Como tomar decisões sensatas com dados limitados durante a pandemia de coronavírus

Foto: (reprodução/internet)

O Coronavirus apresenta uma situação sem precedentes: todos os dias, os líderes devem tomar decisões importantes com consequências de vida ou morte para muitos - mas há uma escassez de dados. 

Oded Netzer é professor da Columbia Business School e afiliado do Data Science Institute que cria modelos estatísticos e econométricos para medir o comportamento do consumidor que ajudam os líderes de negócios a tomar decisões baseadas em dados. 

ANÚNCIO

Aqui, ele discute como os líderes de todas as áreas podem tomar decisões acertadas com dados escassos para orientá-los.

Como os líderes, reguladores e empresas podem tomar decisões informadas com dados escassos no COVID-19?

Para aqueles de nós com experiência em ciência de dados, a pandemia COVID-19 foi uma experiência humilhante. Nos últimos anos, temos promovido a noção de decisões baseadas em dados e incentivado os tomadores de decisão a usar a riqueza de dados normalmente disponível para eles para tomar decisões melhores e mais informadas. 

Temos incentivado os líderes a usar dados históricos ricos ou comparáveis ​​para estimar um modelo sólido e identificar padrões repetidos e, em seguida, aplicar essas técnicas para orientar sua tomada de decisão.

ANÚNCIO

Leia também: Passos para profissionais bem-sucedidos, mas infelizes, encontrarem significado

Como o coronavírus mudou esse pensamento convencional?

Realidades sem precedentes, como a que enfrentamos agora com a pandemia COVID-19, apresentam um desafio a essa prática tradicional da ciência de dados. Em tais situações, temos dados históricos ou de referência muito limitados para basear nossas decisões. 

Portanto, precisamos combinar os dados limitados que observamos, que muitas vezes estão longe de ser perfeitos, com uma boa quantidade de intuição e perspicácia específica de domínio. 

ANÚNCIO

Em um curso que leciono na Columbia Business School com os colegas Christopher Frank e Paul Magnone, falamos frequentemente sobre a intuição quantitativa - uma combinação de ciência de dados associada ao bom senso e perspicácia de um líder.

Foto: (reprodução/internet)

Que tal usar dados comparativos de coronavírus de outros países ou epidemias anteriores?

Ao avaliar o padrão esperado de difusão do COVID-19 nos EUA, geralmente usamos dados de outros países que podem estar em estágios mais avançados da difusão da pandemia (por exemplo, China, Coreia do Sul ou Itália). Da mesma forma, usamos dados de epidemias relacionadas, como SARS, MERS e até mesmo da Gripe Espanhola de 1918.

Obviamente, nenhuma dessas fontes de dados relacionadas pode ser aplicada diretamente à atual epidemia nos Estados Unidos. Usar dados de outros países é difícil porque os países diferem em relação aos seus regimes políticos, distribuição da população por idade, sistemas de saúde, etc.

Diferenças como a distribuição da população por idade podem ser facilmente tratadas em um modelo, mas ajustando para aspectos como regimes políticos e questões de privacidade é muito mais difícil. 

Da mesma forma, dadas as informações limitadas que temos sobre o vírus COVID-19, é difícil avaliar o quão semelhante ou diferente esse vírus é para epidemias anteriores. 

Esses desafios de usar os dados limitados de que dispomos não significam que devemos jogar o bebê fora com a água do banho e ignorar esses dados possivelmente úteis por completo.

Veja também: Pensando em contratar um redator de currículo? Aqui está o que você precisa saber

Não podemos esperar que um modelo nos diga diretamente como adaptar os dados anteriores à situação atual. É aqui que precisamos aplicar algum julgamento humano / pesquisador e perspicácia de domínio.

Os dados comparativos são igualmente desafiadores no campo dos negócios?

Sim, em termos de negócios e economia, surge a questão de quanto podemos aprender com as crises financeiras anteriores para prever as implicações financeiras da atual pandemia e nossa capacidade de nos recuperar dela. 

Claramente, não se pode usar diretamente os mesmos dados ou modelo de 2008 e aplicá-los à nossa situação financeira atual, mas, ao mesmo tempo, podemos aprender muito com o passado.

Então, como os cientistas e líderes de dados podem tomar boas decisões durante esta crise?

