1. Introdução

Toda equipe nasce de um objetivo: é ele que a forma e que sustenta, ao longo do tempo, a colaboração entre as pessoas que a compõem. Mas equipes são "compostas por seres humanos imperfeitos, e por isso são inerentemente disfuncionais" (LENCIONI; REISNER, 2015, p. 8), e o esforço necessário para que todas as pessoas envolvidas trabalhem de forma colaborativa em direção a um mesmo objetivo pode se tornar árduo e, por vezes, parecer inalcançável.

Essa dificuldade tem origem, em grande parte, nas diferenças entre as pessoas. Cada indivíduo carrega consigo experiências de vida próprias, e sua "representação do mundo é formada pelas experiências e pela cultura em que a pessoa está inserida" (SANTOS, 2020a, p. 10). Essa formação distinta faz com que cada pessoa reaja de maneira única a uma mesma situação: somos diferentes física e mentalmente uns dos outros, carregamos valores e virtudes próprios, e temos a capacidade de gerar soluções diferentes para um mesmo problema, o que, na maior parte das vezes, é desejável. Contudo, essas mesmas diferenças também podem gerar conflitos disfuncionais e desvios em relação ao objetivo da equipe, comprometendo a qualidade dos entregáveis ou mesmo impedindo que eles existam.

Cabe ao líder, entre os papéis inerentes à sua função, manter a equipe com uma performance saudável, entregando resultados dentro dos níveis de qualidade, investimento e prazo acordados. Para isso, ele conta com uma variedade de frameworks e métodos voltados à gestão de pessoas, de processos e de projetos, muitos dos quais já foram exaustivamente testados em diferentes empresas e equipes (PMI, 2021; KATZENBACH; SMITH, 1993). Ainda assim, a maior parte desses instrumentos oferece pouco suporte estruturado para uma pergunta específica: como saber, com base em dados e não apenas em percepção, se a equipe está melhorando, piorando ou estável, e para onde ela tende?

É nesse espaço que se insere a proposta deste trabalho: um conjunto de processos por meio dos quais seja possível mensurar, analisar e controlar a saúde (ou situação) de uma equipe, das ferramentas que ela utiliza e das atividades que executa. O objetivo é descobrir como está a saúde atual de cada um desses elementos, se ela está piorando ou melhorando ao longo do tempo, e qual a sua tendência futura, gerando conhecimento que auxilie o líder a tomar decisões que ajudem a equipe a alcançar os seus objetivos com maior probabilidade de sucesso.

Esse conjunto de processos, reunido a práticas que auxiliam a sua correta execução, compõe o ecossistema aqui denominado Metodologia Ohana. Formulada originalmente em 2022 (SANTOS, 2022), a metodologia é revisada e ampliada neste artigo, que tem como objetivo apresentar de forma mais rigorosa e sistemática a sua estrutura, os seus fundamentos teóricos e as técnicas quantitativas que a compõem.

Este artigo está estruturado em seis seções, incluindo esta introdução. A seção 2 apresenta o referencial teórico que sustenta a proposta. A seção 3 descreve os procedimentos metodológicos adotados na construção do trabalho. A seção 4 apresenta a Metodologia Ohana, detalhando o Processo Ohana de Performance e os seus três grupos de trabalho: Analisar, Mensurar e Controlar. A seção 5 discute as contribuições, os limites e as possibilidades de aplicação da metodologia. Por fim, a seção 6 traz as considerações finais e a agenda de pesquisas futuras.

2. Referencial Teórico

2.1 Equipes de alta performance e o papel da liderança

Katzenbach e Smith (1993) definem equipe como um pequeno número de pessoas com habilidades complementares, comprometidas com um propósito comum, com metas de desempenho e com uma abordagem de trabalho pela qual se responsabilizam mutuamente. Uma equipe de alta performance, segundo os mesmos autores, é aquela que, além de atender a esses critérios, demonstra um nível de comprometimento mútuo capaz de gerar desempenho superior ao de equipes comuns.

A literatura sobre liderança e trabalho em equipe converge para um ponto em comum: a distância entre uma equipe funcional e uma equipe disfuncional está menos relacionada à competência técnica de seus membros e mais à qualidade da confiança, da comunicação e da gestão de conflitos entre eles (LENCIONI; REISNER, 2015). Nesse cenário, cabe ao líder um papel de mediação constante: identificar desvios, antecipar riscos e, sobretudo, decidir, com base nas melhores evidências disponíveis, quando e como intervir.

