Três jogos de pensamento estratégico

É impossível para alguns executivos seniores, mesmo os superdotados, saber tudo o que é importante sobre o que está acontecendo em uma organização e seu ambiente, e todas as lições que estão sendo aprendidas.

Eles não podem saber quais inovações irão atrapalhar a indústria e quais desaparecerão sem deixar rastro e raramente encontram clientes face-a-face. Da mesma forma, é difícil para aqueles que estão próximos da ação, talvez em vendas ou produção, enxergar o quadro geral.

Por essa razão, o pensamento estratégico precisa estar acontecendo em toda a organização e o processo estratégico precisa ser inclusivo e colaborativo, valendo-se do conhecimento e da experiência de muitos colaboradores.

Recentemente, preparei o conteúdo da disciplina de Strategic Thinking que estou ministrando no curso MBA de Estratégia e Gestão de Negócios da FIAP.  Entre os diversos artigos que li e estudei, encontrei um bastante interessante, então traduzi pensando nos alunos e em seguida decidi compartilhar neste blog. Acredito que pode ser útil a todos que desejam ampliar a visão estratégica de negócios. Segue o texto de Tim Laseter, e Saras Sarasvathy publicado pela Strategy+Business.

Tomadores de decisão que lutam com a incerteza podem escolher entre um trio de modelos probabilísticos para corresponder ao tipo de risco que enfrentam.

Qual dos seguintes três jogos de azar você prefere jogar?

No primeiro, você tem a oportunidade de fazer 40 retiradas cegas de uma urna contendo 75 bolas vermelhas e 25 bolas pretas. Você tem que pagar adiantado R$ 400 (R$ 10 por tentativa) para poder jogar; você ganha R$ 20 por cada bola vermelha que você retira, mas nada se for preta.

O segundo jogo também oferece a você a chance de ganhar R$ 20 em cada retirada cega de uma urna com bolas vermelhas e pretas. Neste caso, a mistura de vermelho e preto é desconhecida: pode variar de 100 retiradas vermelhas e nenhuma preta a 100 pretas e nenhuma vermelha. Mas você paga apenas R$ 5 ao apostar em qualquer cor antes de cada retirada de bola da urna. Você pode parar quando quiser ou apostar até 50 vezes.

No terceiro jogo, você paga apenas R$ 1 por retirada cega da urna e não há limites em quantas vezes você pode jogar. Esta urna pode conter bolas vermelhas e bolas pretas, mas também pode conter pirâmides amarelas, anéis de diamante, notas de dólar ou chiclete usado – em suma, praticamente qualquer coisa. Neste jogo não há aposta nem recebimento em dinheiro. Você simplesmente fica com o que retira da urna.

Urnas-de-Jogos

Cada um desses jogos combina um paradigma de estratégia diferente, refletindo uma mentalidade diferente.

Todos os três paradigmas baseiam-se em uma rica base de teoria da probabilidade matemática e extensa pesquisa em estratégia de negócios. E cada uma provou ser útil para diferentes empresas em diferentes momentos.

O primeiro, captura um modelo que chamamos de Planejamento e Posicionamento, no qual os gerentes fazem apostas sobre o futuro com base em informações que fornecem uma visão do grau de incerteza enfrentado.

O segundo modelo, Aprendizado Organizacional, prepara gerentes para responder dinamicamente a eventos que se desdobram quando o grau de incerteza não pode ser previsto. Ambos os modelos pressupõem que as decisões estratégicas devem simplesmente responder a eventos externos.

O terceiro modelo, Transformação Construtiva, é diferente porque as decisões não são apenas respostas ao ambiente (que é aleatório) ou esforços para prevê-lo, mas se concentram em alavancar os recursos e eventos do jogador para moldar o ambiente.

Então, qual jogo você gostaria de jogar?

Sua preferência provavelmente reflete uma combinação de seu perfil de risco e seu treinamento de negócios.

E, mais importante, qual urna soa mais como o seu ambiente de negócios?

A sensação de familiaridade que você sente em cada jogo provavelmente indica a maturidade do seu setor – ou, pelo menos, o papel da sua empresa nesse setor.

O primeiro jogo (e sua urna com conteúdo relativamente previsível) representa uma expectativa que muitos gerentes são treinados para ter, pelo menos no início de suas carreiras, sobre como as decisões são tomadas. Mas isso não se encaixa na maneira como os negócios funcionam mais.

O segundo jogo (com um processo previsível, mas com resultados imprevisíveis) representa a maneira como muitos gerentes tomam decisões hoje, especialmente em empresas maduras com linhas de produtos desenvolvidas.

O terceiro jogo (com um ambiente de negócios caótico e um alto nível de intenção estratégica) representa o estilo de tomada de decisão mais adequado aos gestores empreendedores.

Quando você entende sua predisposição para os diferentes jogos de tomada de decisão e, em seguida, habilmente combina com o paradigma apropriado para suas circunstâncias, você pode melhorar suas chances de sucesso em um mundo incerto.

Planejamento e Posicionamento

Para apreciar as raízes desses três paradigmas estratégicos, é instrutivo examinar mais de perto a teoria das probabilidades e sua história. Matemáticos e filósofos têm oferecido experiências de urna desde a época dos antigos gregos. Mas a primeira descrição escrita de um modelo de urna não apareceu até o início do século XVIII, quando o matemático Jacob Bernoulli publicou um texto articulando “A ciência emergente de probabilidade e estatística“. As ferramentas de Bernoulli forneceram a pedra angular da revolução científica ao permitirem testes explícitos de hipóteses para discernir a verdade em face da incerteza. A quantificação rigorosa na revolução científica, por sua vez, lançou as bases para os métodos da Revolução Industrial. Em 1900, a Tuck School of Business ofereceu a primeira pós-graduação em comércio, precursora do MBA, oferecida pela primeira vez pela Harvard em 1908. Hoje, mais de 100.000 alunos de MBAs, conhecidos por seu treinamento analítico, se formam a cada ano a partir de mais de 1.000 instituições apenas nos EUA.

