INTELIGÊNCIA DE VALOR

#inteligênciadevalor #valor #inteligência #algoritmos #algoritmosdemachinelearning #bigdata #sistemasderecomendação #datamining #cicloFRD #feedbackinteligente

Chegamos finalmente ao auge do nosso escopo introdutório! Agora, já é possível responder a duas questões de importância colossal, pelo menos dentro do contexto dos processos de tomada de decisão, quais sejam:

1. Será que competição e colaboração são mesmo realidades dicotômicas?
2. Por acaso existe alguma forma de automatizar ambas as estratégias?

A resposta é sim e a metodologia de Inteligência de Valor foi criada justamente para atender ambos os quesitos… Ela pode ser aplicada por entidades autônomas ou controladas para processos de geração de valor em qualquer dimensão: pessoal, profissional ou social (neste trabalho iremos nos ater especificamente à dimensão profissional).

Já vimos que “entidade” pode ser tanto uma pessoa como uma organização, empresarial, sem fins lucrativos ou estatal. Vimos também que entidades são, na verdade, estruturas de processos complexos governados por uma coletividade de algoritmos. Aí vem logicamente outra pergunta: como a Inteligência de Valor pode de fato ajudar tais entidades?

Parte-se do pressuposto de que o determinante para o sucesso de uma entidade é que tenham, na sua rotina, uma quantidade significativa de “boas decisões”, condição esta que só pode ser atingida quando governada por algoritmos de machine learning, livres dos “viés” típico da mente humana.  

Tudo que não for governado por algoritmos não tem lógica, está “aprisionado” pelas emoções, deve ser evitado e até mesmo banido!

Antes que me julguem mal, fique claro que não são todas as circunstâncias que devem ser analisadas sob a ótica pura, fria e, de certa forma, simplista dos algoritimos. Veremos aqui algumas aplicações nas sendas da inteligência digital, financeira, científica, tecnológica e de mercado que não deixarão dúvidas sobre o poder desta metodologia.

A espinha dorsal da metodologia de Inteligência de Valor se dá pelo preposto do ciclo FRD (acrônimo Filtre, Recomende e Decida) de feedback inteligente que se inicia com a extração e filtro dos dados através das técnicas de data mining.1

Num mundo rodeado de aplicações de big data, em que a presença dos dados massivos é dominante, se você não souber aplicar ou, minimamente, fazer uso de ferramentas capazes de selecionar e filtrar dados relevantes, formando uma base para descoberta de novos conhecimentos, certamente o fluxo de dados irá literalmente “engolir” toda sorte de interpretação estratégica para tomada de decisão.  

De posse dos dados, não há como prosseguir em qualquer tipo de análise de domínio sem antes tranformá-los antes em informação. É ela que dá sentido aos mesmos. Com este intuito, já vimos o papel dos BROKERs de informação que se utilizam de metodogias próprias para transformar os dados em informação verdadeiramente útil!

Uma imagem contendo equipamentos eletrônicos

Descrição gerada automaticamente
Figura. O ciclo FRD de feedback inteligente.

Chegamos então à etapa decisiva do FRD cujo proprósito é justamente o ranking das alternativas encontradas. Nela, são utilizados diferentes tipos de “sistemas de recomendação” que irão propiciar a seleção das melhores FONTEs de informação.2 Detalhe importante: observe antes que, para tal, todas as etapas do ciclo são permeadas por algoritmos de machine learning.3

Lembremos aqui de mais uma regra de ouro e das mais importantes:

Na era da informação, mais vale uma boa FONTE do que páginas e mais páginas de relatórios e análises que não passam de pura especulação!

Ao monitorar FONTEs fidedignas, o ciclo FRD será constantemente “retro-alimentado” por eventos que representam fatos realmente significativos sobre determinada aplicação e, com base neles, qualquer entidade poderá decidir sobre as atividades da sua rotina, tomando o devido cuidado de sempre registrar a performance para formar, aos poucos, sua base de conhecimento. É ela que dará os inputs para retro-alimentar um novo ciclo de tomada de decisão com base em novos dados e assim sucessivamente.

