05 fevereiro 2019
04 fevereiro 2019
Música cada vez menor
A música está encolhendo:
De 2013 a 2018, [o tempo médio] da música na Billboard Hot 100 caiu de 3 minutos e 50 segundos para cerca de 3 minutos e 30 segundos. Em 2018 seis por cento das músicas de sucesso foram 2 minutos e 30 segundos ou menos, acima de 1% cinco anos atrás.
A razão deste encolhimento seriam os serviços de streaming (Spotify e Apple Music). O pagamento é feito por música, entre 0,004 e 0,008 dólares. Isto está criando um incentivo a produzir músicas mais curtas. Entretanto, é difícil comprovar esta tese, já que a duração estava em queda desde os anos 90. Outra possibilidade é a atenção dos ouvintes, já que nossa capacidade de atenção está mudando.
Obsessão por custos
"Ele foi mais longe do que qualquer outro chefe de companhia aérea em termos de apenas cortar, cortar e cortar"
A forma como a empresa reduz seus custos é bastante variada, incluindo check-in oline (ou pagam por isto), cobrança pela colocação de malas no porão, dos clientes que querem escolher o assento. Ou como indicamos no ano passado:
Se o foco é o custo, voar pela Ryanair significa assento não reclinável, sem bolso no banco, colete salva-vida no teto, limpeza rápida entre os voos, entre outras medidas. Mesmo com este foco, a margem operacional da empresa é bastante elevada (acima de 20%) e apresenta lucro (16% de margem líquida). Para conseguir isto, a empresa enfrenta a ira dos consumidores e dos empregados, usa publicidade polêmica (como uma declaração do seu executivo afirmando que a empresa estava pretendendo cobrar pelo uso do banheiro).
Previsão, contabilidade e futebol
A contabilidade do mundo atual exige, cada vez mais, que muitos registros sejam baseados no futuro. Há muito que a contabilidade deixou de ser sinônimo de custo histórico. Este é o caso, por exemplo, das provisões ou de um teste de imparidade.
Em razão desta mudança, é importante tentar entender como funciona um modelo preditivo. De uma forma muito simplificada, um modelo de previsão deve levar em consideração os elementos mais relevantes de cada caso e deve ter um resultado melhor do que o mero acaso. Em algumas situações, o modelo de previsão na contabilidade também deve ser capaz de apoiar o profissional, justificando sua decisão para uma auditoria ou para os acionistas relevantes da empresa.
Nesta situação, aprendemos muito com os modelos preditivos usados em outras situações. Este é o caso de um modelo que tenta fazer previsões sobre o resultado do futebol. O modelo apresentado abaixo é resultado de uma tese de doutorado. Isto significa dizer que alguém gastou bastante horas estudando a situação e tentando montar uma explicação para o que ocorre no mundo real. O pesquisador considerou que cada jogador de um time contribui para o resultado; assim, a habilidade individual poderia ajudar a entender os resultados.
É como dizer que um medicamento deve ser avaliado de acordo com o resultado para a saúde de um paciente quando ele toma o medicamento. A eficácia de um medicamento é medida pela soma dos resultados para pacientes individuais que o tomam; a eficácia de um jogador é a soma dos resultados para os jogos em que eles jogaram.
Sabendo a habilidade de cada jogador, é possível prever melhor o resultado. Mas o modelo passa por (a) coletar os dados dos jogos e jogadores; (b) fazer um modelo de previsão. Todos os dois passos são complicados; muitas vezes não temos dados para fazer estimativas, o que prejudica o nosso modelo. Mesmo com dados, é necessário estimar um bom modelo, que seja capaz de uma melhor previsão. O modelo apresentado aqui usa 66 mil jogos e trabalha com 25 ligas.
De uma maneira geral, os resultado tem um acerto de 40 a 50%. Se fosse aleatório, o percentual médio de acerto seria de 33%, já que seriam três os resultados possíveis: vitória, derrota ou empate. Não é algo excelente, mas as previsões das casas de apostas, que seria o “mercado”, é um pouco melhor: 55%.
