Um número de emissões com três casas decimais transmite a impressão de precisão. Mas precisão nada diz sobre fiabilidade. Um número pode ter sido calculado até à última casa decimal e, ainda assim, basear-se numa unidade errada, num fator de conversão desatualizado ou numa estimativa que alguém introduziu anos atrás e que nunca mais foi verificada. É isso a falsa precisão: um número que parece mais exato do que realmente é.
Isto não acontece porque as pessoas são descuidadas. Acontece porque um relatório é o último passo de uma longa cadeia, e no final dessa cadeia já não é possível ver o que aconteceu pelo caminho. Uma folha de cálculo com três decimais tem o mesmo aspeto, quer o valor de origem seja um número medido, quer seja um palpite. Sem regras que estabeleçam o que é um valor válido, essa diferença permanece invisível.
Cada ponto de dados tem limites dentro dos quais um valor é plausível. Um consumo de energia por unidade não pode ser negativo. Um fator de emissão não muda a cada trimestre por um fator de dez. Um número de colaboradores não se desvia por milhares em relação ao mês anterior sem razão identificável. Não se trata de modelos estatísticos complicados, mas de limites simples e registáveis por ponto de dados.
A questão de saber o que é um valor válido não tem resposta igual em todos os contextos. O que conta como um intervalo aceitável para um ponto de dados é demasiado amplo ou demasiado estreito para outro. Essa escolha pertence ao próprio ponto de dados, tal como a questão do que é um valor válido e quem se dá conta quando algo corre mal. Sem tornar essa escolha explícita, cada valor que entra é silenciosamente considerado correto, mesmo quando não o é.
Além de um limite rígido, existe uma segunda camada: desvios que não são inválidos, mas que chamam a atenção. Um valor que se situa dentro do intervalo permitido, mas que se desvia fortemente do padrão de períodos anteriores, não está errado, mas constitui um sinal que alguém deveria analisar.
A diferença entre uma rejeição rígida e um sinal é uma escolha deliberada. Um controlo de valor válido bloqueia; um sinal exige atenção sem bloquear. Ambos são necessários, e ambos devem estar definidos ao nível do ponto de dados, tendo como ponto de partida a questão de como se configura um desvio-sinal e quem se dá conta quando isso acontece. Sem esse registo, fica ao acaso quem repara num valor estranho, e quando.
Uma regra sem destinatário é uma regra que ninguém lê. Se um valor sair fora do limite ou emitir um sinal, deve estar definido quem tem visibilidade sobre isso: quem introduz os dados, o data owner, o controller que processa o número mais adiante. Sem esse passo, um desvio desaparece num ficheiro de registo que ninguém consulta, e um erro sinalizado transforma-se num erro não detetado.
É também aqui que muitos mecanismos de controlo, na prática, ficam parados. Estabelece-se uma regra, mas não se define quem lhe responde. A regra existe, a notificação aparece, e nada acontece. Quais os controlos que pertencem a um ponto de dados e quem os vê está relacionado com a visão mais ampla sobre quais os controlos que pertencem a um ponto de dados e quem se dá conta quando algo corre mal. Um controlo que ninguém vê não é, na prática, um controlo.
Existem sistemas que detetam automaticamente desvios e enviam notificações. Esses sistemas são úteis, mas não resolvem nada se as perguntas subjacentes não tiverem resposta: o que é, para este ponto de dados específico, um valor válido, o que é um sinal, e quem é o destinatário indicado. Uma ferramenta que funciona com regras que ninguém pensou a fundo produz notificações que ninguém leva em conta a sério ou avisos que são estruturalmente ignorados. O resultado parece controlo, mas não é.
É por isso que estas perguntas devem primeiro ter resposta ao nível do ponto de dados, antes de um sistema as poder executar. A regra pertence ao ponto de dados, não ao software que, por acaso, o monitoriza.
A falsa precisão surge frequentemente em combinação com outro problema: partes da organização que definem um ponto de dados de forma diferente. Se uma unidade contabiliza os metros quadrados de área de escritório e outra não, um controlo sobre valores plausíveis não é suficiente, porque os valores não são comparáveis entre si. O que fazer quando as definições diferem entre unidades e como isso se relaciona com o controlo de valores válidos está descrito na página sobre definições divergentes e a respetiva questão de controlo. Quem estabelece regras de qualidade sem primeiro analisar esta questão de definição pode estar a controlar valores plausíveis que, de facto, não são comparáveis entre si.
Esta análise identifica, por ponto de dados, o que é um valor válido, o que é um sinal e quem é o destinatário indicado. Essa visão de conjunto não é o ponto final, mas o ponto de partida: regista onde, neste momento, não existe qualquer regra, onde existe uma regra sem destinatário, e onde a própria definição de um ponto de dados já gera confusão entre unidades. Uma vez obtida essa imagem, é possível ver quais os controlos que têm mais peso e onde deve incidir a atenção em primeiro lugar.
Uma vez estabelecida essa visão de conjunto, é possível responder a outra questão: que parte do trabalho que atualmente ainda é feito manualmente pode, após esta classificação, ser transferida para um processo automatizado. É para isso que serve a análise de trabalho da FTE TO AI: calcula, por tarefa, que parte do trabalho pode ser assumida pela IA, não como substituto das regras de qualidade aqui estabelecidas, mas como passo seguinte à visão de conjunto que assim se obtém.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.