Translate

20 abril 2017

Texto Como Dado

As primeiras pesquisas na área contábil usavam os números produzidos pela contabilidade e os preços das ações das empresas. Nos últimos anos, cresce as pesquisas que extrapolam o conforto de tomar as cotações das ações e fazer relações estatísticas com alguma variável (divulgação de uma notícia, desempenho da empresa, evolução temporal são alguns dos itens de uma lista grande). Os pesquisadores começaram a perceber que contabilidade não significa só número. Quando uma empresa divulga suas demonstrações contábeis, a grande maioria das informações, nos dias de hoje e para grandes empresas, são apresentadas em textos. Somente uma pequena parcela sãos os números das demonstrações contábeis. Mais ainda, a comunicação de desempenho de uma empresa com seus investidores não ocorre somente em quatro datas fixas ao longo do ano; nos dias de hoje, uma empresa está entregando informações sobre seu desempenho cada vez que divulga uma informação na rede social ou num fato relevante ou numa declaração de um gestor para algum canal de comunicação.

Se o número tem o poder de dar uma informação de forma “precisa”, o texto pode ser amorfo. Se a coleta do valor do lucro de uma empresa é feita rapidamente através da linha deste item na demonstração do resultado, o mesmo não se pode dizer do sentimento da empresa sobre as suas perspectivas futuras, que poderia estar expressa no relatório da administração ou num comentário do seu twitter oficial.

Assim, não é surpresa nenhuma olhar a história da pesquisa contábil e certificar que a grande maioria dos artigos tiveram nas suas informações numa base de dados numérica. Além disto, o pesquisador que se aventurou em usar os dados textuais – oral ou escrito – teve que enfrentar dois grandes desafios. O primeiro é a coleta e tratamento dos dados. As narrativas geralmente não estão disponíveis a um clique da base de dados existente na minha universidade; elas precisam ser coletadas, reunidas, convertidas de PDF para um arquivo texto e criadas as condições de análise. O trabalho é enorme.

O segundo grande desafio é a subjetividade da informação. Quando um pesquisador coleta um lucro de 134 milhões de reais num exercício social de uma empresa, esta é a informação “precisa” e clara que ele irá usar. Mas quando um executivo de uma empresa escreve “outra conquista importante foi conviver e superar um contexto macroeconômico hostil” o que isto significa? (Esta frase peguei por acaso o Relatório da Administração da CEB) Isto é uma afirmação otimista ou pessimista? E junto com a subjetividade existe a desconfiança sobre a existência de “erros” na pesquisa.

Mas o aparente esgotamento das pesquisas estritamente numéricas, a exigência dos avaliadores de que uma pesquisa deve trazer algo mais que uma aplicação de um método quantitativo para um conjunto de números que estão disponíveis, a expansão da comunicação não numérica entre empresa e usuário, além do surgimento de instrumentos para este tipo de pesquisa, podem ser um anúncio de que as pesquisas com textos serão promissoras.

Neste sentido, o artigo “Text as Data”, de Matthew Gentzhow, Bryan Kelly e Matt Taddy não somente destacam a relevância deste tipo de pesquisa, como indicam algumas das ferramentas existentes e apresentam alguns exemplos relevantes. Um exemplo é sua utilização para preços das ações. Outro, a determinação de autoria de um texto. Também é possível usar a pesquisa narrativa para determinar o sentimento de um banco central nos seus comunicados. Ou observar o sentimento da imprensa. E assim por diante.

Futuros pesquisadores: o desafio está lançado.

Nenhum comentário:

Postar um comentário