Transformando Dados em Aprendizados - Parte 1

Coletando os dados

Published in

the product discovery

5 min readJun 16, 2020

Sobre a série

Este artigo é o início de uma série de 4 partes em que falaremos, em algumas pílulas de conhecimento, um pouco sobre como um dado bruto de uma pesquisa pode tornar-se um aprendizado e aplicação aplicáveis na construção de produtos.

Parte 1 - Coletando os dados (esse aqui que você está lendo)

Parte 2 - Transformando dados em informação

Parte 3 - Transformando informações em conhecimento

Parte 4 - Compartilhando os aprendizados

Boa leitura 😉

Introdução

Alguns anos atrás, em que começar a efetivamente pesquisar pesquisas com usuários, em entrevistas em profundidade e em workshops para levantamento de insumos com áreas de negócios, sempre fica pensando, como vamos fazer tudo isso uma solução. A sensação era quase como tentar atravessar uma ponte quebrada no meio.

Uma medida em que obtive a experiência e estudou mais um tema sobre o UX Research, entendi como criar um produto, criar um processo e um objetivo muito claro, para pesquisar em algum lugar e aprender aprendizados.

Uma frase que pode ser usada de maneira impossível para obter esse processo de maneira simples é:

"... Dados tornam-se informações, informações tornam-se conhecimento, conhecimentos tornam-se sabedoria ..." - Neil deGrasse Tyson

E com essa frase começamos a falar sobre o processo de coleta de dados de uma pesquisa e conseguimos transformar esse conteúdo bruto em aprendizado e a aplicação de produtos de construção, que atendam como requisitos dos clientes e negócios.

Coletando de dados

Antes de falar sobre a coleta de dados, é importante deixar claro um ponto. Para os dados de uma pesquisa que realmente podem ser usados, precisam ser muito claros ou objetivos da pesquisa, pois podem ser direcionados corretamente e evitar que sejam gastos um tempo desnecessário em cima de algum ponto que não tem relevância ou relação com o que estamos pesquisando.

Outro ponto importante, principalmente para pesquisas com o teor mais exploratório, é saber trabalhar com o seu objetivo de forma com que ele não termina se caracterizar como uma solução possível. Isso é muito comum acontecer, mas prejudicial se não for feito, pois a partir do momento em que inicia uma pesquisa exploratória com uma solução na cabeça, os resultados são finalizados se você limitar a utilização da solução e deixar algumas outras novas descobertas.

“Se uma tarefa é projetar uma cadeira é impossível escapar da morfologia: encosto, assento, pernas. Se uma tarefa é projetar uma situação de sentar, ou ampliar a área para incluir baús, banquetes, bancos, sofás, espreguiçadeiras, almofadas, futons e até mesas, sem entrar nos híbridos possíveis. ” - Design para um mundo complexo, Rafael Cardoso (p. 124)

Quando falamos de dados de uma pesquisa, estamos falando do primeiro resultado que temos quando entrevistamos alguém, fazemos uma pesquisa quantitativa ou até mesmo uma desk research. É aquele material bruto que possui incontáveis linhas em uma planilha ou inúmeras páginas escritas.Normalmente quando temos esses dados em mãos também podemos chamar esse momento de “E agora? O que faço com isso?”.

No momento em que você está coletando os dados em uma pesquisa quali, quanti ou uma desk, não existe uma regra específica para isso, vai muito do que a pessoa se sente mais confortável e entende ser mais produtivo. Tem gente que gosta de anotar no word/docs, em uma planilha ou até mesmo em um caderno, não tem problema até aí, porém existem algumas recomendações para quando esse dado precisar ser utilizado de alguma forma para uma eventual análise. Deve-se sempre ter em mente de que esses dados precisam estar organizados posteriormente de uma forma que o time possa trabalhar com eles. Ou seja, em uma linguagem única de organização, garantindo um bom proveito dos dados gerados e evitando retrabalhos e grandes esforços de entendimento sobre o que foi coletado.

Uma forma de organizar todos esses dados é utilizando a metodologia Atomic Research, onde transformamos o bruto da pesquisa em pequenas partes que podem ser categorizadas e atreladas a uma evidência. Essa pequena parte é chamada de nugget.

“Atomic Research is an approach to managing research knowledge that redefines the atomic unit of a research insight. Instead of reports, slide decks, and dashboards, the new atomic unit of a research insight is a nugget. A nugget is a tagged observation supported by evidence.” - Fundations of atomic research, Tomer Sharon

A principal parte do nugget é o dado. E é de extrema importância que esse dado seja fiel a sua fonte, por exemplo em uma entrevista em profundidade se tentamos escrever o que o entrevistado falou com as nossas palavras já estamos enviesando de certa forma. Tomando cuidado com isso evitamos colocar nosso viés pessoal já na primeira etapa da pesquisa. Tudo que é coletado em uma pesquisa inicialmente deve ser bruto, ou seja, com o mínimo de interferência em seu aspecto.

Outra garantia de que esse dado terá o mínimo de interferência possível é ter uma atenção especial a forma como a pesquisa é conduzida, ao roteiro de apoio ou formulário de questões. Quando estamos falando de pesquisa com usuário é quase impossível fazer uma pesquisa com nossos vieses zerados e 100% neutro, porém devemos nos atentar para tentar não enviesar uma resposta do entrevistado com uma pergunta mal feita ou uma reação diante de uma resposta dele.

O Atomic Research é uma metodologia que tenho utilizado (claro que com adaptações para o contexto que trabalho) que tem trazido ótimos resultados, facilitando a aplicação de resultados de pesquisa e a comunicação entre o time, porém o ponto aqui não é a metodologia em si, mas sim a forma de como esses dados são coletados e atrelados a outros, o que forma a informação, assunto que veremos na Parte 2. Até lá!

Takeaways:

Um dado é apenas um pedaço de um todo, pode ser uma frase, um relato ou um número. Por exemplo:

“Não como mais abacaxi por que tem me feito mal nos últimos tempos”

Durante a coleta de dados deve haver uma uniformidade na forma como esses dados são organizadas, isso garante uma comunicação clara com o time posteriormente;
O dado é o material bruto de uma pesquisa, se há um enviesamento aqui, pode comprometer todo o resultado.