Se os Seus Relatórios Estão a Dar Resultados Estranhos, o Problema Pode Estar nos Dados

Imagine que pede ao seu contabilista um resumo das vendas do trimestre. Ele apresenta-lhe os números — e algo não bate certo. Os totais parecem altos de mais. Alguns clientes aparecem duas vezes. Uma venda de março está registada em outubro. Olha para o ecrã e pensa: será que o sistema está avariado?

Provavelmente não. O sistema está a fazer exatamente o que lhe foi pedido. O problema está naquilo que lhe foi dado para trabalhar.

Lembra-se da Expressão "Entra Lixo, Sai Lixo"?

Em inglês dizem garbage in, garbage out. É uma das verdades mais simples — e mais ignoradas — do mundo dos dados.

Pense assim: imagine que tem um cozinheiro excelente, com uma cozinha impecável e as melhores facas do mercado. Agora imagine que lhe entrega ingredientes estragados. O resultado vai ser mau, não porque o cozinheiro é incompetente, mas porque não há talento que salve uma receita com matéria-prima podre.

Os dados funcionam da mesma forma. Pode ter o software de relatórios mais sofisticado do mundo — se os dados que entram estiverem mal registados, incompletos ou cheios de erros, o que sai do outro lado não presta.

O Tipo de Erros Que Ninguém Repara (Até Ser Tarde)

Estes problemas são mais comuns do que pensa, e surgem de formas muito mundanas.

Nomes com erros de digitação. O seu cliente "Ana Ferreira" aparece no sistema como "Ana Fereirra", "ana ferreira" e "A. Ferreira". Para si são a mesma pessoa. Para o sistema, são três clientes diferentes. De repente, as suas análises mostram-lhe três vezes mais clientes do que tem na realidade.

Registos duplicados. Alguém importou uma lista de contactos duas vezes sem querer. Agora tem 4.000 clientes em vez de 2.000 — e as campanhas de email estão a chegar em duplicado a metade da sua base. Péssimo para a imagem, péssimo para os números.

Datas erradas. Uma encomenda feita em dezembro foi registada com o ano errado e aparece como sendo do ano passado. O relatório de vendas deste ano fica distorcido. Toma decisões de stock com base numa realidade que não existe.

Nenhum destes erros é dramático. Nenhum aparece com uma mensagem de erro a vermelho. Passam despercebidos durante meses — às vezes anos — enquanto vão corrompendo silenciosamente as suas análises.

Uma História Real (Que Acontece Mais do Que Imagina)

Uma pequena empresa de distribuição em Lisboa contratou um consultor para construir um dashboard — um painel visual onde os gestores podiam ver as vendas em tempo real. O painel ficou bonito. Os gráficos eram claros. Mas os números não faziam sentido.

Depois de investigar, o problema estava na folha de Excel que alimentava o sistema. Durante dois anos, diferentes colaboradores tinham preenchido a coluna "região" de formas diferentes: "Norte", "norte", "Região Norte", "N.", e por aí fora. O sistema interpretava cada variação como uma região separada. Os dados existiam todos — simplesmente eram impossíveis de agregar de forma útil.

A solução? Antes de qualquer dashboard, foi preciso limpar e padronizar dois anos de dados. Um trabalho sem glamour nenhum, mas absolutamente essencial.

Limpar Dados é a Parte Que Ninguém Quer Ouvir Falar

Quando as pessoas contratam alguém para construir um relatório ou um dashboard, estão a imaginar o resultado final: gráficos elegantes, números claros, decisões mais fáceis. Ninguém quer ouvir que antes disso existe uma fase de limpeza e organização de dados que pode levar tanto tempo — ou mais — do que construir o dashboard em si.

Mas é a realidade. Estima-se que os profissionais de dados passam entre 60% a 80% do seu tempo a limpar e a preparar dados, antes de fazerem seja o que for com eles.

É o equivalente a renovar uma cozinha. A parte emocionante são os móveis novos e os eletrodomésticos modernos. Mas se não reparar as canalizações primeiro, a cozinha nova vai inundar na mesma.

O Que Pode Fazer Agora

Não precisa de se tornar um especialista em dados. Mas há três perguntas simples que pode fazer à sua equipa — ou a quem gere os seus sistemas:

1. Os dados entram de forma consistente? Existe uma regra clara sobre como preencher os campos — nomes, datas, categorias?
2. Alguém verifica duplicados com regularidade? Ou os registos vão acumulando sem controlo?
3. Quando um relatório dá um número suspeito, o que fazemos? Existe um processo para investigar, ou ignoramos e seguimos em frente?

As respostas vão dizer-lhe muito sobre o estado dos seus dados — e sobre o quanto pode confiar nos relatórios que usa para tomar decisões.

Os números nos seus relatórios são tão bons quanto os dados que os alimentam. E os dados são tão bons quanto os processos e as pessoas que os registam. É uma cadeia — e ela parte sempre no elo mais fraco.

Vale a pena perceber onde está o seu.

---

Se quiser uma segunda opinião sobre o seu projeto, estou disponível — entre em contacto aqui.