As empresas tratam variações de resultado como se sempre fossem consequência direta de decisões internas. Se vendas sobem, houve acerto. Se caem, houve erro. O livro O Andar do Bêbado, de Leonard Mlodinow, mostra que essa leitura ignora um elemento importante: a variabilidade estatística e o papel do acaso. Quando a gente traduz os principais conceitos do livro para o ambiente corporativo, especialmente marketing e vendas, fica evidente que parte das análises pós-campanha e revisões de estratégia confundem flutuação normal com mudança intencional.

• Empresas exigem explicação causal para qualquer oscilação de resultado.
• O livro demonstra como superestimamos padrões e subestimamos o acaso.
• Regressão à média distorce leituras de desempenho e talento.
• Decisões melhores dependem de calibrar evidência ao impacto da escolha.

O que o livro discute e por que isso importa

Publicado em 2008, O Andar do Bêbado percorre episódios históricos, experimentos científicos e situações cotidianas para demonstrar como a probabilidade influencia resultados de forma invisível. O foco não é defender que tudo é aleatório, mas mostrar que a nossa mente tende a enxergar padrões e relações causais mesmo quando a variação pode ser explicada apenas por distribuição estatística.

Ao longo do livro, aparecem conceitos como regressão à média, viés de confirmação e confusão entre correlação e causalidade. O fio condutor é que subestimamos o acaso porque explicações causais são cognitivamente mais confortáveis.

E em ambientes corporativos, essa inclinação ganha ainda mais força porque as decisões precisam ser justificadas.

A empresa como uma máquina de explicações

Após o encerramento de uma campanha ou o fechamento de um trimestre, os números entram na sala de reunião. A partir daí, inicia-se a busca por causas.

Alguém aponta o novo criativo. Outro menciona a mudança de canal. Surge a hipótese de que a abordagem comercial foi decisiva. Em poucos minutos, constrói-se uma narrativa coerente sobre o que aconteceu.

Coerência, porém, não é prova.

Existe uma pressão estrutural por explicação. Resultados precisam ser atribuídos a ações porque orçamento, reconhecimento e responsabilização dependem disso. O problema não é analisar. O problema é tratar qualquer variação como evidência forte de causa.

Em sistemas com múltiplas variáveis, parte da oscilação acontece mesmo que nada relevante tenha mudado.

Regressão à média: o que é, o que não é, e por que confunde

Regressão à média é um fenômeno estatístico no qual resultados muito acima ou muito abaixo da média tendem a ser seguidos por resultados mais próximos do padrão, mesmo sem alteração estrutural no sistema.

Não é uma “lei de punição” ao desempenho alto. Não é perda automática de qualidade. É simplesmente a tendência de valores extremos voltarem ao intervalo mais comum da distribuição.

Um vendedor tem um mês excepcional. No mês seguinte, o desempenho retorna ao nível habitual. A leitura apressada é que houve queda de performance. Em muitos casos, o primeiro mês já era parcialmente influenciado por fatores aleatórios.

O mesmo ocorre com campanhas muito acima da média que depois “desempenham menos”. Parte da diferença pode ser apenas uma variação natural.

Um erro comum é interpretar essa volta como uma consequência direta de alguma intervenção. Ignorar regressão à média leva empresas a recompensar ou punir com base em flutuação estatística.

Correlação não é causalidade, mesmo quando parece

Quando dois eventos acontecem próximos no tempo, a associação parece lógica. Ajusta-se segmentação e a conversão melhora. Muda-se abordagem comercial e o ticket médio sobe.

Mas sistemas empresariais não são experimentos controlados. Existe sazonalidade, comportamento de concorrentes, ciclo de vendas, maturidade do pipeline e fatores externos que raramente são isolados.

Correlação significa apenas que dois eventos ocorreram juntos. Causalidade exige evidência de que um produziu o outro.

A diferença é mais exigente do que parece. Sem esse cuidado, os aprendizados na empresa se constroem sobre premissas muito frágeis.

A variabilidade aumenta quando a amostra é pequena

Quanto menor o volume de eventos, maior a influência do acaso. Empresas B2B com poucos contratos por mês convivem com oscilações relevantes mesmo sem mudança estrutural.

Um único contrato pode alterar indicadores de forma expressiva. Nesse contexto, interpretar cada mês como tendência gera revisões desnecessárias de rota.

Isso não significa ignorar números. Significa reconhecer a margem esperada de variação antes de declarar sucesso ou fracasso.

Sem essa referência, qualquer ponto fora da média vira justificativa para ação.

Decidir sob incerteza exige critério, não certeza absoluta

O livro não propõe abandonar análise nem adotar ceticismo paralisante. A questão central é entender qual é o grau de evidência disponível antes de transformar variação em conclusão.

Decisões diferentes exigem níveis diferentes de confirmação.

Mudanças reversíveis e de baixo impacto podem ser testadas com base em sinais preliminares. Ajustes estruturais, que afetam posicionamento, canal principal ou modelo comercial, exigem repetição de padrão e dados mais consistentes.

Três perguntas ajudam a organizar essa avaliação:

• A variação observada supera a oscilação normal do sistema?
• Existe repetição suficiente para indicar tendência?
• O custo de esperar mais dados é maior do que o risco de agir agora?

Esse tipo de análise não elimina incerteza, mas reduz decisões baseadas apenas em uma narrativa posterior.

O desconforto de aceitar o acaso

Parte do desconforto está na percepção de perda de controle. Admitir que nem todo resultado tem causa identificável parece enfraquecer a gestão.

Na prática, ocorre o contrário.

Reconhecer variabilidade estatística evita superestimar o mérito em ciclos positivos e evita revisões drásticas em ciclos negativos. A organização passa a distinguir melhor entre mudança estrutural e flutuação temporária.

O livro reforça uma postura mais disciplinada, em que devemos questionar se estamos diante de um padrão consistente ou apenas diante de um ponto fora da curva. Essa distinção altera a forma como avaliamos desempenho, distribuímos recursos e revisamos estratégia.

Nem tudo que sobe foi causado por uma decisão brilhante. Nem tudo que cai é sinal de erro.

Entre controle absoluto e acaso total, existe um campo amplo de probabilidade. É nesse campo que decisões empresariais realmente acontecem.