Para quem acompanha aqui os meus artigos no Pulse, já deu para perceber que aprecio muito os métodos de simulação. Principalmente pelo fato da possibilidade de montar diversos cenários fruto de vários valores de uma mesma variável aleatória, dando assim, lugar ao entendimento melhor da volatilidade/dispersão que é necessário e importante para vários estudos.

Neste mais novo texto eu abordarei novamente simulação, agora dos indicadores atuariais da saúde suplementar que, no caso, já foram apresentados em um artigo anterior (publicado em 18/08/216), qual seja:

Obs: para ler basta clicar na figura.

Lá foram destacados em um nível de detalhamento maior: a sinistralidade, o percentual de despesas administrativas, o percentual de despesas de comercialização e o índice combinado. Este último possuindo a seguinte formulação:

O Índice Combinado pode ser também a soma entre DM + DA + DC, já que todos possuem um denominador comum, as contraprestações efetivas.

Entende-se por DM as Despesas Médicas ou mais conhecida com Sinistralidade, DA as Despesas Adminstrativas e DC as Despesas de Comercialização.

Sugestão!

Não continue lendo este texto sem antes ler o outro que postei acima, pois o seu entendimento depende da teoria inclusa nele, ok? 

Neste mesmo texto acima sugerido como leitura preliminar é abordado uma ideia de simulação por bootstrap do custo assistencial per capita com o objetivo de formar vários valores do Índice Combinado a fim de propor uma ideia de cálculo do capital que venha a compor uma das partes do Risco de Subscrição, mais especificamente para insuficiência de precificação.

Aqui iremos propor uma metodologia bem mais simples, mais precisamente uma geração de diversas Sinistralidades e consequentemente vários Índices Combinados por geração gaussiana com quatro tipos diferentes que podem ser escolhidos. Os demais indicadores que compõem o Índice Combinado serão fixos.

Importante salientar que esta modelagem de simular o Índice Combinado (da maneira que for) já nos foi apresentada por atuários de seguradoras através de suas práticas de cálculo de capital no ramo saúde. Portanto aqui não estamos criando nada, mas sim tentando adaptar o que já existe.    

A criatividade atuarial deve imperar e para esta modelagem vai em conformidade aos dados da operadora.

Portanto planta-se a semente aqui e seguimos na evolução.

Para finalizar esta contextualização inicial, informo que vou compartilhar conhecimento de forma completa. Assim, vou disponibilizar mais uma planilha de simulação para download com o código de VBA aberto para nossos estudos. 

O Simulador

Esta é a tela inicial da planilha da qual iremos detalhar a seguir.

Assim que a mesma é aberta, como de praxe, vai aparecer a mensagem de alerta abaixo, sempre prezando pela prudência.

1º Passo – Alimentar a base

Ao apertar no botão, você será direcionado a tela abaixo, que preferencialmente, deverá preencher as sinistralidades dos últimos 36 meses, a fim de se ter uma certa massa crítica de dados e conseguir extrair, de forma mínima possível, a dispersão via desvio padrão da série temporal que servirá inclusive de insumo para a geração.

2º Passo – Preencher os parâmetros de cálculo

Na tela principal você deverá preencher os parâmetros abaixo. Lembrando que o % Desp. Adm (% de Despesas Administrativas) e o % Desp. Com (% de Despesas de Comercialização) serão fixos. A Sinistralidade Máxima deverá ser preenchida também em conformidade ao ponto de equilíbrio desejado conforme foi mostrado no texto preliminar.

Ao preencher os dados de entrada acima, automaticamente o Índice Combinado Máximo será calculado:

Como já de nosso conhecimento, nada mais é do que a soma entre 80% + 12% + 1% = 93%. Vamos guardar esta informação e a Receita projetada para os próximos 12 meses, mais adiante as usaremos para o cálculo do capital.

Além do cálculo do índice Combinado Máximo, com base nas Sinistralidades preenchidas, calcula-se automaticamente a média e o desvio padrão do Índice Combinado determinístico que servirá de base para comparar com estas mesmas estatísticas descritivas dos Índices Combinados estocásticos e aferir a convergência da simulação (quanto menor a diferença, melhor). Como se pode verificar abaixo. 

