E isso acontece tanto com situações das quais já estamos habituados, como atribuir certos comportamentos a homens ou mulheres, quanto com situações mais substanciais, como classificar a inteligência das pessoas de acordo com suas áreas de formação.

Quem atua na academia e ousou ler artigos de outras áreas de pesquisa, além da sua própria, sabe bem as diferenças de métodos e formas de escritas que existem.

Acontece que estamos tão formatados a seguir um padrão específico que qualquer coisa que fuja daquele padrão parece errado, incompleto ou não científico o suficiente.

Certeza que você já viu essa segregação aplicada em outros lugares, né? Como no caso de uma mulher que não se comporta como um homem em um cargo de liderança, e por isso ela não parece ser boa o suficiente para ocupar o cargo. A segregação acontece aqui, homens ocupam cargos de liderança, mulheres não.

Percebe? Agora imagina falar de direitos humanos, preconceito e tecnologia. A quantidade de áreas, palavras novas e formas de aplicar um conceito de uma área em outra que somos expostos junto com a quantidade de pessoas padronizadas nas suas áreas de pesquisa que encontramos… É um verdadeiro pandemônio!

Temos um verdadeiro dilema aqui, e ouso dizer, um dilema ético das pessoas que falam sobre ética.

Como sabemos que um produto digital está dando certo?

Para quem trabalha com produto, essa pergunta parece relativamente simples de responder. Olhamos para o número de usuários ativos, para a frequência de uso, para o tempo que as pessoas passam no sistema e para quantas delas continuam voltando ao longo dos meses. Se o MAU e o DAU crescem, se a retenção melhora e o usuário incorpora aquele produto à sua rotina, entendemos que estamos entregando valor. Afinal, se as pessoas continuam usando, alguma coisa deve estar funcionando.

Mas será que permanecer em um produto significa sempre que ele está fazendo bem para quem usa?

Essa pergunta ficou na minha cabeça depois de assistir a uma discussão sobre a responsabilização das redes sociais pelo design de sistemas potencialmente viciantes. Durante muito tempo, as consequências do uso excessivo dessas plataformas foram tratadas quase como uma questão individual. A pessoa deveria controlar o tempo, desligar as notificações ou simplesmente fechar o aplicativo. Só que essa explicação ignora uma parte importante do problema: do outro lado da tela existem times inteiros estudando como fazer com que ela permaneça ali.

E esses times não fazem isso necessariamente porque acordaram um dia querendo prejudicar alguém. Fazem porque as métricas utilizadas para definir o sucesso do produto apontam nessa direção.

Quando a métrica deixa de representar o valor

Métricas de engajamento são importantes. Elas ajudam a entender se o produto está sendo adotado, se faz parte da rotina do usuário e se existe risco de abandono. Em um sistema de gestão, por exemplo, um aumento na frequência de uso pode mostrar que mais pessoas estão conseguindo centralizar o trabalho em uma única ferramenta. Nesse caso, engajamento pode estar relacionado a valor real.

O problema começa quando o engajamento deixa de ser uma evidência de que o usuário alcançou alguma coisa e passa a ser o resultado final que a empresa deseja produzir.

Pense em uma rede social que mede seu sucesso principalmente pelo tempo de permanência. Se o objetivo é aumentar esse número, cada decisão de produto será avaliada pela capacidade de manter a pessoa conectada por mais alguns minutos. A rolagem infinita remove o momento de parada, a reprodução automática evita que seja necessário escolher o próximo conteúdo e as recomendações personalizadas aprendem rapidamente o que desperta curiosidade, ansiedade ou indignação.

Individualmente, cada uma dessas funcionalidades pode parecer apenas uma melhoria de experiência. Quando colocadas dentro de um modelo de negócios que depende da atenção, elas passam a cumprir outra função: diminuir as oportunidades de a pessoa decidir que já consumiu o suficiente.

É como olhar para um painel que mostra com muita precisão quanto tempo o usuário ficou no produto, mas não mostra como ele se sentiu quando saiu. A primeira informação está dentro da empresa, aparece nos dashboards e pode ser relacionada à receita. A segunda quase sempre fica do lado de fora e, por isso, é muito mais fácil ignorá-la.

O custo que não aparece no dashboard

Em julho de 2026, a Comissão Europeia concluiu preliminarmente que o design do Instagram e do Facebook viola a Lei dos Serviços Digitais da União Europeia. A investigação cita recursos como rolagem infinita, reprodução automática, notificações e sistemas de recomendação altamente personalizados, além de afirmar que a Meta não avaliou nem reduziu adequadamente os riscos desse design para o bem-estar físico e mental dos usuários. A decisão ainda é preliminar, mas representa uma mudança importante na forma como o problema está sendo tratado: o debate deixa de olhar apenas para o conteúdo publicado nas plataformas e passa a olhar também para a arquitetura que determina como esse conteúdo é consumido.

Essa mudança é relevante porque parte do custo desse engajamento nunca foi absorvida pelas empresas. O lucro gerado pelo tempo de uso permanece dentro da organização, enquanto as consequências de uma relação prejudicial com o produto são transferidas para o usuário, para sua família e para a sociedade. Durante anos, foi possível celebrar o crescimento nos relatórios e tratar os danos como efeitos colaterais difíceis de prever, mesmo quando o próprio produto era continuamente otimizado para ampliar o comportamento que estava causando o problema.

Isso significa que toda empresa que mede engajamento está criando um produto viciante? Claro que não. Criar um hábito também pode significar que o produto resolveu tão bem um problema que passou a fazer parte da vida da pessoa. A questão está no que a organização faz quando percebe que a métrica continua crescendo, mas o benefício para o usuário não cresce junto.

Se o tempo de uso dobra porque uma tarefa que levava dez minutos agora leva vinte, houve mais engajamento e uma experiência pior. Se uma pessoa abre o aplicativo várias vezes por ansiedade, o DAU pode melhorar enquanto sua saúde piora. Sem uma medida que represente o benefício pretendido, comportamentos completamente diferentes acabam parecendo iguais no painel.