Todos esses graduados aprendem sobre o famoso modelo de estratégia de negócios “Cinco Forças” de Michael Porter e recebem treinamento nos métodos quantitativos de análise de decisão e fluxos de caixa descontados. Em suma, eles aprendem como jogar o primeiro jogo de urna: Entender o contexto da indústria, medir a incerteza e escolher os mercados com as características estruturais que provavelmente renderão um retorno positivo sobre o investimento.

Um exemplo prototípico de uma empresa sob este modelo foi a Corporação Internacional de Telefonia e Telégrafo (ITT), sob a liderança do rígido Harold Geneen, de 1960 a 1977. Geneen transformou a fabricante de equipamentos e serviços de telefonia com vendas de US$ 760 milhões. um conglomerado global com US$ 17 bilhões em vendas, operando em dezenas de países. Sem as restrições de uma missão central, Geneen engoliu mais de 350 empresas em setores como autopeças, cosméticos, hotéis, seguros e semicondutores. Formado como contador, Geneen viajou pelo mundo com várias pastas cheias de relatórios financeiros, reunindo-se com os gerentes de sua unidade de negócios. Deu-lhes ampla margem de manobra na tomada de decisões estratégicas, mas as manteve em medidas financeiras rigidamente controladas. De acordo com o perfil de Geneen por Bruce Wasserstein em Big Deal: A batalha pelo controle das principais corporações americanas (Warner Books, 1998), “Na mente de Geneen, os fatos eram incontroversos, uma expressão de ‘realidade final e confiável’. Uma vez que ‘fatos verdadeiros’ foram descobertos, as decisões de gestão tornaram-se fáceis”.

Se a sua educação formal de negócios ocorreu na década de 1980 ou anterior, esse pode ser o único modelo de estratégia que você explorou. Mas se você viveu os negócios nas décadas seguintes, os outros dois paradigmas certamente ressoarão mais de perto com sua própria experiência, mesmo que você não tenha recebido treinamento formal neles.

Aprendizado organizacional

O professor de economia da Universidade de Chicago, Frank Knight, desafiou a lógica dos problemas clássicos de urna em 1921. Knight salientou que a noção de risco, como abordada pela ciência da probabilidade e da estatística, era “radicalmente distinta” da ideia de incerteza verdadeira. Knight usou o termo risco para descrever uma situação na qual a probabilidade subjacente é conhecida, como na primeira urna acima. Ferramentas estatísticas tradicionais oferecem informações úteis sobre a variedade de possíveis resultados da repetição de um evento – como retirar uma única bola – dada uma distribuição conhecida. No entanto, o que ficou conhecido como Incerteza Knightiana na academia, captura o risco de uma distribuição incerta, como na segunda opção de urna.

Com base no insight de Knight e com base em sua própria tese de doutorado em economia em Harvard, Daniel Ellsberg popularizou a noção de evasão de ambiguidade no início dos anos 1960. Ellsberg identificou um paradoxo no comportamento humano em uma série de experimentos de urna. Ele ofereceu a opção de apostar em uma urna com uma combinação conhecida 50/50 de bolas vermelhas e pretas contra uma com uma mistura desconhecida. A maioria das pessoas é indiferente sobre a escolha entre vermelho e preto em ambos os casos. Mas se perguntado se eles preferem apostar em vermelho da mistura conhecida ou em vermelho da mistura desconhecida (ou em preto da conhecida contra a desconhecida), a maioria optou por apostar na segunda urna – o que implica a crença de que a mistura a segunda urna não era 50/50. Ellsberg descobriu que, quando recebem escolhas mais complicadas, as pessoas se comportam de maneiras inconsistentes com essa crença. Com base em sua análise desse comportamento, ele postulou que a maioria das pessoas faz escolhas que parecem logicamente inconsistentes, porque preferem evitar a ambiguidade – uma descoberta conhecida como Paradoxo de Ellsberg.

Tais desafios ao comportamento supostamente racional definido pela teoria da probabilidade contribuíram para o novo campo da economia comportamental. As observações da tomada de decisão real permitiram uma integração da psicologia e da economia que produziu novos insights preditivos, bem como um Prêmio Nobel para Daniel Kahneman pelo trabalho que fez com Amos Tversky nos anos 70.

Como é frequentemente o caso, pensar no campo mais pragmático da estratégia de negócios inspirou-se nas ciências exatas. Em meados da década de 1980, os acadêmicos começaram a articular um paradigma de estratégia envolvendo o aprendizado organizacional que se assemelha à segunda urna. Em um mundo de negócios cheio de incertezas Knightianas – isto é, distribuições de probabilidade desconhecidas – as ferramentas de Planejamento e Posicionamento oferecem pouco conforto. Em vez de gastar esforço prevendo o futuro e se posicionando nele, as empresas deveriam empregar uma “estratégia emergente”. Esse termo foi cunhado por Henry Mintzberg em um artigo de 1985 intitulado “De estratégias, deliberadas e emergentes”. Embora Mintzberg não descartasse a necessidade para “estratégia deliberada”, como articulado no paradigma de Planejamento e Posicionamento, ele afirmou que os gerentes precisavam de uma abordagem diferente quando confrontados com a segunda opção. “A estratégia emergente em si implica aprender o que funciona – tomar uma ação de cada vez em busca desse padrão ou consistência viável”. Em outras palavras, adivinhe o vermelho ou o preto, mas ajuste suas estimativas ao ver o resultado de cada retirada individual.

