A análise dos dados foi conduzida em duas partes. As atividades referente ao detalhamento desta etapa da pesquisa estão ilustradas na Figura 16.
Figura 16. Detalhamento das atividades da etapa E.9 do método de pesquisa. Fonte: elaborado pelo autor.
Primeiro, foi realizada a análise dos dados coletados a partir das comunidades de profissionais da rede social LinkedIn , conforme atividades E.9.1 e E.9.2 (Figura 16). A análise preliminar dos dados foi conduzida por Almeida (2012), conforme ilustrado na Figura 16, item (E.9 – R.1). A segunda parte consistiu na análise descritiva dos dados da verificação do modelo conceitual na empresa usuária da abordagem ágil, conforme atividade E.9.3 da Figura 16. A seguir está o detalhamento das atividades desta etapa da pesquisa.
A técnica aplicada para verificar as hipóteses do modelo conceitual simplificado (conforme apresentado no final da seção 4.3.6) foi a análise de correlação linear (CROXTON, 1953; HAIR et al., 2009). Esta técnica é útil para verificar a relação entre as variáveis das três dimensões do modelo conceitual, por meio dos dados que podem apresentar variabilidade simultânea.
É importante destacar que a análise de correlação entre as variáveis não permite afirmar a presença de uma relação de causa e efeito (CROXTON; 1953; CUNHA, 1973). Tais relações, se existirem, precisam ser interpretadas pelo pesquisador a fim de verificar o relacionamento entre os conjuntos de dados e as implicações teóricas e práticas dos relacionamentos. Isso é, investigar a coerência e lógica demonstrada nos resultados. De acordo com Croxton (1953) é preciso observar: a) se a correlação é fortuita; b) uma variável ser causa de outra, mas não ser única; c) as duas variáveis que apresentaram correlação serem afetadas pela mesma causa.
Para a análise das correlações, ainda é preciso considerar o grau de intensidade da relação. De acordo com Lira (2004), as correlações utilizando o “R de Spearman” (CROXTON, 1953; CUNHA, 1973), podem ser interpretadas como: fracas, quando o valor está (0<ρ<0,3), moderadas, quando o valor estiver no intervalo (0,3≤ ρ<0,6), fortes, quando o valor estive entre (0,6≤ρ<0,9), ou muito fortes quando o valor estiver entre (0,9≤ρ<1,0).
Outra técnica utilizada para análise dos dados foi a análise fatorial (HAIR et al., 2009). O objetivo foi identificar as variáveis com maior potencial e relevância para explicar o fenômeno estudado. A análise fatorial foi utilizada para estudar as inter-relações entre as variáveis, buscando explicar tais variáveis por meio de suas dimensões subjacentes. Foi aplicada a rotação VARIMAX (KAISER, 1958) a qual se resume na simplificação do conjunto de variáveis da matriz fatorial, maximizando a soma das variâncias de cargas exigidas na matriz, melhorando o agrupamento dos construtos e variáveis (ALMEIDA, 2012). A análise fatorial foi aplicada apenas no conjunto de variáveis da dimensão D1 (Características de Agilidade) e da dimensão D3 (Desempenho em Agilidade). Essas duas dimensões são construtos importantes para o modelo conceitual proposto. Entretanto, a dimensão D2 não foi analisada com esta técnica devido serem fatores independentes, cujo conjunto não foi definido para explicar o construto “fatores críticos de agilidade”, conforme descrito na dimensão D2 do modelo conceitual de agilidade.
Do ponto de vista da medição das características da agilidade (D1) e do desempenho em agilidade (D3), uma estrutura simplificada de fatores pode ser uma evidência da validade discriminante e convergente das variáveis utilizadas para explicar tais construtos, conforme observados em estudos similares (por exemplo: SHEFFIELD; LEMÉTAYER, 2012). Essa evidência reforça a possibilidade de obter êxito em testes estatísticos mais avançados que considerem a relação entre os construtos, e sua relação de causalidade e interveniência.