E agora estamos levando essa lógica para a inteligência artificial

As redes sociais existem há tempo suficiente para que parte de seus impactos começasse a aparecer em pesquisas, processos judiciais e regulações. Ainda assim, demoramos muitos anos para avançar da discussão sobre responsabilidade individual para uma análise mais séria das escolhas feitas pelas plataformas.

Agora estamos levando a mesma lógica de engajamento para sistemas de inteligência artificial que conhecem cada vez mais sobre seus usuários, adaptam as respostas em tempo real e podem assumir um espaço muito mais íntimo na vida das pessoas.

Imagine um assistente de IA criado para ajudar alguém a tomar uma decisão. Se a principal métrica desse produto for o número de mensagens trocadas ou o tempo de cada sessão, existe um conflito entre o que seria melhor para o usuário e o que melhora o resultado da empresa. Talvez o melhor produto fosse aquele que ajudasse a pessoa a organizar o problema, oferecesse informações suficientes e devolvesse a decisão para ela. Mas um sistema orientado por engajamento pode ser incentivado a prolongar a conversa e tornar-se necessário até quando já cumpriu sua função.

Nesse cenário, não estamos falando apenas de prender a atenção. Estamos falando de sistemas capazes de influenciar escolhas, simular proximidade e aprender quais respostas fazem determinada pessoa permanecer conectada. Se ainda temos dificuldade para compreender todos os efeitos das redes sociais, parece arriscado esperar que os danos da IA se tornem evidentes para só então discutir limites.

O que deveríamos medir, então?

Talvez o caminho não seja abandonar MAU, DAU, retenção ou tempo de uso. Essas métricas continuam contando uma parte importante da história. O problema é permitir que contem a história inteira.

Times de produto precisam voltar à proposta inicial da solução e perguntar qual mudança positiva deveria acontecer na vida do usuário. Para um assistente de IA, por exemplo, sucesso talvez não seja manter uma conversa longa, mas ajudar a pessoa a resolver uma tarefa com clareza e em menos interações. A partir daí, o engajamento deixa de ser o objetivo e volta a ser apenas um dos sinais usados para entender se o produto está funcionando.

Também precisamos reconhecer que ética não pode entrar na organização apenas quando uma lei exige ou quando um dano se transforma em processo. Se as consequências sociais e psicológicas ficam fora da definição de sucesso, elas continuarão perdendo espaço para métricas diretamente associadas ao crescimento e à receita.

No final, métricas funcionam como um recorte da realidade. Elas tornam algumas coisas extremamente visíveis e fazem outras desaparecerem. Quando olhamos apenas para quanto tempo uma pessoa permaneceu conectada, podemos construir um produto que cresce justamente porque ela não consegue sair.

E um produto do qual o usuário não consegue sair pode parecer um sucesso no dashboard, mas ainda assim representar um fracasso para quem está do outro lado da tela.

Referências

Comissão Europeia: conclusão preliminar sobre o design viciante do Instagram e do Facebook

Vídeo que inspirou esta reflexão

Associated Press: Meta recorre de decisão sobre danos relacionados à dependência de redes sociais

A humanidade sempre criou tecnologias para mediar relações, acesso à informação e formas de aprendizagem, mas existe uma diferença importante quando essa mediação passa a acontecer por sistemas capazes de conversar, responder emocionalmente, simular presença e permanecer disponíveis o tempo todo.

Quando falamos de crianças e adolescentes usando IA, muitas vezes ainda tratamos o tema como se estivéssemos falando apenas de uma nova ferramenta de busca, de apoio escolar ou de produtividade, mas os dados começam a mostrar que a relação é mais complexa.

O relatório The State of the Youth 2025, da Aura Parents, aponta que, quando crianças e adolescentes usam IA, 42% do tempo é para companhia. Não é apenas para pesquisar, estudar ou executar tarefas. É para conversar, interagir, criar vínculo e ocupar um espaço relacional que antes passava por outras formas de experiência, como amigos, família, brincadeira, silêncio, tédio ou imaginação.

Quando uma IA passa a ocupar o lugar de companhia, ela deixa de ser apenas uma interface funcional e passa a fazer parte do ambiente de desenvolvimento emocional da criança. A conversa com o sistema pode parecer simples, mas ela carrega escolhas de produto, regras de moderação, modelos de incentivo, limites de conteúdo, métricas de engajamento e decisões sobre até onde uma interação deve continuar.

Segundo o relatório, entre as conversas de companhia com IA, 37% envolvem temas violentos, e em metade dessas conversas violentas também aparece roleplay sexual. O recorte por idade torna o problema ainda mais sensível: aos 11 anos, 44% das conversas de companhia com IA envolvem violência; aos 13, conversas com foco sexual ou romântico chegam ao pico de 63%.

Esses dados não deveriam nos levar a uma visão simplista de proibir tecnologia ou transformar toda discussão sobre IA em pânico moral, mas deveriam nos obrigar a fazer perguntas melhores sobre o tipo de sistema que estamos colocando diante de pessoas que ainda estão formando repertório, senso crítico, limites, identidade e compreensão sobre relações.

O problema não é apenas a criança “usar muito celular” ou “conversar com chatbot”, mas sim quando ambientes digitais são desenhados para sustentar interação contínua, com linguagem afetiva, respostas personalizadas e incentivos de permanência, sem que a arquitetura do produto considere de forma suficiente o estágio de desenvolvimento de quem está do outro lado.

Estudos sobre interação humano-computador, robôs sociais e tecnologias persuasivas indicam que sistemas interativos não apenas respondem a comandos, mas também estruturam comportamentos por meio de escolhas de design, presença social, mecanismos de engajamento, regras de moderação e limites definidos na arquitetura do produto.

O relatório também mostra que, entre adolescentes de 13 a 17 anos, mais tempo de tela está associado a mais estresse digital, entendido como a pressão cotidiana de comparação, disponibilidade constante, drama social, vigilância online, FOMO e interação com sistemas feitos para manter engajamento. Ou seja, não estamos falando apenas de tempo de uso, mas de qualidade da experiência, intensidade da exposição e tipo de relação criada com o ambiente digital.

