O criativo Homo Sapiens por muito tempo vinha lutando contra doenças por meio de charlatanismo, sacrifícios, sangrias, ventosas, metais tóxicos, entre outros métodos. Porém, a partir do século XVIII, as pessoas rebelaram-se contra a autoridade no Iluminismo e recorreram à força da razão para melhorar suas vidas.

Com a invenção da vacina e a aceitação da teoria de que os germes causavam doenças, a maré da batalha começou a virar. Lavagens das mãos, obstetrícia, controle de mosquitos e principalmente proteção de água potável viriam a salvar milhões de pessoas.

No entanto, o maior desafio depois de passarmos por grandes epidemias durante dezenas de anos foi sempre prever o próximo grande surto. Como agir quando é difícil prever?

Em nossa história moderna, a maior epidemia até então foi a gripe espanhola de 1918 a 1920, com o vírus H1N1. Esta epidemia afligiu 1/3 da humanidade e matou mais de 50 milhões de pessoas – só no Brasil morreram 35 mil pessoas.

Após longos anos, a cepa H1N1 surgiu novamente, em 1976, em uma base militar Fort Dix, nos EUA. Seguiu-se uma série de terríveis previsões, nas quais as consequências poderiam ser devastadoras. Previu-se que 1 milhão de americanos morreriam, porém somente 200 casos ocorreram dentro do Fort Dix, com apenas uma morte. Essa época ficou conhecida como “O fiasco da gripe suína“.

O reaparecimento do vírus H1N1 aconteceu 33 anos depois, em 2009. Desta vez, a contaminação se espalhou por vários países do mundo, com grande rapidez. Novamente, as previsões se mostraram falhas – a contaminação teve um percentual alto, mas a letalidade se mostrou muito baixa: 0,02%, menor do que uma temporada de gripe normal.

Modelos matemáticos para doenças infecciosas exigem uma grande quantidade de dados e informações qualificadas sobre o comportamento humano, o qual pode ser bem menos previsível. Dados imprecisos foram, em grande parte, responsáveis por previsões fracassadas.

As crises financeiras não são muito diferentes quando tratamos de tentativas de previsão.

No último quarto de século, tivemos algumas crises: A Segunda-Feira Negra (1987), Crise Financeira Asiática (1997), Crise Financeira Russa (1998), O Estouro da Bolha Pontocom (2000) e mais recentemente a Crise de Crédito (2008).

Como se verificou, as previsões financeiras têm um histórico muito ruim, mesmo quando baseado em modelos matemáticos complexos.

O ano de 2008 seria um ano de prosperidade para os mercados financeiros: esta era a previsão da Bloomberg.com nos primeiros meses. Ninguém previa prejuízos e a previsão média de ganhos era de 11%. Todos os envolvidos, direta ou indiretamente, não esperavam que um dos maiores terremotos financeiros da história estava se formando bem debaixo de seus olhos. No final do ano, a bolsa de valores tinha caído 38%, US$ 29 Trilhões evaporaram dos mercados mundiais e muitos dos alicerces da economia mundial estavam em ruínas. As consequências desses eventos foram sentidas por muito tempo e, com o passar dos anos, os mercados acabaram se recuperando da experiência de quase morte. Desta vez, no entanto, não só os modelos não previram a crise, como também ajudaram a causá-la.

Os erros de previsão costumam acontecer e são comuns na história recente da humanidade. Concentramos nossa atenção nos indícios que contam uma história sobre um mundo ideal, com certas suposições que, raramente, se observam no mundo real. Ignoramos os riscos mais difíceis de aferir (Cisne Negro), mesmo quando oferecem as maiores ameaças ao nosso bem-estar. Fazemos estimativas ou suposições de uma pandemia ou de uma crise financeira, porém, a realidade do ambiente observado é muito mais complexa.

Na história, as epidemias e crises financeiras sempre foram analisadas e debatidas, e sempre nos perguntamos sobre como tantas pessoas qualificadas do setor científico e do mercado financeiro poderiam ter sido induzidas a erros de previsão. Temos horror à incerteza, mesmo quando se trata de uma parte irredutível do problema que estamos tentando resolver. Por isso, não devemos apenas supor – este é um ponto significativo no fracasso das previsões.

Concluímos que os pressupostos fundamentais que formam a base das teorias de previsões são falhos na área de saúde ou mercado financeiro. Isso significa que não apenas os modelos matemáticos são falhos, mas os modelos mentais dos profissionais envolvidos ainda estão muito errados.

Nos últimos anos, a SK Intelligence vem trabalhando no desenvolvimento de produtos e serviços com soluções tecnológicas, que nos permitem mitigar os erros de previsões e os riscos envolvidos nos segmentos que atuamos, nas áreas de Healthcare e Financial.
Temos como metodologia a organização e estruturação de dados históricos, detalhamento de possíveis ruídos e cálculo de variáveis de risco, transformando informações em conhecimento e minimizando possíveis danos.