Mês passado, por indicação de um amigo que falou “Esse livro é a tua cara!”, senti-me intimado a ler “A Cultura da Experimentação: como os experimentos nos negócios podem melhorar sua capacidade de inovação”, de Stefan H. Thomke (2021). Ainda não concluí o papiro, mas a cada página virada me pergunto: por que não fui eu quem escreveu isso? Mas um pensamento me conforta: se tivesse escrito, seria constrangedor tentar convencer qualquer um a lê-lo. Mesmo ainda no segundo capítulo, posso afirmar: tem de ser folheado por quem deseja ser ou já é empreendedor. Não tenciono convencer-te a comprar o livro. Essa indicação é só uma forma de validar meus dizeres, já que uma autoridade no assunto, que nem sabe que existo, segue a mesma cartilha em 2021. Apesar de ter escrito muito sobre o tema, meus textos são tidos como longos para tempos hodiernos (cabem em três páginas A4). Dado ao grande impulso que os experimentos podem promover em seu empreendimento – e como desejo que gente apressada leia -, vou deixar este texto com a metade do tamanho, pra não ter de ouvir desculpas. Se ainda insiste em não querer perder “todo” esse tempo, é só parar por aqui e começar a experimentar, e minha tarefa terá sido cumprida. Fazendo isso e, assim como eu, se você está esgotado de ouvir o mantra “inovação”, ela acontecerá silenciosamente, quase que por encanto. Te convenci a continuar a ler?
Dados, Correlação e Causalidade
A velocidade de mudança da tecnologia promoveu a perecibilidade da inovação (e por que não dizer da informação?), fazendo com que fossemos jogados em um mundo VUCA (volátil, incerto, complexo e ambíguo). Junto a isso, ou por causa disso, o volume de dados cresce exponencialmente dia a dia, de modo que precisamos de auxílio (pessoas ou ferramentas) para processá-los. A consequência: por melhores que sejam os cientistas de dados que se possa consultar, com o intuito de criar modelos de negócios, tomar decisões ou premeditar o futuro, no momento em que tudo isso toca o Mercado, a coisa desanda. Um antigo professor de Física I, Marcos Gamero, começava as aulas com a seguinte frase: “na prática, a teoria é outra”, que me fez cunhar o corolário “a prática é a teoria cheia de remendo”.
Então, por mais que os dados apontem correlações entre aparentes verdades, pode não haver causalidade entre ambos. Aquele velho case “colocar fralda perto de cerveja, pois detectou-se que todo pai que saía (chateado) para comprá-las, transformava isso numa aventura prazerosa ao colocar o líquido no carrinho”, apesar de ter uma forte correlação, não deve ser o principal indicador para que uma fábrica de bebidas implante uma linha de fraldas. Nem o contrário. Fraldas “Rainiquém” ou cerveja “pânperis” não são uma boa associação. Não há uma relação de causalidade. Se faltar cerveja no Mercado, ninguém deixará de comprar fraldas; muito menos o contrário. Acho até que o consumo da bebida aumentaria...
Correlação não é sinônimo de causalidade. Dados não são informação. Por isso que muita gente boa aposta grandes recursos em BI (Business Intelligence), acreditam piamente nas respectivas inferências, e se frustram quando tomadas de decisão data-driven dão errado. Aonde eu quero chegar: a única forma de realmente saber como o Mercado se comporta, depois de prototipar alguns modelos, é realizar experimentos. E fim de papo. Quando o dado é submetido à escrutínio da experimentação, ele se transforma em informação. Agora sim: você pode tomar uma decisão information-driven (se é que isto existe?!).
O erro é a fonte. Fracasso é apenas uma possível consequência.
Em Problemas crescentes, abordagens incrementais já havia tocado neste assunto. Não precisamos bolar inovações mirabolantes pra resolver um problema. Apenas comece a trabalhar pequeno, por qualquer coisa que sinalize algo errado. À medida em que se avança, os problemas, não importam o tamanho, começam a ser reduzidos logaritmicamente. Um cliente insatisfeito (vide Reclame Aqui), um funcionário que reclama (caixas de “ódio” espalhadas no ambiente), um aplicativo que não responde, uma meta não atingida, são indícios suficientes de “falha no sistema”. Jogue sua atenção para lá e comece a entender esses pequenos fracassos. Eles apontarão os erros. O contrário também é válido: fracassar não é errar. É só um termômetro que sinaliza uma mudança de abordagem.
1.000 maneiras de não errar grande
Erros encontrados, comece a modelar novos caminhos. Posso então juntar o jargão de duas culturas. Pegando os mantras da Ágil, “fail fast, learn faster” (falhe rápido, aprenda mais rápido), e da Lean Startup, “erre rápido e tenha sucesso cedo”, posso bolar algo como “experimente rápido e barato e encontre um bom caminho cedo”. O ato de tomar decisões incrementais deve acontecer o tempo todo, para que você não tenha que fazer uma grande e binária – de vida ou morte – em um exíguo espaço temporal. Milhares de pequenos experimentos que dão errado, bem trabalhados e documentados, parecerão irrisórios se um deles der certo e evitar, por exemplo, o fechamento de um negócio. Experimentar é introjetar conhecimento na medula. Errar grande é não fazer isso. Experimentar é atuar como se cliente o fosse. É compreender o Mercado.
Finalizando...
A cultura da experimentação tem de ser absorvida pelo responsável e implantada em qualquer organização. Todos os níveis hierárquicos precisam entender isso como uma estratégia de guerra (pois é assim que se comporta o Mercado) e serem incentivados a promoverem-na. E por falar em guerra, lembrei-me dos letreiros que iniciam os filmes da saga Star Wars. Sem querer ser dramático, recomendo que ao assistirem algum episódio, espremam bem os olhos e tentem ver algo escondido no letreiro. Fiz um print, dei um zoom e coloquei numa figurinha, para ficar fácil de ver. Torço pra que não seja o enredo de seu negócio. May The Force Be With You! (Que a força esteja com você!)
Episódio MMXXI: A empresa que não experimentava!