O Guia PMBOK (PMI, 2021) reforça essa perspectiva ao situar a liderança entre os domínios de performance de um projeto, ressaltando que cabe a essa função orientar, motivar e influenciar a equipe para gerar os resultados esperados, e recomendando o uso de indicadores de desempenho como um dos principais instrumentos de apoio a essa liderança, o que aproxima a gestão de projetos da discussão proposta neste trabalho.

Complementarmente, Santos (2021), ao aplicar a Teoria dos Dois Fatores de Herzberg à análise crítica do ambiente de trabalho, argumenta que a performance de uma equipe também depende de fatores motivacionais e higiênicos que nem sempre são capturados por indicadores de produtividade tradicionais, argumento que reforça a necessidade de um processo estruturado de descoberta e monitoramento de dados situacionais, tema tratado na próxima subseção.

2.2 Da informação à inteligência: fundamentos para a tomada de decisão

A capacidade de um líder tomar boas decisões depende diretamente da qualidade da informação disponível. Ackoff (1989), em um dos trabalhos fundadores da hierarquia conhecida como DIKW (Data, Information, Knowledge, Wisdom), propõe uma distinção conceitual entre dado, informação, conhecimento e sabedoria, argumentando que cada nível representa um grau crescente de compreensão e de capacidade de ação sobre a realidade observada.

Este trabalho adota uma adaptação dessa hierarquia, definindo quatro conceitos que sustentam toda a arquitetura da Metodologia Ohana:

• Dado: informação que, isoladamente, não permite nenhuma compreensão ou significado.
• Informação: grupo de dados que, reunidos, permitem compreensão ou significado sobre algo.
• Conhecimento: informação analisada que, além de compreensão, fornece um parâmetro geral sobre o item avaliado e permite alguma aplicação prática; o conhecimento permite avaliar o artefato e executar ações baseadas nessa avaliação.
• Inteligência: conhecimento controlado, analisado, monitorado e cruzado com outros conhecimentos, não apenas pontualmente, mas em um fluxo de tempo pré-determinado. É a inteligência que permite avaliar tendências a partir de dados históricos e executar ações e intervenções significativas quando necessário.

Essa progressão, de dado a inteligência, é o fio condutor de todo o Processo Ohana de Performance, apresentado na seção 4.

2.3 Indicadores de desempenho como instrumento de gestão

Um indicador de desempenho (Key Performance Indicator, KPI) é uma medida utilizada para avaliar o quão perto ou longe um item está do resultado esperado (PMI, 2021). Para ser útil, um indicador precisa comunicar algo relevante sobre a trajetória do que está sendo observado, e não apenas registrar um valor isolado.

A gestão orientada por indicadores é amplamente adotada em projetos e produtos, mas seu uso na gestão de pessoas e de equipes tende a ser menos sistemático, frequentemente restrito a avaliações pontuais de desempenho individual. A Metodologia Ohana parte do princípio de que os mesmos rigores aplicados a indicadores de produto e de projeto podem (e devem) ser aplicados aos demais segmentos de atividade de uma equipe, conforme detalhado na seção 4.

2.4 Probabilidade aplicada à gestão de projetos e equipes

A probabilidade oferece um instrumento formal para lidar com a incerteza inerente à gestão de projetos e de equipes. Santos (2020b) propõe o uso de teoremas de probabilidade e de indicadores-chave para aferir os índices de sucesso ou insucesso de um projeto, calculando as probabilidades de seus eventos elementares e correlacionando-as a indicadores de sucesso, abordagem que fundamenta parte das técnicas de controle apresentadas na seção 4.4.

Obras de referência em probabilidade e cálculo (NETO; CYMBALISTA, 2012; GONÇALVES; LOPES, 2013; RYAN, 2016) sustentam formalmente os teoremas utilizados neste trabalho, enquanto Moreira (2015) discute a aplicação da teoria da decisão e da probabilidade subjetiva a contextos de incerteza, um caminho que este trabalho não explora diretamente, por se limitar a eventos equiprováveis, mas que compõe a agenda de pesquisa futura discutida na seção 5.

3. Procedimentos Metodológicos

Este trabalho tem natureza aplicada e caráter propositivo, alinhando-se ao que a literatura de metodologia científica denomina pesquisa de desenvolvimento metodológico: seu produto não é a validação estatística de uma hipótese, mas a formulação sistemática de um processo replicável, a Metodologia Ohana, a partir da articulação entre fundamentação teórica e prática profissional.