A Corning Inc., um exemplo frequentemente referenciado de uma organização que aprende, antecede a articulação acadêmica do paradigma. As origens da empresa remontam ao investimento da Amory Houghton em uma pequena empresa de vidro na cidade de Corning, no estado de Nova York, em 1851. A família Houghton, que continuou a desempenhar um papel ativo na administração da empresa até este milênio, mantinha uma – crença religiosa em pesquisa e desenvolvimento. Desde o início, a empresa investiu no avanço da ciência da fabricação de vidro para evitar competir com os produtores de baixo custo. Começando com sua primeira patente para um vidro de sinal superior para as indústrias marítima e ferroviária, a Corning produziu uma série de inovações a partir de seu profundo conhecimento em vidro e cerâmica. Em 1880, por exemplo, Thomas Edison recorreu à Corning para fabricar a lâmpada de vidro para sua nova invenção, e a empresa criou um processo de fabricação de lâmpada de alta velocidade que proporcionou uma vantagem sustentada para a empresa por décadas.

Outras inovações incluíram o Pyrex, que foi introduzido em 1915; processos para produção em massa de tubos de TV na década de 1940; substratos cerâmicos para conversores catalíticos na década de 1970; fibra ótica, que foi ampliada nos anos 80; e mais recentemente, a Gorilla Glass, que agora domina o mercado de smartphones e tablets. No entanto, as origens técnicas dessas inovações normalmente datavam de décadas antes de sua comercialização bem-sucedida. Por exemplo, o processo de fusão que a Corning atualmente usa para o Gorilla Glass surgiu dos esforços da década de 1960, buscando tornar o vidro mais fino e mais forte para os veículos motorizados. Quando as montadoras rejeitaram o vidro por razões de custo, apesar de suas características superiores de desempenho, a Corning arquivou a tecnologia. Isso até 2006, quando o CEO da Apple, Steve Jobs, contatou o CEO da Corning, Wendell Weeks, em busca de uma tela leve e resistente a arranhões para o iPhone. O Gorilla Glass agora parece estar pronto para ser o próximo grande motor de crescimento da Corning. C. K. Prahalad e Gary Hamel articularam o conceito, a administração da Corning entendeu intuitivamente a necessidade de investir continuamente em “competências essenciais”. As capacidades tecnológicas e de processo da Corning responderam a um mundo de incerteza Knightiana por mais de 160 anos. A empresa tem jogado o segundo jogo de urna extremamente bem. Um modelo de Aprendizagem Organizacional provavelmente ressoa com gerentes tendo uma educação em artes liberais, na qual os estudantes são treinados para nada, mas educados para qualquer coisa. Os defensores do Planejamento e Posicionamento preveem como a indústria se desdobrará e fará as apostas de acordo, e a organização de aprendizagem responderá dinamicamente ao ambiente de desenvolvimento. Mas ambos os paradigmas de estratégia assumem que o ambiente externo define a estratégia. O terceiro paradigma se aplica aos indivíduos que buscam moldar o ambiente futuro em vez de prever ou responder a ele.

Transformação Construtiva

Em contraste com o Paradoxo de Ellsberg – que afirma que a maioria das pessoas prefere evitar a ambiguidade – algumas, muitas vezes aquelas com inclinação empreendedora, preferem a ambiguidade. Steve Jobs foi um empreendedor visionário que inspirou John Sculley a deixar a PepsiCo e se juntar à Apple perguntando: “Você quer passar o resto da vida vendendo água açucarada ou quer uma chance de mudar o mundo?”. Ele rejeitou qualquer um dos nossos jogos de urna – e, em vez disso, fez o seu próprio.

No entanto, a maioria dos empreendedores não tem uma visão única, provavelmente porque aqueles raramente têm sucesso. Empresários de sucesso tendem a seguir um paradigma de transformação construtiva: eles não apenas reagem e aprendem de forma reativa, mas usam os caprichos do destino para ajudá-los a modelar proativamente seu ambiente. Eles adoram desenhar a partir da urna de conteúdos desconhecidos e descobrir uma maneira de usar os resultados para construir um negócio.

Saras Sarasvathy, coautora deste artigo, lançou as bases para a estratégia da Transformação Construtiva em sua dissertação de 1998, supervisionada pelo economista de comportamento premiado com o Prêmio Nobel, Herbert Simon. Com base em pesquisas baseadas em ciência cognitiva em 27 fundadores de empresas que variavam de US$ 200 milhões a US$ 6,5 bilhões, Sarasvathy descobriu que empreendedores de sucesso acreditam que o futuro é fundamentalmente imprevisível, mas ainda assim controlável. Essa mentalidade, que ela descreveu como raciocínio efetivo (effectuation), oferece uma abordagem fundamentalmente diferente para a elaboração de estratégias por meio da aplicação de quatro princípios fundamentais, descritos aqui, conforme se aplicam à Transformação Construtiva.

Em primeiro lugar, o paradigma começa com uma ação orientada pelos meios em vez de orientada para o objetivo. Em vez de começar com uma visão clara ou mesmo com uma ideia de produto, os empreendedores que usam o raciocínio efetivo consideram quem são e o que sabem e, em seguida, envolvem sua rede de possíveis interessados, buscando oportunidades para colaborar. Uma visão estratégica pode coalescer à medida que novas combinações são descobertas e projetadas, mas a visão não guia o processo; mas sim os meios, oportunidades e partes interessadas.

Em segundo lugar, o paradigma aplica uma abordagem de perda aceitável para avaliar a oportunidade, em vez de uma abordagem baseada no valor esperado. Em outras palavras, como o futuro é inerentemente imprevisível, o tomador de decisões empreendedor não gasta tempo para prever ou calcular o valor esperado, como fazem os jogadores dos dois primeiros jogos. Em vez disso, o empreendedor procura estruturar experimentos cujo fracasso não destruirá a empresa. Esses experimentos repetidos – apenas R$ 1 por retirada a partir da terceira urna em nossa analogia – produzem oportunidades para novas combinações valiosas e moldam o caminho adiante.

