RANT: Média Salarial NÃO Existe | Entendendo Power Laws

O conceito de média salarial

Nesta seção, Fabio Akita discute o conceito de média salarial e por que ele é inútil.

A linguagem da matemática

• A matemática é a linguagem usada para descrever a natureza, incluindo eventos abstratos.

• Em dimensões cosmológicas ou subatômicas, onde nossos 5 sentidos normais não conseguem perceber nada, a única forma de descrever e comunicar esses eventos é usando a linguagem da matemática.

O problema com o conceito de média

• Não existe o conceito de média salarial.

• Qualquer número de média salarial é um número sem sentido e inútil.

• Só porque alguém escreveu qualquer número num papel, não significa que automaticamente significa alguma coisa.

• Se você se preocupa com média salarial para guiar sua carreira, eu me preocuparia seriamente com a saúde da sua carreira.

Distribuição Gaussiana

• Você aprendeu sobre esse conceito de agrupamento e distribuições chamado de média na escola.

• Quando você faz medições de alguma coisa ou evento e organiza em um gráfico cuja curva fica com o formato de um sino, isso é chamado distribuição Gaussiana ou “normal”.

• A maioria das pessoas fora da matemática costuma saber que existe a distribuição gaussiana. Mas não existe só ela. Existem diversas outras na estatística e probabilidade.

Interpretação errada da distribuição Gaussiana

• As características que as pessoas tiram dessa distribuição são que o normal é estar na média, no meio do gráfico, que é onde a maioria das medições tende a se acumular.

• Você aprende que estar fora da média é estar num desvio do padrão. Ou seja, é anormal, é fora do padrão.

• Exatamente como é muito fora do padrão ter 2 metros e meio de altura ou menos de 1 metro de altura. Ou é anormal jogar um dado e sair o número 5 várias vezes seguido.

A conclusão errada sobre riqueza

• Se você considera esse conceito como verdadeiro e se existe o conceito de média salarial, você acha que o normal seria todo mundo estar próximo da média.

• E essa é a conclusão errada que todo mundo chega e começa aqui a razão de porque eu odeio a menção ao conceito de média em riqueza.

• Entenda um fato importante: a única igualdade que existe se chama todo mundo pobre igual.

O mundo digital e a distribuição normal

Nesta seção, o palestrante discute como as pessoas podem ter uma visão equivocada sobre a facilidade de se tornar um influenciador digital profissional. Ele explica que muitas pessoas acreditam que basta atingir a média em termos de seguidores para ser considerado um influenciador profissional. No entanto, ele argumenta que essa visão é utópica e não reflete a realidade da distribuição normal.

A distribuição normal

• O palestrante descreve como os canais do YouTube são distribuídos em um gráfico, com mega-influenciadores no canto direito e novos canais ou canais menos acessados no canto esquerdo.

• Ele explica que muitas pessoas acham que é fácil se tornar um influenciador profissional porque basta atingir a média em termos de seguidores. No entanto, ele argumenta que essa visão é utópica e não reflete a realidade da distribuição normal.

• O palestrante enfatiza que as distribuições normais têm um requisito importante: os eventos devem ser estatisticamente independentes entre si.

• Ele observa que eventos como riqueza, número de vendas e número de seguidores nas redes sociais não cabem na distribuição normal.

Eventos independentes vs. dependentes

• O palestrante dá exemplos de eventos independentes, como jogar dados ou medir altura.

• Ele explica que eventos como a frequência de palavras em textos não são independentes e seguem a Lei de Zipf, onde a frequência de qualquer palavra é inversamente proporcional ao seu ranking na lista de palavras.

Conclusão

• O palestrante conclui que muitas coisas na vida não cabem na distribuição normal e que é importante entender a diferença entre eventos independentes e dependentes.

A Brief History of Network Science

Nando Moura explains the science behind Power Law distribution and how it relates to understanding markets and careers. He discusses the development of the Erdös-Rényi model for random network connections, which was not suitable for explaining internet or social networks. The Watts-Strogatz model was developed to explain these types of networks.

The Development of Network Science

• The study of Power Law distribution is related to graph theory and evolved empirically due to the emergence of the internet and digital social networks.

• The Erdös-Rényi model is a well-known model for random network connections, but it does not apply to internet or social networks.

• Duncan Watts, a former student of Steven Strogatz, worked at Yahoo! and Microsoft where he had access to large volumes of data that helped shape a better understanding of networks. Together with his mentor, they developed the Small Worlds model called Watts-Strogatz.

• This research was one of the most important studies in the early 21st century when researchers had access to Big Data.

Six Degrees of Separation

• The concept of Six Degrees of Separation is famous in graph theory as it connects Erdös-Rényi's and Watts-Strogatz's models. It suggests that any person in the world can be connected through six other people.

• The first social network site was called Six Degrees before MySpace or Orkut emerged.

• Stanley Milgram conducted experiments on obedience in the late 1960s that tested this theory using letters and mail before computers were widely available.

Kevin Bacon Game

• Kevin Bacon's Six Degrees of Separation became popular in the 20th century due to a TV program. It was a game that connected any actor in Hollywood with Kevin Bacon within six degrees.

• The Oracle of Bacon.org is still available today and can be used to find the degree of separation between actors.

• A funny observation made by Barabási is that if we were asked who the most well-connected actors in Hollywood are, we might assume it would be those who have worked on the most films. However, this is not true as they are all actors from pornographic films.

Modelos de Redes

Nesta seção, o palestrante discute três modelos de redes: Erdös e Rényi, Watts-Strogatz e Barabási-Albert. Ele explica como cada modelo descreve diferentes tipos de redes ideais, aleatórias e balanceadas em termos de conexões.

