Critérios, escalas e sensibilidade da escolha

1. Separar admissibilidade de preferência

A comparação começa pelas condições que determinam quais opções podem ser consideradas. Num exercício, todas têm de suportar a recuperação acordada e caber no limite de financiamento inicial. Só depois se compara a preferência por desempenho e facilidade de suporte.

Uma pontuação alta não compensa uma condição explicitamente obrigatória que falha. Informação ausente também não é uma confirmação de cumprimento, mas deve ser distinguida de uma falha demonstrada: a primeira pede evidência e a segunda pede resolução da incompatibilidade.

Regista os três estados, incluindo o que permitiria mudar cada um. Evita esconder condições obrigatórias dentro de uma média em que uma boa interface compensa ausência de recuperação. Se a autoridade alterar uma condição, essa é uma decisão explícita com consequências; o modelo não deve fazê-lo silenciosamente para produzir um vencedor conveniente.

2. Dar significado às escalas antes de as combinar

Uma coluna em milissegundos e outra em euros não podem ser somadas como se fossem a mesma medida. Define a direção da preferência e uma função de conversão acordada. Num exemplo limitado a latências entre 100 e 300 ms, a pontuação é 100 × (300 − latência) / 200.

Assim, 100 ms vale 100 pontos, 300 ms vale zero e 180 ms vale 60. Esta função linear é uma escolha explícita do exercício, não uma lei sobre satisfação dos utilizadores. Se as categorias forem apenas baixo, médio e alto, a atribuição de números 1, 2 e 3 não demonstra que as diferenças de valor sejam iguais.

A equipa precisa de explicar o que cada pontuação significa e por que a comparação é adequada. Também deve definir o tratamento de valores fora do intervalo, em vez de improvisar uma regra depois de ver as propostas.

3. Distinguir mudança de unidade de mudança de preferência

Converter latência de milissegundos para segundos, convertendo também as âncoras de 100 e 300 ms para 0,1 e 0,3 segundos, preserva a mesma pontuação de 60 para 0,18 segundos. Em contraste, conservar a observação de 180 ms e mudar a âncora pior de 300 para 500 ms produz 80 pontos.

Isto altera a relação entre desempenho e pontuação, mesmo que os pesos escritos no cabeçalho continuem iguais. Uma alteração de escala pode, portanto, mudar o resultado da matriz sem mudar nenhum serviço. Regista unidades, âncoras, direção e versão da função usada.

Quando alguém disser que apenas normalizou os dados, confirma se transformou unidades de forma equivalente ou se modificou o significado da preferência. A revisão deve tornar essa diferença compreensível para quem aprova os critérios.

4. Calcular a pontuação e o ponto em que a ordem muda

Considera duas pontuações já definidas numa escala de zero a cem, em que maior é melhor: desempenho e suporte. A tem 90 e 50; B tem 65 e 85. Com peso w para desempenho e 1 − w para suporte, A obtém 50 + 40w e B obtém 85 − 20w.

Com w=0,6, A tem 74 e B 73. Com w=0,5, A tem 70 e B 75. A igualdade ocorre a w=7/12, aproximadamente 0,5833.

Acima desse valor, A é preferida pelo modelo; abaixo, B. Os pesos representam a escolha de como trocar ganhos numa dimensão por perdas noutra, dentro das escalas acordadas. Uma diferença de um ponto não significa automaticamente uma vantagem importante ou estatisticamente significativa.

É necessário conhecer a precisão dos dados, o significado das escalas e a política de decisão.

5. Reconhecer dominância dentro do modelo

Acrescenta C, com 60 pontos de desempenho e 40 de suporte. B tem pelo menos tanto em ambas as dimensões e mais em cada uma. Se B e C forem igualmente admissíveis, estas forem todas as dimensões consideradas e os dois pesos forem estritamente positivos, B terá pontuação superior para qualquer combinação desses pesos.

Não é necessário descobrir o peso exato para excluir C como melhor opção neste modelo. A conclusão tem limites: se existir uma diferença relevante de compatibilidade ainda não modelada, a comparação pode precisar de outra dimensão ou condição.

Não uses dominância parcial como prova de superioridade em tudo. Se um peso puder ser zero, uma melhoria apenas nessa dimensão pode deixar de produzir vantagem estrita. Especificar os pressupostos permite distinguir uma conclusão geral do modelo de uma preferência que só existe num peso particular.

6. Propagar incerteza sem inventar uma média observada

Volta a A e B com w=0,6. A pontuação de suporte de A ainda pode estar entre 45 e 55; o desempenho mantém-se em 90. A pontuação total de A varia, então, entre 72 e 76.

B tem 73, com os valores fixos já fornecidos. O ponto médio de A é 74, mas a preferência por A não se mantém em todo o intervalo admissível. Não atribuas uma probabilidade de vitória apenas por a maior parte visual do intervalo estar acima de 73: não foi dada uma distribuição.

Se nova evidência limitar o suporte de A a 51 a 53, o total passa a 74,4 a 75,2 e fica acima de B em todo esse intervalo. Essa estabilidade diz respeito às condições do modelo; não elimina riscos omitidos, restrições de financiamento ou a decisão de aprovação.

