Conheça frameworks e práticas para um futuro cada vez mais incerto
Três anos atrás, organizações em todo o mundo foram pegas de surpresa por um risco há muito previsto, cujo surgimento não surpreendeu ninguém que tivesse prestado atenção o bastante às questões globais de saúde pública. A pandemia trouxe para todos a importância de se ter uma visão mais ampla de forças e eventos perturbadores – e fez de “resiliência” uma palavra corporativa da moda.
Ananya Sheth e Joseph V. Sinfield adotam uma abordagem de teoria sistêmica para seu trabalho sobre risco, vendo as empresas como sistemas adaptativos complexos nos quais a resiliência não é apenas um conceito teórico, mas uma propriedade dinâmica. A pesquisa feita por eles ao longo dos últimos cinco anos, apoiada pela National Science Foundation, fornece um mergulho profundo em como os líderes podem obter uma visão mais abrangente dos riscos, com novas estruturas e ferramentas para pensar e mapear a inteligência de risco. As novas práticas que eles descrevem podem ajudar os líderes a identificar alavancas capazes de reduzir o grau do risco e encontrar caminhos saudáveis em meio a eventos de ruptura.
Isso é algo que as empresas de serviços profissionais conseguiram fazer, apesar dos prognósticos sombrios de vários especialistas para o setor na última década. Mas a consultoria de gestão e os escritórios de advocacia não eram os alvos fáceis que se supunha: Julian Birkinshaw e David Lancefield relatam como esses negócios driblaram novos concorrentes e usaram novas tecnologias que, de outra forma, poderiam ter ameaçado aquilo que vieram acrescentar. Os insights extraídos de suas pesquisas trazem lições importantes para empresas de outros setores sobre como navegar, em vez de sucumbir sob ondas gigantes de mudança.
Análises sofisticadas – em particular, modelos preditivos dinâmicos – são uma ferramenta crítica para empresas que precisam modelar riscos em ambientes em rápida mudança. Mas, como explicam Vern L. Glaser, Omid Omidvar e Mehdi Safavi, os gestores que confiam em tais modelos sem dar atenção a algumas questões de administração e organização podem ser vítimas do que os autores chamam de inércia algorítmica. Eles dissecaram o que deu errado com o modelo de classificação de hipotecas subprime usado pela Moody’s no período que antecedeu a crise financeira de 2008 e identificaram as quatro causas mais significativas de tais falhas. Suas recomendações para melhores práticas de ciência de dados devem ser levadas a sério pelos líderes que precisam explorar análises avançadas para gerenciar a incerteza em meio a condições de negócios em rápida mudança.
1. Manter os modelos de previsão no rumo certo e preciso2. Inteligência de risco: a chave das empresas prósperas e resilientes3. Paranoia e pragmatismo: a receita de sobrevivência das empresas de consultoria e direito