A construção da proposta seguiu três etapas. Na primeira, foi realizada pesquisa bibliográfica sobre gestão de equipes, indicadores de desempenho e probabilidade aplicada (seção 2), com o objetivo de identificar conceitos e instrumentos já consolidados na literatura que pudessem sustentar teoricamente a proposta. Na segunda etapa, esses conceitos foram articulados à experiência do autor em gestão de equipes e projetos de tecnologia, período no qual a necessidade de organizar dados situacionais de forma sistemática, e não apenas intuitiva, se consolidou como problema central a ser tratado. Na terceira etapa, os processos, técnicas e definições resultantes dessa articulação foram sistematizados na estrutura apresentada na seção 4, organizada em torno de três grupos de trabalho (Analisar, Mensurar e Controlar) e de quatro técnicas quantitativas de controle.

Esta é a segunda versão da Metodologia Ohana. A primeira foi publicada em 2022 (SANTOS, 2022); esta versão revisa a redação do trabalho original, corrige a nomenclatura do título, amplia o referencial teórico e a discussão dos resultados, e mantém inalterado o núcleo técnico da proposta: os três grupos de trabalho, os cinco segmentos de atividade e as quatro técnicas de controle e análise.

4. A Metodologia Ohana

4.1 Visão geral do ecossistema

A Metodologia Ohana deve ser compreendida como um ecossistema de práticas (técnicas e processos) voltado a ajudar equipes dos mais diversos segmentos a aumentar sua performance. Essas práticas estão organizadas em três grupos de trabalho que, em conjunto, formam o que se denomina aqui Processo Ohana de Performance (Figura 1). Cada grupo tem objetivos e contribuições específicas para o processo, e todos têm importância equivalente: não é possível executar o processo completo sem qualquer um deles. São eles: Analisar, Mensurar e Controlar.

Além dos três grupos de trabalho, o ecossistema conta com cinco segmentos de atividade (Figura 2), que são os pontos focais aos quais os grupos de trabalho se aplicam: Pessoas, Equipes, Atividades, Projetos e Produtos. Nenhum segmento tem mais importância do que outro; a escolha de com quais segmentos trabalhar depende da necessidade de cada contexto.

É importante destacar que a Metodologia Ohana não pretende ser uma nova metodologia ou framework para gerenciar projetos, produtos ou pessoas. Nesse sentido, ela não compete com frameworks estabelecidos como o PMBOK (PMI, 2021) ou os métodos ágeis. Seu objetivo é fornecer recursos para analisar, mensurar e controlar a performance de um segmento, entendendo como ele se comportou ao longo de um período, como está no presente e qual sua tendência futura. Os segmentos, portanto, não devem ser vistos como etapas de um processo sequencial, mas como recursos aos quais se aplicam os três grupos de trabalho, de acordo com a necessidade de cada equipe.

4.2 Grupo de trabalho Analisar

O objetivo do grupo de trabalho Analisar é gerar conhecimento (conforme definido na seção 2.2) a partir dos dados coletados no processo de mensuração, trabalhando-os até que se alcance uma compreensão significativa sobre o item em questão. É também na etapa de análise que se definem os parâmetros do que será mensurado, isto é, quais informações serão coletadas e em qual período.

Para isso, é necessário ponderar sobre o segmento de atividade escolhido e sobre os cenários nos quais ele está inserido, identificando quais informações são relevantes para uma compreensão mínima sobre ele e quais dados precisam ser coletados para se chegar a essas informações. Trata-se de um trabalho de mapeamento, no qual se levantam todas as informações capazes de auxiliar a compreensão do segmento.

Com essas informações definidas, executa-se a atividade mais importante desta etapa: cruzar as informações entre si para definir quais indicadores-chave de desempenho (KPI) serão utilizados. Um indicador só é útil se disser algo relevante, por exemplo, se o segmento está melhorando ou piorando, se está estável, ou o quão distante está do que se deseja. Um indicador que não comunica nenhuma dessas informações deve ser eliminado.