3º Passo – Preencher os parâmetros da simulação

Aqui você deverá inserir o número de iterações da simulação (podendo ser até 1.000.000 se quiser e com tempo computacional relativamente rápido) bem como a metodologia de geração das sinistralidades conforme a Distribuição Normal (Gauss), quais sejam:

 TLC – Teorema do Limite Central

• zz = 0
  For j = 1 To 12
      zz = zz + Rnd()
  Next j
  Z = (zz – 6)

POLAR SENO

• R1 = Rnd()
  R2 = Rnd()
  Z = ((-2 * Log(R1)) ^ (1 / 2)) * Sin(2 * (Application.Pi()) * R2)
• onde Application.Pi() = 3,14…

POLAR COSSENO

• R1 = Rnd()
  R2 = Rnd()
  Z = ((-2 * Log(R1)) ^ (1 / 2)) * Cos(2 * (Application.Pi()) * R2)
• onde Application.Pi() = 3,14…

SCHMEISER

• R = Rnd()
  Z = ((R ^ 0.135) – ((1 – R) ^ (0.135))) / 0.1975

A metodologia calcula:

Índice Combinado = (Média da Sinistralidade + Z x Desvio Padrão da Sinistralidade) + % Desp. Adm + % Desp. Comer. 

A Média e o Desvio Padrão da Sinistralidade, bem como o % Desp. Adm + % Desp. Comer. são fornecidos. Portanto, os algoritmos acima calculam fundamentalmente o “Z” randômico de Gauss para cada iteração. 

Observação: se for gerado algum “Z” negativo, o algoritmo desconsidera e substitui a Sinistralidade output pela Sinistralidade média da serie temporal determinística. Trucamento este para manter um mínimo de conservadorismo.

Sobre estas quatro metodologias inclusive já elaborei uma outra planilha que testa qual delas tem melhor precisão em conformidade a um teste qui-quadrado, que pode ser visto em outro texto meu: Simulação de Monte Carlo – uma viagem ao fantástico mundo dos números aleatórios que todo atuário da área da saúde suplementar deveria conhecer.

4º Passo – Índices Combinados Estocásticos

Ao término da simulação você possui a opção de verificar todos os índices gerados. Basta apertar o botão abaixo:

No gráfico abaixo, constam os 10 mil Índices Combinados de forma desordenada. A linha vermelha representa a média do Índice Combinado determinístico.

Vejam a dispersão repleta de outliers:

Já no gráfico abaixo, constam os 10 mil Índices Combinados de form ordenada. A linha vermelha, novamente, como já se sabe, representa a média do Índice Combinado determinístico

Vejam como os valores inferiores e superiores gerados são distantes.

Entretanto mesmo com esta distância, podemos imaginar que esta geração gaussiana não considera em sua totalidade os valores extremos como input, mas vejamos: para esta 10.000 iterações o Índice Combinado máximo da série temporal resultou em 153,45%, enquanto que os máximo do vetor estocástico foi de 162,66%, ou seja, houve um stress de certa forma considerável. 

5º Passo – Índices Combinados Estocásticos e sua Distribuição de Probabilidades

Ao término da simulação, além das informações do 4º passo acima, você possui a opção de enxergar a distribuição de probabilidades de todos os Índices Combinados gerados. Basta apertar o botão abaixo.

O gráfico abaixo representa os 10 mil Índices Combinados estocásticos histogramados em 100 blocos. 

6º Passo – Cálculo do Capital Baseado em Risco

Aqui, você poderá visualizar os possíveis valores em conformidade ao apetite de risco da Operadora, condicionados ao Nível de Confianças (percentil) escolhido. Aqui, poderão ser enxergados tanto o VaR quanto o TVaR (sugestão de leitura: VaR vs ES – A pictorial representation), ou seja, o valor em risco e a média dos valores em risco do percentil escolhido até o final da cauda da distribuição, respectivamente. A diferença entre esses valores e o Índice Combinado Máximo do 2º passo multiplicado pela Receita Projetada para os próximos 12 meses nos fornece um possível valor de ajuste que serve como um capital que sustentaria a dispersão do Índice Combinado e tudo a mais que foi discorrido neste artigo.