Para nós que trabalhamos com produto e IA, essa discussão é central, porque toda decisão de design também é uma decisão sobre comportamento esperado.

Quando uma empresa define que a métrica principal é tempo de uso, ela está dizendo algo. Quando permite que uma conversa sensível continue sem redirecionamento adequado, ela está dizendo algo. Quando trata segurança infantil como camada posterior e não como requisito de arquitetura, ela também está dizendo algo.

A responsabilidade não pode ficar apenas com pais e responsáveis, embora eles tenham um papel fundamental. Famílias precisam orientar, acompanhar e criar limites, mas empresas também precisam assumir que produtos educam comportamento, interfaces definem fronteiras e sistemas de IA podem amplificar relações que crianças ainda não têm maturidade para interpretar sozinhas.

Talvez a pergunta mais importante não seja se crianças e adolescentes vão conversar com IA, pois elas já estão conversando. A pergunta é se estamos construindo sistemas preparados para lidar com essa realidade com responsabilidade, ou se estamos apenas otimizando a infância para engajamento.

Referências:

• Persuasive Technology: Using Computers to Change What We Think and Do
• Aura Releases New 2025 State of the Youth Report

Ultimamente venho observando uma queda na minha habilidade criativa e comecei a aprofundar nas causas disso.

Talvez, com a chegada dos agentes de IA, a primeira coisa que passe pela sua cabeça é: claro, provavelmente pergunta tudo para o ChatGPT…

Bom, eu uso o ChatGPT e tenho uma coisa pra contar sobre isso, a falta de criatividade ainda não está tão relacionada ao ChatGPT, não com pessoas que nasceram antes do advento IA Generativa. Para nós, ele até pode reduzir algumas habilidades, como conseguir fazer um bom resumo, ter paciência para ler um texto inteiro, criar um texto do início ao fim sem corrigir ou buscar inspirações. Mas a criatividade, bem, ela sempre foi um assunto meio fantasmagórico, principalmente nas temáticas que envolvem exatas.

Dito isso, não, o ChatGPT não matou a minha criatividade, o que está pegando ela pelos pés são: processos burocráticos, horas diárias em syncs, explosão de mensagens e emails para ler e responder ASAP, a necessidade de ser TUDO em tempo real, os prazos cada vez mais desafiadores (aqui o ChatGPT até ajuda heim). Nesse cenário, os agentes inteligentes até ajudam a automatizar processos, consolidar dados, acelerar entregas. MAS, processos criativos precisam de cabeça vazia ou tempo para pensar (ref).

Agora imagina um dia cheio de reuniões onde, em cada uma delas, você discute assuntos diferentes, saindo de cada uma com acionáveis diferentes… A primeira coisa que acontece e a mais fácil de entender é que, ao chegar o final do dia, sua cabeça já está cansada… Toda essa dinâmica reduz nosso tempo e disposição em aprofundar em assuntos mais complexos.

Recentemente li o livro Rápido e Devagar do psicólogo Daniel Kahneman, onde ele aborda pesquisas realizadas para entender como nosso cerebro funciona e como tomamos decisões no dia a dia de acordo com quais sistemas ativamos, que são:

• Sistema 1 é rápido, automático e intuitivo, operando de maneira quase instantânea e sem esforço consciente. Ele é responsável por ações como reconhecer rostos familiares, entender expressões emocionais e realizar tarefas rotineiras que não exigem reflexão profunda.
• Sistema 2 é mais lento, deliberado e analítico, exigindo esforço consciente e concentração. Este sistema entra em ação quando enfrentamos problemas complexos, como resolver equações matemáticas difíceis, tomar decisões importantes ou aprender uma nova habilidade.

E como esses sistemas estão relacionados à criatividade? Bom, pense comigo, para processos criativos, além de alguns exercícios que podemos fazer, precisamos ter repertório. E o que isso significa? Siginifica que leituras profundas e exploração de contextos difererentes são super relevantes no processo criativo. É assim que conseguimos fazer analogias, por exemplo, a própria definição de redes de computadores vem da definição de “redes” que tem origens que remontam à antiguidade, derivando do latim rete, que significa “entrelaçamento de fios com aberturas regulares formando uma espécie de tecido” (ref).

[Off-topic] Um exemplo foi o que acabou de acontecer comigo agora escrevendo esse artigo. Ao buscar a referência de qual a origem das redes de computadores, me lembrei de um vídeo que achei sensacional na época que cursava engenharia de computação, da um bizu ai 👇

Mas o que um pensamento que pode ser considerado aleatório ou intrusive tem a ver com criatividade e o livro do Daniel Kahneman?

Novas ideias geralmente vem de um combinado de ideias antigas, ou seja, não são exatamente uma novidade, mas sim uma composição de experiências e informações que vamos sendo expostos ao longo das nossas vidas. Nesse sentido, precisamos do que abordei ali em cima, repertório. Só que, além das experiências que vivemos, o repertório é construído em cima de nossas curiosidades e tempo de concentração em assuntos que muitas vezes podem não ter direta conexão ao que estamos fazendo naquele exato momento.

Essas ações de dispersão muitas vezes são consideradas como distrações e não como construção de conhecimento. No entanto, momentos de tranquilidade, concentração e aprofundamento são extremamente necessários e só acontecem quando temos a capacidade de ativar nossos Sistema 2, o sistema que nos permite aprofundar em uma temática e ser mais analítico. Quando estamos cansados e com muita informação acumulada, estressamos nosso cerebro e, por consequência, nossa capacidade de escolher que sistema ativar. Nesse cenário, o Sistema 2 dá adeus e utilizamos somente o Sistema 1.

Um exemplo de como a falta de acesso ao Sistema 2 pode impactar nossa vida: em Rápido e Devagar, Daniel Kahneman discute como o autocontrole está relacionado ao funcionamento dos dois sistemas de pensamento. Ele observa que atividades que exigem esforço mental, como memorizar e repetir dígitos, podem sobrecarregar o Sistema 2, responsável pelo pensamento deliberado e autocontrole. Nessas situações, o controle do Sistema 2 sobre o comportamento é relaxado, tornando-nos mais propensos a ceder a impulsos, como consumir alimentos menos saudáveis.