De acordo com Hair et al. (2009), na área de pesquisa social as cargas dos fatores podem variar entre 0.3 e 0.5 (consideradas aceitáveis), de 0.5 até 0.7 (importância moderada), e acima de 0.7 podem ser consideradas como muito importante. Nesse caso, todas as cargas fatoriais consideradas foram acima de 0.7, conforme discussão dos resultados apresentada na seção 6.2.
A partir dos resultados das análises preliminares conduzidas por Almeida (2012) foi realizada uma análise aprofundada das implicações teóricas e práticas das correlações identificadas nos testes estatísticos, conforme indicado pela atividade E.9.1 da Figura 16. Essa análise em detalhes permitiu identificar as práticas mais relevantes, os fatores críticos da agilidade com maior potencial em estudos futuros de interveniência, bem como a relação com as variáveis da dimensão “Desempenho em Agilidade”. Foram identificadas novas hipóteses que podem ser testadas em estudos futuros.
Um terceiro teste realizado considerou a técnica ANOVA – Análise de Variância (do inglês Analysis of Variance) para determinar se as médias dos dois grupos de respondentes do levantamento apresentavam diferenças estatisticamente significativas (HAIR et al., 2009). Esta atividade está indicada sob o código (E.9.2), conforme detalhamento da etapa de pesquisa (Figura 16). A amostra de 171 projetos, identificados a partir das comunidades de profissionais da rede social LinkedIn foi dividida em dois grupos, um que se autodeclarou usuário de método tradicional de gerenciamento de projetos (chamado na análise de “grupo 1”) e o outro que se autodeclarou usuário de método ágil (chamado na análise de “grupo 2”). Os dados dos grupos foram considerados como uma distribuição normal, confirmada pela análise qualitativa e visual do gráfico de distribuição gerado pelo pesquisador autor com o apoio do software Statistica , conforme Apêndice 13.
O teste ANOVA foi útil em dois momentos. Primeiro, identificar evidências estatisticamente significativas da coerência do construto “características da agilidade” para explicar a presença de práticas segundo a abordagem ágil. Isso é, a hipótese é de que as práticas adotadas pelos dois grupos diferem entre si. O grupo que assumiu utilizar “método ágil” teria um maior índice de utilização de práticas segundo a abordagem ágil, ou seja, apresentaria mais características da agilidade, conforme a dimensão D1 do modelo conceitual.
A segunda análise consistiu no teste da hipótese de que o grupo que assumiu utilizar “método ágil” apresentaria melhor desempenho em agilidade. Logo, é de se esperar que as médias dos dois grupos apresentassem diferenças estatisticamente significativas, refutando-se a hipótese de que as médias dos grupos são iguais, ou seja hipótese “nula” (H0: G1 = G2) e
confirmando a hipótese “verdadeira” de que existem diferenças entre os grupos (H1: G1
G2). Os resultados de ambos os testes são apresentados na seção 6.2.4.
A análise dos dados coletados na empresa Alfa foi realizada de forma descritiva, qualitativa (GIL, 1999; GODOY, 1995) com o intuito de confirmar a presença das características da agilidade, os fatores críticos da agilidade e o desempenho em agilidade, conforme proposto no modelo conceitual (item E.9.3, Figura 16). Nesta amostra de dados não foram aplicados testes de correlação ou análise fatorial pois o objetivo do estudo foi coletar evidências que comprovassem ou não a coerência das variáveis propostas no modelo conceitual de agilidade para explicar o contexto de uma empresa que adotava o gerenciamento ágil de projetos de forma pura.
As análises dos dados da empresa Alfa, portanto, foram utilizados para uma segunda verificação do modelo. Os resultados obtidos com o levantamento com 171 projetos nas comunidades de profissionais da rede social LinkedIn apontaram evidências que o modelo estava coerente em um ambiente heterogêneo de dados. Portanto, com a segunda verificação foi possível confirmar os resultados obtidos com o modelo por meio da observação in loco realizada pelos pesquisadores, e detalhada em Eder (2012), conforme item (E.9 – R.2) da Figura 16. Os resultados corroboraram com as evidências de que o modelo conceitual de agilidade foi coerente na explicação do ambiente dos projetos em um ambiente homogêneo, ou seja, reconhecidamente usuário da abordagem ágil.