Você, pelos números

Em março passado, o empresário e cientista Stephen Wolfram escreveu uma postagem no blog intitulada “A análise pessoal da minha vida.” Nele, ele mapeou dados sobre o uso de e-mail, o tempo gasto em reuniões e até mesmo o número de pressionamentos de tecla que ele registrou— por 22 anos. As tabelas e gráficos resultantes são fascinantes e um tanto instrutivos. Wolfram documentou que ele é um homem rotineiro que gosta de trabalhar sozinho até tarde da noite. Ele sabe que, embora suas ligações telefônicas programadas geralmente comecem no horário, suas reuniões presenciais são menos previsíveis — e que ele está pressionando a tecla backspace 7% das vezes em que está no teclado. Esse “esforço de autoconsciência”, como Wolfram o descreveu, faz dele um pioneiro na crescente disciplina de análise automática—a prática de coletar e analisar voluntariamente dados sobre si mesmo para melhorar. Os atletas há muito tempo usam análises estatísticas visuais e avançadas para melhorar seu desempenho. Agora, a análise automática também está prosperando no local de trabalho. Com dispositivos vestíveis, aplicativos móveis e de computador e visualização sofisticada de dados, ficou bastante fácil monitorar nossa atividade no escritório — e quaisquer fatores que possam afetá-la — e usar essas informações para fazer melhores escolhas sobre onde concentrar nosso tempo e energia. Isso anuncia uma mudança importante na forma como pensamos em monitorar o desempenho no trabalho e até mesmo no planejamento de carreira. Os funcionários são avaliados há muito tempo, mas os gerentes tradicionalmente escolhem as ferramentas e as métricas e, mais importante, decidem como interpretar as descobertas. Com a análise automática, os indivíduos assumem o controle. Eles podem realizar experimentos autônomos para identificar quais tarefas e técnicas os tornam mais produtivos e satisfeitos e, em seguida, implementar as mudanças de acordo. A visão de Wolfram foi que sua rotina “chocantemente regular” o liberou para ser “enérgico — e espontâneo — em relação a coisas intelectuais e outras”. Mas ele não usou os dados para descobrir maneiras de melhorar seu desempenho e, dessa forma, sua postagem no blog é tão cautelosa quanto pioneira, pois destaca as armadilhas de adotar a análise automática sem antes adotar um plano. Sem uma meta clara desde o início, Wolfram levou duas décadas para sintetizar sua vasta coleção de dados. Mesmo assim, ele parou na observação em vez de progredir para a análise e a intervenção. Que melhorias ele poderia ter feito com base em suas descobertas? Teria sido mais útil mapear, digamos, os cronogramas do projeto em relação aos níveis de estresse ou, como ele dirige sua empresa remotamente, o humor comparado ao tempo gasto com outras pessoas? Se esse tipo de pergunta não for abordado de antemão, a análise automática corre o risco de se tornar um conceito promissor, mal aplicado e descartado como apenas mais uma moda tecnológica. Para fazer isso da maneira certa, você precisa entender as ferramentas e desenvolver uma abordagem. O objetivo não é apenas aumentar a autoconsciência, mas tornar-se melhor em seu trabalho e mais satisfeito com sua vida. As ferramentas Atualmente, existem dois tipos amplos de ferramentas de análise automática. Os primeiros são rastreadores, que revelam padrões e ajudam você a definir metas. Eles permitem documentar rotinas e respostas físicas, como horas de sono, frequência cardíaca e alimentos consumidos ou calorias queimadas — informações que você pode usar para aprender, por exemplo, como o consumo de cafeína e açúcar afeta sua produção de trabalho ou quais interações no escritório aumentam sua pressão arterial. Os rastreadores são melhor usados longitudinalmente (ao longo de dias, semanas ou mais) e iterativamente, para testar intervenções e seus resultados até que o equilíbrio correto seja alcançado. Você coleta uma linha de base de dados pessoais e, em seguida, executa ciclos de coleta e análise de dados. Essa análise prepara você para o segundo tipo de ferramentas, cutucas, que orientam você em direção às suas metas fazendo perguntas ou estimulando ações com base nos dados que eles receberam. Os nudgers geralmente são aplicativos ou ferramentas on-line que podem pedir que você se exercite, pare de tomar café ou desacelere durante uma apresentação. Eles geralmente exigem algum investimento inicial para fazer com que os algoritmos “saibam” como e quando enviar um ping para você. A análise O que exatamente você pode medir? Usando pesquisas e casos de sucesso, desenvolvi uma estrutura que inclui três áreas nas quais a análise automática pode ser útil: o eu físico, o eu pensante e o eu emocional (corpo, mente e espírito). O eu físico. Sua condição física afeta seu trabalho. Sabemos disso aproximadamente desde a Revolução Industrial, quando os famosos estudos de tempo e movimento de Frederick