Sua formulação:

• Capital de Insuficiência de Precificação VaR

= Receita Projetada x (Índice Combinado VaR (percentil escolhido) – Índice Combinado Máximo). 

• Capital de Insuficiência de Precificação TVaR

= Receita Projetada x (Índice Combinado TVaR (percentil escolhido) – Índice Combinado Máximo).

Em relação aos tempos médios da geração, vai depender muito da configuração do seu computador, de qualquer forma segue abaixo um quadro resumo:

Download da Planilha

Se por acaso não conseguir baixar a planilha e/ou encontrou algum erro e/ou ficou com dúvidas, mande-me um e-mail: nazareno_junior@hotmail.com

***

Esta modelagem configura-se como uma sugestão introdutória e bastante simplória. Outras metodologias de cálculo deverão ser testadas e aprimoradas, sem esquecer a necessidade de evolução das mesmas. A ideia aqui é apenas plantar a semente mais uma vez.

Por fim, mais uma vez, quero intensificar a ideia da utilização de modelos estocásticos na saúde suplementar, pois não podemos ter a pretensão de achar que estamos 100% certos de que um único valor determinístico será a melhor estimativa já que o Índice Combinado é afetado por diversos fatores, principalmente os referentes ao custo assistencial para o cálculo da Sinistralidade.

Quando estamos tratando de gestão de riscos e de um mercado altamente dinâmico, é interessante que esta tese venha a dar lugar aos estudos, incluindo, pelo menos, cenários. Nem que seja apenas para se ter uma ideia da volatilidade/dispersão para efeito, inclusive, de estudos futuros de solvência atrelados ao risco de subscrição.

 ***

 Se interessou pelo assunto?

Então leia também este outro artigo: Uma sugestão introdutória de modelagem estocástica do CBR de subscrição para operadoras médico-hospitalares.

***

Muito obrigado pela leitura! 

Estarei sempre à disposição. 

Vamos em frente…

Linkedin do professor Nazareno:https://www.linkedin.com/in/nazarenojr/

#indicadores #atuaria #gauss

O post Dispersão dos indicadores atuariais: o índice combinado e seus “n” valores por geração gaussiana. apareceu primeiro em Estatidados.

Inicio mais este artigo indicando a leitura de um outro texto meu publicado em agosto de 2017 sobre o TAP. Recomendo a leitura deste antes de continuar este, ok?! Basta clicar na figura.

Leu? Tudo bem, então vamos lá.

*** 

Exigência Legal 

 A ANS, através da RN 435/18, passará a exigir o Teste de Adequação de Passivo (TAP). Conforme o subitem 9.1.4 “A partir das demonstrações financeiras do exercício de 2020, as operadoras de grande porte, conforme classificação constante no item 6.3.5.1, deverão informar em notas explicativas a realização do Teste de Adequação de Passivo – TAP de acordo com as regras e parâmetros definidos nesta norma, incluindo: a) todas as bases técnicas utilizadas para as estimativas correntes dos fluxos de caixa além daquelas estabelecidas nesta norma, bem como os agrupamentos de contratos similares adotados observado o mínimo exigido; b) as estimativas correntes de fluxo de caixa de cada agrupamento de contratos similares que apresentarem resultado negativo.” e o subitem 10.12.2 “Em relação ao Teste de Adequação do Passivo – TAP, as operadoras de planos de assistência à saúde com mais de 100.000 (cem mil) beneficiários na data-base do encerramento do exercício social, a partir do exercício do ano de 2020, inclusive, deverão elaborar por ocasião dos trabalhos de auditoria independente, o TAP utilizando métodos estatísticos e atuariais com base em considerações realistas para estimar o valor presente esperado dos fluxos de caixa que decorram do cumprimento dos contratos de planos de saúde na modalidade de pré-pagamento, não sendo obrigatório o reconhecimento de eventuais deficiências apuradas nos resultados.”

