentes mede divergência de registro, não o fenômeno. É a checagem mais barata da lista e a mais ignorada, e é o ponto de partida do trabalho com dados na Escola EDTI.