Terceiro, os líderes que empregam a mentalidade da Transformação Construtiva procuram usar as surpresas em vez de evitá-las. Esses tomadores de decisão aceitam que o futuro é imprevisível e o caminho final é incognoscível. Assim, eles permanecem flexíveis e alavancam contingências para rever os meios e objetivos. Cada vez que metaforicamente entram na urna e encontram um evento imprevisível, perguntam: essa surpresa abre novas oportunidades? Mesmo quando confrontados com uma surpresa negativa, eles simplesmente não permitem que isto reprima seu entusiasmo: quando eles tiram um limão da urna, eles alegremente olham ao redor em busca de açúcar para fazer limonada.

Finalmente, o paradigma da Transformação Construtiva encoraja os gerentes a cercarem-se de outros dispostos a participar de seu jogo de urna. Eles formam uma infinidade de parcerias, muitas vezes recrutando clientes iniciais para se tornarem parceiros; fornecedores iniciais para se tornarem investidores; e investidores iniciais para se tornarem clientes, funcionários ou qualquer outra coisa. Em última análise, eles formam uma “colcha de retalhos” das partes interessadas – investidores, clientes, fornecedores, funcionários – que compartilham o compromisso de trabalhar juntos para co-criar o empreendimento e seu ambiente.

Para um exemplo do paradigma da Transformação Construtiva em ação, considere a empresa de mídia digital RealNetworks Inc. O fundador, Rob Glaser, deixou a Microsoft em 1994 após uma década de papéis executivos cada vez mais altos que o tornaram milionário. Baseando-se em um ávido interesse em questões políticas progressistas e seu profundo conhecimento de tecnologia, em 1995 ele iniciou a Progressive Networks para usar a nascente World Wide Web para transmitir suas visões liberais, tanto quanto os televangelistas alavancaram a TV a cabo nas décadas anteriores.

Mas quando sua exploração o levou a um exame do navegador (browser) Mosaic, ele concluiu que o canal poderia ser mais importante que a mensagem. Glaser também determinou rapidamente que a largura de banda limitada da Web inicial restringiria o canal ao áudio, então ele decidiu colocar planos para o vídeo em espera. Aplicando o princípio da perda acessível, ele converteu a Progressive Networks em uma empresa desenvolvedora de software, que criou o RealAudio 1.0 em menos de um ano, em grande parte usando seus próprios recursos financeiros. O RealAudio inicialmente transmitiu conteúdo progressivo da ABC News e da National Public Radio, e logo foi lançado como parte do pacote Navigator da então dominante Netscape. O RealAudio serviu como um canal de uso geral, adaptando a mídia de transmissão ao computador; foi um precursor dos modelos de download de áudio da loja de música iTunes da Apple em 2003 e da Amazon MP3 em 2007 [, e do Spotify mais recente].

Em dezembro de 1995, Glaser descobriu que uma startup de duas pessoas em São Francisco estava avançando com uma ferramenta de videoconferência desenvolvida pela RealNetworks. com foco em áudio. Ao invés de deixar essa surpresa negativa atrapalhar seus planos, Glaser simplesmente encorajou os fundadores da empresa a se unirem à RealNetworks, que levou ao próximo produto, RealVideo.

Ao longo de sua história, a RealNetworks formou uma rede de parcerias que lhe permitiu sobreviver às constantes lutas de poder da economia da Internet. E, seguindo a mentalidade eficaz da Transformação Construtiva, a Real-Networks cresceu para fornecer uma coleção de produtos de software que abrangem streaming de áudio e vídeo, aplicativos móveis e jogos, que juntos geram cerca de US$ 400 milhões em receita anualmente.

Escolhendo um Paradigma

Cada um dos três modelos de tomada de decisão funciona melhor em diferentes circunstâncias. A maioria dos gerentes tem uma preferência baseada em sua própria experiência e sucesso na aplicação de um dado paradigma de estratégia. O longo modelo dominante de Planejamento e Posicionamento perdeu em paralelo com o declínio do conglomerado altamente diversificado. Por exemplo, embora Harold Geneen tenha incorporado a ITT em um gigante global durante seu reinado de 17 anos, seu sucessor, Rand Araskog, passou os próximos 16 anos desinvestindo muitas das unidades de negócios e reestruturando a empresa em três empresas com foco mais restrito: hospitalidade, seguros e produtos industriais. O primeiro foi finalmente adquirido pela Starwood, o segundo foi fechado como a Hartford Insurance Company independente e o terceiro mantém o nome ITT, com receita de US$ 12 bilhões por ano – significativa, mas bem abaixo de seu pico de 35 anos atrás, mesmo sem ajuste inflacionário.

Apesar do longo e bem-sucedido histórico do modelo de Aprendizagem Organizacional na Corning, o mercado de ações nem sempre o aprecia. Muitos analistas ainda defendem o foco e a previsibilidade do Planejamento e Posicionamento, pois eles podem alterar o portfólio para diversificar a mudança de riscos ao longo do tempo. Por exemplo, a Corning enfrentou uma experiência de quase morte apenas uma década atrás. Como a empresa dobrou no setor de telecomunicações durante a bolha da Internet, suas ações subiram de menos de US$ 10 por ação em 1998 para mais de US$ 100 em 2000, antes de caírem para menos de US$ 1,50 por ação em 2002. Mas, com a ajuda da família Houghton, a empresa se recuperou do erro – e manteve a equipe de gerenciamento sênior, sob a premissa de que eles tinham aprendido a evitar cometer um erro semelhante no futuro.

E, embora muitos empreendedores tenham conseguido a Transformação Construtiva, essa abordagem não leva a um sucesso inquestionável. Por exemplo, durante o mesmo período de exuberância irracional enfrentada pela Corning, a RealNetworks atingiu um preço de ações superior a US$ 350, quase 50 vezes sua avaliação atual. É verdade que o patrimônio líquido de Rob Glaser cresceu em muitos múltiplos desde a fundação da RealNetworks, mas está muito abaixo do pico de US$ 5 bilhões que ele alcançou durante a bolha.