Aspectos Técnicos

 Conforme o subitem 10.12.2.1 “Os seguintes parâmetros mínimos deverão ser observados na elaboração do TAP:

a)   para a realização do TAP, os contratos deverão ser segregados, no mínimo, entre as modalidades: (i) individual, (ii) coletiva empresarial, (iii) coletiva por adesão e (iv) corresponsabilidade assumida;

b)   as estimativas correntes dos fluxos de caixa deverão ser apuradas considerando as vigências dos contratos, limitadas ao horizonte máximo de 8 (oito) anos;

c)    para o cálculo das estimativas de sobrevivência e de morte deverão ser utilizadas as tábuas BR-EMS vigentes no momento da realização do TAP, ajustadas, quando for o caso, por critério de desenvolvimento de longevidade;

d)   as premissas utilizadas para projeções de receitas e despesas deverão ser baseadas na experiência observada pela operadora, ou na de mercado, quando não houver experiência própria; 

e)    as estimativas correntes dos fluxos de caixa deverão ser descontadas a valor presente com base nas estruturas a termo da taxa de juros (ETTJ) livre de risco pré-fixada definidas pela ANBIMA;

f)     o estudo atuarial referente ao TAP, contendo, no mínimo, os métodos atuariais, financeiros e estatísticos utilizados, as hipóteses e premissas consideradas para a projeção de cada variável estimada e seus resultados parciais para cada um dos grupos de contrato deverá ser assinado pelo atuário responsável pelos cálculos juntamente com o representante legal da operadora, devendo ficar disponível para consulta por pelo menos 5 anos. 

Metodologia 

Passo 1: Pegue o número de beneficiários por tipo de contratação, sexo e idade. Todos na modalidade de preço em pré-pagamento. Não esqueça aqui de já verificar as vigências dos contratos, pois isso servirá para a projeção. Ressalto aqui que os planos individuais, geralmente possuem um tempo médio superior aos coletivos, mas isso vai depender muito do comportamento da carteira da operadora.

Passo 2: Faça o download das tábuas biométrica BR-EMS. Use o qx (probabilidade do decremento) para mortalidade. Se for necessário, suavize para se aproximar do número de mortes da carteira da operadora. Para isso você pode utilizar o teste de qui-quadrado. Ressalto que as probabilidades da tábuas são valores anuais e não mensais. Para tanto seria necessário fazer uma interpolação polinomial splines cúbicos, por exemplo. 

Passo 3: Projete o número de beneficiários por tipo de contratação, idade e sexo com base nas probabilidades de morte da tábua do passo 2. Faça pelo método da escada, ou seja, para cada número de beneficiário multiplique pelo px (1-qx) do ano seguinte, até o horizonte máximo de 8 anos. Não esqueça das vigências dos contratos e também que essa projeção é em Run-Off , ou seja, não teremos aqui novos entrados (geração futura), apenas saídas.

Passo 4: Com base nas projeções do passo 3, multiplique o número de beneficiários pelo ticket médio por faixa etária (as 10 da ANS RN 63/03) e por tipo de contratação. Podemos ter alguma margem de erro, pois aqui estarão inclusos os planos não regulamentados e como é do nosso conhecimento ele possuem todo tipo de faixa etária. Aqui o sexo não irá influenciar diretamente, pois o preço não tem diferença por sexo. Inclua além do reajuste por faixa etária, o reajuste anual.

Passo 5: Com base nas projeções do passo 3, multiplique o número de beneficiários pelo custo assistencial per capita por faixa etária (aqui pode ser 10 da ANS RN 63/03 ou até mais, no texto que sugeri no início eu explico algum ajuste exponencial se for necessário) e por tipo de contratação e sexo. Aqui o sexo irá influenciar fortemente, pois existe uma diferença nos tratamentos entre homens e mulheres. Se quer saber mais como é a curva de custo per capita por sexo, clica aqui. Importante aqui você já descontar os valores dos fatores moderadores (coparticipação e franquia) – se houver. Eles podem ser encontrados com base em um percentual sobre os custos assistenciais projetados. Inclua aqui impacto anual pela VCMH (Variação de Custos Médico-Hospitalares) da Operadora ou do Mercado e por uma margem de segurança (volatilidade dos custos).