Taylor mostraram que os movimentos de um trabalhador de uma fábrica de ferro, como jogar ferro-gusa em um carrinho, podiam ser medidos e aprimorados. Da mesma forma, foi demonstrado que os padrões de sono, os níveis de estresse e os regimes de exercícios dos trabalhadores do conhecimento afetam a produtividade, a criatividade e o desempenho geral no trabalho. Hoje, esses trabalhadores podem escolher entre uma variedade de aplicativos móveis, sensores vestíveis ou ferramentas de desktop que coletam de forma autônoma dados valiosos sobre os movimentos e sistemas fisiológicos de seus corpos. A consultora de negócios Sacha Chua queria entender a relação entre seu horário de sono e o alcance de suas prioridades profissionais, por isso testou várias ferramentas para esse fim. Usando um rastreador chamado Sleep On It, ela monitorou a hora de dormir, a hora de acordar, a quantidade de sono por noite e a qualidade do sono por várias semanas. (Veja a exposição “Visão geral da automedição”.) Com essa linha de base e a hipótese de que ela estava dormindo mais tarde do que deveria, ela tentou acordar mais cedo — às 5:40 em vez de 8:30. SOU . Visão geral da automedição As ferramentas no campo da análise automática geralmente empregam algoritmos baseados em comportamento para fazer recomendações aos usuários. Os dados analisados podem ser visualizados por aplicativos móveis, em dispositivos portáteis com sensores ou em um laptop ou computador desktop. A maioria das ferramentas se concentra em um dos três domínios pessoais. The Physical Self Ferramentas que medem e monitoram movimentos físicos e funções corporais ajudam você a tomar melhores decisões sobre eficácia e bem-estar profissional. Durma nela (mostrado aqui) é um aplicativo móvel, feito pela MedHelp, que reúne dados sobre quantidade e qualidade do sono. Ele permite que você entenda por que se sente alerta (ou letárgico) em determinados dias de trabalho e como otimizar a relação entre descanso e desempenho. Outras ferramentas: Fitbit, Jawbone Up, Nike+ FuelBand The Thinking Self Ferramentas focadas no eu pensante reúnem dados relacionados às rotinas, hábitos e produtividade do trabalho com conhecimento. Voyeur, feito por uma empresa com o mesmo nome, visualiza padrões que refletem onde e quanto sua atenção flui entre as categorias enquanto navega na web durante um dia de trabalho. O padrão de navegação na web mostrado aqui é de um pesquisador de publicidade no setor de produtos de beleza. Outras ferramentas: RescueTime, Quantified Mind, fone de ouvido neurológico EPOC The Emotional Self As ferramentas que medem as emoções aumentam a consciência dos usuários sobre como as decisões, situações e ações profissionais se correlacionam com o humor. Kit de humor, feito pela Thriveport, ajuda você a monitorar seu humor ao longo do tempo, conforme mostrado aqui. Em seguida, ele faz recomendações, derivadas de insights da prática clínica e dados de pesquisas, sobre como você pode melhorar o desempenho e a satisfação no trabalho. Outras ferramentas: MoodPanda, 750 palavras, mapeamento Chua descobriu, para sua surpresa, que estava recebendo mais e durma melhor com a nova hora de acordar, que melhorou seu engajamento e desempenho no trabalho. Parecia estar forçando-a a evitar atividades noturnas sem importância, como navegar na web, para poder ir para a cama mais cedo. Em vez de desperdiçar grande parte da manhã em um sono de baixa qualidade enquanto apertava o botão de soneca repetidamente, ela poderia passar o tempo escrevendo e programando. Esse exercício era nominalmente sobre o sono, mas os dados forneceram uma maneira mais rigorosa de Chua explorar, priorizar e agir de acordo com o que realmente importava para ela pessoal e profissionalmente. O eu pensante. Na década de 1960, Peter Drucker legitimou a quantificação do eu pensante em unidades de trabalho de conhecimento. Embora o trabalho de conhecimento tenha permanecido notoriamente difícil de medir de forma rigorosa ou direta enquanto está sendo executado, sua saída ainda é monitorada com aproximações, como horas faturáveis, relatórios arquivados ou linhas de código escritas. Essas medidas podem informar os gerentes e os sistemas financeiros, mas pouco fazem para orientar as pessoas que desejam aprender como melhorar seus empregos. A análise automática pode ajudar coletando dados à medida que você executa tarefas cognitivas, como pesquisa de clientes em seu smartphone ou análise estatística no Excel. Com a análise automática, os gerentes não escolhem as métricas — os trabalhadores assumem o controle. Bob Evans, engenheiro do Google, usou rastreadores e cutucas para investigar a relação entre sua atenção e sua produtividade. Ele explica: “Como engenheiros, sobrecarregamos nossas cabeças com todas essas variáveis, as partes intelectuais dos sistemas que estamos construindo. Se nos distrairmos, perdemos esse fio em nossas