A metodologia de Inteligência de Valor, portanto, reside em respeitar cada uma destas etapas do ciclo FRD, independente do seu campo de atuação, garantindo assim suas chances de chegar a bons resultados através de boas decisões, ou seja, aquelas que geram valor sustentável que se retro-alimenta e evolui com o tempo!

Créditos:

Autoria por Ricardo Barreto

Obra no prelo: INTELIGÊNCIA DE VALOR: boas decisões sempre

Gostou? Mãos ao BUZZ nas redes!

Saiba mais:

1. Goldschmidt, G. Data mining, 2a. ed. Rio de Janeiro: Elsevier, 2015.

2. Cowan, D. et al. The use of machine learning algorithms in recommender systems, Expert Systems with Applicatons, 2017.

3. Souza, M. A. F. Algoritmos e lógica de programação, 2a. ed. São Paulo: Cengage Learning, 2014.

DADOS, INFORMAÇÃO, CONHECIMENTO E INTELIGÊNCIA

#inteligênciadevalor #valor #inteligência #inteligênciartificial #algoritmosdemachinelearning #machinelearning #sistemasderecomendação #colaboraçãoemmassa #tomadadedecisão #processosdetomadadedecisão #dados #informação #conhecimento #gestãodoconhecimento

Digamos que exista um processo sistêmico, dinâmico e colaborativo, capaz de aumentar significativamente suas chances de sucesso em qualquer tipo de processo de tomada de decisão, estratégica ou nem tanto… [hehe] Precisamos, antes de mais nada, de entender um pouco mais a fundo o que são dados, informação, conhecimento e inteligência.

Em realidade, são conceitos bem distintos, muito embora exista uma certa gradação entre eles, dentro de uma escala de discernimento com o tempo: o dado gera a informação que, por sua vez, leva ao conhecimento, refletido finalmente em inteligência aplicada no resultado de eventos futuros. Vide abaixo a representação esquemática adaptada do trabalho de de Štefániková et al. 1

Dentro das organizações, os dados podem ser vistos como simples registros de eventos, devidamente estruturados, sem um significado propriamente dito. Num laboratório de pesquisas, por exemplo, pode-se classificar como dados os registros dos experimentos, tabelas, gráficos, resultados analíticos, entre outros.

Já a informação deve encerrar um significado próprio, tanto que o próprio Peter Drucker (nosso guru da gestão empresarial) afirmou certa vez que “as informações são dados dotados de relevância e propósito”. Veja que a significância, neste caso, está diretamente relacionada à capacidade de transmitir uma mensagem entre um gerador e um receptor. Simples assim: um cientista acabou de ler um artigo sobre a aplicação de nanotubos de carbono para proteção de alimentos em caixas de papelão. No café, seu pupilo ficou interessado e, claro, absorveu uma breve aula sobre o tema e bem fresquinha…

Por sua vez, quando se fala de conhecimento, qualquer explicação direta e simples seria uma difícil missão, tamanha a complexidade deste conceito. Podemos tão-somente nos arriscar aqui a propor uma definição um pouco mais atualizada: “seria o repositório de informações em constante evolução, devidamente estruturado e conectado a uma rede de colaboradores”.

Figura i.3. A gradação do discercimento com a evolução e o tempo.

Mais importante, agora, é observar a distinção entre conhecimento e inteligência. Notem que os dados, a informação e o conhecimento estão no campo do passado enquanto que a inteligência é a única que volta-se para o futuro.

Lembrem-se da máxima popular: de nada adianta o conhecimento se este não for devidamente aplicado!

É como ter uma enciclopédia gigantesca sem um professor para transmitir os ensinamentos nela encerrados. O papel da inteligência é, portanto, crucial para atingir o discernimento com o tempo, seja em processos organizacionais ou em situações importantes das nossas vidas, conectando o passado com o futuro, os que sabem com os que precisam saber. A inteligência serve para ajudar as pessoas a decidirem com sapiência!

