quarta-feira, 15 de agosto de 2018

Sobre previsões do futuro e análise preditiva


O ser humano desde a pré História está preocupado com o futuro: será que este fruto vai me matar ? e aquele animal grande ali, vai ser meu amigo ou predador ? quando virá o inverno ? Isto é parte da nossa necessidade de sobrevivência e está associado ao nosso cérebro moderno (mais especificamente com o neocórtex). Desenvolvemos métodos primitivos como calendários e cultos religiosos para prever e tentar controlar o futuro.

Atualmente as empresas querem saber se um produto vai ser aceito no mercado, se clientes vão comprar um produto, se uma ação vai mesmo reduzir custos, se uma técnica realmente vai motivar funcionários e o que os concorrentes vão fazer.

Técnicas de Inteligência Artificial e Data Mining estão ajudando pessoas e empresas a fazer previsões. Não se trata de “bola de cristal”, mas sim utilizar dados e um certo tipo de lógica baseada em métodos.

Já vi alguns autores fazendo a distinção entre os termos:
- prever: é antecipar eventos futuros, ou seja, tentar descobrir o que vai acontecer (ex. vai chover amanhã?);
- predizer: é antecipar valores para variáveis, ou seja, estimar um valor preciso para um atributo (ex. quantos milímetros vai chover amanhã?).
Aqui vamos usar como sinônimos: prever, predizer, estimar, antecipar.

Em geral, o método consiste em utilizar um modelo preditivo, que pode ser:
- uma fórmula matemática que relacione variáveis: a partir de parâmetros de entrada (valores para alguns atributos), a função gera valores para outras variáveis (normalmente, uma só); exemplo: previsão climática para estimar temperaturas mínima e máxima);
- um método de análise sequencial: o objetivo é estimar como continuam certas sequências ao longo do tempo; pode ser uma sequência de eventos discretos (ex. páginas por onde um usuário vai passar num site ou produtos que alguém irá comprar ao longo do tempo) ou de valores contínuos geralmente numéricos, (ex. valores de ações, preços de produtos, quantidade de vendas, altura de uma pessoa).

Um dos métodos para encontrar um modelo preditivo é analisar dados históricos e identificar padrões. Exemplo: todo fim de tarde que eu presenciei com céu vermelho antecipou um novo dia ensolarado.
Para isto funcionar, as condições devem ser constantes. O modelo só vai predizer o futuro com precisão se as condições futuras forem as mesmas de quando o modelo foi criado (mesmas condições dos dados históricos). Estimativas climáticas estão fadadas a errar mais a cada ano porque estamos alterando as condições do planeta.
Além disto, sempre é possível acontecer um evento tipo “cisne negro” (algo inesperado, que foge do padrão): uma nova empresa, produto ou tecnologia; uma guerra.
O exemplo mais elucidativo é este: o peru cria um modelo preditivo que diz que a família gosta dele, porque ele foi bem alimentado e bem cuidado durante o ano todo. Mas isto só dura até o Dia da Ação de Graças.

Modelos preditivos podem falhar por causa do “efeito borboleta”. Uma pequena variação num valor numérico (digamos, na vigésima casa decimal) pode alterar muito o resultado final da função. Ou mesmo um evento que aparentemente parece insignificativo pode influenciar muito o sistema. Um assassinato deslocado do contexto dominante da Europa fez eclodir a 1ª Guerra Mundial. Não que o evento tenha gerado diretamente o tal período. Ele desencadeou outros eventos, que desencadearam outros e assim sucessivamente.
Esta é uma das características dos sistemas complexos. É aquela velha história: a gente vai fazendo uma pilha de arroz colocando um grão de cada vez. A pilha vai crescendo e ficando alta. De repente, ao colocar mais um grãozinho, a pilha desmorona.

A razão para isto ter acontecido pelo seguinte:
- o peso suportado pelos grãos que estavam sustentando os de cima passou o limiar de sustentação. É como a gota d´água que faz o copo transbordar ou aquele dia em que a coluna começa a doer depois que passamos vários dias carregando peso;
- o peso do último grão pode fazer balançar 2 outros grãos abaixo dele. Mas estes estão bem suportados e não balançam; então a pilha não cai. Mas se estes 2 balançarem, irão também balançar os que estão abaixo. Então imagine a sequência de Fibonacci: 1 grão afeta 2, estes afetam 3, estes em conjunto afetam 5, que afetam 8, depois 13, e assim por diante 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584. Ou então como dizem: se dobrarmos 1% a cada passo, em 7 passos teremos 100% (1, 2, 4, 8, 16, 32, 64, 128).

