Métrica Boa Não Serve Só Para Slide

"Não é o que você mede... é o que você faz com a medição."

Tem empresa que adora dashboard. São televisões espalhadas pelas paredes do escritório e apresentações mensais repletas de gráficos coloridos, números subindo e setas verdes para todo lado. Olhando de longe, parece o retrato do sucesso absoluto. Mas quando você senta na reunião e faz uma pergunta simples, "e aí, o que mudou na nossa operação depois de ver esses números?", a resposta quase sempre é um silêncio constrangedor.

Métricas existem para guiar decisões e corrigir rotas. Se os números sobem ou descem e o time continua fazendo exatamente a mesma coisa na segunda-feira de manhã, aqueles gráficos não são gestão: são apenas decoração cara.

Métricas de vaidade vs. Métricas de ação

A primeira armadilha de qualquer liderança é confundir movimento bruto com progresso real. É fácil cair na tentação de colocar no slide apenas indicadores acumulativos que, por natureza matemática, nunca caem.

Exemplos clássicos de métricas de vaidade:

• Número total de usuários cadastrados desde a fundação: parece grandioso no telão, mas quantos desses usuários continuam ativos e gerando receita neste mês?
• Visualizações de página (page views) ou cliques brutos: geraram tráfego, mas converteram em resultado ou apenas consumiram infraestrutura à toa?
• Quantidade de funcionalidades (features) lançadas no trimestre: o time entregou vinte telas novas, mas algum cliente realmente adotou essas funções ou apenas aumentamos a complexidade de manutenção do sistema?

Exemplos concretos de métricas de ação:

• Taxa de conversão e retenção real por safra (cohort): mostra imediatamente se o produto está entregando o valor prometido.
• Tempo médio de restauração de incidentes (MTTR): revela a resiliência real da engenharia quando algo falha em produção.
• Custo por transação ou por cliente ativo: conecta a fatura de infraestrutura diretamente à margem financeira do negócio, como preconiza a disciplina de Unit Economics da FinOps Foundation.
• NPS ativo transacional: medido logo após uma entrega ou atendimento real, e não aquela pesquisa genérica disparada uma vez por ano para inglês ver.

Qual é a diferença estrutural entre os dois grupos? Métricas de ação têm consequência. Se o indicador se move fora do esperado, ele dispara uma investigação clara e uma mudança concreta de prioridade.

A Lei de Goodhart e o antídoto de Andy Grove

Mesmo quando escolhemos métricas operacionais legítimas, existe um segundo perigo que todo líder técnico precisa dominar. Em 1975, o economista britânico Charles Goodhart formulou no artigo Problems of Monetary Management um princípio que ficou mundialmente conhecido como a Lei de Goodhart (sintetizada anos depois pela antropóloga Marilyn Strathern):

"Quando uma medida se torna uma meta, ela deixa de ser uma boa medida."

Na engenharia de software e nas operações, a Lei de Goodhart aparece o tempo todo:

• Se você cobra uma equipe de suporte apenas pelo tempo médio de fechamento do chamado, os atendentes passam a encerrar tickets prematuramente sem resolver a dor do cliente.
• Se você avalia desenvolvedores pelo número de commits, pontos de história (story points) ou linhas de código, a equipe infla estimativas e quebra tarefas simples em dez pedaços artificiais.
• Se você exige corte cego na fatura bruta de nuvem sem olhar a operação, alguém desliga redundâncias críticas e derruba a disponibilidade do sistema.

Como evitar que uma métrica importante seja distorcida? No livro clássico High Output Management (Administração de Alta Performance, 1983), Andy Grove, lendário ex-CEO da Intel, ensinou a técnica mais eficaz da história da gestão: o pareamento de indicadores (paired indicators).

Grove mostra que nunca devemos medir quantidade ou velocidade de forma isolada; toda métrica de eficiência precisa caminhar acompanhada de uma métrica contrapeso de qualidade. Se você mede a velocidade de entrega (lead time), precisa pareá-la obrigatoriamente com a taxa de falha em mudança (change failure rate). Se você mede o custo unitário por transação, precisa pareá-lo com a latência e o SLA de experiência do usuário. Assim, ninguém consegue "melhorar" um gráfico destruindo o outro nos bastidores.

O teste das 4 perguntas para limpar o seu painel

Se você quer saber se os indicadores da sua área são ferramentas vivas de gestão ou apenas enfeites de apresentação executiva, passe cada gráfico do seu dashboard por este filtro de quatro perguntas:

1. Se esse número subir 15% nesta semana, o que exatamente eu faço?
2. Se esse número cair 15% nesta semana, qual ação concreta nós tomamos?
3. Quem é o dono nominal que olha esse número regularmente?
4. Alguma decisão real de produto, arquitetura ou orçamento já foi tomada nos últimos 90 dias por causa desse indicador?

Se as respostas para essas perguntas forem vagas, teóricas ou inexistentes, tenha coragem de limpar a tela: essa métrica é vaidade pura.

Menos é mais: 3 a 5 sinais vitais

Com as ferramentas modernas de observabilidade e BI, é tentador querer medir cinquenta variáveis ao mesmo tempo. Mas excesso de indicadores não gera controle; gera paralisia e ruído. Quando trinta números piscam na tela, nenhum deles é prioridade.

Foque nas 3 a 5 métricas que realmente movem o ponteiro do seu contexto atual. Escolha sinais vitais que qualquer pessoa da equipe entenda sem precisar de um dicionário estatístico. Quando esses indicadores atingirem o patamar de estabilidade desejado, ajuste a régua e evolua o foco.

O ritual faz toda a diferença

Por fim, lembre-se de que métrica sem ritual é dado morto. Um dashboard perfeito que só é aberto na véspera da reunião de diretoria não muda a cultura de ninguém.

Estabeleça momentos curtos, regulares e disciplinados para olhar os números junto com o time. Discuta as variações com honestidade intelectual, sem caça às bruxas e sem tentar maquiar o gráfico quando a semana for ruim. Formule hipóteses claras, tome decisões práticas e, na semana seguinte, verifique nos mesmos dados se a decisão surtiu efeito.

Medir e colocar no slide é fácil. Agir com consistência baseado no que a medição revela é a parte difícil. E é a única que realmente constrói resultado.

---

Referências e leituras verificáveis

• Goodhart, C. A. E. (1975). Problems of Monetary Management: The U.K. Experience. Papers in Monetary Economics, Reserve Bank of Australia / Strathern, M. (1997). “Improving ratings”: audit in the British University system. European Review, 5(3), 305-321.
• Grove, A. S. (1983). High Output Management (Administração de Alta Performance). Random House.
• FinOps Foundation. Cloud Unit Economics Framework & Capabilities. Linux Foundation.