O apelo pela produtividade e foco contínuos vem tomando esse espaço de criação de conhecimento, esgotando nossa capacidade de concentração e, literalmente, matando nosso processo de construção criativa…

Foi assim que, nos últimos anos, bem antes do advento das IAs generativas, meu processo criativo vem pedindo socorro…

E o que eu já fiz para atender esse pedido de socorro? Muita coisa: exercício, natureza, meditação, organização de rotina, agendas, terapia, leituras e cursos sobre o assunto, cheguei a perder a conta… Resolveu? Timidamente, pontualmente, mas longe de ser satisfatório.

Enquanto mantenho minhas ações para manter meu processo criativo vivo, experiencio esse sentimento de saudades constante de quando ele e eu andávamos juntos de mãos dadas ❤

Deixo vocês com esse artigo meio caótico, relembrando que nenhum caminho é linear, muito menos o caminho da criatividade.

When we start as Product Managers we are exposed to a series of frameworks that seek to support us in creating processes more connected to our assignments and value deliveries. However, what hardly comes along with these frameworks is the real life of the product role.

Despite being very supportive of several of the stages of the process of building value for the product we lead, the frameworks hardly take into account the structure of the company where we work or how economic challenges impact delivery processes.

A very current example that has affected the way companies have been delivering products and services is precisely the moment of downturn we are facing post-pandemic and the search for resource optimization.

At the end of the year, I received in one of the product newsletters I subscribe to, a way to create roadmaps based on outcomes from Itamar Gilad, a reference for me in prioritization processes. The good part of this content is that it validated how we build roadmaps in RD Station, the bad part is that it forgets the real challenges.

In the article, Gilad addresses the construction of the roadmap with spaces for research and discovery, before delivery, however, we often see companies “tired” of discovery processes and this is very clear in the report of a professional who took on the leadership role in product and used the Continuous Discovery Community to address the challenge.

What Trevor took to the community was: “The leadership team felt the discovery was ‘taking too long’. And in the beginning, it was just a general feeling, and the advice to the teams — specifically the product trios — was to go faster. But that wasn’t very helpful.” The question was: “How to determine when a trio (called in RD a triad — product, design, and engineering) should run through the entire pattern of identifying and testing assumptions vs. building something quickly to learn”

One interesting thing about Travor’s challenge is that he addressed the experience of the team involved in the process, that is, he understood that it was a team that needed learning and, therefore, more time to ramp up.

“It’s harder to learn in a really complicated example when you’re learning something for the first time.”

And because of this challenge, the leader also raised the question of how to balance the need to learn with the desire to act quickly. This was answered by Teresa Torres herself:

“You could build 30 wrong things that were just faster to build or you could spend a couple of weeks on discovery and identify some right things to build.”

This message from Teresa and Trevor’s concern about the team’s seniority seems to have an easy logic to accept, right? However, in day-to-day product life, with the need for increasingly smaller and faster deliveries, these answers are not enough. As professionals, the speed at which we learn is increasingly taken into consideration and skill to be worked on.

Furthermore, another important point to evaluate is the scenario of the product you are delivering. Not every functionality needs discovery, some are so simple that they are already validated or already have sufficient historical input for this. Others are already in an environment of great uncertainty… Are experiments the best way to reduce these uncertainties? Does the initiative/product have room for experimentation? What risks do we create for the business if we create an experiment at the foundation of the product, for example?

One of the results brought by Trevor was precisely the reduction of tests:

Some of the ways they have addressed this is by lowering the fidelity and criteria of some of their tests. And the results also helped defend this way of working. “As we saw these results, we gained more and more confidence in the process.”

For this to occur, the company’s triad and structure need to be aligned with the delivery objectives and the risks assumed, otherwise, the delivery time will probably be consumed with arm wrestling instead of solution proposals. This key change comes not only from the team but also from the adaptation of pre-existing processes and agreements between the Product, Design, and Engineering structures.

This is one of the questions that are difficult to answer in the discovery and delivery processes. In this latent need for optimization, common sense has become established that everything can be taken directly to the customer, which often makes teams deliver experiments in the form of functionality, leaving the product unreliable. Furthermore, the requirement for experiments hardly follows the restructuring of processes, creating barriers to speedy delivery.

However, the opposite is also true, many features are delivered with enormous robustness without first having validated the value for the end user. Just like startups, we need to understand whether the customer would pay for this product/feature. Of course, not everything is salable, but a financial product that is taken offline will certainly not bring good results for either the company or the customer.

The challenge is precisely to understand the halfway point. Generalizing that the delivery of all features/products can be done through experiments is the same thing as applying frameworks without considering the context of the product, the team, and pre-existing processes.

And this will be my next challenge for 2024! How to identify the right process for the product I’m leading.

Hoje falarei sobre o SAS Analytical Life Cycle.

A empresa SAS, além do já conhecido SEMMA, ainda apresenta o SAS Analytical Life Cycle, um processo iterativo de descoberta a partir dos dados que aplica novas informações no intuito de melhorar de forma contínua os modelos preditivos e seus resultados. (Data Mining From A to Z, pg 3).

Este processo foi criando pensando em um ambiente que possa ajudar a organização a lidar com todos os dados, modelos e decisões que precisam ser desenvolvidos em uma escala crescente. Onde:

• Dados: são a base para a tomada de decisões.
• Descoberta: é o processo de identificação de novos insights nos dados.
• Implantação: é o processo de usar esses insights recém encontrados para impulsionar ações aprimoradas.

