Bilinçli farkındalığı artıran uygulamalar

Segundo Neely (1998), para ser transformada em informação que permita tomada de decisão e ação, os dados precisam passar por sete etapas: coleta, verificação, classificação, analise, interpretação e disseminação. Neste contexto, as atividades de processamento da informação são definidas como a seguir:

• Coleta de dados: é o processo de obter os fatos em seu estado bruto. • Verificação dos dados; é o processo de compilar os fatos brutos em um

grupo de dados simples.

• Classificação dos dados: é o processo de atribuir aos fatos individuais de um grupo de dados, uma categoria de significado para que o mesmo possa ser analisado.

• Analise dos dados: é o processo de procurar por padrões os quais existem no grupo de dados classificados.

• Interpretação dos dados: é o processo de explicar, elucidar as implicações de qualquer padrão que tenha sido identificado no grupo de dados analisados.

• Disseminação dos dados: é o processo de comunicar as implicações de qualquer padrão o qual tenha sido identificado no grupo de dados interpretados.

Estas definições são importantes porque a linguagem no campo da medição de desempenho é confusa. Diferentes pesquisadores usam diferentes palavras para descrever os mesmos conceitos. Alguns falam em medição de desempenho, outros a respeito de métricas de desempenho, outros ainda, sobre fatores críticos de sucesso e outros de indicadores chave de desempenho (NEELY, 1998).

A seguir alguns requisitos específicos para cada atividade de processamento dos dados serão apresentados e discutidos segundo Martins (2000).

Independente do propósito, a atividade de aquisição de dados é vital para estabelecer confidência para o processo de medição de desempenho (MARTINS, 2000). Quanto ao propósito do controle, ela é importante para determinar o tempo exato do dado de maneira a manter o mesmo relevante para o uso. Para os gerentes de médio e alto nível, não é tão relevante a informação em tempo real (MARTINS & SALERNO, 1999).

Para efeito de estudos de benchmarking é importante adquirir os dados em um formato predeterminado para evitar esforço excessivo para colocar os dados em condições de serem comparados entre si.

O passo seguinte é a atividade de verificação dos dados que desempenha um papel crítico no sentido de confiabilidade do processo de medição de desempenho. Também é crítico o uso de dados de desempenho para reforçar a retórica de gestores e para propósitos de indução de atitudes de colaboradores. Além disso, os dados manipulados corrompem a melhoria reativa e pro ativa, o planejamento e as justificativas de investimento. A verificação de dados é também muito importante para prover informações em tempo real para propósitos de controle.

Se a coleta e verificação dos dados são confiáveis e livres de erros, então as atividades de classificação, análise e interpretação transformarão os dados em informação valiosa para diferentes propósitos para construtores de decisão e tomadores de ação.

A atividade de classificação é fundamental para todos os propósitos do sistema de medição de desempenho porque ela provê os dados em categorias apropriadas para os diferentes usuários. As categorias significantes para controle, melhoria reativa e pro ativa, e propósitos de planejamento serão aquelas relativas aos negócios estratégicos da empresa ou estratégia de manufatura, e satisfação dos stakeholders. Para o propósito de investimentos, algumas categorias relevantes são atividades, máquinas, células de manufatura, fábricas focadas, linhas de produto etc.

Atividades de análise de dados requerem diferentes análises para pesquisar e achar padrões significativos para cada categoria de dados. De maneira a verificar onde

estamos para onde estamos indo, três tipos de análise de dados podem ser tomadas para propósito de controle: verificar o desempenho atual contra um alvo;, verificar o desempenho histórico para encontrar tendências; e verificar variações de nível e tendências. O atual desempenho e tendências podem ser comparados contra alvos, benchmark, e resultados anteriores. Também é possível aplicar análise estatística como análise de regressão ou análise de variância, por exemplo, para procurar e evidenciar modelos.

Para controle, melhoria reativa e pro ativa e propósito de planejamento é muito importante que a análise de dados explore as relações de causa e efeito entre as medidas de desempenho Martins (1999). Isto irá conferir mais força para a tarefa porque será possível identificar os trade-offs entre a medição de desempenho e permitirá obter uma visão holística do desempenho.

Quando as ações passadas são correlatas para medição de desempenho, o uso da rede de relacionamento na atividade de interpretação dos dados é digno de nota porque é possível ver o efeito dos modelos. No propósito de controle, o desempenho não será longamente visto em diferentes momentos. Usualmente cada dimensão do desempenho é controlada independentemente – custo, qualidade, entrega no prazo, como exemplo.

A atividade de disseminação dos dados é essencial para cada propósito de uso do sistema de medição de desempenho, embora o mesmo formato não seja aplicado a todos os propósitos. Excetuando-se o benchmarking, para os demais propósitos a disseminação da informação do desempenho não deve ser meramente um gráfico ou relatório cheio de números. Alguma informação deve ser adicionada para um gráfico tal como a maneira de se calcular a medida, uma simples tabela com números, diagramas de causa e efeito ilustrando quais causas influenciam mais a medida de desempenho, um resumo dos problemas, ações corretivas passadas, e os atuais projetos de melhoria.

A tecnologia da informação pode ajudar a disseminar informação a respeito do desempenho. Existe, no mercado, muitos tipos de softwares desenhados para o propósito do SMD. É possível utilizar planilhas eletrônicas, mas elas são pouco amigáveis. A abordagem, para disseminar informação a respeito do desempenho, é muito vital para induzir atitudes nos funcionários e melhoria reativa.

2.3.3 Fatores que facilitam a implantação da gestão do sistema de medição de