7. Rever critérios repetidos e escolher a informação necessária

Uma equipa dá peso 0,6 ao desempenho e 0,4 ao suporte. Depois divide suporte em “facilidade de suporte” e “simplicidade operacional”, ambos calculados a partir do mesmo dado, e mantém 0,4 em cada coluna. Ao normalizar o total de 1,4, o suporte passa a ter 0,8/1,4, aproximadamente 57,1%, em vez de 40%.

A mudança pode ser deliberada, mas não é neutra. Se apenas se pretende dividir a apresentação sem alterar a preferência, distribuir o peso original entre cópias equivalentes pode preservar o resultado. Distingue ainda incerteza de medição de falta de acordo sobre valores: mais testes de desempenho não resolvem, por si, um desacordo sobre o peso que o Business quer atribuir ao suporte.

A próxima atividade deve tratar a razão concreta pela qual a recomendação ainda pode mudar.

8. Exercício: apresentar o que a matriz demonstra

Prepara a decisão para três opções admissíveis, usando peso 0,6 para desempenho e 0,4 para suporte. A tem desempenho 90 e suporte entre 45 e 55. B tem 65 e 85.

C tem 60 e 40. Estas são as únicas preferências no modelo. Resolução: C é dominada por B; A varia entre 72 e 76 e B vale 73.

Ainda não existe uma vencedora entre A e B que se mantenha para todos os valores de suporte de A. O valor de igualdade desse suporte é 47,5, porque 0,6 × 90 + 0,4 × 47,5 = 73. Identifica uma recolha de evidência capaz de esclarecer essa dimensão, se o seu custo e prazo forem aceitáveis.

Conserva no relatório condições obrigatórias, escalas, pesos, intervalos, hipótese que pode mudar a ordem e autoridade de decisão. A matriz organiza a recomendação; o cálculo não atribui autoridade ao analista.

9. Quando os pesos e a evidência ainda variam

Uma decisão pode ter duas incertezas diferentes: o que a opção consegue fazer e quanto os decisores valorizam cada resultado. Num exemplo independente, L tem desempenho 82 e suporte s entre 50 e 58. M tem desempenho 70 e suporte 66.

Ambas são admissíveis. O peso de desempenho w está em discussão entre 0,40 e 0,60; o peso de suporte é 1−w. Todas as combinações são possíveis e não há probabilidades.

Antes da resolução, compara duas propostas: medir exatamente s=56 ou acordar w entre 0,58 e 0,60. A diferença L−M é 12w+(s−66)(1−w). Cresce com s porque 1−w é positivo e com w porque 78−s é positivo em todo o intervalo.

Na situação inicial, o pior caso é w=0,40 e s=50, com diferença −4,8; o melhor é w=0,60 e s=58, com diferença 4. Ainda não há preferência estrita válida para todos os casos. Medir s=56 reduz a diferença a 22w−10, entre −1,2 e 3,2: os pesos por acordar continuam a poder mudar a vencedora.

Se os decisores acordarem w entre 0,58 e 0,60, mantendo s entre 50 e 58, o pior caso passa a 12×0,58−16×0,42=0,24. L fica à frente em todo o intervalo permitido. Uma terceira proposta, fixar apenas w=0,55, também não basta: com s=50 dá −0,6 e com s=58 dá 3.

No trabalho, dirige a recolha à incerteza relevante. Uma medição não determina preferências dos stakeholders; o acordo sobre pesos não transforma um limite de suporte numa medição exata. Justifica por que os extremos bastam: neste modelo a monotonia mantém-se, mas uma fórmula não linear diferente pode exigir outros pontos.

Não atribuas probabilidades aos intervalos nem interpretes uma margem positiva pequena como benefício operacional demonstrado. Resumo: conserva ambos os intervalos, procura uma conclusão válida em todas as combinações e distingue resultado proposto, evidência confirmada e decisão autorizada.

Este exercício prolonga a propagação de intervalos da secção 6 e liga-a ao planeamento da recolha de evidência.

Comparar alternativas no mesmo estado

Num exemplo independente, A=(30+x,60−2x), B=(37+x,53−2x) e C=(34+x,59−2x), com x comum entre 0 e 5. A pontuação é wU1+(1−w)U2 e w pertence a [0,3;0,5]. Todas as opções passam os controlos obrigatórios.

Antes de calcular extremos separados, subtrai as pontuações. C−A=5w−1, entre 0,5 e 1,5; C−B=6−9w, entre 1,5 e 3,3. C vence em todos os estados permitidos.

O termo comum desaparece da comparação, embora continue a alterar cada pontuação absoluta. Se w=0,8 for admitido, C−B=−1,2 e já não há essa garantia. Se cada opção tiver o seu próprio x independente, o cancelamento também deixa de ser válido.

No trabalho, pergunta se a incerteza representa o mesmo contexto ou observações realmente independentes. Documenta a dependência antes de combinar máximos e mínimos. Confirma ainda que as utilidades têm escalas e pesos acordados; uma conta correta num modelo inadequado não sustenta a escolha.

Resumo: intervalos absolutos sobrepostos não impedem necessariamente uma comparação robusta; diferenças no mesmo estado podem ser mais informativas.

Armadilhas comuns

Compensar uma restrição obrigatória com pontos; somar unidades diferentes; tratar categorias ordinais como diferenças de valor demonstradas; alterar âncoras sem rever pesos; duplicar critérios; interpretar intervalos como probabilidades; confundir ranking com autorização.