Passo 6: Com base no passo 4 multiplique por percentuais médios da carteira, a fim de encontrar as Despesas Administrativas, Despesas de Comercialização e outras (se houver). 

Passo 7: Pegue as receitas projetadas, ano a ano, do passo 4, subtraia dos custos assistenciais, ano a ano, do passo 5 e também das despesas, ano a ano, do passo 6, encontrando assim os resultados projetados ano a ano. Estes por sua vez são as esperanças matemáticas futuras e por isso precisam ser descontadas para encontrar o valor presente atuarial. 

Passo 8: De posse dos resultados, ano a ano, desconte pela taxa de juros (ETTJ) livre de risco pré-fixada definidas pela ANBIMA em cada vértice correspondente ao ano de projeção para encontrar os Valores Presentes Atuariais (VPA). 

Passo 9: Some todos os VPAs do passo 8 e tenha então o valor do TAP.

Passo 10: Compare o valor do TAP do passo 9 com a soma de todas as provisões contabilizadas no balanço da operadora isso inclui: PEONA, PEONA SUS, PIC, PESL e Remissão (se houver). 

Em resumo:

TAP = VPA Receitas Futuras – (VPA dos Custos Assistenciais Futuros + VPA das Despesas Administrativas Futuras + VPA das Despesas de Comercialização Futuras + VPA de Outras Despesas)

Ilustração do TAP 

Como pode ser visto abaixo, o TAP é o teste para averiguar se a carteira da operadora é rentável e se as provisões técnicas existentes estão suficientes para honrar com os compromissos futuros no ambiente de perdas esperadas. Após o TAP vem o capital baseado em risco para perdas não esperadas, mas isso é assunto de alguns outros textos que já publiquei por aqui.

Cenários

Desafios

•      Dificuldade de considerar as vigências dos contratos.

•      Dificuldade de ajustar a tábua biométrica se for uma carteira jovem.

•      Considerar mesmo uma Margem de Segurança para a projeção dos custos. assistenciais. Se sim, qual nível de confiança?

•      O VCMH deve ser da operadora ou do mercado?

•      Dificuldade de prever os reajustes dos planos individuais no futuro.

Exemplo Hipotético

Premissas e observações:

•      Base de dados: 2018.

•      Horizonte temporal: 8 anos (2019 a 2026). Por conservadorismo, nesta simulação não foram consideradas as vigências dos contratos.

•      Tábua biométrica: BR-EMS (considerou a tábua de mortalidade, pois existe a mesma tábua por sobrevivência). Suavizada em 10% para se aproximar com a realidade da Operadora (teste qui-quadrado).

•      Os Valores Presentes Atuariais (VPAs) foram descontados com base nas estruturas a termo da taxa de juros (ETTJ) livre de risco pré-fixada definidas pela ANBIMA em cada vértice correspondente ao ano de projeção.

Projeção

•      Beneficiários: run-off considerando os decrementos escalonados da tábua biométrica por contratação, idade e sexo.

•      Receitas: tickets médios por contratação, considerando os aumentos por faixa etária e reajustes.

•      Custos assistenciais: custos per capita por contratação, considerando os aumentos por faixa etária e sexo, impacto pelo VCMH da Operadora e pela margem de segurança. 

•      Coparticipação: com base em um percentual sobre os custos assistenciais projetados.

•      Despesas: com base em um percentual sobre as receitas projetadas.

Resultados

Observação: custos assistenciais já deduzidos da coparticipação.

Teste

***

Lembrado que essa projeção já é por si só uma previsão de insuficiência de contraprestações e por isso a projeção do TAP para 1 ano será a modelagem própria da Provisão de Insuficiência de Contraprestações (PIC), obrigatória a partir de 2020, mas que pode ser calculada através do índice combinado.

***

E você já simulou o TAP da carteira da sua operadora?

***

Obrigado pela leitura!!!

Linkedin do professor: https://www.linkedin.com/in/nazarenojr/

#atuaria #tap #metodologia

O post Teste de Adequação de Passivo (TAP) – aspectos técnicos, cenários, desafios e um exemplo hipotético. apareceu primeiro em Estatidados.