Modelos de Redes

• O modelo de Erdös e Rényi descreve redes ideais, aleatórias e balanceadas em termos de conexões.

• O modelo de Watts-Strogatz inovou ao trazer o conceito de "Small Worlds" ou mundos pequenos.

• O modelo Barabási-Albert finalmente consegue explicar o surgimento e evolução das redes sociais.

Distribuição Power Law

Nesta seção, o palestrante explica a distribuição power law e sua importância na descrição do comportamento dos sistemas complexos não-lineares.

Distribuição Power Law

• Uma rede livre de escala significa que ela exibe qualidades como fractais.

• A distribuição power law é importante porque ela é muito diferente da distribuição normal.

• Qualidades como riqueza, influência, salários, vendas são interconectados numa rede.

• Sistemas complexos não-lineares costumam ser descritos com distribuições power law.

Sistemas Complexos Não-Lineares

Nesta seção, o palestrante explica o que são sistemas complexos não-lineares e como eles são descritos com distribuições power law.

Sistemas Complexos Não-Lineares

• Um sistema complexo tem comportamento não linear, ou seja, o sistema pode responder de formas diferentes dado as mesmas causas.

• O mais importante é que esse tipo de sistema costuma ser descrito com distribuições power law.

Distribuição Power Law

Nesta seção, o palestrante discute a distribuição power law e como ela se aplica ao mercado de trabalho e à quantidade de seguidores dos influenciadores. Ele explica que essa distribuição não tem uma média e que todos os pontos são igualmente importantes.

O mundo é complexo e descrito com Power Laws

• A realidade é que vivemos em um sistema complexo não-linear.

• O mercado de trabalho é um sistema complexo não-linear.

• Tudo está interconectado, e os resultados são difíceis de prever por causa da não-linearidade.

• Não existe uma receita linear simples para garantir sucesso no mercado de trabalho.

• O mundo real é descrito com Power Laws, uma distribuição livre de escala, que não apresenta média.

Substituindo entendimento em cima da distribuição normal pela power law

• No caso do salário, significa que você é um ponto discreto neste gráfico.

• O gráfico não dá qualquer dica se isso é muito ou pouco, ele apenas "é".

• Não existe nada anormal do ponto de vista da distribuição.

• O que você ganha reflete suas capacidades técnicas e outras variáveis, muitas delas não-lineares.

• Nunca tente embutir seus preconceitos e crenças pessoais em cima de números.

Distribuição Power Law na quantidade de seguidores dos influenciadores

• A quantidade de seguidores dos influenciadores segue a distribuição power law.

• A lista dos 50 maiores influencers do Twitter mostra como a quantidade de seguidores vai caindo drasticamente.

• Em qualquer escala, o trecho lá pra baixo dos 50 milhões, vai ter o cara com mil influencers que pode ser considerado muito melhor que o cara de 100 seguidores.

• Não existem classes de influencers ricos, médios e pobres.

Distribuição Power Law na valorização das empresas

• A valorização das empresas também segue a distribuição power law.

• Não existe valor médio de uma empresa.

A Power Law Distribution of Salaries

In this section, the speaker explains that salaries do not have a fixed average and are not static. He describes how the power law distribution affects salary growth and how it is non-linear.

The Bianconi-Barabási Model

• The Bianconi-Barabási model is an updated version of the model described in the book Linked.

• It describes networks where influential people tend to be those who started working on the network early on.

Non-Linearity of Salary Growth

• Salaries follow a power law distribution, which means that increments are not necessarily linear.

• This means that salary growth can be exponential rather than incremental.

• Incremental increases may start small but can grow rapidly over time if you work hard and improve your skills.

Avoiding Stagnation

• To avoid stagnation, you need to evolve your technical and non-technical skills, build your network, and connect with influential people in your industry.

• If you only do what you're told and don't take risks or make mistakes, you'll limit your chances of success.

• You need to aim for excellence rather than mediocrity to succeed in a power law distribution.

Conclusion

• There is no fixed average for salaries; they follow a power law distribution that is non-linear.

• To succeed in such a system, you need to work hard, improve your skills, build your network, and aim for excellence rather than mediocrity.

Criando um mercado do zero

Nesta seção, o palestrante fala sobre a criação de um mercado do zero e como isso afeta a média salarial dos programadores.

Criação de um mercado do zero

• Em 2005, não havia empresas que usavam Rails no Brasil e poucos programadores.

• A vantagem de criar um mercado é que ele é não-linear. Um bom exemplo se multiplica em dois, dois em quatro, quatro em oito e assim por diante.

• Com o tempo, surgiram dezenas de empresas e centenas de nós no espaço de uma década.

• A informação sobre a média salarial não ajuda muito porque as empresas pagam pelo que acham que vale. As coisas obedecem oferta e procura.

Mudança da situação pessoal

• Se você está preso em uma cidade com apenas uma empresa, mostrar um PDF com a média salarial da capital não fará diferença. Você pode mudar para outra cidade ou trabalhar remotamente.

• Tudo começa e termina com o que você está disposto ou não a fazer para mudar sua própria situação.

Estudo adicional

• Para entender melhor os mercados e outros fenômenos complexos da natureza, é recomendado estudar grafos, redes livres de escala, teoria do caos e sistemas complexos não lineares. Os autores originais incluem Paul Erdös, Alfred Rényi, Steven Strogatz, Duncan Watts, Albert Lazló Barabási e Ginestra Bianconi.