IS MBA Class 8

409 visualizações

Publicada em

Slides for my MBA IT class in Portuguese

Publicada em: Negócios, Tecnologia
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
409
No SlideShare
0
A partir de incorporações
0
Número de incorporações
3
Ações
Compartilhamentos
0
Downloads
6
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

IS MBA Class 8

  1. 1. DADOS & POLITIQUICE carreira soluções à procura de problemas
  2. 2. 51 das 100 maiores economias do mundo são empresas
  3. 3. POLITIQUICE & CARREIRA Managers also take advantage of this flow of information to portray themselves as able and willing to comply with their company’s goals. They do so to improve their chances in a career that consists of “probationary crucibles” in which: “managers must continually please their boss, their boss’s boss, their patrons, their president and their CEO, [and] they must prove themselves again and again to each other. […] This constant state of probation produces a profound anxiety in managers, [which is] perhaps the key experience of managerial work” Moral Mazes, Jackall, 1989
  4. 4. SOLUÇÕES À PROCURA DE PROBLEMAS
  5. 5. SOLUÇÕES À PROCURA DE PROBLEMAS
  6. 6. SOLUÇÕES À PROCURA DE PROBLEMAS vs.
  7. 7. SOLUÇÕES À PROCURA DE PROBLEMAS
  8. 8. COMO APRESENTAR IDEIAS PARA VENCER?
  9. 9. PROCESSO DE INTERPRETAÇÃO • Magnitude: Vendas, lucro, custos • Rácios: Quota de mercado, rentabilidade • Padrões e anomalias: Segmentação, crescimento • Meta-interpretação: Lógica
  10. 10. a mente assimila a mente avalia informação a validade das através de ideias através da relações entre clareza destas dados e ideias relações quanto mais claras forem a persuasão das estas relações ideias depende mais fácil é de uma lógica assimilar info. clara
  11. 11. LÓGICA • Determinar objectivo central, formulando-o sob a forma de pergunta • Juntar as ideias em grupos mutuamente exlusivos (clareza) • Juntar as ideias em grupos colectivamente exaustivos (plenitude) • Integrar estes grupos de forma indutiva ou dedutiva
  12. 12. INDUÇÃO VS DEDUÇÃO • Temos que aumentar os • Temos que ter uma loja online preços para manter lucro • Os clientes exigem-no • Os preços das matérias primas estão a aumentar • 30% só compram online • 60% fazem 2/3 compras online • Não temos margem de negociação para custos • Os concorrentes já o estão a fazer • Com estes custos a empresa não é • A ABC e a CBC já têm lojas online lucrativa responsáveis por 50% das vendas • Por isso é preciso aumentar o preço
  13. 13. lógica dados
  14. 14. MENTIR COM ESTATÍSTICA Amostras Percentagens Médias fora de convenientes movediças moda Indicadores Dados Atribuições emparelhados Raptados abusivas Escalas Crescimento Gráficos escalonadas horizontal embelezados
  15. 15. AMOSTRAS CONVENIENTES “As nossas vendas têm um valor mínimo de €1 m. .” freq. freq. 0 0 0 0 <1 m. 1 m.<10m. 10 m.<100m. >100m. 1 m.<10m. 10 m.<100m. >100m.
  16. 16. AMOSTRAS CONVENIENTES “As nossas vendas têm um valor mínimo de €1 m. .” freq. freq. Valor de cada conta Valor de cada venda 0 0 0 0 <1 m. 1 m.<10m. 10 m.<100m. >100m. 1 m.<10m. 10 m.<100m. >100m.
  17. 17. COMO FAZER: AMOSTRAS CONVENIENTES 1. Selecção de casos: eg. top 100 2. Agrupamento de variáveis: eg. vendas por conta 3. Aleatoriedade por tentativas
  18. 18. PERCENTAGENS MOVEDIÇAS “Este ano as nossas “Este ano as nossas “Este ano as nossas vendas subiram vendas subiram vendas subiram 3000%.” 30%.” 3%.”
  19. 19. PERCENTAGENS MOVEDIÇAS “Este ano as nossas “Este ano as nossas “Este ano as nossas vendas subiram vendas subiram vendas subiram 3000%.” 30%.” 3%.” Comparando com Comparando com Comparando com a quantidade o primeiro ano de o valor vendido o vendida o ano actividade ano passado passado
  20. 20. COMO FAZER: PERCENTAGENS MOVEDIÇAS 1. Percentagens de percentagens: 10 pts. %s = ↑100% 2. Ponto de chegada como base: saldos 100% 3. Momento zero como base: ↑1% = ↑10000%
  21. 21. MÉDIAS FORA DE MODA “Pagamos bónus de “Vendemos mais “Vendemos 10% sobre 200% por vendedor €3000000 por €1000000 por do que no ano vendedor.” vendedor.” passado.”
  22. 22. MÉDIAS FORA DE MODA “Pagamos bónus de “Vendemos mais “Vendemos 10% sobre 200% por vendedor €3000000 por €1000000 por do que no ano vendedor.” vendedor.” passado.” “Em mediana.” “Em moda.” “Em média.”