Então abra sua mente para esta gama mais ampla de paradigmas para o seu kit de ferramentas. Seu futuro é previsível ou não? Você pode controlá-lo ou o ambiente irá controlá-lo? Conheça o jogo que você está jogando e como aplicar cada modelo, idealmente com flexibilidade suficiente para trocar de urna para urna e jogo para jogo, quando as circunstâncias exigirem.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Fonte: traduzido e adaptado de Three Games of Strategic Thinking, por Tim Laseter & Saras Sarasvathy (2012).

Links de posts relacionados:

 

Anúncios

Como lidar com as incertezas dos negócios

“Incerteza é a consequência de nosso incompleto conhecimento sobre o mundo.” – Mcnamee e Celona

Em 1921 Knight já havia escrito um livro que trata de incerteza, risco e lucro. Nele, o autor diferencia o risco econômico da incerteza, dizendo que as situações de risco são aquelas nas quais os resultados são desconhecidos, mas regidos por distribuição de probabilidades conhecidas desde o início. Ele argumenta que nessas situações, regras, tais como a maximização da utilidade esperada, podem ser aplicadas na tomada de decisão. Isso é muito diferente em situações de incerteza, nas quais nem os resultados, nem os modelos de probabilidade regidos por elas são conhecidos.

Mcnamee e Celona argumentam que em muitos casos importantes, a informação completa simplesmente não está disponível ou é muito cara para se obter, quer seja em tempo, dinheiro, ou outros recursos.

Para Dyer, Furr, N., & Lefrandt, nos novos empreendimentos de tecnologia da informação, a maioria dos empreendedores enfrentam dois tipos principais de incerteza: a de demanda, “Poderão os clientes pagar pelo produto/solução da startup?”; e a tecnológica, “Será a startup capaz de fazer uma solução desejável?”.

Rice e O’Connor observaram que equipes de projetos inovadores radicais lidam com quatro categorias de incerteza: técnicas, mercadológicas, organizacionais e de recursos:

  • As incertezas técnicas referem-se: a integralidade e exatidão do conhecimento científico subjacente; a medida em que as especificações técnicas do produto podem ser implementadas; a confiabilidade dos processos de fabricação, manutenção, etc.
  • As incertezas de mercado incluem: o grau em que as necessidades e desejos dos clientes são claros e bem compreendidos; a medida em que as formas convencionais de interação entre o cliente e o produto podem ser usadas; a adequação dos métodos convencionais de vendas, distribuição e modelos de receita; e a compreensão da equipe do projeto da relação entre a inovação revolucionária e a dos produtos concorrentes.
  • As incertezas organizacionais incluem: a falta de continuidade e persistência,; inconsistência nas expectativas e métricas; mudanças de parceiros; mudanças internas e externas de compromisso estratégico; e o desafio de gerenciar a transição do projeto de inovação para operação.
  • As incertezas de recursos surgem com as equipes de projeto continuamente lutando para atrair os recursos requeridos. O financiamento externo pode fazer a diferença entre a continuidade do projeto e o cancelamento. Recursos incluem não só os financeiros, mas também os de competências.

Jetter, considera quatro tipos de incertezas: incertezas de mercado, incertezas tecnológicas, incertezas sobre disponibilidade e alocação de recursos e incertezas sobre o ambiente externo em geral, seja econômico, ecológico, social ou político. A incerteza ambiental pode afetar o conceito do produto diretamente, por exemplo, restringindo a produção do novo produto devido a uma nova legislação, ou indiretamente, influenciando as incertezas comerciais e técnicas, por exemplo, mudanças nos requisitos do cliente decorrentes da redução de renda devido a declínios econômicos.

Incertezas nas fases Fuzzy Front-End do Desenvolvimento de Novos Produtos

Kim e Wilemon, definem como Fuzzy Front-End (FFE) a etapa de pré-desenvolvimento, período entre quando uma oportunidade é primeiramente considerada e quando uma ideia é julgada pronta para o desenvolvimento. Nesse período, a organização formula um conceito de produto e determina se deve ou não investir recursos no desenvolvimento da ideia. A FFE é intrinsecamente sem rotina, dinâmica e incerta.

A incerteza é extremamente alta no FFE, quando a ideia do produto é gerada pela primeira vez. Posteriormente, com o uso de métodos, técnicas e ferramentas apropriadas ela é reduzida a um nível que permite uma decisão de “Ir / Não-ir” para a fase de desenvolvimento.

No entanto, segundo Jetter, em ambientes a incerteza prevalece ao longo de todo o processo DNP, isso porque as mudanças no ambiente externo levantam novas questões e infligem novos níveis de incerteza, conforme podemos ver na linha 2 da Figura abaixo.

O desafio da incerteza ao longo do ciclo de vida do produto

O desafio da incerteza ao longo do ciclo de vida do produto

Fonte: Traduzido de Jetter (2003)

Lidando com as incertezas

Para Loch, Solt e Bailey a disciplina de gestão de risco de projetos desenvolveu princípios de identificação, priorização e gestão de riscos – para prever, atenuar e agir de forma contingente – e incentivos de risco que podem lidar com a ambiguidade, desde que todos os fatores importantes (embora não os seus valores) e os conjuntos/intervalos de possíveis resultados sejam conhecidos. No entanto, estes conceitos não captam totalmente a incerteza imprevisível enfrentada por um novo negócio.

Novos empreendimentos muitas vezes não preveem corretamente as oportunidades reais de mercado ou a melhor maneira de resolvê-las, e nestes casos é crítico lidar com fatores imprevisíveis e inesperados que surgem e que requerem adaptação e modificação do negócio ao longo do tempo. Descobertas nos campos da inovação e gestão de projetos têm mostrado que lidar com o imprevisível requer abordagens de gestão diferentes dos utilizados no clássico planejar e alcançar o alvo dos projetos. As abordagens de gestão para novas iniciativas de negócios incluem uma combinação de aprendizagem por tentativa-e-erro, ou seja, a redefinição flexível do novo modelo de negócio a medida que novas informações emergem, e selecionismo, isto é, a execução de vários ensaios paralelos onde se escolhe a melhor alternativa depois de executar.

