Dashboard não é decisão: o que falta entre o gráfico e a ação

TL;DR — Empresa com Power BI, Looker ou Tableau no ar ainda não é empresa que decide com dados. Na maioria dos casos, o gráfico chega na reunião, alguém comenta, ninguém muda o plano — e o dashboard vira papel de parede digital. O gap não é de ferramenta: é de contrato de decisão. Este artigo fecha o arco que começa em confiança nos dados e passa pelo pipeline: o que falta entre o número na tela e a ação na operação — vanity metrics, média sem distribuição, “verde no dashboard / vermelho no caixa”, e um teste simples para saber se o seu KPI merece existir.

Você já viu essa cena.

Segunda-feira, 9h. Sala (ou call) de resultados. Projetor ligado. Dashboard bonito: cards verdes, setinhas pra cima, filtro de período no canto. Alguém diz “olha, a conversão subiu 2 pontos”. Outro pergunta se o canal X está ok. Silêncio educado. Encerram. Na terça, o time continua fazendo exatamente o que fazia na sexta.

O dashboard funcionou. A decisão, não.

Isso não é falha de BI. É um padrão documentado: organizações investem em acesso ao dado e subinvestem em uso do dado — e confundem as duas coisas. Ter gráfico disponível não é o mesmo que ter uma regra clara do tipo: se este número cair abaixo de X, fazemos Y até quando Z. Sem essa regra, analytics vira teatro de gestão.

O dashboard resolveu o problema errado

Durante anos, o gargalo era óbvio: o dado morava em planilha, em e-mail, na cabeça de alguém. A resposta natural foi ferramenta — extrair, modelar, visualizar. E funcionou, no sentido estreito: o número chegou à sala.

O problema seguinte é outro. Quando o número chega e nada muda, a empresa não tem um problema de visualização. Tem um problema de decisão. Stephen Few, um dos nomes clássicos de visualização analítica, insiste nisso há décadas: o gráfico existe para suportar percepção e julgamento, não para decorar slide (Few, 2012). Se o julgamento não acontece — ou acontece sem consequência —, o dashboard cumpriu só a metade fácil do trabalho.

No DataDriks, essa lógica já apareceu em outra forma. Em Antes de ser data-driven…, o ponto era confiança: sem dado confiável, a reunião vira opinião com decorações. Em Pipeline não é detalhe técnico…, o ponto era infraestrutura: sem pipeline sério, a confiança não escala. Aqui o elo que falta é o de cima: mesmo com dado confiável e pipeline decente, o gráfico pode ser inútil se ninguém tiver dono, limiar e ação.

Três mentiras que o gráfico conta bem

1. Vanity metric: número que sobe e não muda nada

Visitantes no site. Seguidores. Downloads. “Engajamento”. Métricas que sempre crescem (ou quase) e quase nunca alteram alocação de orçamento, prioridade de produto ou corte de canal. Elas existem porque são fáceis de medir e agradáveis de apresentar — não porque respondem a uma pergunta de negócio.

A pergunta útil não é “esse número sobe?”. É: se esse número dobrar amanhã, o que a gente faz diferente? Se a resposta for “nada”, você não tem KPI. Tem enfeite.

2. Média sem distribuição: a mentira estatística favorita do slide

“Ticket médio R$ 180.” Parece informação. Pode ser mentira útil.

Se metade dos clientes paga R$ 40 e uma fatia paga R$ 800, a média descreve ninguém. Decisões de preço, de estoque, de atendimento e de churn se comportam diferente em cada cauda — e a média esconde as duas. O mesmo vale para “tempo médio de entrega”, “NPS médio”, “tempo médio de resposta do time”. Sem distribuição (percentis, faixas, segmentos), o gráfico comprime a realidade até caber num card — e a operação perde o que importa.

Heurística simples: se a decisão muda de acordo com o segmento, a média sozinha é insuficiente. Mostre a forma do dado, não só o centro.

3. Verde no dashboard, vermelho no caixa

O caso clássico: indicador operacional no verde, resultado financeiro no vermelho. Conversão sobe, margem cai. Volume sobe, inadimplência sobe junto. “Clientes ativos” sobe porque a definição mudou no mês passado e ninguém atualizou o glossário.

