Se existe um número que aparece em quase todo relatório, é a média. Ticket médio, tempo médio de atendimento, faturamento médio por cliente, idade média da equipe. A média é simples de calcular, fácil de entender e, por isto mesmo, quase nunca questionada.

O problema é que, em muitas situações, a média não descreve a realidade. Ela descreve uma realidade que raramente existe de fato.

O problema de resumir tudo num único número

A média é calculada somando todos os valores de um conjunto e dividindo pela quantidade de valores. É um cálculo simples e, matematicamente, correto. O problema não está no cálculo. Está na interpretação.

Quando alguém diz "o ticket médio da loja é R$ 150", a imagem mental que se forma é de clientes comprando, em geral, próximo deste valor. Mas isto só é verdade quando os valores estão razoavelmente concentrados perto da média. Quando existe grande variação, alguns clientes comprando R$ 20 e outros comprando R$ 800, a média pode não representar nenhum cliente real. Ela é um ponto de equilíbrio matemático, não necessariamente uma descrição do comportamento típico.

Como um único valor extremo pode distorcer tudo

O efeito mais conhecido deste problema aparece quando há valores muito distantes do restante do grupo, os chamados outliers. Um único valor extremo pode puxar a média inteira para uma direção que não representa a maioria dos casos.

Um exemplo simples ajuda a ilustrar. Imagine dez vendas num dia: nove delas de R$ 50 e uma de R$ 5.000. A média desta amostra seria R$ 545. Mas nenhum cliente, exceto um único caso isolado, comprou perto disto. Nove em cada dez vendas ficaram muito abaixo da média. Um gestor que olhasse apenas para o número médio poderia concluir que o dia foi excelente, quando na verdade foi um dia comum com uma única venda excepcional puxando o resultado para cima.

O mesmo raciocínio pode se aplicar a salários, tempo de atendimento, tamanho de pedidos, praticamente qualquer métrica onde exista a possibilidade de valores muito acima ou muito abaixo do padrão comum.

A mediana como alternativa possível

A mediana é o valor que fica exatamente no meio de um conjunto de dados ordenados, com metade dos valores acima dela e metade abaixo. Diferente da média, ela não é puxada por valores extremos, porque não depende do tamanho de cada número, apenas da posição dele na ordenação.

No exemplo das dez vendas, a mediana ficaria em R$ 50, o valor que parece representar melhor a experiência típica de compra naquele dia. Este número pode ser mais útil para certas decisões práticas, porque tende a descrever o que acontece na maioria dos casos, e não uma abstração matemática que pode estar distorcida por uma exceção.

Isto não significa que a média deva ser abandonada. Significa que ela merece ser usada com atenção ao que pode estar escondendo, especialmente em conjuntos de dados onde a variação é grande.

O que a média simples também não considera

Existe ainda outro ponto cego na média simples: ela trata todos os valores como se tivessem o mesmo peso. Isto nem sempre reflete a realidade.

Se uma empresa vende três produtos, um pequeno com margem de 10%, um médio com margem de 25% e um grande, que representa a maior parte do faturamento, com margem de 40%, calcular a margem média simples entre os três dá uma média de 25%. Mas isto ignora completamente que o produto de maior volume, com margem de 40%, tem impacto muito maior no resultado final do que os outros dois juntos.

Neste caso, a média ponderada, que leva em conta o peso ou volume de cada valor, conta uma história mais fiel do que a média simples. Ela responde à pergunta certa: qual é a margem real da operação, considerando quanto cada produto realmente representa nas vendas, e não apenas uma média cega entre categorias.

A média simples trata tudo como se tivesse a mesma importância. A média ponderada reconhece que, na prática, isto quase nunca é verdade.

Onde este erro pode custar mais caro

Decisões de precificação, de dimensionamento de equipe e de metas comerciais são, às vezes, baseadas em médias que escondem uma distribuição bem mais irregular do que o número sugere.

Uma empresa que define a meta de ticket médio olhando apenas para a média histórica pode acabar perseguindo um número que nenhum vendedor individual realmente reflete. Uma equipe de atendimento dimensionada com base no "tempo médio de atendimento" pode ficar mal preparada para os casos que fogem do padrão e consomem bem mais tempo do que a média sugere.

Em análises de RH, um problema parecido pode aparecer: o salário médio de uma equipe pode ser puxado para cima por um ou dois cargos de liderança, criando a impressão de que a remuneração geral é mais alta do que a realidade da maioria dos colaboradores.

Quando cada um pode ser mais útil

A média simples costuma funcionar bem quando os dados são relativamente homogêneos, sem grandes valores extremos puxando o resultado para um lado. A média ponderada é mais indicada quando os valores têm pesos diferentes de relevância, como no exemplo da margem por produto. E a mediana tende a ser mais útil quando existe suspeita de valores extremos na base de dados, ou quando o objetivo é entender o comportamento mais comum de um grupo.

Olhar para estes números lado a lado, e não apenas para a média simples isolada, já ajuda a revelar bastante sobre a distribuição real de qualquer conjunto de dados. Quando os números estão próximos, os dados costumam ser razoavelmente homogêneos. Quando estão distantes, existe uma distorção que vale a pena investigar antes de qualquer decisão ser tomada com base neles.

Se quiseres ver esta diferença aplicada na prática, com exemplo real de planilha, o Felipe gravou um episódio completo sobre o uso da mediana mostrando quando ela pode contar uma história mais próxima da realidade do que a média.

A média não está errada. Ela só pode não contar a história inteira sozinha. E decisões importantes costumam merecer mais do que um único número resumindo tudo.