A utilização da ferramenta de apoio no processo de tomada de decisão foi benéfica em alguns aspectos. A modelagem do ambiente de negócios em Redes Bayesianas ajuda a dar clareza às relações de causa e efeito, o que influencia positivamente a tomada de decisão. Embora o
161
processo de modelagem não tenha sido executado por quem participou dos experimentos, a modelagem após finalizada permite aos participantes entender as forças que interagem entre si, e é um processo importante para aprimorar a visão sistêmica do ambiente de negócios (STERMAN, 2000).
Neste aspecto, a ferramenta permite vivenciar a definição de Ackoff de planejamento como um processo contínuo de decisões inter-relacionadas (ACKOFF, 1979). Ao utilizar a ferramenta, necessita-se planejar e implementar novas decisões tanto de cunho estratégico (posicionamento mercadológico) como de cunho operacional (quantas unidades a serem produzidas, que preço a ser praticado, quanto de gastos em Marketing e Pesquisa & Desenvolvimento).
Deste modo a classificação do planejamento em três níveis conforme sugerido por alguns autores (FIORESE, PICOLOTTO e PINTO, 2010; VALENTIM, 2008; FLEISHER e BENSOUSSAN, 2002) embora úteis, nos quase-experimentos muitas vezes aconteceram concomitantemente e se misturaram.
A ferramenta por sua vez mostrou a relação existente entre o planejamento e a busca de informações ambientais, e a importância desta última na estratégia emergente mencionada por Mintzberg et al (2000).
O ciclo clássico de inteligência competitiva (MCGONAGLE, 2007; MILLER, 1987) mostrou-se adequado para descrever as etapas de utilização da ferramenta. A coleta era feita através da obtenção dos dados públicos dos concorrentes e mercado. O processamento destes dados era feito inicialmente pela planilha em Excel de preparação de dados e depois pela Rede Bayesiana que também apresentava a análise em termos probabilísticos. Com base nestas análises definia-se as decisões a serem tomadas (Preço, Gastos em Marketing, Gastos em P & D, Produção Programada), o que equivale no ciclo clássico na mobilização para a ação. Por fim, o ambiente simulado garante o “feedback” através do resultado das decisões em termos de “market share” e vendas efetivas, que alimenta mais uma vez o ciclo de coleta.
Conforme observado pelos usuários, a coleta de dados e o tempo necessário para a preparação mostrou ser um processo desmotivador para a tomada de decisão. A ferramenta se mostrou difícil neste aspecto o que pode ser avaliado como um problema potencial a ser trabalhado.
162
Este aspecto poderia ser mais estudado, já que ele pode influenciar o estilo de interferência da organização no ambiente de negócios de ativo para passivo, conforme estruturado em Daft & Weick (1984).
A ferramenta de apoio à tomada de decisão garante foco nas variáveis importantes de monitoramento ambiental. A classificação do ambiente de negócios, embora não seja unanime entre os autores (FISCHMANN e ALMEIDA, 2009; ALMEIDA, 1997; NARAYANAN e FAHEY, 1994; PORTER, 1979) é importante, para ter uma referência de onde focar. Deste modo, ao definir as fontes de incerteza no processo de tomada de decisão, a ferramenta facilita o monitoramento ambiental.
Outro aspecto importante ligado à ferramenta é que a dotação de sentido (LESCA, 2003) e a formação de cenários (SCHOEMAKER, 1995) são facilitadas à medida que novos dados e informações são incorporados à rede. A capacidade das Redes Bayesianas de confirmar e rejeitar (“explaning away”) cenários é outro benefício da ferramenta (DARWICHE, 2009; KJAERULFF e MADSEN, 2008; JENSEN e NIELSEN, 2007). Uma Rede Bayesiana bem montada pode ser utilizada como um eficiente sistema de Aviso de Alerta Antecipado (GILAD, 2004).