4.2.1 Tipos de indicadores de performance

A Metodologia Ohana utiliza três tipos de indicadores, elementos centrais de todo o processo:

• a) Situacionais: aferem se determinado evento ocorreu, sempre como um valor binário (sim ou não). Por exemplo: o funcionário está motivado; o sistema está estável; a pessoa está satisfeita com o salário.
• b) Numéricos: aferem a posição, em determinado momento, de um artefato, sempre como valores quantitativos. Por exemplo: número de vendas, número de clientes, número de falhas.
• c) Percentuais: aferem variações de estado, sempre como valores percentuais. Por exemplo: percentual de SLA cumprido, percentual de falhas, percentual de aumento de ROI.

Os valores de cada indicador são coletados por meio do grupo de trabalho Mensurar (seção 4.3). É essencial que os indicadores escolhidos façam sentido para a equipe em questão e representem informação relevante para o processo. Para uma equipe de TI, por exemplo, indicadores como SLA, taxa de erros ocorridos, falhas ocorridas e manutenibilidade tendem a ser adequados.

4.2.2 Valor Ótimo e Valor Péssimo

Apenas o valor atual e o histórico de um indicador não são suficientes para determinar se ele está bom ou ruim: é necessário defini-lo em relação a dois parâmetros adicionais, o Valor Ótimo (VO) e o Valor Péssimo (VP). Para indicadores situacionais, define-se qual das duas situações possíveis é considerada boa e qual é considerada ruim; para indicadores percentuais e numéricos, definem-se os números correspondentes aos estados ótimo e péssimo.

A relação entre VO e VP viabiliza análises como o quão distante ou próximo o indicador está do que se considera ótimo ou péssimo, inclusive ao longo de uma linha do tempo, permitindo identificar não apenas o que está estável, mas também o que tende à instabilidade (grande variação entre bom e ruim). Essas análises de distância são detalhadas na seção 4.4.4.

4.2.3 Profundidade dos indicadores: específica e macro

Além do tipo, os indicadores podem ter uma entre duas profundidades: Profundidade Específica ou Profundidade Macro. Todo indicador nasce com Profundidade Específica; quando um conjunto de indicadores específicos é agrupado de forma a gerar conhecimento sobre o estado de todos eles, obtém-se um novo indicador de Profundidade Macro. Por definição, um indicador macro é sempre fruto de um grupo de indicadores específicos; caso contrário, ele não é um indicador macro, e sim um específico.

Um indicador macro não possui valores próprios de VO e VP: eles são sempre a média aritmética dos VO e VP de seus indicadores filhos, assim como o próprio valor do indicador macro é a média aritmética dos valores de seus filhos, não sendo, portanto, atualizado diretamente por coleta de dados. A técnica de cruzar indicadores filhos para gerar um indicador pai é denominada aqui Técnica de Cruzamento; seu objetivo é permitir a compreensão do status dos indicadores filhos sem que seja necessário observar cada um separadamente, possibilitando, por exemplo, um quadro macro de controle gerencial e um quadro específico de controle operacional.

É recomendável documentar todo o processo de descoberta e definição dos indicadores, específicos e macro, criando um roteiro de como os dados base devem ser agrupados ou calculados até se chegar às informações, e de como essas informações devem ser trabalhadas até se chegar aos indicadores. Esse roteiro, aqui denominado Mapa da Cadeia de Indicadores (Figura 3), documenta quais indicadores podem ser agrupados (observando a correlação entre eles e entre o que pretendem representar) e quais agrupamentos de específicos correspondem a quais macros. Ele é imprescindível na etapa de mensuração, permitindo atualizar corretamente as informações dos indicadores.

4.3 Grupo de trabalho Mensurar

Nesta etapa, coletam-se todos os dados necessários para atualizar as informações dos indicadores definidos na etapa de análise. O objetivo do grupo de trabalho Mensurar é a coleta e a atualização da base de indicadores, garantindo que todos eles contenham informações confiáveis e o mais atualizadas possível, de acordo com os critérios e regras definidos, como por exemplo o período de extração dos dados.

Enquanto na análise se desenha toda a cadeia de dados até os indicadores macro, na mensuração atualizam-se os dados primários, cascateando essa atualização até os indicadores específicos e, consequentemente, até os indicadores macro correspondentes. É a partir desta etapa que se começa a ter conhecimento suficiente para avaliar se cada pilar está de acordo com o que se espera ou deseja.

A cascata de atualização (Figura 4) tem uma lógica hierárquica: ela ocorre de baixo para cima, e quanto mais próxima da base da pirâmide, mais numerosos e menos significativos individualmente são os dados. O esforço desta etapa é fazer com que os dados da base transitem até o topo da pirâmide, gerando conhecimento de maior impacto e relevância.

