Modelos para Suporte de Decisões: Parte 2 – Por que o uso é falho e como melhorar?

Luís Orlindo Tedeschi¹

Anteriormente definimos e mostras como que os decision support systems (DSS) podem ser utilizados para auxiliar a tomada de decisões dos produtores de uma forma geral. Entretanto, a pergunta “Por que o uso dos DSS é falho e como melhorar?” ainda continua pendente.

Embora esses sistemas tenham varias vantagens para o produtor, vários problemas relacionados ao reduzido uso desses sistemas são basicamente:

* Baixo nível de conhecimento e uso de computadores pelos produtores ==> Medo?, e talvez consultores;
* Falta de entusiasmo dos consultores, técnicos e extensionistas em ensinar os produtores ==> Mercado competitivo;
* Falta de testes a nível de campo ==> Poucas fazendas estão à disposição para ajudar no desenvolvimento e avaliação dos modelos;
* Falta de um retorno de “usabilidade” dos produtores para os criadores do modelo;
* Complexidade de alguns modelos;
* Falta da entradas (dados) para o uso dos modelos ==> Provavelmente devido a falta de conhecimento tanto do produtores como dos técnicos;
* Sem razões imediatas para a adoção de um modelo que não tem previsões de melhoria no sistema de produção atual;
* Frustração dos produtores e/ou extensionistas e técnicos por não entendem o funcionamento técnico-científico do modelo em questão;
* Definição falha sobre os beneficiários do uso do modelo: se pesquisadores, produtores, extensionistas, técnicos ==> cada modelo tem que ter um usuário definido, pois os resultados que interessam aos pesquisadores podem ser complemente diferentes daqueles que interessam aos produtores.

As soluções para a melhor integração entre produtores e DSS são claras dados os problemas acima. Algumas lições para o futuro são: CONSULTA: usuários finais do modelo têm que fazer parte da fase de desenvolvimento do modelo; ou seja, os produtores estão a par de todas as etapas de desenvolvimento e uso do modelo em questão. De forma inversa, o programador deve entender o processo de entendimento do usuário, caso contrário ele nada pode fazer para melhor o uso do modelo; FOCO: definição do usuário alvo, ou seja, para quem que o modelo está sendo desenvolvido? Por exemplo: produtores de carne não é um usuário alvo, pois ele engloba produtores, técnicos, extensionistas, pesquisadores, etc. AVALIAÇÃO: deve-se incluir um setor que avalie o sucesso do produto tanto a nível de predição de desempenho com a nível de satisfação do usuário com o produto e com a predição do produto.

SUPORTE E DISPONIBILIDADE: a maioria dos modelos não passam da fase de protótipo. Os maiores problemas são suporte financeiro durante o desenvolvimento e marketing do produto, compromisso de longo termo, suporte de órgãos governamentais, etc.

Concluindo… existe um grande otimismo para futuro dos modelos de tomada de decisão (DSS) embora há evidências um fracasso potencial. Dois pontos muito importantes para o sucesso dos DSS são (1) computadores fazem e farão parte do cotidiano das pessoas e (2) o uso desses modelos permite um custo/benefício baixo e é atrativo do ponto de vista para explicar fenômenos biológicos através de modelos matemáticos precisos. Um outro fator seria o constante aumento da preocupação com a poluição ambiental e desempenho dos governantes em atuar nessa área mundialmente.

Esse artigo foi baseado na publicação:

Newman, S., T. Lynch, and A. A. Plummer. 2000. Success and failure of decision support systems: Learning as we go. Proc. Am. Soc. Anim. Sci., 1999. Available at: http://www.asas.org/jas/symposia/proceedings. Acessed on November 2000.

____________________________________________________________
¹ Doutorando, Ciência Animal, Universidade de Cornell