Aqui o problema não é o Power BI. É métrica desconectada do resultado que a empresa jura cuidar. Dashboard bom amarra o indicador operacional ao outcome — receita, margem, retenção, custo de servir — com a mesma disciplina com que o pipeline amarra origem e destino do dado. Sem essa amarração, o time otimiza o card e a empresa perde dinheiro com eficiência.

O que falta: um contrato de decisão

Troque a pergunta “qual dashboard construir?” por:

Qual decisão este número precisa mudar — e quem é o dono disso?

Um contrato mínimo de analytics tem quatro peças:

1. Pergunta de negócio — o que estamos tentando saber? (“O canal pago ainda paga?” é pergunta. “Como está o tráfego?” é passeio.)
2. Métrica — a definição operacional, com glossário. Inclui filtro, janela, exclusões. Se duas áreas discordam do número, o contrato falhou antes do gráfico.
3. Limiar — o valor que dispara ação. Não “acompanhar a tendência”.Abaixo de X por duas semanas → pausar campanha Y.
4. Ação + responsável — o que muda e quem executa. Sem nome, o limiar é teatro.

Isso parece óbvio. Na prática, a maioria dos dashboards tem (1) vago, (2) disputado, (3) inexistente e (4) “o time”.

Cassie Kozyrkov (ex-Chief Decision Scientist do Google) resume a lógica: dado sem decisão é só armazenamento caro; a ciência útil é a que reduz incerteza na escolha — não a que multiplica gráficos (Kozyrkov). No mesmo espírito, Davenport e Harris descrevem analytics competitivo como capacidade de agir a partir de insight, não de acumular reports (Davenport & Harris, 2017).

Um teste de 10 minutos no seu dashboard atual

Abra o dashboard “oficial” da sua área. Para cada card principal, responda em voz alta:

Se mais da metade dos cards falha no teste, você não tem um problema de design. Tem um estoque de gráficos sem mandato. Cortar dói menos do que fingir que volume de dashboards é maturidade analítica.

O que Analytics bem-feito parece na prática

Não é “menos gráfico”. É menos gráfico sem dono.

• Poucos indicadores, ligados a outcome real.
• Definição escrita (glossário) versionada como código ou documento vivo — não no chat do Slack.
• Limiar e playbook: o que acontece quando o número sai da faixa.
• Revisão periódica: métricas morrem. KPI de 2023 pode ser irrelevante em 2026.
• Narrativa curta: o gráfico acompanha uma frase do tipo “estamos abaixo do limiar de margem no segmento B; ação: revisar preço e frete até dia D”.

Isso é storytelling com dados no sentido adulto da palavra — não slide com emoji e setinha. É o oposto do hype de “cultura data-driven” que para na tela.

O arco completo (e por que Analytics fecha ele)

Sem confiança, o número na reunião é contestável. Sem pipeline, a confiança não se sustenta. Sem contrato de decisão, o pipeline e a confiança alimentam um mural bonito.

Ferramenta importa. Modelo importa. Agente de IA importa — e já está em produção, como vimos em outro artigo. Mas o elo que mais empresas pulam é o mais barato de escrever e o mais caro de ignorar: o que este número manda a gente fazer?

Se a resposta não cabe numa frase com sujeito, verbo e prazo, o dashboard ainda não virou decisão. Virou paisagem.

Dados com contexto, estratégia e prática.

Fontes

• Few, S. (2012).Show Me the Numbers: Designing Tables and Graphs to Enlighten (2ª ed.). Analytics Press.
• Davenport, T. H., & Harris, J. G. (2017).Competing on Analytics: The New Science of Winning (ed. atualizada). Harvard Business Review Press.
• Kozyrkov, C. — ensaios sobre decision intelligence e o papel do dado na redução de incerteza na decisão. Ver, entre outros, What is Decision Intelligence?.
• Kahneman, D. (2011).Thinking, Fast and Slow. Farrar, Straus and Giroux — especialmente o viés de confiar em resumos (médias, narrativas) sem olhar a distribuição e a base.
• McKinsey & Company —The data-driven enterprise of 2025 e leituras correlatas sobre o gap entre disponibilidade de dado e mudança de processo.https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-data-driven-enterprise-of-2025