Portanto, quem deseja fazer previsões deve ficar também atento aos chamados “sinais fracos” e às relações de causa-efeito. Entretanto, depois que tudo aconteceu, fica fácil explicar a relação e a ordem dos acontecimentos. Prever antecipadamente esta relação é muito difícil.

Outra forma de gerar modelos de predição é criando-os a partir da sabedoria das massas.

Sistemas de simulação podem ajudar a prever resultados para grandes quantidades de elementos, para entendimento de sistemas complexos. Por exemplo, simular a saída de pessoas de um estádio. Podemos criar indivíduos com o seguinte comportamento básico: caminhe devagar em direção à saída sem passar nem tocar ninguém. E podemos ver o que acontece se uma certa parcela dos indivíduos mudarem seu comportamento (ex. caminhar mais rápido que os que estão à volta). Isto permite avaliar o comportamento coletivo pelos comportamentos individuais e pelas diferentes proporções (ex. se 10% das pessoas que receberam nossa propaganda comprarem o produto dentro de 1 mês, e passados 2 meses estes divulgarem para 2 outros amigos, e 5% destes comprarem dentro de 6 meses, o que vai acontecer no final de 1 ano?).
O problema é estimar os comportamentos individuais e saber que decisão cada um vai tomar. E o % de pessoas em cada situação.

Existem também as previsões que se auto cancelam ou se auto realizam (ver post abaixo).

Os modelos de predição, assim como os planos estratégicos, devem ser o que Taleb chama de “antifrágeis”. Já que é difícil encontrar um modelo fixo e preciso, a ideia é ser flexível para acomodar variações no modelo e mesmo assim continuar a previsão. É preciso identificar rápido as mudanças e sinais fracos, as mudanças de relações e afetação. O objetivo não deve ser tentar encaixar o mundo no modelo, mas sim adaptar o modelo ao ambiente. Isto serve para empresas também (táxis devem ser como Uber, os jornais impressos não devem lutar contra a Internet mas se adaptar, bancos devem aceitar Fintechs e Blockchain).

Alguns dizem: “não se pode prever o futuro”. Mas aí vamos desistir ?
Previsões mesmo que com erro já podem ser úteis. E saber gerenciar as incertezas. Acomodá-las nos modelos usando probabilidades.  

Todo mundo quer saber ser um produto vai vender, se um casamento vai dar certo, mas poucos se atrevem a querer saber quando vão morrer. Este é o paradoxo da previsão do futuro pelo ser humano.

Leituras Recomendadas (por ordem de importância):

TETLOCK, Philip E.; GARDNER, Dan. Superprevisões: A arte e a ciência de antecipar o futuro. Objetiva, 2016.

WATTS, Duncan J. Tudo é óbvio: quando você sabe a resposta. Rio de Janeiro: Paz e Terra, 2015.

TALEB, Nassim Nicholas. A Lógica do Cisne Negro. Best Business, 2008.

SILVER, Nate. O sinal e o ruído: por que tantas previsões falham e outras não. Rio de Janeiro: Intrínseca, 2013.

TALEB, Nassim Nicholas. Antifrágil - Coisas Que Se Beneficiam Com o Caos. Best Business, 2014.

MLODINOW, Leonard. O Andar do Bêbado - como o acaso determina nossas vidas. Zahar, 2009.

KAHNEMAN, Daniel. Rápido e Devagar - Duas Formas de Pensar. Objetiva, 2012.

quarta-feira, 4 de julho de 2018

A (falta de) estratégia mata a cultura de cansaço no final do dia


Normalmente se diz que “a cultura come a estratégia no café da manhã”. Isto significa que as empresas e pessoas fazem planos de como algo deve ser feito, mas aí outras pessoas acabam frustrando estes planos porque não fazem as coisas, ou porque não fazem direito, ou porque não querem fazer, ou porque pensam que devia ser feito de forma diferente. E aí a estratégia ou tática ou plano acaba logo no início.