cabeças.” Com uma ferramenta chamada MeetGrinder, que interage com calendários on-line, Evans analisou a frequência com que ele alternava entre o pensamento solitário e a interação colegial durante seus dias e semanas e, em seguida, comparou isso com sua produção de trabalho. Os dados mostraram que ele precisa de cerca de quatro horas seguidas para realizar qualquer coisa ambiciosa, então ele agora se concentra em suas tarefas mais desafiadoras quando tem esse tipo de tempo, não durante os dias em que muitas reuniões podem gerar disrupção em seu fluxo mental. Evans also uses a mobile app that randomly pings him three times a day, asking, “Have you been working in the past two hours?” If he hasn’t, he’s prodded to refocus. If he clicks yes, the app asks more questions: “What was your primary work activity?” and “What was your secondary work activity?” This data-gathering approach, developed by psychologist Mihaly Csikszentmihalyi, is called the experience sampling method, or ESM.Just over a week into Evans’s three-week experiment, the ESM data began to show that he was responding to work e-mails too frequently, which distracted him from more-important tasks. So he began to answer e-mail just twice a day to see whether that increased his productivity. It did. In the third week, every time the app pinged him, he was in the midst of his core programming work. (Notably, one of Evans’s colleagues set the app to check in with him oito vezes por dia. Ele ficou tão frustrado que abandonou o experimento.) O eu emocional. Daniel Goleman afirmou há 15 anos que quase 90% da diferença entre líderes excepcionais e médios é atribuível a fatores emocionais, não à perspicácia intelectual. De fato, muitos profissionais estão intrigados com o papel que as emoções desempenham em suas carreiras e desejam se tornar mais conscientes de seus próprios estados emocionais e de sua capacidade de gerenciá-los. No entanto, as ferramentas de avaliação e os treinadores com foco na inteligência emocional são caros, intrusivos e geralmente reservados para membros selecionados da diretoria. As ferramentas de análise automática não medem a inteligência emocional em si, mas fornecem uma maneira mais fácil de obter informações sobre as emoções e usar dados para aprimorar nossas previsões sobre o que nos fará felizes em nosso trabalho diário e em nossas carreiras. Muitos aplicativos e ferramentas monitoram o humor perguntando ao usuário: “Como você se sente agora?” Se você usar um em um celular com GPS, poderá descobrir correlações entre suas emoções e sua localização. Você se sente mais feliz trabalhando em casa, na Starbucks ou no escritório? Você fica menos feliz em determinados sites de clientes ou quando viaja? Ou, usando uma ferramenta que processa dados textuais, como os tipos de palavras em suas comunicações por e-mail ou entradas de diário, você pode quantificar os sentimentos sobre uma determinada tarefa ou oportunidade de emprego. Essas ferramentas não substituem a reflexão pessoal, mas podem facilitar o processo. Um exemplo disso é o de Marie Dupuch, uma estrategista de marca que há muito invejava pessoas que “conseguiam reconhecer seu humor e saber exatamente o que as colocava nele”. Percebendo que não era tão intuitiva, ela tentou uma abordagem quantitativa para entender suas emoções. Com a aproximação da formatura universitária e a pressão para “refletir e descobrir as coisas” antes de entrar no mercado de trabalho, ela começou a monitorar seu humor. Durante o último semestre de três meses, ela usou uma versão beta de um aplicativo rastreador que pedia que ela avaliasse seu humor em uma escala de cinco pontos três vezes ao dia. No início, as descobertas eram previsíveis: conversar com amigos e familiares pelo Skype melhorou seu humor; andar de transporte público o deprimiu. Mas um dado se destacou: as quintas-feiras eram seus dias mais felizes, o que a surpreendeu, pois também eram os mais movimentados. A análise automática pode se tornar o ímpeto para uma mudança total de carreira. Às quintas-feiras, Dupuch dirigia de seu campus universitário até a cidade para um curso sobre publicidade que contou com palestrantes convidados e exigiu interação com executivos de publicidade e outros tipos criativos. Ela levantou a hipótese de que foi a exposição ao mundo da publicidade em um local urbano que tornou seu dia mais difícil o mais feliz. Então, ela decidiu testar sua teoria: ela agendou seis entrevistas informativas em cinco dias com agências de publicidade em Manhattan e mediu seu humor o tempo todo. Ela reflete: “Por meio desse teste, pude ver com dados reais que a publicidade era uma boa aposta, que esse era o tipo de carreira que me faria feliz”. Hoje, ela trabalha de forma feliz e produtiva no setor de publicidade em Nova York. Obviamente, monitorar suas emoções de forma eficaz pressupõe que você possa ter uma visão analítica, até mesmo clínica, do