Em relação ao processo de tomada de decisão, foi possível notar que o processo descrito por Clemen e Reilly (2004) são bem aderentes ao que se praticou ao se utilizar a ferramenta. Na utilização da ferramenta também foi possível vivenciar o quão importante são os fatores dinâmicos descritos por Mintzberg et al (1976) no processo de tomada de decisão. Interrupções, ciclos de compreensão, atrasos de “timing” e acelerações foram vistos como bastante influentes, mesmo ao se utilizar a ferramenta de apoio. Neste sentido, estes aspectos deveriam ser melhores considerados nos treinamentos de utilização da mesma. Por exemplo, o potencial de uso da ferramenta em ciclos de compreensão do ambiente de negócios e de análise da estratégia do concorrente foi pouco abordado.
Dos aspectos levantados por Duncan apud (CHOO, 1998): a carência de informações sobre fatores ambientais, a falta de conhecimento do resultado de uma decisão específica e a incapacidade de se determinar as probabilidades com que os fatores ambientais observados influenciam no sucesso ou fracasso de determinada decisão, a ferramenta atua positivamente em todos eles. Ela reduz a carência de informações ambientais e classifica o nível de
163
incerteza, ela ajuda a prever o resultado de uma decisão caso as premissas adotadas estejam corretas além de facilitar a leitura das probabilidades e seu impacto no sucesso ou fracasso de uma determinada decisão.
Com a utilização da ferramenta de apoio à tomada de decisão há uma extensão da limitação de racionalidade inerente aos seres humanos (CHOO, 1998; MARCH, 1988; MARCH e SIMON, 1981) para fronteiras mais amplas, já que parte da limitação cognitiva e na simplificação de modelos é compensada pelo uso das Redes Bayesianas.
Os vieses cognitivos, uma preocupação do autor na revisão teórica (BAZERMAN, 2004), continuam a influenciar a previsão com a diferença de estarem mais sistematizados. Alguns dos vieses como a pseudocerteza, e a utilidade transacional são minimizados. O efeito da ancoragem, embora também minimizado na inferência de informações passadas, continua tendo uma influência relevante na previsão de movimentos futuros, conforme observado pelos dados coletados. Ambos os grupos pesquisados, em especial o primeiro grupo, tiveram dificuldades em trabalhar em um ambiente recessivo após uma economia em expansão, independentemente da utilização da ferramenta de apoio.
Em relação ao uso de Redes Bayesianas, muitos dos atrativos vistos em literatura puderam ser observados na aplicação das redes na realidade. Redes Bayesianas mostrou-se uma representação consistente e completa de um dado conhecimento, mostrou-se modular e flexível para testes e aplicações de variáveis selecionadas e suas causas, e também mostrou- se um modelo representacional compacto (DARWICHE, 2009).
Outros fatores observados como benefícios no uso de Redes Bayesianas estão na sua estrutura gráfica de clara interpretação, a distinção de probabilidades a priori de outros parâmetros, facilidade de adaptação de novos dados, apresentação de boas estimativas mesmo com um número muito baixo de dados e informações e a facilidade de incorporar novos dados informações e conhecimento subjetivo, fatores já mencionados na literatura (NICHOLSON, TWARDY, et al., 2008).
Alguns aspectos, no entanto, precisam ser considerados. A ferramenta, baseada no software NETICA (NORSYS SOFTWARE CORP., 1995) requer certo treinamento para se tornar de
164
fácil uso, como observado na diferença de tempo de suporte e treinamento e a avaliação de facilidade de uso entre o primeiro e o segundo quase-experimento.
Além disso, há outro ponto que deve ser considerado: a precisão de resposta. Embora o objetivo de se utilizar Redes Bayesianas seja o de reduzir incertezas, o fato dos resultados apresentados serem em faixas de valores com probabilidades distribuídas pode ser percebido como falta de precisão nas respostas, já que a resposta não é assertiva, mas sim probabilística.
Por fim, embora avaliado como um ponto mais próximo do neutro, da perspectiva do usuário, não é possível identificar o resultado obtido como claramente contributivo. Isto pode ser resultado de dois fatores, que serão abordados na próxima seção. De todo modo, são possibilidades levantadas pelo autor que a contribuição para a redução da incerteza pode ser pequena em alguns casos. Além disso, as falhas no processamento de dados e utilização da ferramenta podem acrescentar ineficiências ao processo. Estes dois fatores juntos podem reduzir a percepção quanto à contribuição efetiva da ferramenta na inferência e predição de cenários.