Pois bem, o contrário também pode acontecer. Imagine uma empresa onde há pessoas motivadas, proativas e competentes que querem fazer melhorias e inovações. Mas a empresa não ajuda. Ou seja, a empresa não possui processos, infraestrutura, planos, metas ou objetivos estabelecidos para que a melhoria ou inovação aconteça. As pessoas motivadas tentam convencer outros; fazem planos, orçamentos, pareceres, diagnósticos e passam para seus superiores. Estes, por inúmeras razões possíveis, não “compram a ideia”. E as informações não seguem adiante. A mudança não acontece.

A pessoa motivada faz isto uma vez, duas vezes, mais vezes. Mas chega uma hora que ela desiste. Ela acaba entendendo que a estrutura da empresa não ajuda a levar adiante ideias de melhorias e inovações.

A conclusão é que este talento proativo acaba saindo da empresa ou acaba “achatado”, entrando na engrenagem ou fazendo parte do fluxo e desistindo de sugerir mudanças. Ou seja, a cultura de inovação e melhorias morre depois de um tempo, depois de tentativas frustradas, porque a empresa não possui estratégias para levar as ideias adiante.

segunda-feira, 14 de maio de 2018

Memória organizacional: como coletar, armazenar e recuperar conhecimentos explícitos e tácitos

Memória organizacional: como coletar, armazenar e recuperar conhecimentos explícitos e tácitos
(livro grátis)

LOH, Stanley. Memória organizacional: como coletar, armazenar e recuperar conhecimentos explícitos e tácitos. Porto Alegre, 2018.
Número de ISBN: 978-85-916683-9-7




Resumo:
Esse é um livro essencialmente prático. O objetivo é transmitir técnicas e métodos para ajudar pessoas e empresas a coletar, armazenar, organizar e recuperar conhecimento explícito. 
O conteúdo principal gira em torno de formas para armazenar conhecimento. Já que o conhecimento é diverso (representado pelo 3º V do Big Data), há muitas possibilidades de formatos para guardar conhecimento. Dependendo do formato, também haverá formas diferentes para recuperar conhecimento, as quais também são discutidas neste capítulo. 
Mas o livro também discute como se dá a coleta de conhecimentos e como podemos organizá-los. 
Também são discutidas formas para validar conhecimentos, isto é, para saber o que é verdade. Esta seção inclui um pequeno estudo sobre Fake News. 
Enquanto a primeira parte do livro fala de conhecimentos explícitos, a segunda parte trata da criação de conhecimento tácito e de modos para mantê-lo dentro da empresa. 
O livro começa discutindo a importância de coletar e armazenar conhecimentos explícitos, para que futuramente possam ser recuperados e reusados. Também discute a importância de gerenciar conhecimentos tácitos, os quais não podem ser armazenados em meios físicos, mas podem ser gerados e recuperados, mesmo estando na “cabeça” das pessoas. 
O capítulo 2 discute os 3Vs do Big Data, ou seja, como o volume, a velocidade e a diversidade de informações está afetando a vida das pessoas e as organizações. 
O capítulo 3 apresenta e discute técnicas para coleta de conhecimento, bem como aspectos inerentes a esta etapa, que podem inibir ou motivar pessoas a registrarem conhecimento.
O capítulo 4 apresenta várias formas que existem para armazenar conhecimento. Já que o conhecimento é diverso (representado pelo 3º V do Big Data), há muitas possibilidades de formatos para guardar conhecimento. Dependendo do formato, também haverá formas diferentes para recuperar conhecimento, as quais também são discutidas neste capítulo. 
O capítulo 5 discute formas para organizar o conhecimento, uma vez que ele se encontre armazenado. Isto facilitará a futura recuperação dos conhecimentos. 
No capítulo 6, são discutidas formas de validar o conhecimento coletado e armazenado, ou seja, como saber se é verdade ou não. 
O capítulo 7 começa a discutir conhecimentos do tipo tácitos. Neste capítulo, discute-se a importância do conhecimento tácito e como ele vem de pessoas inovadoras e visionárias. 
O capítulo 8 discute como a criatividade pode ajudar a gerar conhecimentos tácitos. Neste capítulo, são discutidas diversas técnicas para melhorar a criatividade. 
O capítulo 9 apresenta como adquirir conhecimento tácito pela sabedoria das massas ou multidões. 
O capítulo 10 trata do registro de patentes e como isto pode ser uma boa forma para registrar conhecimentos explícitos, seja sobre produtos ou processos da organização. 
O capítulo 11 complementa este livro falando da cultura organizacional e das diferentes dimensões culturais que existem. 