Com tantas informações ao nosso redor, como estamos tomando nossas decisões? Como pessoas e principalmente empresas podem melhorar seu processo de tomada de decisão? Como entender melhor as decisões dos clientes? Como será esse processo no futuro?

A Pirâmide do Conhecimento

Primeiramente, vamos pensar no processo de tomada de decisão como uma jornada: aqui cabe mencionar a DIKW, do inglês, Data-Information-Knowledge-Wisdom, ou seja, Dados-Informação-Conhecimento-Sabedoria. Mais conhecida como Pirâmide do Conhecimento, ela é uma hierarquia informacional utilizada principalmente nos campos da Ciência da Informação e da Gestão do Conhecimento, onde cada camada acrescenta certos atributos à anterior. Basicamente, nesta ferramenta, vamos interligando as camadas para que elas adicionem mais conteúdo à seguinte, para que complementem-se e façam sentido.

Começando pelos Dados, terceira camada da pirâmide, estes representam a observação e a percepção de um fato independente acontecido no mundo real; os dados têm ligação com números, imagens e outros fatores que nos permitem compreender melhor algum tema. Quando você está caminhando na rua e sente um pingo d´água cair na sua testa, esse fato não representa que está chovendo. O pingo pode ser de um ar condicionado, de um pássaro ou de qualquer outra fonte estranha. Nesta fase, temos apenas dados que ainda não nos dizem muito, mas que visualmente já nos trazem alguma informação que será decodificada mais à frente.

Já a Informação resulta do processamento, manipulação e organização dos dados e representa uma modificação no conhecimento geral do organismo; este item somente é possível a partir do anterior. No exemplo acima, a informação é a descoberta que vai chover. Você olha para o céu e começa a perceber que existem nuvens escuras, e que está cada vez pingando mais vezes. Então, nesse momento, a partir de vários dados você chega a uma conclusão que vai chover.

O Conhecimento permite uma vantagem de ganho, pois a partir das informações que se tem, pode-se prever o que vai acontecer. Ele advém de uma elaboração abstrata da informação; nesta etapa é possível tirar conclusões a respeito das informações obtidas na camada anterior por meio dos dados ou por novas conclusões. O conhecimento que se tem a respeito de um tema é o que nos torna aptos a trabalhá-lo com mais assertividade e a conectar com os demais saberes que acumulamos. Nesse exemplo da chuva, o conhecimento é saber que vou ficar molhado, e assim, terei como consequência não poder ir trabalhar e diante disso não conseguir entregar os relatórios que possuem prazo para hoje. Em suma, o pingo d’água é o dado, a chuva é a informação e ficar molhado é o conhecimento.

No topo da pirâmide, está a tomada de Ação, conduzida pela Sabedoria, que é uma compreensão humana mais refinada e equilibrada de determinado conhecimento; isso compreende saber qual o melhor momento de usar as suas informações, algo que se torna possível a partir dos dados que foram coletados e de sua interpretação ao longo da pirâmide do conhecimento. O que seria a sabedoria no exemplo acima? É o que você vai fazer com tudo isso (conhecimentos, informações e dados). Com a chuva, qual a melhor decisão a ser tomada? Pegar um Uber ou comprar um guarda-chuva? Na primeira opção, o trajeto custa em média R$ 25,00. Já na segunda, o valor médio é de R$ 10,00. Esta decisão é sua.

Podemos fazer uma analogia de toda essa jornada acima, no processo de tomada de decisão nas empresas. Esse processo pode se iniciar pelos bancos de dados – caso elas tenham – os quais concentram os registros necessários para a extração de informações.

A Structured Query Language (SQL) é a responsável pelas extrações dos dados e está relacionada diretamente com a DIKW. A SQL é uma linguagem de pesquisa declarativa padrão que se baseia na álgebra relacional. Na escola, enquanto você estudava matemática, imaginaria que um dia utilizaria a teoria dos conjuntos no seu trabalho ou na vida?

Pois bem, veja alguns exemplos abaixo:

Então, aliando às abordagens e conceitos que vimos até aqui, iremos, a partir de agora, detalhar um pouco mais a evolução necessária que a tomada de decisão deverá passar num breve futuro.

