ODS 1
Modelo matemático ajuda empresários a enfrentarem a crise do coronavirus
Cálculos indicam que risco de contaminação dentro de uma empresa pode crescer até 40% a cada 24 horas
Em tempos de coronavírus, é seguro dizer que a incerteza é o maior inimigo da humanidade. O pouco conhecimento sobre o novo coronavírus, nem sempre é confiável, porque com o aumento de casos, algumas observações vão por água abaixo, está dificultando achar uma estratégia eficaz para combater a doença. O que mais parece acertado é o isolamento da população, com um tremendo custo para as economias locais, mundial e para milhões de empregados. Qual é a receita para acabar com o vírus sem ferir seriamente a economia? O empresário Tomas Pueyo, engenheiro com MBA da Universidade de Stanford, na Califórnia, e Vice-Presidente da área de expansão da plataforma educacional Course Hero, criou um modelo matemático para ajudar empresários a tomarem decisões que menos impactem suas empresas. Segundo Pueyo, os empresários estão correndo contra o tempo e a indecisão pode custar muito caro.
Considerando que o afastamento social parece ser a melhor forma de conter a Covid-19, o momento de decidir como manter o vírus fora de suas instalações é agora. Agora mesmo, não amanhã
Os empresários, especialmente o pequeno e médio, embora em muito menor escala, têm uma missão tão difícil quanto a dos governos. Eles precisam avaliar qual a probabilidade do número de empregados infectados com o novo coronavírus os levarem à falência, num cenário extremo. Ao mesmo tempo, chegar a uma decisão que leve a um risco mínimo, mesmo que o custo seja alto. Considerando que o afastamento social parece ser a melhor forma de conter a Covid-19, o momento de decidir como manter o vírus fora de suas instalações é agora. Agora mesmo, não amanhã, enfatiza Pueyo, cujo modelo matemático indica um aumento de 40% na contaminação dentro de uma empresa, num período de apenas um dia.
O modelo de Pueyo ajuda os empresários a anteciparem o número de contaminações provável na sua região, a probabilidade de seus empregados já serem portadores do novo coronavírus, como essa probabilidade vai evoluir com o tempo e como determinar se é hora de fechar as portas para conter a contaminação dentro da empresa e, consequentemente, contribuir para o sucesso da política de afastamento social.
Segundo o modelo de Pueyo, o risco de contaminação é o fator principal para a tomada de decisão de impor o afastamento social, ou não, em uma empresa. Em um dos exemplos que dá na explicação sobre como funciona seu modelo, ele usa os dados do estado de Washington, nos Estados Unidos. O cenário é o seguinte: se uma empresa tem 100 empregados no estado de Washington, onde foram registradas 11 mortes pela Covid-19 no dia 8 de março, a chance de que pelo menos um empregado já seja portador do vírus nesse dia é de 25%. Na opinião de Pueyo, uma probabilidade de 25% de contaminação é o suficiente para fechar as instalações dessa empresa, mesmo que nenhum empregado tenha apresentado sintomas. A cada dia está ficando mais claro que pessoas contaminadas, mesmo sem sintomas, transmitem a doença, por isso a ausência de sintomas não significa que o vírus ainda não tenha entrado nas instalações de uma empresa. E o que isso significa? Como o vírus é transmitido facilmente, a multiplicação dos infectados é certa e em poucos dias sua empresa vai fechar porque sua força de trabalho estará doente, impossibilitada de trabalhar por um bom período de tempo.
Se ainda assim, o empresário achar que 25% de probabilidade de ter um empregado infectado é muito baixa para justificar o fechamento de suas instalações, Pueyo sugere que se tenha em mente o custo de um dia sem distanciamento social. Como a contaminação está se dando exponencialmente, segundo seu modelo que usa os dados observados na província chinesa de Hubei, um dia significa 40% a mais de empregados contaminados. Assim sendo, Pueyo ressalta que se as autoridades de Hubei tivessem ordenado o distanciamento social um dia antes do que fizeram, 20 mil pessoas não teriam se contaminado. É muito importante lembrar que se o número de casos aumenta, o número de doentes que precisam de hospitalização aumenta na mesma proporção. O aumento de casos críticos pode levar à falta de recursos, como leitos em hospitais e equipamentos, para tratar esses pacientes, aumentando a taxa de mortalidade.
Esse modelo, que Pueyo disponibiliza nesta planilha, pode também ser usado para escolas, repartições públicas ou qualquer estabelecimento que reúna um certo número de pessoas. Nos Estados Unidos, até o momento, 837 empresas já decidiram permitir que os empregados trabalhem de casa, se possível, outras já determinaram que somente aqueles que absolutamente precisem estar no local de trabalho serão permitidos nas dependências da empresa. Esse número quase triplicou nos últimos 10 dias. As empresas, a maioria na área de tecnologia, estão listadas no website, que traduzido a grosso modo, se chama “Clube dos que Estão Ficando em Casa” (stayinghome.club), com suas políticas e regras de afastamento social.
Os modelos matemáticos são usados em ciências para visualizar cenários com mais chances de se concretizarem no futuro, com base em dados e outras informações que se têm no momento. Diante de cenários previsíveis, é muito mais fácil se preparar para enfrentar situações inusitadas, por exemplo, um grande temporal ou uma epidemia de doença contagiosa, como é o caso da Covid-19. Os modelos não são bolas de cristal, portanto não preveem o futuro, simplesmente inferem o que pode acontecer com base no que se sabe sobre o evento. Na criação e uso de modelos matemáticos, a confiança que se tem nos dados e a escolha dos dados a serem usados para desenhar o cenário mais preciso são críticos. Por isso, a falta ou insuficiência de dados importantes e dados coletados sem controle afetam a probabilidade do antecipado cenário acontecer realmente. A probabilidade de um cenário acontecer é outra informação crítica na tomada de decisão. Quando os eventos nunca foram visto antes, como é o caso da Covid-19, não se tem informações, que se saiba, afetariam o resultado, mas os dados que se tem, apesar de imprecisos, formam um cenário melhor do que uma adivinhação ou opinião. Nesse caso, a probabilidade de se tomar uma decisão certa, que gerasse o resultado desejado ou que contribuísse para a solução do problema, pode ser tão pequena ou menor que ganhar uma rifa ou adivinhar que número sairá quando jogar os dados.
Relacionadas
Mônica Medeiros
Mônica é carioca mas expatriada nos EUA, onde fez mestrado em Jornalismo e foi professora de teoria da comunicação. Cobriu política, cidade e meio ambiente para O Globo e Veja. É jornalista freelance com interesse especial por cidadania, feminismo, meio ambiente, e apaixonada pela ideia de lixo zero. É também tradutora e voluntária de Tradutores sem Fronteira.