O processo de análise dos dados brutos, como eles devem ser trabalhados até se tornarem informação e conhecimento, é definido na etapa de análise (seção 4.2); na mensuração, portanto, segue-se apenas o roteiro definido no Mapa da Cadeia de Indicadores para atualizar corretamente as informações.

4.4 Grupo de trabalho Controlar

O objetivo do grupo de trabalho Controlar é gerar inteligência (seção 2.2) a partir da análise e da aplicação de técnicas quantitativas sobre os indicadores definidos e atualizados pelas etapas anteriores. Para executar corretamente as atividades desta fase, é necessário garantir a finalização bem-sucedida das etapas de Analisar e Mensurar, já que os resultados dessas etapas são os principais insumos para o controle.

Os resultados da etapa de análise já fornecem uma compreensão do status dos indicadores em uma posição fixa no tempo, presente ou passado, permitindo definir ações que aproximem os valores do que se deseja para cada indicador. Esse conhecimento, porém, tem uma limitação importante: ele não informa se o indicador está em uma trajetória de melhora ou piora, tampouco qual a sua tendência futura.

O conhecimento da performance de um indicador ao longo do tempo, somado ao controle contínuo dessa performance em busca do valor ótimo, é o processo central desta etapa. A vida de um indicador é determinada pela variação de seus valores desde o primeiro até o último dado do período de análise; por essa razão, todo controle deve estar compreendido em um período. Sem dados históricos, não é possível aplicar corretamente o processo de controle aqui definido.

Para o controle, propõem-se quatro Técnicas de Controle e Análise, não necessariamente dependentes entre si: para cada situação ou tipo de indicador, deve-se avaliar qual é a técnica mais adequada. Cada técnica tem o objetivo de gerar conhecimento sobre uma parte específica da vida de um indicador, podendo ser combinadas quando necessário.

4.4.1 Tendência

A primeira técnica é a tendência, por meio da qual se busca conhecer como um indicador tende a se comportar, por exemplo, se seu valor tende a se manter estável ou a aumentar. A principal ferramenta utilizada para o cálculo da tendência é a média aritmética do indicador no período analisado, calculada pela Equação 1:

Em que X̄ representa a tendência (média) do indicador, X_i o valor do indicador na i-ésima observação, e N o número total de observações no período.

4.4.2 Taxa de atualização

A taxa de atualização permite atualizar a tendência e dimensionar o que aconteceu com o valor de um indicador ao longo do tempo, por exemplo, analisar a tendência do percentual de aumento de um valor com base em seu histórico, para saber o quanto ele tende a aumentar.

A tendência indica o valor provável de um indicador de acordo com os valores anteriores, mas os valores nem sempre se alteram de forma linear ou previsível: no mercado, por exemplo, ações específicas podem ser tomadas para impulsionar um valor a subir, e a taxa de atualização ajuda a mensurar o quanto ele subiu em razão dessa ação. Ela é calculada pela Equação 2:

4.4.3 Probabilidade

A terceira técnica utiliza os dados históricos dos indicadores para, por meio de fórmulas matemáticas, estimar em qual situação eles têm maior probabilidade de estar no futuro. Neste trabalho, a técnica de probabilidade é aplicada apenas a casos equiprováveis, conforme a definição clássica:

A probabilidade de realização de um dado acontecimento associado a uma experiência aleatória é igual ao quociente entre o número de resultados favoráveis à realização deste acontecimento e o número total de resultados possíveis para a experiência.

GONÇALVES; LOPES, 2013, p. 24.

Para os casos equiprováveis, utiliza-se a fórmula da teoria clássica (Equação 3):

Em que m é o número de resultados favoráveis e n é o número total de resultados possíveis.

Três teoremas complementares são utilizados na análise de eventos compostos. Para os eventos complementares, que ocorrem "quando não ocorre o evento considerado" (SANTOS, 2020b, p. 6), aplica-se a Equação 4:

Em que A' representa o evento complementar de A.