1. Perguntar (Ask): esta etapa consiste em fazer uma pergunta de negócio. A descoberta processo é impulsionada a partir das perguntas de negócio. Este passo é focado em explorar o que você precisa saber, e como você pode aplicar a análise em seus dados para resolver um problema ou melhorar um processo.
2. Preparar (Prepare): esta etapa consiste em preparar os dados para serem analisados. Os dados podem provir de fontes diferentes e em formatos diferentes, para a realização da análise é preciso que os dados estejam em um mesmo local e prontos para serem analisados, ou seja, que as diferentes fontes de dados possam ter seus dados relacionados de alguma forma.
3. Explorar (Explore): esta etapa consiste em explorar os dados disponíveis e validar a hipótese criada no início do projeto desenvolvendo ideias de análises e testes. Ao realizar estes testes pode-se perceber a necessidade de buscar outros formatos de dados na base ou reformular a hipótese, por exemplo, retomando o ciclo de análise nas etapas anteriores.
4. Modelar (Model): esta etapa consiste em aplicar algoritmos de modelagem analítica que tenham capacidade de responder o problema de negócio proposto.
5. Implementar (Implement): esta etapa consiste utilizar os modelos propostos para gerar a informação necessária para resolução do problema proposto, seja através da automatização e integração do modelo ou através da aplicação direta e uso da análise em uma situação específica.
6. Agir (Act): esta etapa consiste em tomar decisões em cima da análise realizada. Elas podem ser estratégicas, ou seja, realizadas por um humano (Data Mining From A to Z, pg 2) ou transformadas em decisões operacionais que devem ser autotomizadas e por isso não exigindo uma intervenção humana, como no sistema de recomendação das melhores ofertas.
7. Avaliar (Evaluate): esta etapa consiste no monitoramento contínuo dos resultados obtidos pela aplicação dos modelos analíticos, garantindo assim que eles continuem trazendo o resultado esperado.

Estes são os passos necessários definidos pela SAS para o ciclo de vida analítico, eles ainda trazem um oitavo passo, que na verdade retomando o processo desde o princípio.

8. Pergunte de novo (Ask again): dada a característica mutante dos dados, o processo analítico nunca termina, com o tempo será necessária uma reavaliação dos dados obtidos e por consequência dos modelos gerados para que tenham a capacidade de atender ou a novas perguntas de negócio ou de maneira mais eficiente um problema já definido.

Se você usa o SAS Analytical Life Cycle em seu projeto, comenta o post com um 👍.

Hoje falarei sobre o Data Analytics Lifecycle.

O Data Analytics Lifecycle foi designado para resolver problemas relacionados a projetos que envolvam big data e data science. Seu ciclo de vida possui seis fases sendo que o projeto pode ser desenvolvido de maneira que muitas destas fases possam ocorrer ao mesmo tempo. Além disso, as etapas podem se movimentas para frente ou para trás, retratando de forma realista a iteratividade de um projeto, onde seus integrantes avançam de acordo com o aprendizado.

O ciclo de vida tem por objetivo definir práticas recomendadas para o processo de análise desde a descoberta até a conclusão do projeto. Vários dos processos que foram consultados incluem: método científico; CRISP-DM; DELTA framework de Tom Davenport; Abordagem da Applied Information Economics (AlE) de Doug Hubbard; “MAD Skills”.

1. Descoberta (Discovery): esta etapa consiste em aprender sobre o domínio do negócio, analisando o histórico da organização em análise de dados. Deve-se também avaliar os recursos disponíveis pela organização: pessoas, tecnologia, tempo e dados. É nesta fase também que se formulam as hipóteses sobre os problemas de negócio que deverão ser desenvolvidas nas próximas etapas.
2. Preparação dos dados (Data Preparation): esta etapa consiste em extrair os dados de um sistema-fonte, converter em um formato que possa ser analisado e armazenar em um armazém ou outro sistema. Nesta etapa aplicam-se metodologias geralmente utilizadas quando os dados são provindos de fontes diferentes: o ETL, um tipo de data integration em três etapas (extract, transform e load) que combina dados de diversas fontes e o ELT (extract, load, transform), uma abordagem alternativa utilizada para aprimorar a performance. Quando as duas técnicas são utilizadas o processo também é conhecimento como ETLT (SAS). Esta é uma fase de familiarização com os dados onde é possível tomar medidas para condicionar os dados.
3. Planejamento do modelo (Model Planning): esta etapa consiste em determinar os modelos e técnicas a serem aplicadas. É uma fase de exploração dos dados, compreensão das relações entre as variáveis e seleção das que melhor atendem o modelo.
4. Construção do modelo (Model Building): esta etapa consiste em executar o planejamento da fase anterior em cima de uma base de dados menor e selecionada para a realização de testes e treinamento dos modelos. Nesta etapa também são analisadas as ferramentas existentes para processamento dos modelos a fim de verificar se atendem os requisitos necessários, tais como: processamento paralelo.
5. Comunicar os resultados (Communicate Results): esta etapa consiste em identificar os principais resultados, aferindo com o os objetivos de negócio levantados na etapa 1. Esta fase pode ser identificada como um sucesso ou um fracasso de acordo com os resultados obtidos. Os resultados devem ser resumidos e apresentados para as partes interessadas do projeto.
6. Operacionalizar (Operationalize): esta etapa consiste nas entregas finais do projeto que podem ser relatórios, algoritmos, instruções e documentos técnicos. Também pode ser executado um projeto piloto para implementar os modelos em um ambiente de produção.

O próximo resumo será sobre SAS Analytical Life Cycle. Se você usa o Data Analytics Lifecycle em seu projeto, comenta o post com um 👍.

Conheci ela pelo programa de mentoria que a comunidade Mulheres de Produto organizou. A ideia é que mulheres se unam para que a que possui mais experiência em uma determinada área possa auxiliar a outra a iniciar a carreira. É um processo lindo e estou amando muito esse momento ❤.

Mas voltando ao assunto da conversa, falávamos sobre ser mulher, mãe e profissional e como tudo isso influencia nossas vidas e nossas escolhas de várias formas. Também falamos sobre como é assumir estes papéis em nossa sociedade que possui diversas passagens baseadas em uma visão das mulheres como frágeis e subservientes, nascidas para cuidar da família e dos filhos.

Durante essa conversa, pude compartilhar com ela minha jornada como mãe, profissional e esposa e isso me fez refletir sobre como nossas vidas, minha e da minha família, mudaram quando conquistei um lugar melhor no mercado de trabalho. Inclusive isso me faz lembrar de uma entrevista antiga com Muhammad Yunus, ganhador do Prêmio Nobel da Paz por abrir um banco para pessoas em situação de vulnerabilidade social.

