Os Diagnósticos de Causa-Efeito 

Nesta série que abri há algumas semanas sobre os 1.000 diagnósticos da Go44 Transformação Digital, já comentei um pouco da visão geral destes diagnósticos e, na última postagem (https://www.go44.co/os-diagnosticos-de-priorizacao/), comentei sobre os 373 diagnósticos do tipo priorização que fizemos pela empresa. Na postagem de hoje, falarei sobre os 23 diagnósticos do tipo causa-efeito que fizemos ao longo de pouco mais de quatro anos e meio de atuação. Pelos dados quantitativos (23 somente), em uma primeira vista parece ser um algoritmo pouco atrativo e sem muito valor de entrega, porém, o oposto se mostra quando os dados são expostos aos clientes. Por ser uma abordagem mais criteriosa e de atuação específica, a quantidade de demandas deste algoritmo de causa-efeito tende a se restringir para problemas mais complexos. Este algoritmo também é conhecido como análise de influência entre os elementos que estão sendo avaliados. Em linhas gerais, o objetivo deste algoritmo é visualizar quais elementos são mais influentes e quais elementos são os mais influenciados permitindo uma tomada de decisão direcionada a otimização de resultados. Entre estes elementos há os que se classificam como causa (influentes) e outros que se classificam como efeito (influenciados). Ao final visualiza-se o gráfico 2D mostrando as relações entre estes elementos para auxiliar na visualização completa do problema em questão. O eixo y deste gráfico 2D varia de valores positivos a negativos sendo os valores positivos os elementos mais influentes, ou seja, quanto maior o valor positivo de um elemento no eixo y, mais influente ele será no sistema avaliado. O mesmo vale para a lógica inversa, ou seja, quanto mais negativo for o valor do elemento no eixo y, mais influenciado no sistema ele será. O eixo x demanda uma explanação mais detalhada que não vem ao caso neste momento, mas, para fins didáticos, oriento ao leitor que este eixo x refere-se à priorização sob um ponto de vista de impacto – não é a mesma priorização dos algoritmos de priorização que comentei na postagem passada.   

Este tipo de visualização de causa-efeito auxilia na construção de planos diretores e roadmaps. Na Go44 Transformação Digital trabalhamos, em parceria com a academia, com alguns modelos tais como: análise de influência na implementação das ferramentas de Lean Manufacturing, análise de influência dos obstáculos do Lean Healthcare, análise de influência das barreiras de Interoperabilidade Empresarial para arquitetura de sistemas e implementação de projetos digitais, análise de influência entre critérios de implementação de sistemas PLM e análise de influência de contramedidas para gestão de implementação de projetos de Excelência Operacional. Dentre estas iniciativas, destacarei aqui a que mais eu acho interessante, até pelo contexto em que ela é aplicada, que é a análise de influência dos obstáculos do Lean Healthcare. Ao todo são 16 obstáculos, todos oriundo de uma pesquisa de mestrado via revisão sistemática de literatura defendida em 2021, cuja avaliação de influência foi feita em 04/2023 na semana em que visitamos uma Unidade de Pronto Atendimento (UPA) da cidade de Gurupi (TO) para melhor entender a interferência destes obstáculos na implementação do Lean Healthcare. O algoritmo de causa-efeito, quando possui muitos elementos para serem avaliados, leva um tempo considerável para responder as devidas questões – neste caso a equipe, composta por três pessoas, demorou pouco mais de 02h00 para finalizá-las. O resultado mostrou que o obstáculo mais influente foi o “Pouco Incentivo da Diretoria” seguido do obstáculo “Restrições Financeiras”, ou seja, dois pontos muito críticos que visualizamos na UPA à época que demandavam uma intervenção imediata para evitar possíveis dificuldades na implementação do Lean Healthcare. Destacam-se como os obstáculos mais influenciados o “Baixo Engajamento” e as “Ferramentas Isoladas e Pontuais”.    

Com base nos resultados obtidos utilizando o algoritmo de causa-efeito, e junto de outros algoritmos como os de priorização, maturidade e seleção, foi possível desenvolver o roadmap de implementação do Lean Healthcare para a UPA da cidade de Gurupi (TO). Com uma ideia similar, as outras iniciativas citadas acima também geraram planos de ação baseados na análise de influência do algoritmo de causa-efeito. Particularmente, estou utilizando em minha pesquisa de doutorado, no framework denominado LIN4EIA, o algoritmo de causa-efeito para melhorar o desenho do roadmap de desdobramento estratégico resultante do processo de avaliação. Em breve, ele estará implementado na plataforma da Go44 com um visual bem atrativo conforme sugerido pelos especialistas e gestores nos quais eu entrevistei nos últimos meses. Em suma, o algoritmo de causa-efeito tem diversas aplicabilidades e pode gerar muito valor às empresas. Resta as empresas entender melhor como ele funciona e pode ser utilizado em cada contexto. É neste ponto que a Go44 Transformação Digital almeja suportar os seus clientes. Contem conosco!