Você está lendo a primeira edição do Data Brief.

Não vou fingir que isso é uma newsletter de notícias sobre dados. Não é. Também não é um tutorial, um ranking de ferramentas ou um compilado de tendências de mercado.

É um ponto de vista. Publicado semanalmente, toda terça-feira, sobre o que realmente acontece quando empresas tentam tomar decisões com dados, o que funciona, o que falha, e por que a diferença raramente está na tecnologia.

Escrevo a partir do campo: de projetos reais, com empresas reais, em decisões que têm consequência.

Se você quer um lugar para pensar melhor sobre dados sem precisar virar analista, é aqui.

Obrigado por estar na primeira.

Democratizar acesso a dados parece uma ideia irresistível. Coloque dashboards nas mãos de todo mundo. Deixe cada gerente extrair seus próprios relatórios. Elimine o gargalo do time de BI. Mais autonomia, decisões mais rápidas, empresa mais inteligente.

O problema é que esse raciocínio ignora uma variável fundamental: acesso a dados sem capacidade de interpretá-los não empodera ninguém. Cria algo mais perigoso, decisões erradas tomadas com confiança.

Pense no gerente que viu a taxa de conversão subir 40% e comemorou sem perceber que o denominador havia mudado na semana anterior. A decisão foi tomada com convicção, apoiada em dados, e estava completamente errada.

Quando você dá a alguém uma ferramenta poderosa sem o contexto para usá-la bem, não está distribuindo inteligência. Está distribuindo a ilusão de inteligência. E ilusões de inteligência custam caro em retrabalho, em estratégias equivocadas e, principalmente, em oportunidades perdidas porque o número parecia certo mas a pergunta estava errada.

Self-service BI é uma conquista técnica. Sem literacia de dados, ela vira uma ameaça silenciosa.

O mercado de ferramentas de BI explodiu. Power BI, Looker, Tableau, Metabase hoje qualquer empresa de médio porte tem ao menos uma dessas soluções rodando. A adoção cresceu, os preços caíram, a interface ficou mais simples. Nunca foi tão fácil montar um gráfico.

Só que o problema nunca foi o gráfico.

No Brasil, menos de um terço dos profissionais de nível gerencial conseguem interpretar corretamente uma análise básica de tendência. A maioria não distingue média de mediana na prática. Poucos sabem quando um número absoluto precisa virar relativo para fazer sentido.

Isso não é crítica às pessoas é crítica ao modelo. Empresas investem pesado em ferramentas e negligenciam o que torna as ferramentas úteis: a capacidade de fazer as perguntas certas e entender o que a resposta significa.

O resultado é previsível: relatórios proliferam, reuniões se enchem de gráficos, e as decisões continuam sendo tomadas por intuição, mas agora com uma camada de dados por cima para justificá-las.

Democratizar sem educar não é empoderamento. É automação de viés.

Existe uma forma direta de diagnosticar se sua empresa realmente usa dados para decidir ou apenas para decorar decisões já tomadas.

Toda decisão verdadeiramente informada por dados precisa de três elementos simultâneos:

Acesso: os dados certos estão disponíveis, atualizados e confiáveis. Sem acesso, não há análise possível.

Literacia: quem usa os dados consegue lê-los com precisão e entende o que cada métrica significa, conhece suas limitações e sabe quando um número não conta a história completa.

Contexto: quem analisa conhece o negócio o suficiente para saber se o que os dados mostram faz sentido na realidade da empresa. Números fora de contexto são como mapas sem legenda.

A maioria das iniciativas de self-service BI investe quase tudo em Acesso e esquece os outros dois vértices do triângulo.

E literacia não se resolve com ferramenta nova. Se resolve com perguntas melhores, explicações mais claras e uma cultura que valoriza entender, não apenas ter acesso.

Na sua empresa, quantas pessoas que usam os dashboards conseguiriam explicar sem ajuda o que cada métrica significa e qual é a sua principal limitação?

Em 2018, o Zillow lançou o Zillow Offers: um programa para comprar imóveis diretamente de proprietários, reformar e revender, tudo guiado pelo próprio algoritmo de precificação da empresa, o Zestimate. A lógica era sedutora. Eles tinham mais dados sobre o mercado imobiliário americano do que qualquer outro player. O modelo era sofisticado. O dashboard era impecável.

O problema não estava nos dados. Estava em quem tomava as decisões com eles.

Os executivos responsáveis pelas compras confiavam nos números do algoritmo sem entender o que ele não conseguia medir: a velocidade e a direção de um mercado em ruptura pós-pandemia. O modelo foi treinado em padrões históricos. O mercado de 2021 não tinha histórico comparável. Ninguém na cadeia de decisão fez essa pergunta.

O resultado: o Zillow comprou milhares de imóveis acima do preço de mercado, acumulou prejuízo superior a 500 milhões de dólares, demitiu 25% do quadro de funcionários e encerrou a operação em novembro de 2021. O CEO Rich Barton admitiu publicamente que a empresa "subestimou fundamentalmente" sua capacidade de interpretar o que os dados estavam dizendo.

Acesso total. Literacia insuficiente. Meio bilhão de dólares de lição.