Para mostrar como os fatores de influência imprevisíveis de um novo empreendimento podem ser diagnosticados no início de suas atividades, Loch et al. com base em modelos da teoria da decisão, sugerem dividir o problema geral de estruturar o negócio em subproblemas para os quais a equipe de gestão possa identificar lacunas de conhecimento.

Usando um estudo de caso, Loch e coautores descrevem como foram identificadas lacunas de conhecimento em subproblemas de um novo empreendimento em uma situação real e como esse diagnóstico foi utilizado para identificar corretamente onde fatores desconhecidos se escondiam. Os subproblemas com fatores desconhecidos foram geridos com a aprendizagem e experimentação, ou seja, de forma diferente do que os outros subproblemas que são geridos com metas e prazos. Como resultado, o empreendimento poderia responder com êxito aos acontecimentos imprevisíveis. A Figura abaixo, apresenta de forma resumida o processo para diagnóstico de incertezas imprevisíveis proposto por eles.

Processo para diagnóstico de incertezas imprevisíveis

Processo para diagnóstico de incertezas imprevisíveis

Fonte: adaptada de Loch et al. (2008)

Considerando que as incertezas requerem um processo de aprendizagem, Rice e O’Connor sugerem um plano de aprendizagem e avaliação das incertezas técnicas, de mercado, organizacionais, e de recursos em projetos inovadores, conforme o Quadro que segue.

Plano de Aprendizagem e respectivas incertezas

Plano de Aprendizagem e respectivas incertezas

Fonte: Adaptado de Rice e O’Connor (2008)

Design Thinking & Lean Startup

“Startup é uma instituição humana projetada para entregar um novo produto ou serviço em condições de extrema incerteza” – Eric Ries

Reduzir a incerteza é um dos princípios fundamentais de Lean Startup.” – Jennifer Maerz

As metodologias de Design Thinking e Lean Startup, que foram descritas de forma resumida em artigos anteriores deste blog, são muito úteis e se complementam no processo reduzir as incertezas que ocorrem durante as fases de desenvolvimento de novos produtos.

Tabela de Comparação entre Design Thinking e Lean Startup, considerando as similaridades e as diferenças:

Similaridades Diferenças
Foco de inovação: uma ideia deve ser: desejável (pelo cliente), viável (economicamente) e factível (tecnicamente). Escopo: o Lean é apenas para Startups, enquanto que o Design Thinking tem um foco mais amplo.
Abordagem centrada no usuário: os dois métodos levam em conta o ponto de vista dos usuários e das partes interessadas. Iniciação e ideação do projeto: o Lean considera que uma ideia inicial já existe, enquanto que o Design Thinking começa com um problema a ser resolvido.
Teste de protótipos: para coletar feedback desde os primeiros estágios de desenvolvimento. Síntese da pesquisa de usuários: enquanto o Design Thinking concentra-se em pesquisa extensiva e possui métodos sofisticados de sintetização, o Lean não utiliza métodos de síntese ou estruturas qualitativas.
Interação rápida: a solução para o problema é desconhecida no começo. Modelo de Negócios: enquanto o Lean Startup sugere o uso do BMG, o Design Thinking não sugere nenhum modelo de design de negócios.

Fonte: Traduzido e Adaptado de Muller and Thoring (2012)

Um diagrama representativo do “Lean Design Thinking” que “soma” os aspectos das duas propostas estratégicas para inovação.

Design_Thinking-and-Lean_Startup

Outro diagrama que relaciona Design Thinking e Lean Startup.

How do Design Thinking and Lean Startup relate

Concluindo

Nos negócios inovadores é necessário tomar consciência das incertezas, identificar os tipos e buscar reduzi-las desde o início, dentro do possível, para poder tomar as melhores decisões e agir. Para isso, existem métodos, técnicas e ferramentas que podem ser usados ao longo do processo.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre inovação e negócios.

Detalhes: aqui, Contato: aqui.

Artigos acadêmicos de referência:

Dyer, J., Furr, N., & Lefrandt, C. (2014). The industries plagued by the most uncertainty. Harvard Business Review, digital article, 11.

Jetter, A. J. M. (2003, July). Educating the guess: strategies, concepts and tools for the fuzzy front end of product development. In Management of Engineering and Technology, 2003. PICMET’03. Technology Management for Reshaping the World. Portland International Conference on (pp. 261-273). IEEE.

Kim, J., & Wilemon, D. (2002). Focusing the fuzzy front–end in new product development. R&D Management, 32(4), 269-279.

Loch, C. H., Solt, M. E., & Bailey, E. M. (2008). Diagnosing unforeseeable uncertainty in a new venture. Journal of product innovation management, 25(1), 28-46.

McNamee, P., & Celona, J. (2007). Decision analysis for the professional. 4th Edition, SmartOrg, Incorporated.

Rice, M. P., OConnor, G. C., & Pierantozzi, R. (2008). Implementing a learning plan to counter project uncertaintyMIT Sloan Management Review49(2), 54.

Outros artigos relacionados:

 

Decisão e processo decisório

“A verdadeira tomada de decisão não ocorre quando se sabe exatamente o que fazer, mas quando não se sabe o que fazer, ou seja, quando é necessário balancear valores conflitantes, classifica-los em situações complexas e lidar com incertezas.” – McNamee, & Celona

Nossas decisões moldam nossas vidas. Feitas consciente ou inconscientemente, com boas ou más consequências, elas representam a ferramenta fundamental que usamos para enfrentar as oportunidades, os desafios e as incertezas da vida. Assim, tomar boas decisões é um dos mais importantes determinantes de quão bem atende-se às responsabilidades e alcança-se objetivos pessoais e profissionais. Porém, a necessidade de tomar uma decisão difícil nos coloca em risco de ansiedade, confusão, dúvida, erro, embaraço ou perda. O nosso desconforto muitas vezes nos leva a tomar decisões muito rapidamente ou muito lentamente, ou de forma muito arbitrária. Assim, a única maneira de realmente aumentar as chances de tomar uma boa decisão é aprender a usar um bom processo de tomada de decisão – que conduza a melhor solução com um mínimo de perda de confiança, energia, dinheiro e compostura.

