Por que seu dashboard mente — e como parar de pagar por isso

O sintoma

Diretor olha o dashboard de segunda às 9h. Vê barra verde subindo. Sente que está tudo bem. Toma decisão baseada nisso.

Três semanas depois, o resultado real chega. Não bate com a sensação. "Mas o dashboard mostrava…". O dashboard mostrava o que você pediu — não o que você precisava saber.

Não é o software. Não é o consultor de BI. Não é o "dado sujo". O problema é estrutural, e cabe em três princípios.

Princípio 1: A métrica fácil quase nunca é a métrica certa

Dashboards medem o que é fácil de medir, não o que importa. Por quê? Porque o KPI fácil já está numa tabela, com timestamp, agregável por dia. O KPI difícil exige conectar três fontes e debater o que conta.

Exemplos clássicos:

Marketing: mede "leads gerados". Importa: leads que viraram receita em 90 dias. O primeiro é grátis no Google Analytics. O segundo exige amarrar lead com CRM com financeiro.
Vendas: mede "pipeline aberto". Importa: pipeline ponderado por probabilidade real (não pela que o vendedor digitou).
Operações: mede "tickets resolvidos". Importa: tickets que não voltaram em 30 dias.
RH: mede "turnover anual". Importa: turnover de quem você queria reter.

A regra de Goodhart resume: quando uma medida vira meta, ela deixa de ser uma boa medida. Se o vendedor é avaliado por pipeline aberto, ele abre pipeline. Se o atendente é avaliado por tickets fechados, ele fecha rápido — e o cliente volta na semana seguinte.

Princípio 2: A média esconde a verdade quase sempre

Esse é o erro mais caro. Vou usar números reais de cenários que aparecem repetidamente:

Ticket médio do e-commerce: R$ 187. "Estável há 12 meses."

Esse "estável" pode estar escondendo:

70% das compras a R$ 90 + 30% a R$ 416 — duas operações diferentes, médias mascarando o fato.
Queda contínua do ticket dos clientes recorrentes, compensada por novos clientes em compras únicas grandes.
Concentração em 3 SKUs que respondem por 80% da receita — risco operacional invisível.

A média é a estatística mais usada e a que mais mente. Para qualquer KPI relevante, você precisa de pelo menos:

Mediana (o cliente do meio)
P10 e P90 (a base e o topo)
Distribuição visual (histograma — não tabela)

Em decisões de produto, a média do tempo de carregamento da página não importa. O que importa é o P95: o tempo do pior 5%. Porque é esse pessoal que abandona o site. A média estava ótima. Só que 5% dos seus visitantes esperavam 14 segundos e iam embora.

Princípio 3: Sem contexto temporal e comparativo, número não significa nada

"Faturamento cresceu 15% no trimestre." OK. Comparado com:

O trimestre anterior? Pode estar caindo em tendência anual.
O mesmo trimestre do ano passado? Sazonalidade.
A inflação? 15% nominal com IPCA de 5% é 10% real.
O mercado? Se o setor cresceu 25%, você perdeu participação.
A meta? Definida quando, baseada em quê?

Número sozinho é decoração. Número com contexto é decisão.

O mesmo se aplica a viés de sobrevivência:

"Nossos clientes ativos avaliam o produto com 4.6/5." Sim, mas você só está pesquisando os ativos. Os que saíram não respondem.
"Funcionários com 5+ anos de casa são mais produtivos." Os improdutivos saíram antes.

Para quem não é técnico: a analogia que resolve tudo

Imagine que você quer saber se um restaurante é bom. Alguém te diz: "tem nota média 4 estrelas". Você vai.

Mas a verdade poderia ser:

Cenário A: todo mundo deu 4 estrelas. Restaurante consistente, médio-bom.
Cenário B: metade deu 5, metade deu 3. Restaurante polarizador — alguns adoram, outros odeiam.
Cenário C: a maioria das avaliações é de 2020, e o restaurante mudou de dono em 2024. A nota "atual" é histórica.

Os três cenários dão a mesma média. Mas são três restaurantes diferentes, com três decisões diferentes.

Seu dashboard executivo, hoje, faz exatamente isso com a saúde da sua empresa. Mostra a média. Esconde o cenário.

O lado técnico: o que muda quando você arruma isso

Não é sobre trocar de ferramenta. Power BI, Tableau, Looker, Metabase — todos servem. O que muda é a modelagem dos dados por trás:

Granularidade preservada: não pré-agrega tudo por dia. Mantém o evento individual em alguma camada (data lake, fato com chave única). Pré-agregação é otimização — só faz em cima de modelo que já preserva o detalhe.
Camada semântica versionada: o que é "cliente ativo"? Quem teve compra nos últimos 90 dias? 180? Que comprou ou que abriu app? A definição precisa estar no código, com versão, e mudar de definição precisa ser evento explícito — não decisão do analista da semana.
Cohort por padrão: nunca compare número agregado entre períodos diferentes sem cortar por safra de cliente. A mistura de safras é o pai de quase todo dashboard mentiroso.
Distribuições, não pontos: substitua "ticket médio" por "ticket P25 / mediana / P75 / P95". Custa o mesmo de calcular, conta uma história verdadeira.
Observabilidade do próprio BI: quando o dado mudou pela última vez? Qual a fonte? Qual a freshness? Quem mexeu no SQL? Sem isso, o dashboard é caixa-preta.

O custo do dashboard decorativo

Em diagnósticos repetidos, executivos brasileiros relatam:

Confiam plenamente em menos de 30% das métricas do próprio BI.
Usam, na prática, 10 a 15% das métricas disponíveis no dashboard.
Tomam mais de 50% das decisões importantes "no feeling", apesar do BI estar ali.

A conta amarga: empresa que paga R$ 200k–R$ 500k por ano em BI (licenças, consultoria, time de analistas) e usa 15% disso para decidir, está pagando R$ 170k–R$ 425k anuais em relatório de parede.

Três perguntas para auditar seu dashboard hoje

Quando foi a última vez que esse dashboard mudou uma decisão? Se a resposta exige pensar, ele não está mudando.
Toda métrica mostrada tem dono e definição escrita? Se "receita" significa coisa diferente entre marketing e finanças, o dashboard está mentindo para um dos dois.
Você consegue ver a distribuição, não só a média, de pelo menos suas 3 métricas críticas? Se não, você está vendo o restaurante "4 estrelas" sem saber qual cenário é.

Dashboard executivo bom não é bonito. É feio, denso, com poucas métricas, e cada uma delas faz alguém na sala parar e fazer pergunta. Dashboard decorativo é colorido, cheio de widget, e ninguém olha duas vezes na mesma semana.

Sabe qual você tem.

Por que seu dashboard mente — e como parar de pagar por isso.