Der Spiegel: Por que é que 97% das pessoas que contraem empréstimos com vocês são mulheres?

Yunus: Demorou meses e anos para conversarmos com as mulheres, para convencê-las de que elas eram tão capazes quanto os homens, ou até mais capazes, de administrar o dinheiro. Após seis anos, atingimos uma proporção homem-mulher de 50–50. Depois disso percebemos que as famílias e os lares das mulheres que pegaram os empréstimos foram os que de longe tiveram os maiores benefícios. Assim sendo, modificamos a nossa política. Desde então, passamos a nos focar inteiramente nas mulheres.

Yunus percebeu que as mulheres que buscavam empréstimos transformavam a realidade de suas famílias e, muitas vezes, sua comunidade, cumprindo com seus compromissos com a dívida assumida.

Esse não foi um caminho fácil. Precisei de muito autoconhecimento, do fortalecimento da autoestima, de firmar meu posicionamento como mulher perante o mundo… Porque enquanto lutamos por nossa liberdade de escolher e de sonhar, existe um exército de pessoas reafirmando o posicionamento tradicional da mulher.

Fala mais sobre isso Karina!

Desde as entrevistas de emprego até como sua família e seu companheiro lidam com o fato de você querer mais do que ter uma casa arrumada e uma família feliz são sinais, muitas vezes sutis, do que se espera de uma mulher quando assume os papéis de mãe e esposa. Escrevi um pouco sobre isso neste artigo: Sobre ser o lado mais fraco da corda.

Por isso a autoestima e o autoconhecimento são os pontos chave desse processo de transformação. Saber o que você não quer para sua vida e quais sonhos você vai manter vivos é o que te guia pelas dificuldades, opiniões diversas e momentos de fraqueza.

Durante esse período me coloquei à disposição das experiências, fui em muitos eventos, participei de palestras, fiz trabalho voluntário e isso não teria sido possível sem a conscientização e o apoio da minha família. Muitas vezes eu não estava em casa aos finais de semana, para terminar a faculdade tinha aulas noturnas e voltava tarde, em muitos eventos levava a família junto, mas em muitos outros precisava daqueles que acreditavam em mim e nos meus sonhos.

Foi um momento difícil, de me perguntar milhares de vezes se todo aquele empenho valia os momentos longe do meu filho. Por muitas vezes fui questionada sobre os trabalhos voluntários, já que não tínhamos uma situação financeira estável para eu trabalhar assim, mas eu sabia que eram importantes para meu aprendizado, por isso segui.

E assim, de forma muitas vezes sacrificante, fui mudando meu destino, assumindo outras áreas e conquistando novas posições. Todas essas experiências me permitiram conectar com pessoas que me auxiliaram, ensinaram e impulsionaram aquilo que eu buscava.

Por causa dessa busca incessante, do compartilhamento constante dos meus sonhos e objetivos com minha família, tive a oportunidade de estar em uma posição que elevou não só o que eu podia fazer como profissional, mas também nossa situação financeira. Hoje, temos a chance de fazer muitas coisas que não podíamos antes, como oferecer ao nosso filho experiências que não tive a oportunidade de ter quando eu era uma criança.

Esses dias durante a quarentena, meu marido e eu olhamos para trás e agradecemos por todas as dificuldades que passamos e por não termos desistido de buscar uma vida melhor. Mas a mensagem que eu gostaria de deixar aqui é:

Quando eu, mãe, profissional e mulher, finalmente alcancei uma posição melhor de trabalho, nossa família passou a ter mais condições de experimentar momentos de calmaria.

Quando apoiamos uma mulher, apoiamos a família dela e todos que estão envolvidos nesse ciclo virtuoso de amor. #apoieumamulher

MEI, a jornada de Porto Alegre

Tudo que ouvia e lia sobre ser uma MEI parecia incrivelmente fácil, era só entrar no Portal do Empreendedor e se “formalizar”!

UHULL, VOCÊ AGORA É UMA MICROEMPREENDEDORA INDIVIDUAL!

Só que não. Eu poderia com certa facilidade discorrer sobre todos os tropeços que dei no meio do caminho até conseguir entender todo o processo, ̶s̶e̶ ̶é̶ ̶q̶u̶e̶ ̶e̶n̶t̶e̶n̶d̶i̶ ̶m̶e̶s̶m̶o̶, mas, para que este post seja mais útil a você que quer ser um MEI, vou direto ao assunto.

AVISOS: Leia tudo primeiro, faça depois!! É um texto longo. As informações estão picotadas pela Internet, tentei juntar tudo aqui, mas sempre tem mais. Sim, um Contador pode fazer tudo isso para você. ❤

Que tópicos você vai encontrar neste post?

• 1# Crie um cadastro no Portal do Empreendedor
• 2# Faça o Alvará
• 3# Descubra se você precisa emitir Nota Fiscal
• 4# Crie um Certificado Digital
• 5# Outra forma de emitir Nota Fiscal Eletrônica

1 >>> Crie um cadastro no Portal do Empreendedor 🤪

Uma das primeiras coisas a fazer é criar o cadastro de Microempreendedor Individual no Portal do Empreendedor, porém existe um passo extra que o Portal não mostra como fazer porque depende do Município (vai aparecer no item >>> 2). No Portal você vai encontrar informações de como se formalizar, quais as regras para se enquadrar como MEI e que Impostos um MEI deve pagar.

DICAS:

• Eles pedem declaração de Imposto de Renda, se você declarava como isento provavelmente não irá precisar desse doc.
• Faça uma busca pelo código da função que você irá exercer antes de iniciar o cadastro. Só acessar este site aqui: Tabela CNAE.
• Entenda a sopa de letrinhas (siglas) que vão assombrar sua vida de Microempreendedor aqui: Glossário.

2 >>> Faça o Alvará 😵

Sim, precisa. Para prestadores de serviço remoto (online) ou com atividade presencial no cliente, que é onde me enquadro e tenho conhecimento para indicar, o Alvará será do tipo: PONTO DE REFERÊNCIA-ENDEREÇO PARA CONTATO. EXPRESSAMENTE VEDADA A ATIVIDADE NO LOCAL.