  23. 23. COMO FAZER: MÉDIAS FORA DE MODA 1. Distribuição generosa: gestores são colaboradores 2. Médias de amostras: salário médio dos colaboradores mais antigos 3. Médias, modas e medianas
  24. 24. COMO FAZER: MÉDIAS FORA DE MODA
  25. 25. INDICADORES EMPARELHADOS Cada vendedor Cada vendedor Cada vendedor fez criou 50 fez 30 visitas por 15 planos de vendas oportunidades por semana por semana semana
  26. 26. INDICADORES EMPARELHADOS Cada vendedor Cada vendedor Cada vendedor fez criou 50 fez 30 visitas por 15 planos de vendas oportunidades por semana por semana semana Taxa de conversão: 15%
  27. 27. COMO FAZER: INDICADORES EMPARELHADOS 1.Procurar na driver tree (enviesamento causa / efeito) 2.Utilizar processos em vez de resultados (inferências abusivas) 3.Utilizar indicadores positivos (efeito de halo)
  28. 28. DADOS RAPTADOS O ano passado vendemos 300 milhões de euros
  29. 29. DADOS RAPTADOS O ano passado vendemos 300 milhões de euros 290 dos quais milhões foram compras feitas pelos clientes
  30. 30. COMO FAZER: DADOS RAPTADOS 1. Reportar ‘tronco’ da driver tree, sem reportar ‘ramos’ 2. Reportar resultados positivos, segmentados de várias formas 3. Raptar dados de sistemas de informação automáticos
  31. 31. ATRIBUIÇÕES ABUSIVAS O ano passado vendemos mais 300 milhões de euros do que o ano anterior, em que a Maria não era a CEO
  32. 32. ATRIBUIÇÕES ABUSIVAS O ano passado vendemos mais 300 milhões de euros do que o ano anterior, em que a Maria não era a CEO dos quais 290 milhões foram compras feitas pelos clientes
  33. 33. COMO FAZER: ATRIBUIÇÕES ABUSIVAS 1. Estabelecer correlações, evitar causalidade 2. ‘Chicotear o cavalo’ 3. Procurar locais ocorrências naturais de sucesso
  34. 34. ESCALAS ESCALONADAS freq. (escala linear) 100 15 10 5 0 0 1 m.<10m. 10 m.<100m. >100m.
  35. 35. ESCALAS ESCALONADAS Vendas freq. freq. (escala linear) (escala log.) 100 15 100 10 10 5 0 0 0 0 1 m.<10m. 10 m.<100m. >100m. 1 m.<10m. 10 m.<100m. >100m.
  36. 36. COMO FAZER: ESCALAS ESCALONADAS 1. Escalas cuidadas 2. Truncagem a zero 3. Truncagem a meio
  37. 37. CRESCIMENTO HORIZONTAL vendas 0 2009 2010
  38. 38. CRESCIMENTO HORIZONTAL vendas vendas 0 0 2009 2010 2009 2010
  39. 39. COMO FAZER: CRESCIMENTO HORIZONTAL 1. MAX (# dimensões das imagens) 2. Utilizar imagens com significado simbólico 3. MAX(Variação da imagem / variação nos dados)
  40. 40. 2 = 30.488 / 7875 = 3.87
  41. 41. GRAFICOS EMBELEZADOS freq. (escala linear) 100 15 10 5 0 0 2008 2009 2010
  42. 42. GRAFICOS EMBELEZADOS freq. freq. (escala linear) (escala linear) 100 100 15 15 10 10 5 5 0 0 0 0 2008 2009 2010 2008 2009 2010
  43. 43. COMO FAZER: GRAFICOS EMBELEZADOS 1. Utilização de côr 2. Utilização de símbolos 3. Posicionamento de símbolos
  44. 44. NÃO SE ESQUEÇAM... • Modelo de processamento visual • Teoria gestalt da visualização • Factores primários de atenção • Movimento ocular
  45. 45. MODELO DE PROCESSAMENTO VISUAL pre-consciente curto-prazo longo-prazo (tudo) (visivel) (importante) 7 items
  46. 46. TEORIA GESTALT: PROXIMIDADE
  47. 47. TEORIA GESTALT: SEMELHANÇA
  48. 48. TEORIA GESTALT: SEMELHANÇA
  49. 49. FACTORES PRIMÁRIOS DE ATENÇÃO Movimento Brilho Luz Côr Tamanho
  50. 50. MOVIMENTO OCULAR & ATENÇÃO Alta Média Alta Média Baixa
  51. 51. EM BUSCA DA VERDADE Visualizações Intervalos de Dispersão confiança Quem é que Como é que Há mesmo diz? sabe? uma relação?
  52. 52. VISUALIZAÇÕES 1. Enviesamentos de percepção 2. coef(malandrice)=3.87/2= 1.93 3. O que não é mostrado: % driver tree
  53. 53. INTERVALOS DE CONFIANÇA grafico: wikipedia 10% 80% = 70% ou a 90%
  54. 54. DISPERSÃO
  55. 55. QUEM É QUE DIZ? • Quem é que constitui a amostra, mesmo? • O que é que a amostra sabe? • Quais os interesses de quem preparou os dados?
  56. 56. COMO É QUE SABE? • Como é que foram feitas as perguntas? • Qual é a parte da amostra reflectida nas respostas? • Qual é a distribuição provável?
  57. 57. HÁ MESMO UMA RELAÇÃO? • A cadeia causal é baseada em relações causais (vs. justaposição)? • Os indicadores são semelhantes (há quintas e quintas)? • Faz sentido (eg. Flesh-Kincaid)?

×