Como decidir com dados sem se afogar em dashboards: as 5 métricas que realmente importam

Série: Decisões que movem o ponteiro: Artigo 5 de 10

A promessa da era dos dados era simples: mais informação, melhores decisões. Dez anos depois, a maioria dos executivos vive outra realidade: dezenas de dashboards, centenas de indicadores, reuniões onde ninguém debate (porque todos olham para telas diferentes) e uma sensação persistente de que a empresa tem todos os dados, exceto os que precisa para decidir.

Este artigo defende uma tese contracorrente, mas respaldada pela evidência: o problema não é a falta de dados, é a falta de hierarquia. E propõe uma estrutura simples: em vez de acumular KPIs, ordenar as métricas pelo tipo de decisão que atendem, e ficar com cinco.

O paradoxo dos dados: muita medição, pouca decisão

Começo pelos dois extremos do paradoxo.

O dado bem usado compensa. O estudo clássico de Brynjolfsson, Hitt e Kim sobre milhares de empresas descobriu que aquelas que adotam decisões baseadas em dados (DDD) alcançam uma produtividade 5–6% superior à esperada dado o restante de seus investimentos (Brynjolfsson, Hitt & Kim, 2011). A McKinsey, por sua vez, mediu que os usuários intensivos de análise de clientes têm 23 vezes mais probabilidade de superar claramente seus concorrentes na captação de novos clientes do que os usuários não intensivos (McKinsey, 2014).

O dado mal usado custa. A mesma década que produziu esses benefícios produziu outro achado menos divulgado: o Gartner estima que a má qualidade dos dados custa às organizações, em média, pelo menos US$12,9 milhões por ano (Gartner, 2020). E a pesquisa anual da Wavestone/NewVantage Partners com executivos de grandes empresas constatou que, apesar de investirem pesado em dados e IA, apenas 23,9% conseguiram construir uma organização orientada por dados e meros 20,6% uma cultura de dados (Wavestone/NewVantage Partners, 2023).

Leia o paradoxo completo: as empresas que melhor usam o dado conquistam vantagens enormes (5–6% de produtividade, 23x em captação), enquanto a maioria acumula custos (US$12,9 milhões em dados sujos) e não alcança a transformação (23,9%). A diferença entre os dois grupos não é o volume de dashboards. É a disciplina de conectar cada dado a uma decisão.

Por que os dashboards falham: três mecanismos concretos

1. Métricas sem decisão responsável. Cada KPI que ninguém consegue conectar a uma ação concreta é ruído com formato profissional. A pergunta de filtro é brutal e simples: "qual decisão mudaria se este número subir ou cair?" Se a resposta for "nenhuma em particular", esse indicador está apenas decorando uma tela.

2. A lei de Goodhart operando em silêncio. Quando uma medida se torna uma meta, ela deixa de ser uma boa medida, e as equipes sabem disso antes da diretoria. O KPI de "consultas geradas" produz consultas infladas; o de "tickets fechados" produz tickets fechados às pressas. Não é má-fé: é o sistema otimizando exatamente o que você pediu para medir, às custas do que você realmente queria.

3. Sobrecarga de escolha. Do mesmo modo que acontece com as ferramentas e as estratégias, mais opções não produzem decisões melhores: produzem paralisia. Um dashboard com 40 indicadores não representa 40 ajudas; são 40 candidatas a explicação, e a reunião se esvai tentando entrar em acordo sobre qual olhar.

Um exemplo de como a disciplina se parece na prática

Para que a hierarquia se torne concreta, vejamos como ela se traduz em uma semana típica de uma PME de serviços com 30 funcionários (exemplo ilustrativo, com números hipotéticos):

Veja o que NÃO acontece nessa semana: ninguém discute métricas que não se conectam a uma ação, ninguém propõe "adicionar um dashboard novo" e nenhuma decisão é tomada por pura intuição, mas também não se espera pelo relatório perfeito. Esse é o equilíbrio que a evidência premia: os dados servem à decisão, não ao ritual.

