Variáveis subjetivas – A maioria das informações é expressa por meio de variáveis subjetivas. Isto é, o muito que conhecemos sobre o mundo é descritivo, qualitativo, difícil de ser quantificado e nunca foi armazenado antes. Tais informações são cruciais para compreender e modelar sistemas complexos.

Alguns modeladores, quando descrevem processos de decisão, limitam-se às variáveis objetivas, aquelas que podem ser mensuradas diretamente e podem ser expressas em termos numéricos. Defendem sua rejeição por variáveis subjetivas, afirmando ser mais “científico” fazer isso do que “maquiar” os valores de parâmetros e relacionamentos para os quais não há dados numéricos disponíveis. Como testes estatísticos podem ser feitos sem dados numéricos exatos?, eles perguntam.

Atualmente, não há limites para a inclusão de variáveis subjetivas em modelos, e muitas simulações as incluem. Além disso, variáveis subjetivas como desejo, qualidade do produto, reputação, expectativas e otimismo são sempre de importância crítica para o processo decisório. Imagine, por exemplo, administrar uma escola, uma fábrica ou uma cidade tomando por base apenas dados numéricos, sem conhecimento qualitativo sobre fatores como procedimentos operacionais, estrutura organizacional, políticas internas e motivações individuais: o resultado seria o caos.

Deixar de considerar essas variáveis nos modelos apenas porque não existem dados numéricos disponíveis, é certamente menos “científico” do que incluí-las estimando valores razoáveis para elas. Ignorar um relacionamento implica em determinar que seu valor é zero para o modelo – o que pode invalidar todo um processo.

Naturalmente, todos os relacionamentos e parâmetros de um modelo, sejam baseados em variáveis subjetivas ou objetivas, são imprecisos e incertos em um determinado nível. Nesse caso, é importante que sejam realizados exaustivos testes que permitam garantir aos usuários do modelo a confiança necessária para utilizá-lo como fonte de referência nas decisões e políticas a serem adotadas doravante.