seu humor quando os dados estão sendo coletados. Isso é bem diferente de monitorar as horas de sono ou o número de e-mails enviados. Dupuch está entre muitos com quem falei que dizem que o processo não é natural no início, mas que fica mais fácil com a prática e, eventualmente, melhora sua capacidade de sentir e reagir à forma como você está se sentindo. O futuro Ainda estamos no início da análise automática. No entanto, novos fluxos importantes de pesquisa, baseados em ciências cognitivas e comportamentais, estão sendo conduzidos atualmente em universidades e por empresas privadas. Um projeto chamado Quantified Self está oferecendo oportunidades para que indivíduos experimentem ferramentas de análise automática e métodos experimentais. Além disso, novos insights baseados em campo sobre visualização de dados e inovação de algoritmos do campo da análise de negócios têm aplicação direta para profissionais de análise automática e fabricantes de ferramentas. Duas outras tendências também estão surgindo. Primeiro, as ferramentas se tornarão mais sofisticadas. Alguns serão mais inteligentes, com algoritmos que tornam a função de cutuding mais sutil para que, por exemplo, a tecnologia saiba melhor quando e como enviar um ping para você. Eles também podem permitir mais precisão, ainda maior do que a do novo dispositivo da BodyMedia, que coleta cerca de 5.000 pontos de dados físicos por minuto e usa o código analítico da IBM para personalizar sugestões relacionadas à dieta e atividade física. Algumas ferramentas se tornarão menos visíveis — incorporadas em roupas para capturar dados físicos, por exemplo, ou incorporadas em ferramentas profissionais, como planilhas e aplicativos de processamento de texto. Em segundo lugar, uma abordagem mais holística da análise automática será desenvolvida. Os aplicativos consolidarão vários tipos de medidas em um único painel e nos permitirão analisar a nós mesmos em dimensões cada vez mais complexas. Ferramentas como o StickK e o Beeminder, por exemplo, já combinam rastreamento e estímulo — e podem adicionar uma dimensão social. Eles pedem que você crie uma meta, como aumentar o número de chamadas de vendas ou conversas com subordinados diretos a cada semana e, em seguida, use displays digitais para ajudá-lo a analisar seu progresso diário para alcançá-la. Para aumentar sua motivação, eles usam incentivos ou até mesmo cobram pequenas penalidades financeiras quando você sai da pista. E eles podem ser usados socialmente para que pessoas — até mesmo estranhas — que trabalham com o mesmo objetivo possam compartilhar dados e encorajar umas às outras, como as pessoas fazem em um clube de perda de peso. O empresário de tecnologia Nick Winter usou essa metodologia com grande sucesso. Quando sentiu que estava em um patamar de produtividade e percebeu que seu novo negócio estava em risco, ele começou a coletar dados sobre suas atividades de trabalho e seus resultados. Durante um período de 10 meses, Winter testou quatro abordagens distintas para ser mais produtivo, desde o rastreamento de planilhas até ferramentas mais rápidas. Ele optou por uma técnica de análise automática chamada “gráfico de feedback percentual” para ajudá-lo a ver as tendências com clareza. Agora, ele reuniu um grupo on-line de colegas com ideias semelhantes que comparam e competem com base em suas métricas. Outro exemplo de consolidação de dados é o Personal Analytics Companion (PACO), um aplicativo móvel de código aberto desenvolvido por Bob Evans, do Google, cuja história apareceu anteriormente. “Em vez de ter todos esses aplicativos verticais, de monitores de humor a rastreadores de reuniões, esse é um lugar onde você... pode combinar todos os seus dados e compará-los”, diz Evans. “Você pode ver tendências, distribuições e relacionamentos.” Imagine o aplicativo de análise automática que ajuda um gerente a reagendar sua sessão de inovação porque sabe que ele não dormiu bem, que seu trajeto muito longo criou estresse e ele tem uma reunião orçamentária monótona logo antes da sessão. Ou considere a profissional do conhecimento que se prepara antes de uma avaliação de desempenho com dados de referência pessoais que apoiarão ou contrariarão a avaliação de seu gerente. É para lá que a análise automática está indo. Quando a análise revela maior desempenho em tarefas não essenciais, a análise automática pode até mesmo se tornar o ímpeto para uma mudança total de carreira. Pense em quanto menos ansiedade essa decisão que mudaria sua vida causaria se você tivesse dados para apoiá-la. Aplicada da maneira correta, a análise automática pode fornecer evidências concretas em situações em que tradicionalmente confiamos na intuição e no feedback anedótico. Quantificar a si mesmo é uma experiência reveladora — e talvez a melhor coisa que você possa fazer para melhorar sua carreira e sua vida.

Você, pelos números

Resumo.

Partner Center