Erros Comuns na Análise de Erros
O que é análise de erros e por que as pessoas erram?
A análise de erros é uma revisão estruturada do que você fez, do que esperava, do que realmente aconteceu e do que você pode mudar na próxima vez. Ela se concentra em decisões e processos, não em tentar prever o futuro com o passado. Erros comuns acontecem quando a parte da “análise” se torna vaga, emocional ou focada apenas no resultado.
Um mal-entendido frequente é equiparar a análise de erros a “encontrar a razão pela qual deu errado” sem definir a decisão e a medição. Outro é analisar os resultados como se fossem consequências garantidas de um único erro. Mercados, execução, custos e condições em mudança significam que um resultado raramente tem uma única causa.
Erros comuns e como eles afetam o aprendizado
1) Misturar o erro com o resultado
Uma análise de erros neutra separa a ação (a decisão ou o processo) do resultado (lucro ou prejuízo, ou outro resultado observado). Se você apenas rotular o resultado como “ruim” e depois criar uma história para justificá-lo, pode não aprender nada acionável.
Verificação neutra: escreva o passo exato que você mudaria—depois teste se esse passo foi realmente o fator causal, dadas as suas condições e premissas.
2) Omitir as premissas por trás de qualquer exemplo
Quando você mostra um exemplo—como “se o spread fosse menor, a negociação teria funcionado”—o cálculo depende de premissas (custos, timing, qualidade de execução e o que “funcionar” significa). Sem premissas declaradas, o exemplo não pode ser verificado.
Verificação neutra: liste cada premissa explicitamente, incluindo o que você está tratando como fixo versus variável.
3) Tratar mecânica estável como se fossem resultados estáveis
Algumas relações são estruturais (por exemplo, como os custos reduzem os retornos), mas o caminho futuro do preço é variável. A análise de erros falha quando a mecânica estável é usada para argumentar que eventos futuros semelhantes produzirão resultados semelhantes.
Verificação neutra: separe a “mecânica que você pode controlar” (qualidade do processo, documentação, consistência) das “condições que você não pode controlar totalmente” (movimento do mercado, detalhes de execução, eventos externos).
4) Modo de falha: viés de confirmação durante a revisão
Uma revisão pode se tornar uma forma de proteger uma crença anterior—buscando apenas explicações que apoiem sua tese. Isso pode ocultar outros fatores contribuintes, como timing, dimensionamento ou impacto dos custos.
Sinais de alerta (rode vlaggen): a revisão encontra apenas uma explicação; evita evidências que a contradizem; nunca atualiza o modelo, mesmo quando as evidências o contradizem.
5) Usar a revisão como uma “correção” de etapa única
A análise de erros frequentemente falha quando termina com uma única mudança proposta, sem verificar se a mudança aborda o modo de falha real. Se a mudança no seu processo não estiver conectada ao erro definido, você pode repetir o mesmo padrão sob condições diferentes.
Klaarcriterium (critério de prontidão): você deve ser capaz de afirmar o que fará de diferente na próxima vez e quais evidências mostrariam que a mudança está funcionando.
Evidências e um exemplo prático de verificações neutras (sem afirmar previsão)
Considere uma revisão em que uma decisão levou a um resultado líquido desfavorável após os custos. Um erro comum é concluir “o mercado se moveu contra mim”, ignorando se o processo permitiu que o impacto dos custos fosse grande demais para a vantagem esperada.
Uma abordagem mais neutra:
- Defina o momento da decisão: no que você baseou a decisão e o que planejou.
- Defina a medição: o que você quer dizer com “desfavorável” (líquido após custos, em relação a um benchmark, etc.).
- Liste as premissas: estimativas de custos, premissas de timing e qual qualidade de execução você está assumindo.
- Verifique explicações concorrentes: o problema poderia ser timing, dimensionamento, sensibilidade a custos ou uma inconsistência com suas próprias regras?
- Registre uma mudança controlável que tenha como alvo o modo de falha definido.
Isso não afirma precisão futura. Melhora sua capacidade de verificar o raciocínio que você usou.
Limitações e riscos da análise de erros
A análise de erros é tão boa quanto seus insumos e sua disposição para ser específica. Ela pode enganar quando:
- você trata a relação de causa e efeito histórica como uma garantia para o futuro;
- você omite custos e premissas de execução dos exemplos;
- você confunde certeza emocional com evidência;
- você não separa a mecânica das condições variáveis.
Os resultados também variam com as condições de mercado, custos, execução e jurisdição, portanto, mesmo revisões cuidadosas não podem garantir que o próximo resultado será melhor. O melhor que você pode fazer é criar um processo de revisão que possa ser verificado e melhorado.