Deve-se enfatizar ainda que existem diferentes naturezas informacionais, sejam elas estruturadas ou não-estruturadas. Os dados, informações e conhecimentos estruturados são aqueles sistematizados, organizados e disponíveis para acesso dentro ou fora das organizações. Já aqueles não-estruturados são sempre externos, sem quaisquer tipos de filtros ou tratamentos analíticos.

Um exemplo seria o dado relacionado ao número de patentes depositadas por uma determinada empresa competidora, acessível através de bases de dados tecnológicas como a PATENTSCOPE do Wipo (Escritório Mundial de Patentes). Veremos em detalhes mais a frente o papel deste tipo de base de dados na geração de informação relevante para Pesquisa, Desenvolvimento & Inovação (PD&I).

Ainda como preâmbulo, não poderíamos deixar de mencionar a grande revolução que estamos vivenciando nos últimos anos com o advento dos algoritmos de machine learning e o aparecimento das primeiras aplicações da inteligência artificial (AI), tais como o reconhecimento de voz e imagens, bem como a sua difusão “meteórica” em campos antes inimagináveis como a medicina e o ensino.

Por muito tempo o ser humano reinou absoluto como a única fonte de conhecimentos, os quais eram ditos tácitos pelo fato de carecerem da “externalização” pelas pessoas que o detinham através das suas experiências singulares. É por este motivo que os ativos de conhecimento sempre imperaram para formação do patrimônio intelectual e competências das pessoas nas organizações.

Hoje em dia isto já não é mais uma realidade intransponível! Em tempos de big data, estamos migrando dos “ativos de conhecimento” para os “ativos de dados” e, consequentemente, do “conhecimento tácito” para o “conhecimento explícito”, muito embora avassalador…

Os mecanismos de inteligência estarão cada vez mais presentes na rotina das organizações e das pessoas. Tudo, ou mais propriamente qualquer processo que se baseia em dados e informação, será um dia passível de automação! As novas aplicações da inteligência artificial estão cada vez mais ousadas, substituindo gradativamente nós (os humanos) em muitas atividades…

Se este cenário lhe preocupa, não adianta evitá-lo. Comecemos entendendo em quais circunstâncias devemos competir ou colaborar. Só depois vamos começar a entender como alguns “robozinhos” podem ser bons amigos nos nosso dia a dia! Vamos lá?

Créditos:

Autoria por Ricardo Barreto

Obra no prelo: INTELIGÊNCIA DE VALOR: metodologia aplicada aos processos de tomada de decisão

Gostou? Mãos ao BUZZ nas redes!

Saiba mais:

1. 4Štefániková et al.The need of complex competitive intelligence, Procedia Social and Behavioral Sciences, 2014, 669 – 677

Processos de tomada de decisão

#inteligênciadevalor #valor #inteligência #inteligênciartificial #algoritmosdemachinelearning #machinelearning #sistemasderecomendação #colaboraçãoemmassa #tomadadedecisão #processosdetomadadedecisão #FriedrichHayek #DanielKahneman #pensamentoestatístico #pensamentocausal

Apesar de citar as informações científicas, Hayek1 estava se referindo, outrossim, ao processo de tomada de decisão estratégica nas organizações, muito embora o conceito possa ser extrapolado ao nível do indivíduo, desde que se caracterize um processo cíclico aplicável até mesmo em situações elementares do cotidiano.

O importante é que este processo deve compreender necessariamente a identificação de um problema qualquer, a busca de alternativas para sua solução, atividades de execução da alternativa escolhida e, finalmente, a avaliação dos resultados para enfrentar possivelmente novos problemas, reconhecidos por semelhança ao problema original.

Figura. Processos cíclicos de tomada de decisão.