A hierarquia: uma métrica por tipo de decisão

O antídoto é ordenar as métricas pela decisão a que servem. Em uma PME, as decisões se agrupam em cinco tipos, e cada tipo precisa de uma métrica central: uma só, aquela que, se mudar hoje, obriga a agir nesta semana.

Três esclarecimentos sobre esta tabela. Primeiro: as métricas centrais são sugestões estruturais: o nome exato varia por setor (em assinaturas é churn; no varejo, recompra; em serviços, taxa de recorrência), mas a função é a mesma: uma métrica por tipo de decisão. Segundo: a frequência importa tanto quanto a métrica; olhar o CAC todos os dias não melhora a decisão, aumenta a ansiedade. Terceiro: esta hierarquia não substitui os dashboards operacionais da equipe: substitui-os na reunião da diretoria, que é onde a paralisia custa mais.

As 5 regras para operar a hierarquia sem se afogar

1. Uma métrica, uma ação predefinida. Para cada métrica central, defina com antecedência a faixa saudável e o que fazer fora dela. "Se o CAC do canal X superar Y por dois meses consecutivos, realocamos Z% do orçamento": assim o dado dispara decisões em vez de debates.
2. Os objetivos são escolhidos antes dos resultados. Para se proteger da lei de Goodhart, estabeleça a meta e o método de medição antes de a equipe começar a executar. O KPI definido a posteriori sempre se ajusta ao resultado que alguém queria mostrar.
3. Menos fontes, mais qualidade. Cada nova fonte de dados traz custos de manutenção e risco de contradição. Antes de adicionar uma fonte, pergunte-se se ela responde a uma decisão da tabela: se não responder, é outro objeto brilhante em formato de banco de dados.
4. A reunião da diretoria olha 5 números, não 50. Um painel de uma única página com as cinco métricas centrais, sua tendência e seu semáforo. Os dashboards operacionais detalhados continuam existindo, mas em seu próprio nível, com suas respectivas equipes.
5. Auditoria trimestral de dados. Dados sujos não se limpam sozinhos: reserve uma revisão trimestral de consistência (os números das diferentes fontes batem entre si?): é a defesa prática contra o custo médio de US$12,9 milhões medido pelo Gartner (Gartner, 2020).

O critério final

A vantagem competitiva da próxima década não será ter dados: todos os terão. Será decidir com menos dados do que a concorrência, mas melhor escolhidos. A evidência de Brynjolfsson e da McKinsey mostra que o prêmio vai para quem usa o dado com intensidade e disciplina, não para quem acumula telas. Cinco métricas bem escolhidas, cada uma conectada a uma decisão real, superam quarenta indicadores sem responsável. Comece eliminando: seu próximo avanço em decisões provavelmente não virá de um dashboard novo, mas de um a menos.

Fontes consultadas

1. Brynjolfsson, E., Hitt, L. M. & Kim, H. H. (2011). Strength in Numbers: How Does Data-Driven Decisionmaking Affect Firm Performance? SSRN. Consultado em 14 de outubro de 2026: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1819486
2. McKinsey & Company (2014). Five facts: How customer analytics boosts corporate performance. Consultado em 14 de outubro de 2026: https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/five-facts-how-customer-analytics-boosts-corporate-performance
3. Gartner (2020). Data Quality (página de tópicos, pesquisa sobre o custo da má qualidade de dados). Consultado em 14 de outubro de 2026: https://www.gartner.com/en/data-analytics/topics/data-quality
4. Wavestone / NewVantage Partners (2023). Data and Analytics Leadership Annual Executive Survey: Survey Findings. Consultado em 14 de outubro de 2026: https://static1.squarespace.com/static/62adf3ca029a6808a6c5be30/t/63a477e23d7f9162b7771d6b/1671722982363/WAVESTONE+NVP--+Data+%26+Analytics+Executive+Leadership+2023--Survey+Findings.pdf