Para os eventos de união, que ocorrem "quando ocorre algum dos eventos" (SANTOS, 2020b, p. 6), aplica-se a Equação 5:

E, por fim, para o teorema do produto, ou da interseção, que ocorre "quando ocorrem todos os eventos com base em outro evento que já ocorreu" (SANTOS, 2020b, p. 6), aplica-se a Equação 6:

4.4.4 Distanciamento

A quarta e última técnica, o distanciamento, tem o objetivo de indicar a situação atual do indicador e o quão longe ele está de seus valores extremos: VO e VP (seção 4.2). São propostas seis fórmulas de distanciamento, apresentadas nas Equações 7 a 12:

Distância entre o Valor Ótimo e o Valor Péssimo.

Distância entre o Valor Atual (VA) e o Valor Péssimo.

Distância entre o Valor Ótimo e o Valor Atual.

Distância percentual do indicador em relação ao Valor Péssimo.

Distância percentual do indicador em relação ao Valor Ótimo.

Relação entre a distância percentual ao Péssimo e a distância percentual ao Ótimo.

O DOP indica o caminho máximo que um indicador precisa percorrer para sair de uma situação próxima ao VP e alcançar uma situação próxima ao VO. Os valores de DVP e DVO permitem controlar pontualmente o quão distante o indicador está de cada extremo, enquanto DPP e DPO permitem esse controle em termos percentuais. Por fim, o DPPO permite controlar a distância entre a aproximação do indicador ao VP e ao VO.

Quanto menor o DPO, melhor a condição do indicador; quanto menor o DPP, pior essa condição. O DPPO permite controlar DPP e DPO de forma macro: quanto maior o DPPO, melhor a condição do indicador (DPO menor que DPP); quanto mais o DPPO se aproximar de 50%, mais próximo o indicador estará do ponto médio entre VO e VP; quanto menor o DPPO, pior a condição do indicador (DPO maior que DPP). O objetivo, portanto, é sempre buscar que DPO seja menor que DPP e que DPPO seja maior que zero.

5. Discussão

A Metodologia Ohana se diferencia de frameworks consolidados de gestão de projetos e de pessoas (como o PMBOK (PMI, 2021) ou os métodos ágeis) não por competir com eles, mas por atuar em um nível complementar: enquanto esses frameworks definem processos de trabalho, papéis e artefatos, a Metodologia Ohana oferece um processo estruturado para transformar dados situacionais desses mesmos processos em conhecimento e inteligência aplicáveis à tomada de decisão do líder. Nesse sentido, ela se aproxima da lógica de Objectives and Key Results (OKR) e de outros sistemas de indicadores, mas se diferencia ao propor uma arquitetura formal de indicadores (específicos e macro), técnicas quantitativas explícitas de controle (tendência, taxa de atualização, probabilidade e distanciamento) e uma hierarquia clara entre dado, informação, conhecimento e inteligência (ACKOFF, 1989).

Uma contribuição central da proposta é a Técnica de Cruzamento e o conceito de indicador macro (seção 4.2), que permitem ao líder alternar entre uma visão gerencial consolidada e uma visão operacional detalhada sem duplicar o esforço de definição de indicadores. Essa característica tende a reduzir o esforço de gestão e de demonstração de resultados, uma vez que indicadores macro conseguem, isoladamente, esclarecer o comportamento de vários indicadores específicos.

Ao mesmo tempo, a proposta apresenta limitações que devem ser reconhecidas. A primeira é a dependência de dados históricos de qualidade: sem uma série histórica mínima, as técnicas de tendência, taxa de atualização e distanciamento perdem parte de sua utilidade, e o processo de Mensurar (seção 4.3) se torna o gargalo prático da metodologia. A segunda é a aplicação da técnica de probabilidade apenas a casos equiprováveis, o que restringe seu uso a determinados tipos de eventos e indicadores. Situações não equiprováveis exigiriam a incorporação de abordagens bayesianas ou de probabilidade subjetiva (MOREIRA, 2015), não tratadas neste trabalho. A terceira é o risco, já apontado na formulação original, de se definirem indicadores que não comunicam informação relevante; a Metodologia Ohana não elimina esse risco, apenas oferece um processo (a etapa de Analisar) para mitigá-lo.

Essas limitações apontam diretamente para a agenda de pesquisa em desenvolvimento pelo autor. Uma delas, provisoriamente denominada Metodologia Ala, propõe-se a tratar situações em que a decisão do líder envolve comparar rotas de ação alternativas e não apenas monitorar indicadores já em curso, utilizando simulação probabilística (por exemplo, Monte Carlo) e otimização para comparar cenários melhor e pior antes da execução. Essa linha de pesquisa amplia o uso da probabilidade além dos casos equiprováveis tratados na seção 4.4.3, dialogando com os fundamentos já explorados em Santos (2020b) sobre o uso de probabilidade e indicadores na gestão de projetos.