Mergulhando mais a fundo no tema, diga-se de passagem negligenciado por muitos, precisamos lançar mão dos trabalhos de mais um Nobel de economia, desta vez exaltando o professor emérito de psicologia da Universidade de Princeton: Daniel Kahneman. Ele desvenda os modelos mentais que estão por trás dos processos de tomada de decisão, destacando estritamente duas formas de pensar: o “pensamento estatístico” epensamento causal”. 2

O primeiro é analítico, reflexivo e ponderado. Beseia-se num conjunto de fatos e dados (as alternativas do esquema acima) que são meticulosamente calculados (idealmente via algoritmos) e avaliados antes de se apresentar uma solução para algum problema específico. Já a segunda forma de pensar (a causal) se apóia em ideias associativas, preconcebidas com base no histórico de memórias e experiências pregressas armazenadas num banco de dados extremamente vasto.

Kahneman afirma com propriedade que nós, seres humanos autônomos e conscientes, agimos constantemente de acordo com uma ou outra forma de pensamento, dependendo da circunstância e, claro, do perfil psicológico do observador.

Assim, pode-se dizer que todos nós temos dupla personalidade, ora governados pelo EU consciente, preciso mas lento, ora dominados pelo EU não-consciente, muito mais rápido apesar de enviesado por vezes!

Aliás, sobre os viéses relacionados à busca automática pela “causalidade”, ele cita um evento internacional altamente relevante no combate americano ao terrorismo, mais precisamente o dia em que Saddam Hussein foi preso… Veja, a renomada agência de notícias econômicas americana (Bloomberg) destacou no fatídico dia as seguintes manchetes contraditórias:  

  • MANCHETE 1: TÍTULOS DO TESOURO AMERICANO SOBEM: CAPTURA DE HUSSEIM PODE NÃO CONTER O TERRORISMO;
  • MANCHETE 2: TÍTULOS DO TESOURO CAEM: CAPTURA DE HUSSEIN IMPULSIONA APELO POR ATIVOS DE RISCO.

De fato, neste dia, inicialmente os preços das apólices inicialmente subiram, no entanto, meia hora mais tarde elas cairam acentuadamente… Este é apenas um entre os numerosos e perspicazes exemplos que comprovam a sua tese de que “um grande evento gera consequências, e consequências necessitam de causas para explicá-las”!

Portanto, sempre que possível ou mais propriamente quando houver tempo e capacidade de processamento suficientes (neste caso a poderosa mente humana) deve-se optar pelo pensamento estatístico e não o causal para todo e qualquer processo de tomada de decisão.[*]

Acontece que, para qualquer organização ou indivíduo lograr êxito no processo de tomada de decisão, este depende de dados não só abundantes mas também fidedignos, ou seja, pautadoos por informações úteis, corretas, entregues na hora certa e para a(s) pessoa(s) certas, quais sejam aquelas que de fato detêm o conhecimento para decidir estrategicamente. Este é o cerne do que chamaremos daqui em diante de INTELIGÊNCIA DE VALOR. Mas antes de desvendar esta nova metodologia, deve-se diferenciar definitivamente o que são dados, informação, conhecimento e inteligência.

Créditos:

Autoria por Ricardo Barreto

Obra no prelo: INTELIGÊNCIA DE VALOR: metodologia aplicada aos processos de tomada de decisão

Gostou? Mãos ao BUZZ nas redes!

Saiba mais:

1. Hayek, Friedrich A. The Use of Knowledge in Society1945.

2. Kahneman, D. Rápido e devagar: duas formas de pensar, 1a ed. Rio de Janeiro: Objetiva, 2012.



[*] Observe que o pensamento causal (ou autônomo) é muito eficiente em situações triviais do cotidiano como andar pela rua ou dirigir um carro. Para tarefas mais complexas tais como a decisão de investimento num apartamento na planta, você precisa se desvencilhar do impulso de compra e raciocinar! Isto significa colocar a massa cinzenta para funcionar… O campo da Inteligência Artificial, com seus algoritmos e o uso de dados massivos, vem ganhando cada vez mais força no dia a dia das pessoas, justamente pela limitação humana (mente, cérebro e memória) para galgar tomadas de decisões muito mais acertadas. Quem não gostaria de ter um ROBÔ à disposição para saber quais as melhores ações devo comprar e vender na bolsa de valores todos os dias?!