Mintzberg define o termo decisão como um compromisso específico para a ação, geralmente um comprometimento de recursos, e define um processo de decisão como “um conjunto de ações e fatores dinâmicos que começa com a identificação de um estímulo para a ação e termina com o compromisso específico de ação”.

Hammond, Keeney e Raiffa dizem que mesmo as decisões mais complicadas podem ser analisadas e resolvidas levando-se em consideração um conjunto de oito elementos, sendo que, os cinco primeiros – problema, objetivos, alternativas, consequências e trocas (tradeoffs) – constituem o núcleo central e podem ser aplicados a praticamente todas as decisões, e os três elementos restantes – incerteza, tolerância a riscos e decisões interligadas – ajudam a tornar mais claras as decisões em situações instáveis ou em andamento, sendo que algumas decisões nem envolvem esses últimos elementos, porém muitas das mais importantes os utilizam.

McNamee e Celona, explicam que bons resultados são o que nós desejamos, enquanto que boas decisões são o que podemos fazer para maximizar a probabilidade de ter bons resultados.

A qualidade de uma decisão pode ser avaliada através da análise da decisão, que começa definindo uma decisão pelo empenho de recursos que são revogáveis apenas com algum custo. Em seguida, essa análise, estabelece claramente quatro elementos para tomada de uma decisão racional:

  1. informação, ou “O que eu sei sobre o mundo e a oportunidade de negócios ou pessoal sob consideração?”, onde um componente importante deste conhecimento é uma avaliação da incerteza (ou de “O que eu não sei?”);
  2. alternativas, ou “Quais são os cursos de ação possíveis?”;
  3. valores, ou “O que eu quero?”;
  4. lógica, ou “Como faço para colocar o conhecimento, alternativas e valores juntos para chegar a uma decisão?”.

Isso explica uma boa decisão como sendo aquela logicamente consistente com informações, alternativas e valores trazidos ao problema.

Quanto ao processo decisório, diversos autores da literatura apresentam passos a serem seguidos pelo decisor. O Quadro abaixo apresenta as propostas de processo decisório de Bazerman e Moore com seis passos, e de Hammond, Keeney e Raiffa com oito passos.

Bazerman e Moore Hammond, Keeney e Raiffa
  1. Definir o problema;
  2. Identificar os critérios;
  3. Ponderar os critérios;
  4. Gerar alternativas;
  5. Classificar alternativas segundo cada critério; e
  6. Identificar a solução ideal.
  1. Definir o problema certo;
  2. Especificar os objetivos;
  3. Criar alternativas imaginativas;
  4. Entender as consequências;
  5. Lançar mão de todas as escolhas (grapple with your trade-offs);
  6. Esclarecer as incertezas;
  7. Pensar muito sobre a tolerância ao risco;
  8. Considerar decisões interligadas.

O processo de Hammond, Keeney e Raiffa começa estruturando o problema de decisão, que inclui a definição do problema que está sendo enfrentado e a geração de um conjunto de objetivos e alternativas adequados ao problema. Depois especifica as consequências das alternativas ao descrever quão bem cada uma das alternativas é medida em termos do conjunto de objetivos. A seguir, avalia cada uma das várias consequências para indicar qual é a melhor do que as outras e o quanto melhor é. Por fim, integra as informações para avaliar logicamente as alternativas.

Processo Decisório simples

Quando não há incerteza, as consequências podem ser descritas diretamente ao considerar as implicações das diferentes alternativas. Porém, em caso de dúvida, elas precisam ser quantificadas utilizando-se probabilidades. As consequências para cada alternativa são descritas juntamente com as possíveis resoluções das incertezas que afetam a alternativa. Nas decisões que envolvem múltiplos objetivos, avalia-se os possíveis conflitos de valor (tradeoffs). Para as incertezas, a tolerância ao risco deve atribuir pontuações relacionadas com cada consequência. Decisões interligadas são casos que ocorrem quando decisões tomadas no momento presente afetam decisões futuras ou objetivos futuros influenciam decisões atuais.

“Incerteza  é a consequência de nosso incompleto conhecimento sobre o mundo. Entretanto, em muitos casos importantes, a informação completa simplesmente não está disponível ou é muito cara para se obter (em tempo, dinheiro, ou outros recursos).”  – McNamee, & Celona

Enfim, se considerarmos a importância que as decisões a serem tomadas têm em nossas vidas e negócios, provavelmente será bastante útil aprendermos um pouco mais sobre este assunto.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre inovação e negócios.

Detalhes: aqui, Contato: aqui.

Artigos acadêmicos de referência:

Bazerman, M. H., & Moore, D. A. (2008). Judgment in managerial decision making. John Wiley & Sons, Inc. [ vide em português o livro: Processo Decisório ]

Hammond, J. S., Keeney, R. L., & Raiffa, H. (1999). Smart Choices: A Practical Guide to Making Better Life Decisions. Harvard Business Review Press. [ vide em português o livro: Decisões Inteligentes ]

McNamee, P., & Celona, J. (2007). Decision analysis for the professional. 4th Edition, SmartOrg, Incorporated.

Mintzberg, H., Raisinghani, D., & Theoret, A. (1976). The structure of” unstructured” decision processes. Administrative science quarterly, 246-275.

