No atual contexto económico, é evidente que a realidade corre a um ritmo voraz se considerarmos a capacidade das organizações de planearem de forma adequada e atempada os seus próximos passos.

Perante a gigantesca competitividade do mercado, torna-se, assim, mais desafiante para as organizações encararem o futuro – em particular, se considerarmos as visíveis evoluções de que são exemplos a massificação da utilização de dispositivos baseados na Internet das Coisas ou em Inteligência Artificial. Ao mesmo tempo, isto é um claro sinal de que as organizações devem apostar na conceção de cenários que permitam antever várias hipóteses de futuro, sejam elas representativas de oportunidades ou de riscos.

Um dos casos mais conhecidos de organizações que trabalham desta forma é a Shell, que, desde a década de 1970, leva a cabo este exercício de antecipação de cenários, algo que tem sido aproveitado pela própria organização, mas também por governos, investigadores e outras empresas.

No entanto, a antecipação de cenários coloca-nos perante duas situações distintas: por um lado, a mera hipótese de não existir qualquer tipo de antecipação por parte das organizações; por outro, a realização de projeções desinformadas ou baseadas em dados incorretos ou imprecisos. No caso da primeira ideia, são evidentes as consequências: grandes dificuldades em perceber para onde o mercado se está dirigir, onde a organização se deve posicionar, quais as áreas para as quais se devem canalizar os investimentos, ou quais as alterações nas necessidades dos clientes, por exemplo.

Existem no mercado casos de organizações que fizeram este trabalho no sentido de perceber para onde caminhava o futuro, mas que falharam redondamente nesse objetivo, seja porque erraram no processo, por não terem os dados necessários para entender o objeto de estudo, ou porque não os souberam interpretar.

Podemos referir o caso da indústria automóvel de Detroit nos anos de 1980, conhecida por ter tido as equipas de gestão de três dos seus principais construtores a delinear um conjunto de cenários no qual se incluía o chamado “Long live Detroit”, que previa que a indústria automóvel norte-americana iria prosperar nos anos seguintes. Contudo, face ao erro de cálculo na previsão realizada da flutuação dos preços do petróleo e das opções dos consumidores, acabaram por enfrentar uma profunda crise face ao crescimento dos novos competidores japoneses.

Tendo esta necessidade em mente, torna-se relevante perceber de que forma podemos operacionalizar este tipo de exercícios. Poderá ser interessante, por exemplo, iniciar a abordagem com três cenários distintos: um cenário de base (essencialmente, aquele que corresponde à média do que tem sido a realidade nos últimos anos), o melhor e o pior cenário possíveis.

Neste contexto, a abordagem deverá passar por elementos essenciais como a identificação das principais forças orientadoras (sociedade, economia, tecnologia, ambiente, política), a identificação das incertezas mais críticas (devendo ser escolhidas duas da lista anterior), o desenvolvimento de uma amplitude de cenários plausíveis (formando uma matriz ou um espectro onde serão inseridos os diversos cenários), e a discussão das respetivas implicações de cada cenário.

Neste contexto, é importante não esquecer também a definição da governance do processo, que deverá passar pela inclusão dos conselhos de administração e das direções executivas das organizações, por exemplo. Esta opção passa não só pelo peso que têm na estrutura da organização, mas também pelos contributos que darão ao longo do processo, tirando partido da sua equidistância em relação ao lado mais operacional do trabalho desenvolvido pela organização.

Ora, tal como referido acima no caso dos processos de antecipação de cenários que não foram bem-sucedidos, de nada vale ter um excelente processo de debate interno se as premissas utilizadas estão erradas ou partem de conceitos ou ideias não fundamentadas. E é aqui que a análise de dados se assume como protagonista.

Através da utilização de ferramentas de Analytics e Big Data, e da análise dos dados relevantes para os diferentes cenários que estamos a considerar, poderemos avançar para uma análise preditiva bastante assertiva e acertada. Tudo isto contando, logicamente, com as devidas variáveis da equação que inserem os vários cenários no tal espectro de possibilidades (do pior ao melhor cenário possíveis).

Assim, torna-se premente trabalhar estes cenários tendo como ponto de partida conjuntos de dados fidedignos para que as antevisões possam ter a máxima adequação à realidade e não se tornem apenas projeções baseadas em preconceitos e “sensações” infundadas de decisores mais otimistas ou pessimistas.

Por esse motivo, a análise baseada em dados concretos da própria organização, do mercado, dos concorrentes, dos consumidores, ou das alterações a nível político e de sociedade tornam-se essenciais se quisermos colocar em cima da mesa, face aos diversos cenários, temas como o planeamento e a orçamentação ou a gestão de risco e de compliance. É importante que se perceba que a futurologia pertence ao passado. Estamos na era em que os dados reinam e só temos de tirar partido de tudo o que de bom podemos retirar destas análises.