Baixar formato pdf

Baixar formato MOBI

segunda-feira, 23 de abril de 2018

Livro "História da Agricultura e da Indústria no Brasil"

Este é um extrato do meu livro anterior “A História da Inovação e do Empreendedorismo no Brasil – e comparações com outros países”. 
Neste livro, são detalhadas as histórias da agricultura e da indústria no Brasil. Também há um capítulo sobre a história dos serviços no Brasil, e o livro finaliza com uma discussão sobre a história de colônia do Brasil que se estende até hoje. 
Veja o índice na Amazon.

Adquira o livro aqui. 




livro "De onde vem o Conhecimento: depois do diálogo entre Sócrates e Teeteto"

O objetivo deste livro não é explorar questões biológicas ou neurológicas sobre o funcionamento do cérebro para que possamos criar algo novo ou resolver problemas. A ideia é tentar categorizar os processos cognitivos que podem levar ao conhecimento novo, às descobertas, a soluções de problemas e aumento da inteligência.
O livro discute técnicas baseadas tanto no Empirismo como no Racionalismo. 
Veja o índice na Amazon.

Adquira o livro aqui. 


quinta-feira, 19 de abril de 2018

Livro "Uma breve história da Inovação e do Empreendedorismo no Brasil"

Esta é a primeira parte do meu livro anterior “A História da Inovação e do Empreendedorismo no Brasil – e comparações com outros países”. 
É um relato breve e rápido dos principais acontecimentos envolvendo os temas de inovação e empreendedorismo que merecem destaque na história do Brasil. 
Começaremos falando do Brasil antes de Cabral e seguimos pela chegada dos Europeus. Será necessário estudar as primeiras colonizações e explorações, incluindo os principais ciclos econômicos. 
Depois, vamos passar pelo início da República e as relações exteriores de comércio, especialmente as relações com o parceiro principal destas épocas, a Inglaterra.
A seguir, vamos detalhar o Brasil de Getúlio Vargas e de Juscelino Kubitschek, chegando até o governo militar, com o milagre econômico e a abertura da economia pós-ditadura. Será necessário falar das crises monetárias, da inflação, do Plano Real e vamos dar especial atenção à reserva de mercado da Informática. 
No Brasil mais recente, é necessário falar do custo Brasil, do endividamento do brasileiro, dos investimentos na infraestrutura, da Ciência e Tecnologia e da desigualdade. Também analisaremos alguns índices econômicos atuais. 


Adquira o livro aqui


segunda-feira, 19 de fevereiro de 2018

O Consertador de Robôs - livro de ficção

Este é meu livro de ficção (quase científica).
A apresentação dele vai abaixo.

Peço aos amigos que me ajudem a divulgá-lo, compartilhando em suas redes.
O LIVRO É GRÁTIS.


Apresentação do livro:
Um especialista em Inteligência Artificial é chamado em diferentes cidades para resolver problemas com robôs e programas de software. As soluções precisam utilizar conhecimento técnico e perspicácia investigativa. Através de histórias independentes, em meio a emoções, sentimentos e intuições, o autor explica de forma lúdica como a inteligência artificial funciona e aproveita para discutir crenças, fé, ciência, ética e a condição humana.
O livro é sobre ficção científica mas aborda um futuro próximo e possível, usando o que já foi inventado ou está em desenvolvimento. Explica de maneira leiga o funcionamento e a aplicação de técnicas de inteligência artificial.
Durante a leitura, o leitor descobrirá que os robôs estão muito mais ligados a pessoas do que a peças,
metais, engrenagens e circuitos eletrônicos. E que nós humanos ainda somos uma peça importante para o bom funcionamento das tecnologias. O livro é sobretudo sobre pessoas.
O personagem principal, e também narrador das histórias, é fictício. Não foi inspirado em ninguém.