Outros artigos relacionados:

Visite o site do Núcleo Decide – www.nucleodecide.com – Twitter: @nucleodecide

 

Simples, Complicado, Complexo ou Caótico

“Executivos sábios adaptam suas abordagens para atender a complexidade das circunstâncias que enfrentam.” – David J. Snowden & Mary E. Boone

Introdução

Como é bom saber que existem ferramentas que facilitam a gestão dos negócios e a tomada de decisões na resolução de problemas nas mais variadas situações. Há algum tempo atrás me deparei com uma que me permitiu ver as questões organizacionais com outros “olhos”. A seguir compartilho este achado com uma descrição sumária do modelo Cynefin.

Nossa visão limitada da realidade

Nós vemos, percebemos e interpretamos o mundo através de uma “janela” de conceitos que incluem nossos valores, crenças, princípios, premissas e conhecimentos. A visão limitada de “realidade” que esta janela nos proporciona modela e afeta nossas decisões, ações, interações e outros aspectos de nossa vida. Esta “janela” é uma ferramenta poderosa que nos fornece significado sobre o passado, compreensão sobre o presente e perspectivas de futuro. Por outro lado, pode nos fornecer uma percepção inadequada para lidarmos com a complexidade de tudo que nos cerca e para nos fazer entender que diferentes problemas estão inter-relacionados e que nossas decisões e soluções e ações afetam o todo, incluindo outras pessoas.

Entendendo a complexidade

Entender a complexidade é mais uma maneira de pensar sobre o mundo do que uma nova forma de trabalhar com modelos matemáticos. Tal entendimento pode ajudar os líderes atuais e futuros a dar sentido ao avanço da tecnologia, globalização, mercados complexos, mudança cultural, e muito mais. Isto pode nos ajudar a enfrentar os desafios e oportunidades que encaramos em uma nova época da história humana.

Segundo os mestres da Teoria da Complexidade, a realidade é não linear, caótica, fractal, catastrófica, difusa e inacabada, um eterno e caótico fluir. Devemos reconhecer a incompletude e a incerteza da realidade, bem como as múltiplas conexões entre os componentes dessa realidade. Examinar isoladamente um componente não faz sentido – é o reducionismo das partes. Devem ser examinados, também, os relacionamentos deste componente com os demais e com o global constituído por todos eles. Examinar somente o global sem examinar os seus componentes e os relacionamentos, também não faz sentido – é o reducionismo do todo.

O modelo Cynefin

O quadro (framework) do modelo Cynefin pode ajudar os líderes a determinar o contexto operacional predominante para poderem tomar decisões adequadas. Ele foi desenvolvido em 1999 no contexto da gestão do conhecimento e estratégia organizacional por Dave Snowden do Instituto de Gestão do Conhecimento da IBM.

Este modelo que teve base na teoria da complexidade classifica os problemas enfrentados por líderes em cinco contextos definidos pela natureza da relação entre causa e efeito. Cada contexto requer ações diferentes.

Quatro destes contextos – simples, complicado, complexo e caótico – exigem que os líderes façam o diagnostico das situações e ajam de forma apropriada ao contexto. O quinto é usado quando não se sabe identificar qual dos outros quatro contextos é predominante.

Os contextos Simples e Complicado assumem um universo ordenado, onde as relações de causa e efeito são perceptíveis, e as respostas corretas podem ser determinadas com base nos fatos.

O contexto Simples é o domínio das melhores práticas, no qual a relação entre causa e efeito é evidente para todos, sendo caracterizado pela estabilidade. Nesse contexto a abordagem utilizada para resolução de problemas é: Sentir (entender), Categorizar (escolher a alternativa com base em protocolos e/ou procedimentos) e Responder.

O contexto Complicado é o domínio dos especialistas, no qual a relação entre causa e efeito exige uma análise mais aprofundada, o que às vezes necessita de conhecimentos específicos. Diferentemente do simples, o contexto complicado pode conter diversas respostas corretas, embora haja uma clara relação entre causa e efeito, porém nem todos conseguem enxergar. Nesse contexto a abordagem utilizada é: Sentir, Analisar (para escolher a melhor alternativa ou boa prática) e Responder.

Os contextos Complexo e Caótico não são ordenados, não há relação imediatamente aparente entre causa e efeito e o caminho a seguir é determinado com base em padrões emergentes e intuição.

O contexto Complexo é o domínio da emergência, no qual as relações entre causa e efeito só podem ser percebidas em retrospecto, mas não antes. Nesse contexto, é impossível descobrir uma resposta certa. A abordagem adotada é: sondar (Probe), Sentir (entender) e Responder. Aqui o desconhecido predomina sobre o conhecido, o que exige levantamento de fatos antes da tomada de decisão, visando minimizar a imprevisibilidade.

O contexto Caótico é o domínio da resposta rápida, no qual não existe uma relação entre causa e efeito ao nível de sistema. Buscar uma resposta certa é inútil. É impossível determinar a relação entre causa e efeito, pois esta sofre mudança constante e não há padrões controláveis. Aqui a abordagem é: Agir, Sentir e Responder. Nesta situação não se sabe nada e nem se consegue saber. O contexto, o sistema e as condições de contorno estão sem restrições, não existe nenhuma previsibilidade e também não existem maneiras de mensuração. É uma oportunidade de se realizar uma mudança radical.

Concluindo

De uma forma sucinta podemos dizer que complexo é aquilo difícil de enquadrar ou definir, não havendo relações claras de causa e efeito, ou seja, é nebuloso e incerto. Por outro lado, algo complicado é algo difícil, mas conhecido.

Os organismos vivos são complexos. Os líderes das empresas, querendo ou não, vivem no dia a dia, situações nos vários contextos que são descritos no modelo Cynefin como: Simples, Complicado, Complexo e Caótico. Ter ciência disso e formas de identificar o tipo de contexto facilitará a tomada de decisão e a gestão das ações necessárias para a resolução dos problemas.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre inovação e negócios.

Detalhes: aqui, Contato: aqui.

Mais informações em:

Outros Artigos: