Meio&Mensagem

12 de março de 2018 - 14h45

(Crédito: reprodução)

O que vi nos últimos 2 dias e que venho aqui destacar.

Na apresentação “Designing and Building for a Data Science Future”, Dan Chuparkoff, da McKinsey, explanou um pouco sobre conceitos básicos de estruturação de dados não estruturados e machine learning, passando pelos conceitos e utilidades de unsupervised learning e supervised learning para diferentes indústrias.

Compartilhou algumas dicas de sites, como: KDnuggets.com, D3js.com, RStudio, RShiny e Kaggle community (não repare no design e ux dos sites, sofríveis); também um livro: “On Intelligence”, de Jeff Hawkins; e até mesmo um podcast que escuta semanalmente: “Linear Digressions”.

Outro papo de Data interessante foi a apresentação de Scott Berinato, da Harvard Business Review, onde ele não se cansou de afirmar (e com razão) de que todo gráfico é uma manipulação.

Mostrou diversos exemplos de como se manipulam gráficos para passar uma percepção diferente da verdade por trás dos dados ali expostos.

Se muda a escala, as cores, a forma, de vertical para horizontal, e por aí vai.

Sim, todo gráfico é uma manipulação.

E o manipulador é aquele que constrói o gráfico.

Quanto melhor leitor de gráfico você é, maior é o seu potencial de ser também um manipulador de gráficos.

Políticos e veículos de comunicação parciais são alguns dos maiores manipuladores (nenhuma surpresa aqui).

Ele argumenta isso sob o conceito de que, quando estamos expostos a um gráfico, nosso cérebro segue o seguinte processo: feel > relate > think.

Primeiro apenas sentimos o que aquele gráfico quer dizer, depois começamos a relacionar o que está ali exposto e só depois efetivamente pensamos sobre aqueles dados.

E, segundo diversas pesquisas realizadas, momentos, horas e dias depois, as pessoas só lembram daquilo que sentiram sobre o gráfico.

Ou seja, a informação que fica é aquela que foi manipulada propositalmente.
A primeira imagem, primeira percepção, se torna a grande “verdade”.