No site da Prefeitura de Porto Alegre tem o passo-a-passo para fazer o Alvará. Aliás, pelo site eles informam que primeiro temos que verificar a viabilidade do empreendimento com a Prefeitura para depois nos formalizarmos como MEI, mas essa informação não achei de forma simples no Portal do Empreendedor… Então assim, eu segui a ordem que está no post 💀, mas consta no Portal do Empreendedor acessando aqui, ok?

Link do passo-a-passo: Alvará

DICAS:

• Leia o PDF de como acessar o sistema de consulta de viabilidade no primeiro passo.
• O sistema de consulta de viabilidade da Prefeitura muitas vezes não tem o mesmo CNAE, escolha a atividade mais próxima da sua. 🤔
• O segundo passo está no item >>> 1.
• Depois que você agendar o atendimento indicado no terceiro passo, você irá receber um e-mail de confirmação da agenda em uma data mais próxima ao dia do atendimento. Precisa ser confirmado até três dias antes da data se não eles cancelam o atendimento e se você confirmar e não comparecer você fica “suspenso” por 30 dias. Fica de olho 👀 no e-mail!
• Não esqueça de verificar a documentação necessária para fazer o Alvará. Todas são emitidas online.

Certificado de Microempreendedor individual-MEI
Comprovante de Inscrição e de Situação Cadastral
Comprovante de Inscrição do ISSQN
Declaração de Empresa
Declaração de Ponto de Referência
Lista de formulários disponíveis pela Prefeitura de Porto Alegre

• O boletim de viabilidade tem validade de 90 dias, ou seja, faça o Alvará dentro desse prazo.

3 >>> Descubra se você precisa emitir Nota Fiscal 🤯

Todo MEI que presta serviço para outra empresa (Pessoa Jurídica) precisa emitir Nota Fiscal, se o serviço for prestado para Pessoa Física a Nota Fiscal não é obrigatória. Gosto bastante deste post do Conta Azul que fala sobre esse assunto de forma bem esclarecedora: Emitir Nota Fiscal para MEI: Saiba Como Funciona.

Você vai perceber com o post do Conta Azul que existe uma série de formas de emitir Nota Fiscal dependendo da sua área de atuação como MEI e das regras do seu Município, neste post vou falar especificamente sobre: Microempreendedores Individuais (MEI) que prestam serviços para Pessoas Jurídicas (PJ) e estão sediados na cidade de Porto Alegre/RS.

A Nota Fiscal de Serviço pode ser emitida nos formatos: papel ou eletrônico, conforme explicado no e-mail a seguir.

Optei por emitir Nota Fiscal de Serviço Eletrônica (NFS-e). Conforme informado nesse 👆🏻 mesmo e-mail, para acessar o portal que permite a emissão da NFS-e (Portal Nota Legal) é preciso obter um Certificado Digital, vou falar sobre ele no item >>> 4.

Com o Certificado em mãos, é só fazer o cadastramento no Portal Nota Legal seguindo os passos deste link aqui: Cadastramento com Certificado Digital.

DICAS:

• Assista o vídeo que informa como fazer o cadastramento com certificado digital.

• Crie a conta antes de prestar o serviço ou precisar emitir a nota, o sistema não permite que você emita notas retroativas a data de cadastro.
• Para saber mais sobre como gerar a NFS-e acesse aqui: Geração online.
• Existe outra forma de emitir Nota Eletrônica, porém não validei ela 100% ainda, vou criar uma seção pra falar dela no item >>> 5.

>> Que Impostos um MEI precisa pagar?

Quando você for gerar a NFS-e vai precisar preencher uma série de informações, uma delas está relacionada ao ISS (Imposto Sobre Serviço) dentre outros Impostos que podem ser aplicados dependendo da atividade exercida. No site do Nota Fiscal Legal tem um passo-a-passo do preenchimento da NFS-e aqui: Geração NFS-e, mas não fala nada sobre os Impostos 🤘🏻.

O MEI paga seus Impostos através do Documento de Arrecadação do Simples Nacional (DAS). Hoje ele tem um valor médio de ~R$ 55,00 e deve ser pago mensalmente. Para mais informações sobre o DAS acesse este link aqui: O que você precisa saber sobre o DAS?

Dito isso, não é necessário para o MEI preencher informações sobre taxas de Impostos na NFS-e. Mas lembre! Esse é um caso específico para prestadores de serviço que NÃO fazem vendas de produtos.

O MEI também precisa fazer a Declaração Anual de Faturamento do Simples Nacional (DASN — SIMEI). Não passei por esse processo ainda, mas tem mais informações neste link aqui: O que é a DASN-SIMEI?

DICAS:

• Mantenha um registro mensal dos gastos que você tem no exercer da sua profissão e dos valores que recebe de pagamentos, vai ser útil para a declaração anual.
• Não tenho certeza sobre informações de benefícios do Governo como os vinculados ao INSS, aqui seria melhor buscar um Contador.

4 >>> Crie um Certificado Digital 🙄

Como optei por Nota Fiscal Eletrônica, foi preciso criar um Certificado Digital. O Certificado serve para garantir que quem emitiu a nota e acessou o sistema foi você mesmo. É como se fosse um reconhecimento de firma em Cartório, eles validam a sua existência 👻.

Tem um monte de prestadores de serviço para geração de Certificado Digital, escolhi a Certisign. No site da Certisign tem uma página que nos ajuda a descobrir qual Certificado faz mais sentido para o que precisamos, acesse ela aqui: Escolha seu certificado.

O meu certificado é do tipo: Certificado NF-e Pessoa Jurídica Tipo A1-AC Certisign Múltipla, mais detalhes aqui: NF-e. Após comprar o Certificado você precisa agendar uma visita em uma das agências certificadoras. Eles têm várias agências em Porto Alegre, então é relativamente fácil fazer o agendamento online.

DICAS:

• Leve os documentos solicitados para o agendamento.
• O tempo de atendimento presencial durou uns 30 min.
• Siga as indicações da agência certificadora com relação a segurança do seu certificado.

