Numa TED Talk sobre big data, Kenneth Cukier explicava como um maior acesso a dados nos ajuda a tomar melhores decisões. O vídeo começava por perguntar qual a tarte favorita dos americanos, sendo a resposta tarte de maçã. Esta resposta é dada com base nos dados disponíveis que indicam que a tarte de maçã é a mais vendida na dimensão de 30 centímetros e que é consumida por várias pessoas do mesmo agregado familiar. Nesse sentido, maçã é o sabor que todos gostam. No entanto, quando se iniciou a comercialização de tartes mais pequenas, para consumo individual, a tarte de maçã caiu para quarto ou quinto lugar na preferência dos consumidores. Neste exemplo, a maior disponibilização de dados, permitiu perceber qual é realmente o sabor que os americanos preferem e como satisfazer essa preferência. Mais dados permitiram colocar melhores perguntas e, por conseguinte, chegar a respostas mais relevantes.

Tradicionalmente, tomamos decisões com base em informação generalizada sobre as pessoas em detrimento de tomarmos decisões com base nas necessidades individuais de cada um. No setor privado, cada vez mais existe informação disponível sobres clientes de forma individualizada, ajudando as empresas a servirem os seus clientes. Um exemplo são os supermercados. Ao usar um cartão de cliente quando efetuo uma compra de fraldas e toalhitas de bebé, sei que nas semanas seguintes receberei vales de desconto em puericultura. A empresa utilizou informação sobre o meu padrão de consumo e adaptou os descontos que me envia às minhas necessidades.

Infelizmente, na maioria dos serviços sociais públicos, a informação que existe é interpretada de forma generalizada, como se existisse apenas uma abordagem que responde às necessidades de todos os cidadãos que recebem esses serviços. Na área de ação social, esses serviços são denominados de respostas sociais tipificadas. Existem respostas tipificadas para crianças e jovens em risco, adultos em idade ativa e idosos em situação vulnerável, entre outros. Estas respostas carecem de customização ao nível individual, que reconheçam que existem vários tipos de crianças e jovens em risco, adultos em idade ativa e idosos com diferentes tipos de necessidades.

A acrescentar a esta necessidade de customização, existem silos de informação entre as respostas sociais, resultando numa equação em que somos muito mais do que 10 milhões de cidadãos: somos 10 milhões para a saúde, outros 10 milhões para a educação e outros 10 milhões para a segurança social e formação profissional. A informação encontra-se em bases de dados diferentes, sem identificadores únicos. A inexistência do cruzamento de informação entre diversas áreas de atuação e departamentos contribui para a falta de customização na implementação de respostas sociais, resultando numa inadequação entre as respostas dadas e as reais necessidades das pessoas servidas por essas respostas. Os problemas sociais são intersectoriais e multidimensionais, exigindo respostas que tenham as mesmas características.

Uma maior disponibilização de dados (big data) não nos vai dar todas as respostas que precisamos nem vai substituir o papel das equipas que trabalham todos os dias no terreno e fazem um trabalho inexcedível. Vai, no entanto, ajudar-nos a colocar melhores questões e chegar a melhores soluções. Independentemente de todas as limitações impostas pelo novo Regulamento Geral sobre a Proteção de Dados, existem soluções para a recolha de dados de forma legítima e anonimizada, dando resposta a esta necessidade.

Um exemplo concreto da aplicação de análise de dados, por via da sua maior disponibilização, é o estudo de caso do município de Newcastle no Reino Unido. A região tem um desafio na área do desemprego jovem, com um elevado número de jovens em situação de inatividade, não estando nem em formação/educação nem no mercado de trabalho. O município queria perceber melhor que soluções poderia financiar para resolver o problema. A tendência sempre foi alocar recursos financeiros para um maior apoio escolar a jovens com fraco desempenho, porque a pergunta que sempre fizeram foi “qual a característica dos jovens que hoje estão desempregados?”. A resposta era que os jovens em situação de desemprego tiveram fraco desempenho escolar. No entanto, a pouca disponibilização de dados na altura não desvendava onde estava o verdadeiro problema.

Apesar dos jovens em situação de desemprego terem tido pior desempenho escolar, existiam muitos jovens em situação de pleno emprego que também tinham tido más notas na escola. Logo, a variável desempenho escolar não era o que estava a ditar a situação de desemprego.  Uma análise mais granular dos dados e a possibilidade de analisar o percurso destes jovens entre várias respostas sociais – serviços de apoio a crianças e jovens em risco, educação, saúde – permitiu identificar que o principal fator preditivo de um jovem estar em situação de desemprego era o número de interações com os serviços de apoio à família, no caso de famílias identificadas como estando em situação de risco e vulnerabilidade (e não o desempenho escolar). Com base nesta informação, o município de Newcastle pode realocou recursos financeiros para este tipo de respostas e trabalhou o problema do desemprego jovem de forma preventiva, logo a partir dos 8-10 anos de idade, para evitar o problema quando os jovens tenham mais de 18 anos.

A área de ação social em Portugal tem vários desafios, entre os quais o facto de grande parte dos dados existirem em formatos que dificultam a sua análise e raramente serem utilizados para informar a tomada de decisão. Se utilizarmos a informação que existe, certamente conseguimos tomar decisões mais informadas e customizadas. Se iniciarmos um processo de digitalização da recolha e cruzamento desses dados, podemos criar os pilares para melhores respostas nos próximos anos, passando de uma lógica de resposta para uma lógica de prevenção.

Tal como a tarte de maçã, talvez cheguemos à conclusão que a maior parte das respostas sociais tipificadas é a quarta ou quinta melhor opção para todos, mas infelizmente não é a primeira opção para a maior parte das pessoas. Uma análise cuidada dos dados disponíveis vai levar-nos a servir melhor as populações que precisam de serviços de qualidade para alcançar melhores resultados.

António Miguel tem 32 anos e é cofundador e managing partner da MAZE – decoding impact, uma empresa de investimento de impacto que trabalha com empreendedores, investidores e entidades do setor público para escalar soluções eficazes que contribuem para a resolução de problemas sociais e ambientais.

O Observador associa-se aos Global Shapers Lisbon, comunidade do Fórum Económico Mundial para, semanalmente, discutir um tópico relevante da política nacional visto pelos olhos de um destes jovens líderes da sociedade portuguesa. Ao longo dos próximos meses, partilharão com os leitores a visão para o futuro do país, com base nas respetivas áreas de especialidade. O artigo representa, portanto, a opinião pessoal do autor enquadrada nos valores da Comunidade dos Global Shapers, ainda que de forma não vinculativa.