Apesar da grande quantidade de dados (66 mil jogos) e do envolvimento de especialistas (um doutor, cujo tema foi justamente este assunto), o percentual de acerto mostra como é difícil fazer projeções sobre o futuro. Além disto, em um jogo tão complexo quanto o futebol, o modelo usa somente os nomes dos jogadores para fazer a projeção.
Em situações práticas da contabilidade é muito difícil coletar um número tão grande de observações. Mesmo que uma empresa tenha um grande conjunto de dados, imaginar a possibilidade de construir um modelo a partir dos mesmos, com um grau de acerto que seja razoável. Para o profissional contábil, neste momento talvez seja interessante levar em consideração a regra do custo-benefício da informação.
Em razão desta mudança, é importante tentar entender como funciona um modelo preditivo. De uma forma muito simplificada, um modelo de previsão deve levar em consideração os elementos mais relevantes de cada caso e deve ter um resultado melhor do que o mero acaso. Em algumas situações, o modelo de previsão na contabilidade também deve ser capaz de apoiar o profissional, justificando sua decisão para uma auditoria ou para os acionistas relevantes da empresa.
Nesta situação, aprendemos muito com os modelos preditivos usados em outras situações. Este é o caso de um modelo que tenta fazer previsões sobre o resultado do futebol. O modelo apresentado abaixo é resultado de uma tese de doutorado. Isto significa dizer que alguém gastou bastante horas estudando a situação e tentando montar uma explicação para o que ocorre no mundo real. O pesquisador considerou que cada jogador de um time contribui para o resultado; assim, a habilidade individual poderia ajudar a entender os resultados.
É como dizer que um medicamento deve ser avaliado de acordo com o resultado para a saúde de um paciente quando ele toma o medicamento. A eficácia de um medicamento é medida pela soma dos resultados para pacientes individuais que o tomam; a eficácia de um jogador é a soma dos resultados para os jogos em que eles jogaram.
Sabendo a habilidade de cada jogador, é possível prever melhor o resultado. Mas o modelo passa por (a) coletar os dados dos jogos e jogadores; (b) fazer um modelo de previsão. Todos os dois passos são complicados; muitas vezes não temos dados para fazer estimativas, o que prejudica o nosso modelo. Mesmo com dados, é necessário estimar um bom modelo, que seja capaz de uma melhor previsão. O modelo apresentado aqui usa 66 mil jogos e trabalha com 25 ligas.
De uma maneira geral, os resultado tem um acerto de 40 a 50%. Se fosse aleatório, o percentual médio de acerto seria de 33%, já que seriam três os resultados possíveis: vitória, derrota ou empate. Não é algo excelente, mas as previsões das casas de apostas, que seria o “mercado”, é um pouco melhor: 55%.
Apesar da grande quantidade de dados (66 mil jogos) e do envolvimento de especialistas (um doutor, cujo tema foi justamente este assunto), o percentual de acerto mostra como é difícil fazer projeções sobre o futuro. Além disto, em um jogo tão complexo quanto o futebol, o modelo usa somente os nomes dos jogadores para fazer a projeção.
Em situações práticas da contabilidade é muito difícil coletar um número tão grande de observações. Mesmo que uma empresa tenha um grande conjunto de dados, imaginar a possibilidade de construir um modelo a partir dos mesmos, com um grau de acerto que seja razoável. Para o profissional contábil, neste momento talvez seja interessante levar em consideração a regra do custo-benefício da informação.
Diferenças entre US GAAP e IFRS
A EY preparou um material com as diferenças entre as normas dos EUA e as normas IFRS. O Link apresenta um resumo das principais diferenças. Um detalhamento está aqui. (é possível que o interessado deva fazer um breve cadastro)
03 fevereiro 2019
Monumento antigo e novo
Em Aberdeenshire existe um conjunto de pedras, menos suntuoso que Stonehegue. Mas que desperta a atenção de curiosos. O Conselho da província declarou que as pedras não são "antigas", mas da década de 90. Não são antigas, mas possuem uma boa localização.
Assinar:
Postagens (Atom)
Postagens