6. Considerações Finais

Este artigo apresentou a Metodologia Ohana, um ecossistema de práticas orientado a dados para o aumento da performance de equipes, estruturado em torno do Processo Ohana de Performance e de seus três grupos de trabalho: Analisar, Mensurar e Controlar. A proposta articula conceitos consolidados de gestão de equipes e de projetos (LENCIONI; REISNER, 2015; PMI, 2021; KATZENBACH; SMITH, 1993) a uma arquitetura própria de indicadores de desempenho e a quatro técnicas quantitativas de controle fundamentadas em estatística descritiva e em teoria da probabilidade (GONÇALVES; LOPES, 2013; NETO; CYMBALISTA, 2012; RYAN, 2016).

Como discutido na seção 5, a principal contribuição da metodologia está na hierarquia entre indicadores específicos e macro, que permite ao líder transitar entre uma visão operacional detalhada e uma visão gerencial consolidada, e na sistematização de técnicas de controle que vão além do status pontual de um indicador, incorporando sua tendência, sua taxa de variação e o seu distanciamento em relação aos valores ótimo e péssimo definidos pela equipe.

Esta é a segunda versão da Metodologia Ohana, revista a partir da publicação original de 2022 (SANTOS, 2022). Em relação à primeira versão, mantém-se o núcleo técnico da proposta: os três grupos de trabalho, os cinco segmentos de atividade e as quatro técnicas de controle, ampliando-se a fundamentação teórica, a discussão dos resultados e o rigor da redação.

Como agenda de pesquisas futuras, além do aprofundamento e da validação empírica da Metodologia Ohana em diferentes segmentos e portes de equipe, destaca-se o desenvolvimento da Metodologia Ala, linha de pesquisa em estruturação voltada à engenharia de decisão aplicada à engenharia de software, com o objetivo de comparar rotas de ação por meio de simulação probabilística e otimização, ampliando para decisões ainda não tomadas o mesmo rigor quantitativo que a Metodologia Ohana propõe para o monitoramento de indicadores já em curso.

Referências

• ACKOFF, R. L. From data to wisdom. Journal of Applied Systems Analysis, v. 16, p. 3-9, 1989.
• GONÇALVES, E.; LOPES, N. Probabilidades: princípios teóricos. Lisboa: Escolar Editora, 2013.
• KATZENBACH, J. R.; SMITH, D. K. The wisdom of teams: creating the high-performance organization. Boston: Harvard Business School Press, 1993.
• LENCIONI, P.; REISNER, S. Os 5 desafios das equipes: uma história sobre liderança. [S.l.]: GMT Editores, 2015.
• MOREIRA, R. Aplicações da teoria da decisão e probabilidade subjetiva em sala de aula do ensino médio. 2015. Dissertação (Mestrado em Matemática) – Universidade Estadual de Campinas, Campinas, 2015. Disponível em: https://www.ime.unicamp.br/~laurarifo/alunos/dissertacaoAndrea.pdf. Acesso em: 28 maio 2022.
• NETO, C.; CYMBALISTA, M. Probabilidade. São Paulo: Edgard Blücher, 2012.
• PROJECT MANAGEMENT INSTITUTE (PMI). Guia PMBOK: um guia para o conjunto de conhecimentos em gerenciamento de projetos. 7. ed. Pennsylvania: PMI, 2021.
• RYAN, M. Cálculo para leigos. Rio de Janeiro: Alta Books, 2016.
• SANTOS, E. P. Enriquecimento de reuniões através do metamodelo da programação neurolinguística. 2020a. Disponível em: https://doi.org/10.29327/712012. Acesso em: 28 maio 2022.
• SANTOS, E. P. Aumento do percentual de sucesso de projetos utilizando probabilidade e indicadores. 2020b. Disponível em: https://doi.org/10.29327/721197. Acesso em: 28 maio 2022.
• SANTOS, E. P. Impactando pessoas com um ambiente de trabalho mais significativo. 2021. Disponível em: https://doi.org/10.29327/740126. Acesso em: 11 jul. 2026.
• SANTOS, E. P. Metodologia Ohana – criando equipes de alta performance. 2022. Disponível em: https://doi.org/10.29327/764906. Acesso em: 11 jul. 2026.

Como citar