Conhecimento e Sabedoria: uma dupla que deveria estar em equilíbrio

O fato é que dados e informações são considerados mais estruturados e mais facilmente inseridos nos computadores e algoritmos do que conhecimento e sabedoria. Aquilo que permite a transformação dos dados em informação, da informação em conhecimento e do conhecimento em sabedoria é a inteligência.

Conhecimento e sabedoria fazem uma dupla perfeita, quando caminham juntos. Porém, não se engane, muitos conhecedores podem não ter tanta ou nenhuma sabedoria, como também os sábios, podem não dispor de grandes conhecimentos. O equilíbrio está em conhecer e saber aproveitar o que aprendemos ao longo da nossa vida; o equilíbrio se conquista nas reflexões que fazemos e na capacidade de transformar conhecimentos teóricos em práticas efetivas, positivas e transformadoras.

Dados e Comportamento

Retornando à questão de dados e informações, o que constatamos é que a maioria das empresas ainda toma decisões baseada exclusivamente em dados e aí cabe a pergunta: será que somente isso é suficiente? Por que não ampliar um pouco mais a visão além da análise de bancos de dados?

Além das razões óbvias que já sabemos:

1- O que leva uma pessoa que tem plano de saúde ir a uma consulta médica?

2- O que leva um indivíduo a não poupar?

3- O que leva uma pessoa que possui carro não fazer o seguro dele?

4- O que leva a falta de interesse de um determinado produto que é julgado importante?

Uma disciplina fundamental que estuda aspectos comportamentais do ser humano e que pode nos auxiliar a compreender o processo de tomada de decisão é a Economia Comportamental.

Flávia Ávila, fundadora do site economiacomportamental.org e Ana Maria Bianchi, co-organizadora do Guia de Economia Comportamental e Experimental, conceituam a Economia Comportamental como uma disciplina relativamente nova, incorporada pela economia, de desenvolvimentos teóricos e descobertas empíricas no campo da psicologia, da neurociência e de outras ciências sociais.

Os pesquisadores dessa disciplina partem de uma crítica à abordagem econômica tradicional, apoiada na concepção do ´homo economicus’ que é descrito como um tomador de decisão racional, ponderado, centrado no interesse pessoal e com capacidade ilimitada de processar informações. Ilimitada? Sim, a economia tradicional considera que o mercado ou o próprio processo de evolução são capazes de solucionar erros de decisão provenientes de uma racionalidade limitada.

Em contraposição a essa visão tradicional, a Economia Comportamental sugere que a realidade é diferente: as pessoas decidem com base em hábitos, experiências pessoais e regras práticas simplificadas. Aceitam soluções que parecem ser satisfatórias, buscam rapidez no processo decisório, tem dificuldade em equilibrar interesses de curto e longo prazo e são fortemente influenciadas por fatores emocionais e pelo comportamento dos outros. Os economistas comportamentais buscam entender e modelar as decisões individuais e dos mercados a partir dessa visão alternativa a respeito das pessoas. Influências psicológicas, emocionais, conscientes e inconscientes que afetam o ser humano em suas escolhas, são tentativamente incorporadas aos modelos.”

Portanto, a Economia Comportamental propõe-se a entender e modelar as decisões de forma mais realista.

Vamos agora complementar nossas análises levando em consideração, além do lado da empresa, o lado do cliente. O recomendável inicialmente é fazer um mapeamento dos motivos que levam os clientes a praticar as iniciativas/atitudes já conhecidas.

Dando uma de psicólogo

Não é segredo que a psicologia é uma das ciências que mais ajuda o ser humano nos dias atuais. Desde aquele comercial que você viu na televisão à decoração de um escritório de trabalho ou de um hospital, por exemplo, há todo um trabalho de identificação do comportamento e tentativas de adequar o local ou adequar o próprio comportamento ao lugar. Enfim, a psicologia do comportamento humano é uma área bastante interessante e que abre as portas para inúmeras respostas, porém, também para muitas perguntas.