5 >>> Outra forma de emitir Nota Fiscal Eletrônica 😲

Pois é, tem outro jeito. Podemos também emitir uma Nota Fiscal Avulsa Eletrônica (NFA-e) através do site da Secretaria da Fazenda do Rio Grande do Sul (SEFAZ).

Tenho dúvidas ainda quanto a validade desse tipo de nota para prestadores de serviço, quando entrei em contato com a SEFAZ sobre uma dúvida no preenchimento recebi este e-mail:

Busquei esclarecimento com o atendimento da Prefeitura de Porto Alegre e recebi esta resposta:

Confesso que não compreendi se é possível ou não emitir a NFA-e sendo prestadora de serviço, porque no e-mail eles utilizam o termo NF-e Conjugada e fiquei me questionando se era a mesma coisa, então, se você sabe, me conta!!!

O processo de emissão pelo site da SEFAZ não é nada prático, tem um monte de campos, o sistema é bem chato de navegar, e não tem uma explicação muito amigável, mas enfim, você pode acessar por aqui: Nota Fiscal Avulsa Eletrônica para Contribuinte MEI. PS: o site demora pra carregar 💀

Ufa! Agora sim! Sou uma MEI de verdade 😅

Espero que este post seja útil para você, que assim como eu, quer ser um Microempreendedor/a Individual. Boa sorte!

Quantas postagens/artigos de pessoas citando dados e chegando a conclusões em cima deles você já leu por ai? Muitas né! E é muito fácil olhar para aqueles vários números e ter a sensação de: “Nossa! Como não pensei nisso antes? Alguém estudou esse assunto e chegou nesses números, então, só pode ser verdade”. Pois é, mas a coisa toda não é tão simples assim.

De fato, ao contarmos uma história e utilizarmos os dados para subsidiar sua veracidade, precisamos ter muito cuidado com o significado que estamos querendo passar e principalmente com as técnicas utilizadas pelos pesquisadores para chegar às inferências (conclusões).

Mas o que exatamente isso significa? Tem alguns fatores que são importantes na hora de construir uma narrativa e interpretar as informações que nos estão sendo reveladas. Vou expor alguns desses fatores a seguir:

#1 Técnicas de coleta e seleção de dados: a forma como os dados foram coletados, a veracidade dos registros, o recorte que foi feito para a pesquisa (local, quantidade, público etc) e as técnicas de análise utilizadas influenciam os resultados das informações geradas. Como assim? Em muitos casos os dados que analisamos não provém de máquinas, mas sim de pessoas, por exemplo: um funcionário que alimenta um sistema de controle de estoque, usuários que postam em redes sociais etc. Estas informações podem estar sendo registradas com erros e vieses, pois, como humanos, somos passíveis ao erro.

Isso significa que precisamos confiar na fonte (empresa) que fornece os dados e nas pessoas que colocam eles nos sistemas.

Também precisamos entender um pouquinho sobre as técnicas de análises utilizadas. Que tipos de erros elas podem conter? O quão confiável aquele algoritmo aplicado é de acordo com o que foi coletado? Pense assim: se você vê um muro já com o acabamento dificilmente você vai conseguir saber a qualidade do material que foi utilizado para que ele fosse colocado em pé. O resultado final pode parecer seguro e confiável, porém, dependendo da força que aplicarmos nele, as consequências podem ser inesperadas. Com os dados não é diferente, um resultado de uma análise pode ser tão frágil quanto um muro feito de argila.

#2 Cultura analítica: tem um post da Cassie Kozyrkov que gosto sempre de citar, neste post ela faz a provocação sobre o quanto não estamos acostumados a tomar decisões nos baseando em dados e que isso está intrinsecamente relacionado a um processo cultural. A frase que sempre compartilho do post é esta:

Many people only use data to feel better about decisions they’ve already made. (Data-Driven? Think again)

O que a Cassie nos trás aqui é justamente nossa vontade em manipular as informações que temos em mãos. Nós construímos uma história em cima dos dados que, muitas vezes, não exemplifica o que os dados estão de fato indicando, mas sim o que queremos “ouvir” deles. Isso inclui, por exemplo, escolher apenas dados que corroborem com nosso pensamento, ao invés de trazer dados que divergem e causem reflexões sobre o assunto.

Pense em como esse fato diz muito sobre nosso comportamento como seres humanos. O quão acostumados estamos em discutir assuntos complexos com vieses diferentes sem nos exaltarmos? Acho que nossas redes sociais demonstram essa incapacidade de conexão e troca de conhecimento com uma certa maestria.

#3 A história contada com dados: além de demonstração dos dados muitos canais contam histórias com eles. Estas histórias são expressadas através de narrativas e visualizações das informações que podem vir em vários formatos. Um bom exemplo disso é a proporção dos gráficos, dependendo da impressão que queremos passar, um gráfico com a mesma diferença em quantidade (números) pode ser representado com proporções diferentes, alterando por completo nossa interpretação visual da informação.

Tem uma palestra muito boa da Letícia Pozza sobre esse assunto no evento Big Data Revolution 2018 da Cappra Data Science. Durante a palestra a Letícia traz uma série de exemplos e demonstrações de como os dados podem ser mal interpretados e como é fácil circularmos informações incompletas sob um viés que atenda às nossas crenças, assiste aí:

Esses são apenas três fatores que podem influenciar no significado dos dados. No final, é como se fosse uma grande brincadeira de telefone sem fio, cada pessoa vai adicionando sua própria interpretação em cima da narrativa inicial e quando chegamos ao final da contação, a história já perdeu há muito o seu significado original. Por isso, atente-se aos detalhes e sempre se pergunte:

• quem ou qual instituição coletou e criou a análise desses dados?
• qual veículo publicou conclusões em cima dessa análise, é uma empresa confiável?
• quem foi a pessoa quem criou essa narrativa e quais os possíveis interesses dela ao passar essa mensagem?

Os dados, no geral, sempre serão confiáveis. Mas é preciso se ater sim aos detalhes “chatos” como as fontes e as instituições que estão contanto essa história para nós.

Desinformação a partir dos dados was originally published in Mulheres de Produto on Medium, where people are continuing the conversation by highlighting and responding to this story.