1 - Use o bom senso e a perspicácia de especialistas

Julgamento e experiência podem ser usados ​​para adaptar modelos e dados de outros domínios à situação atual. Aprendizado de máquina, estatística e econometria são úteis para derivar informações de dados existentes e prever o futuro, desde que o ambiente seja semelhante ao ambiente usado na análise de dados. 

O julgamento humano e a teoria podem nos guiar na decisão de quais fatores são semelhantes ou diferentes em conjuntos de dados ou situações, e como podemos adaptar ou combinar diferentes fontes de dados para a situação atual. 

Os humanos são bons em reconhecimento de padrões; os computadores são bons em processamento de dados. Em momentos como esses, quando os dados são limitados, precisamos combinar os dois.

2 - Use os cenários de pior caso, base e melhor caso

Vimos muitos cientistas usarem os cenários de pior caso, base e melhor caso ao apresentar previsões para a pandemia de COVID-19. Quando a incerteza é alta, é útil apresentar cenários alternativos para permitir que os tomadores de decisão avaliem a incerteza envolvida na situação. 

Apresentar cenários alternativos também é útil para planejar o pior caso (em vez do cenário de base) (por exemplo, número de leitos de UTI e ventiladores necessários). 

Ao construir os cenários, os dados de referência, mesmo se não totalmente comparáveis ​​à situação atual, podem ser usados ​​para definir o pior ou o melhor cenário (por exemplo, tomando as curvas epidêmicas de Cingapura ou Japão como proxies para o melhor cenário).

3 - Use simulações

Para situações complexas, onde os dados reais são limitados, pode-se usar uma simulação para simular cenários alternativos. 

Em vez de prever um número específico, como costuma ser feito em muitos modelos de aprendizado de máquina, as simulações permitem ao pesquisador explorar o impacto de diferentes valores de parâmetros, que o pesquisador só pode saber com incerteza, sobre o resultado esperado. 

Por exemplo, pode-se simular a propagação da epidemia sob diferentes suposições de quantas pessoas um paciente COVID-19 positivo infecta.

4 - Sintetizar informações

Considerando que cada um dos conjuntos de dados de referência pode ser incompleto e inadequado para a situação atual, sintetizar as informações entre os conjuntos de dados pode ser útil para obter uma imagem mais clara da situação como um todo

Novamente, a tarefa de sintetizar informações é mais bem executada por humanos do que por máquinas e exige intuição quantitativa.

Foto: (reprodução/internet)

Você está otimista?

À medida que mais dados se tornam disponíveis nos Estados Unidos e em todo o mundo, e à medida que aprendemos mais sobre essa pandemia única, nossa confiança nos modelos e na tomada de decisões baseada em dados aumentará e, com isso, nossa capacidade de gerenciar essa pandemia. 

Assim, ao "achatar a curva", não estamos apenas ganhando tempo para evitar sobrecarregar nosso sistema de saúde e encontrando um tratamento para este vírus perigoso, mas também estamos adquirindo mais e melhores dados que nos permitirão tomar melhores decisões, lutando e administrando esta pandemia sem precedentes.

Você disse que o Data Science Institute em Columbia é um exemplo definitivo de um centro interdisciplinar para os pesquisadores conduzirem pesquisas baseadas em dados. Como essa entidade será útil durante esta pandemia?

Com certeza, o Data Science Institute é um ótimo exemplo de um verdadeiro centro interdisciplinar que reúne grandes mentes de toda a Universidade de Columbia, e o Instituto também se orgulha de usar "dados para o bem". 

A pandemia COVID-19 afetou quase todos os aspectos de nossas vidas, da medicina à saúde pública, ao bem-estar social, economia e negócios. Enfrentar este grande choque para o mundo requer um esforço interdisciplinar. No cerne da intuição quantitativa está a síntese dos dados limitados de que dispomos com experiência, intuição e julgamento. 

Particularmente nos estágios iniciais, quando os dados sobre a pandemia e seus efeitos são escassos, equipes interdisciplinares como as do Data Science Institute podem oferecer experiência, intuição e bom senso para complementar os dados limitados que temos e tirar o máximo proveito deles.

Fique por dentro: A pesquisa mostra: a política de seu empregador pode afetar sua motivação

Traduzido e adaptado por equipe Vagas Liste

Fonte: Ivy Exec

Não há posts para exibir