Richard Thaler, ganhador do prêmio Nobel de Economia em 2017, considerado um dos grandes nomes da economia comportamental, incorporou pressupostos psicologicamente realistas em análises de tomada de decisão econômica e mostrou como esses traços humanos afetam sistematicamente as decisões individuais.

Thaler estudou como o pensamento e as emoções afetam as decisões econômicas individuais e o comportamento dos mercados. Seu estudo explorou as consequências da(s):

a) Racionalidade limitada: Thaler desenvolveu a teoria da contabilidade mental, explicando como as pessoas simplificam a tomada de decisões financeiras criando contas separadas em suas mentes, enfocando o impacto de cada decisão individual e não seu efeito geral. Ele também mostrou como a aversão às perdas pode explicar a valorização excessiva que algumas pessoas têm pelo que possuem.

b) Preferências sociais: Thaler mostrou, ainda, como a busca de equidade, ou seja, o respeito à igualdade de direitos, pode impedir empresas de aumentar os preços em períodos de alta demanda, mas não em tempos de custos crescentes.  Ele e seus colegas criaram o jogo do ditador, uma ferramenta experimental que tem sido utilizada em numerosos estudos para medir as atitudes em relação à equidade em diferentes grupos de pessoas ao redor do mundo.

c) Falta de autocontrole: Thaler também lançou luz sobre as resoluções que costumamos fazer em viradas de ano e que podem ser difíceis de serem concretizadas. Ele mostrou como analisar os problemas de autocontrole usando uma espécie de planejador, que é semelhante aos métodos que os psicólogos e os neurocientistas usam para descrever a tensão interna entre o planejamento de longo prazo e a execução de curto prazo. Thaler entendeu as razões que levam algumas pessoas a relutar em poupar hoje, mas aceitarem guardar parte dos seus rendimentos futuros para a aposentadoria, como o próximo aumento de salário. Segundo ele, sucumbir à tentação do curto prazo é uma razão importante para os planos feitos para a velhice ou para as escolhas de estilo de vida mais saudáveis falharem.

“As pessoas não são, estão!”

Muita coisa deverá ainda ser aprimorada e explorada em relação aos dados contidos nas bases. Contudo, se faz mister refletir e amadurecer a ideia da necessidade de se ir além dos bancos de dados como forma de extrair valor das informações para a tomada de decisão. Aliás, isso tudo já pode ser considerada uma forte tendência.

“As pessoas não são, estão!”. Frase que escutei há um tempo em um evento nacional de seguros, nos leva à  conclusão de que quanto mais pudermos interpretar isso, com base no comportamento humano, mais poderemos oferecer serviços e produtos que vão ao encontro das necessidades reais dos clientes.

Talvez esta seja a peça do quebra-cabeça que esteja faltando para uma tomada de decisão mais robusta e completa, ou seja, o equilíbrio entre o “quali e quanti”. Mas, para isso, será necessário passar por uma intensa multidisciplinaridade conceitual, formando, assim, uma base de fatos que aprimorem métodos de gestão. Estes desafios são capazes de mudar jeito de agir dos executivos, que enfrentam o desafio constante de guiar as empresas para o posicionamento certo.

É muito provável que no futuro, as novas gerações que estão chegando ao mercado de trabalho utilizem todos esses dados e informações (quantitativo) aliados ao comportamento humano (qualitativo) para reforçar a tese de ampliação do conhecimento e sabedoria.

O fato é que o processo de tomada de decisão não é tão racional quanto imaginam os executivos da maioria das empresas. Eles tentam sempre estar no controle das situações com o objetivo de decidir as melhores opções, mas tudo isso é desafiado por uma série de forças muitas vezes imperceptíveis que são extremamente influentes na forma de agir das pessoas.

Como já dizia Simon Sinek, consultor e escritor inglês, “100% dos clientes são pessoas. 100% dos empregados são pessoas. Se você não entende de pessoas, você não entende de negócios.”

Crédito da imagem da capa: Garidy Sanders on Unsplash

Linkedin José Nazareno:

https://www.linkedin.com/in/nazarenojr/

O post Dados e Comportamento: o futuro do processo de tomada de decisão apareceu primeiro em Estatidados.