O que é preciso para se ser um líder de sucesso, num mundo onde as pessoas se preocupam com o bem social? – Lição 2

Gostaria de partilhar alguns exemplos retirados de uma iniciativa em que participo, a Data Science for Social Good, e as lições que aprendemos. Temos expectativa de que haverá mais líderes no seu local de trabalho a gerir projetos capazes de contribuir para o bem social no mundo.

Lição 2 – Foque-se num objetivo, num problema e nas ações possíveis, não na tecnologia

A liderança não significa tecnologia, algoritmos, Inteligência Artificial, ou Transformação Digital, independentemente de quão centrais elas possam ser para as nossas organizações. Significa antes o objetivo principal da organização que se está a liderar. As nossas conversas com potenciais parceiros começam muitas vezes com eles a dizer: temos alguns dados, agora gostaríamos também de correr um algoritmo e obter algumas informações interessantes. Embora possa haver algum valor a retirar desta abordagem explorativa, existe uma forma melhor de iniciar a conversa. Descobrimos que uma abordagem mais útil consiste em iniciar com um objetivo principal e com as funções mais importantes desempenhadas pela organização. A seguir, procuramos os pontos dolorosos, os problemas com que a organização muitas vezes se depara, algo que não permite servir bem o objetivo principal acima citado. Quando surge um problema interessante, perguntamos quais as ações disponíveis para o resolver. O enfoque nas ações parece óbvio, mas achamos que é muitas vezes negligenciado durante a definição do âmbito dos problemas.

Eis um exemplo de como dirigir o foco na orientação de ações: um organismo de saúde pública propôs um projeto para um sistema de alerta precoce para um surto de doença. Se há um bem social óbvio neste tópico, tínhamos curiosidade em saber se um projeto desta natureza acrescentaria algum valor para o organismo público. Durante a nossa sessão de definição do âmbito dos projetos, perguntamos qual a frequência com que se apresenta um surto, quais os dados que podemos obter e com que rapidez, quais as ações que o sistema pode tomar e quão útil é a informação no momento em que se torna disponível? Tornou-se logo evidente que a questão inicial precisa de ser reformulada, dado que não existem dados válidos e que não teríamos capacidade para tomar uma ação significativa com base nos resultados da ciência de dados. O discurso alterou-se e passou a focar o objetivo do organismo e as ações que está a tomar como meio de prevenção. Procuramos um problema, um obstáculo a uma ação preventiva, tendo como objetivo os surtos de doenças. À medida que íamos avançando, identificámos que não existem muitos médicos nas escolas para responder às tendências preocupantes de falta de vacinação das crianças contra doenças altamente infecciosas e mortais. O objetivo tornou-se o aumento da taxa de vacinação e as ações de informação elegíveis foram os encontros entre pediatras ou médicos escolares e os pais das crianças. Por conseguinte, durante o programa DSSG Europe Summer Fellowship 2018, desenvolvemos um modelo capaz de predizer o risco de uma criança não receber a proteção adequada contra o sarampo quando ingressa na escola primária. As pontuações de risco informam o organismo para que possa planear onde investir mais esforços e oferecer evidência credível dos benefícios da vacinação; também indica aos pediatras a quem dedicar mais esforços para discutir a vacinação.

Elemento(s) de aprendizagem – Enfoque no objetivo da organização, num objetivo a alcançar e nas ações específicas que possam ser tomadas com base no resultado do algoritmo da ciência de dados; uma boa prática é perguntar: “se eu fornecer informação no momento em que os dados ficam disponíveis, qual o impacto que poderei ter nos resultados, e de que forma posso contribuir para o objetivo principal?”.

Por: Leid Zejnilović, assistant professor na NOVA SBE

Artigos Relacionados: