MENU

| BR

Campus

Cursos

Programas Executivos

Programas Executivos

Paises

Conheça os principais tipos de análise de dados através de exemplos práticos

Conheça os principais tipos de análise de dados através de exemplos práticos
#Dados
21 de agosto - min de leitura

Para trazer insights poderosos para o negócio, você precisa entender qual o tipo de análise de dados faz sentido para seu objetivo. Conheça as principais metodologias e coloque em prática.


A escolha entre os tipos de análise de dados pode ser o fator decisivo para que eles realmente cumpram o seu papel - ativos valiosos às empresas. 

Neste universo, nem todas as análises são iguais e a mais adequada é a que trará realmente valor, dentro de uma estratégia de negócios. 

Neste artigo, nosso coordenador dos cursos de Dados, Ivan Pagnossin explica cada uma delas, com exemplos práticos. Acompanhe!

Análises de dados - a motivação primordial     

De modo geral, entende-se que analisar dados é empregar o raciocínio crítico, idealmente sem vieses, sobre um conjunto de dados, com o objetivo de extrair conhecimento. Esse "conhecimento", que refere a uma representação abstrata (mental, por exemplo) do fenômeno que deu origem a esses dados.

Para ficar mais fácil de assimilar, um exemplo: o astrofísico analisa o movimento dos astros e generaliza suas descobertas num conjunto de leis da natureza. Já o engenheiro submete suas criações a cenários controlados e cria uma representação computacional que lhe permita identificar o regime de atuação delas. 

Finalmente, o empreendedor avalia o desempenho do seu negócio e apreende as relações já consumadas entre investimento e receita para planejar sua estratégia.

Em cada caso, as motivações são diferentes. O astrofísico visa compreender o universo; o engenheiro, prever o comportamento da sua criação; e o empreendedor quer tomar decisões que garantam o sucesso do negócio.

Ou seja, nem todas as análises são iguais. É comum classificá-las em quatro tipos de metodologia: descritiva, diagnóstica, preditiva e prescritiva. 

Conheça os tipos e como fazer uma boa análise de dados

Abaixo, acompanhe as quatro formas de análises de dados, mas lembre-se: essa ordem não é arbitrária. Ela compreende a complexidade e, num cenário econômico, o valor de cada uma. 

Análise descritiva

Como o nome diz, essa análise descreve os dados observados, de forma que eles “digam” o que aconteceu. Por vezes, é chamada de "estatística descritiva", já que é comum utilizar métodos da estatística nesse tipo.

Por exemplo, você pode descrever os acessos ao seu site de vendas, no intervalo de uma hora, pela média de usuários que visitaram o site nesse mesmo intervalo de tempo. A média é um conceito emprestado da estatística, bastante útil para descrever dados.

A análise descritiva é, portanto, o tipo de análise mais simples e rápida de executar, pois emprega apenas cálculos padronizados (que podem ser automatizados), como a média, variância, entre outros, além de gráficos, diagramas etc.

Essas visualizações, originadas da análise descritiva, são a principal matéria-prima dos dashboards de indicadores-chave de desempenho (em Inglês, Key Performance Indicator ou apenas KPI).

Análise diagnóstica

Conhecidas as características dos dados, imediatamente vem a pergunta: qual a causa desses dados? A resposta a essa pergunta é justamente o objetivo da análise diagnóstica. 

Porém, realizar esse passo extra não é simples, pois ele se relaciona com a dinâmica subjacente aos dados, frequentemente não acessível. Por exemplo, o fato de você observar 1000 usuários, em média, acessando seu site no intervalo de uma hora, pode estar relacionado com a depreciação média do produto que você vende, com a quantidade de concorrentes, com seu programa de fidelidade, fenômenos sociais etc.

Para mensurar esses “possíveis” relacionamentos, precisamos novamente emprestar métodos da estatística, como os testes de hipótese, além do método científico. O teste A/B, por exemplo, é bastante conhecido: consiste em expor a dinâmica subjacente aos dados a cenários controlados. 

Por exemplo, você pode oferecer o programa de fidelidade para alguns usuários (cenário A), mas não para outros (cenário B), e comparar a média de acessos. Além de ser trabalhoso fazer isso, há situações que não podem ser controladas, como a quantidade de concorrentes e a depreciação média do produto. 

É nesse cenário que surge o bordão "correlação não implica causalidade": correlação é uma característica dos dados (uma métrica de associação, por assim dizer). Mas ela não pode ser imediatamente associada a uma causa, sem uma análise diagnóstica adequada, que envolve a manipulação de cenários controlados. 

Não obstante, essa análise requer conhecimento do domínio em questão. Por exemplo, uma análise cega quanto ao domínio (um e-commerce, nesse exemplo) pode deixar passar o fato de que as visitas ao site dependem do clima.

Análise preditiva

Se entendemos a dinâmica subjacente aos dados, possivelmente seremos também capazes de fazer previsões. E esse é o objetivo da análise preditiva. 

Para isso, precisamos abstrair do que aconteceu e pensar no que poderia acontecer, relacionando as causas e os efeitos (dados). Chamamos isso de "modelo" e ao processo de encontrá-lo, "modelagem".

Suponha, por exemplo, que seus dados permitam a afirmação de que a quantidade média de visitantes do site, no período de uma hora, depende linearmente do custo de cada ponto do programa de fidelidade. A palavra-chave, nesse exemplo, é o termo "linearmente" (nesse caso, se diz que o modelo é linear). 

Ele indica que um acréscimo de, digamos 30% no custo de um ponto, implica decréscimo de 30% na quantidade média de visitantes, no mesmo intervalo de tempo. 

Perceba que essa afirmação não se refere mais ao conjunto de dados originais, mas sim a uma situação hipotética genérica. Assim, é essa qualidade que nos permite fazer previsões.

Um exemplo bem conhecido de análise preditiva é aquela que os bancos fazem ao identificar riscos de investimento, quando o empréstimo efetivamente não foi feito, mas o modelo desenvolvido pelo banco é capaz de prever o resultado. 

Contudo, essa previsão nem sempre se concretiza. Grande parte do trabalho do analista de dados é justamente otimizar essa incerteza.

Análise prescritiva

Agora que sabemos descrever os dados, entendemos o porquê de eles apresentarem essas características, criarmos uma representação abstrata deles, capaz de prever um cenário hipotético, podemos então pensar no processo inverso e introduzir objetivos a serem alcançados.

Suponha que estejamos no final de uma campanha de marketing, na qual é preciso aumentar 15% a quantidade média de visitas no site. Como sabemos que essa quantidade se relaciona linearmente com o custo de um ponto de fidelidade, podemos optar por reduzir o custo em 15%. Isso é uma prescrição do que fazer, com base na modelagem e nos objetivos a serem atingidos. 

Outro exemplo, fora do mundo dos negócios, é o dos sistemas de controle da SpaceX, que analisam continuamente o movimento do foguete, para prescrever ações de seu motor. Este trabalho tem o objetivo de trazê-lo em segurança para o solo.

Essa é a análise prescritiva e, como você já deduziu, é a etapa mais complexa, pois demanda conhecimento profundo sobre o sistema. 

Análise de dados: curso 

Neste texto, nosso professor deixa claro como as análises descritiva, diagnóstica, preditiva e prescritiva evoluem, nessa ordem, em complexidade e valor, e dependente uma da outra. 

O que evidencia: nesta área, não há atalho. O primeiro e mais certeiro passo é aderir à cultura de dados. Depois, ser capaz de descrevê-los através do storytelling com dados

Somente assim, é possível passar para a análise diagnóstica e, daí, para as demais etapas, na sequência. Lembrando que a implementação dessa cadeia de valor deve ser guiada por uma estratégia que segue o caminho inverso.

Neste sentido, as perguntas pertinentes são:

Que conhecimento (relações de causa e efeito) preciso ter dos meus dados, para prescrever ações (tomar decisões)?

Que abstrações (modelagem) eu tenho de desenvolver para fazer previsões? Que cenários devem ser promovidos para entender a dinâmica subjacente aos meus dados? Que características desses dados eu necessito avaliar?

Quer compreender mais sobre o assunto e se aprofundar sobre as possibilidades que os dados podem projetar a sua carreira? Conheça os cursos para ser um profissional de Dados, oferecidos pela Digital House, no qual Ivan Pagnossin coordena.

Outras notícias

Como fazer uma análise de resultados: uma breve introdução img
#Dados

Como fazer uma análise de resultados: uma breve introdução

“Como fazer uma análise de resultados?”, esta é a pergunta que muitos aspirantes a analistas de dados se fazem ao se deparar com a primeira análise, sabem porquê? É que até o último gráfico da apresentação há um longo caminho no processo de como fazer uma análise de resultados, e somente a prática torna mais rápido e apurado. Como iniciar uma análise de resultados?A primeira coisa a se pensar é que estamos fazendo investigações o tempo inteiro, seja sobre os resultados de uma partida de futebol, um convite a um encontro ou até uma simples pesquisa de preço de um produto. A análise de resultados de qualquer assunto está presente em nosso dia a dia, mesmo sem uma planilha aberta. Sem mais delongas, existem algumas estratégias para sair da estaca zero e conseguir reunir tudo numa apresentação.Análise de resultados: quais são as suas hipóteses?No livro “Estatística sem matemática, a relação entre as questões e a análise”, os autores distribuem 17 perguntas antes de começar uma análise. Vou trazê-las aqui como se eu tivesse tido a ideia de apresentar “o impacto do coronavírus nas internações nos leitos de hospitais”, por exemplo. Não trarei todas, mas algumas já ajudam a ideia de análise de resultados no dia a dia:- Você já definiu o objeto do seu estudo (variável independente, que contribui mais com o cenário como o aumento de infectados)?- Onde estão os dados? Em que locais eles estarão armazenados?  São de fácil acesso?- Você trabalhará com uma amostra de ou com a população total?Depois de responder as perguntas, existem mais outras a seguir, porém relacionadas aos dados coletados, precisamos de perguntas respondíveis. Como, por exemplo:-  Existe um padrão nas colunas? Por exemplo, mais vendas ou menos vendas, de acordo com os números?- Em comparação com o período anterior, que podem ser meses, anos, dias, existe uma variação para mais ou menos?- Há linhas vazias na base que podem influenciar em resultados?- Os números estão em formatos corretos?- Vou precisar fazer algum ajuste manual ou extrair novamente?Abaixo temos uma base de dados coletada diretamente do site do governo do estado de São Paulo – a produtividade policial em 2019. Trata-se de ocorrências relacionadas a porte de entorpecentes, flagrantes, dentre outros crimes.O que podemos ler sem nenhum gráfico?Ao selecionar a primeira linha, temos a soma dos dados, a média, o valor mínimo e o máximo.As maiores ocorrências estão relacionadas a flagrantes e inquéritos policiais instaurados (com 4 casas decimais e mais de 7 mil só em janeiro).Infratores apreendidos por mandado e ocorrências de apreensão de entorpecentes possuem, em geral, apenas duas casas decimais em sua maioria. Vemos desta forma que há menos ocorrências feitas pela polícia.Bônus: dica final para iniciantes na análise de dadosPor fim, o contexto é muito importante. A última frase que escrevi acima pode ser tendenciosa, caso eu dissesse que mais registros seriam indícios de mais crimes. Só que nem sempre isto acontece. Sabemos que no Brasil há desconfiança em alguns setores da sociedade na polícia e a distribuição de delegacias nem sempre é justa considerando as periferias e região metropolitana. Se você trabalhar com vendas certamente existem épocas em que há mais ou menos venda. Se trabalhar com análise de dados para a saúde, veria um impacto de internações por problemas respiratórios nos últimos meses. Entender a sociedade é fundamental para uma boa análise de resultados e trazer este conhecimento faz uma grande diferença no dia a dia.Aprenda análise de dados na Digital HouseNesse texto, nossa professora mostra o quão presente a análise de resultados está presente no nosso dia a dia, e como esta análise é importante na análise de dados.Apesar de fazermos esta análise muitas vezes intuitivamente, como analisando um jogo de futebol, por exemplo, se aprofundar no estudo de análise de dados é essencial para compreender o que os dados podem significar.Na Digital House você aprende mais sobre o assunto e se aprofunda nas possibilidades que a análise de resultados traz. Conheça nosso curso de Data Analytics, e aprenda com os melhores profissionais do mercado como se tornar um profissional de dados.Leia mais no blog DH:+ Dados abertos: como usar dados públicos para gerar estratégias de negócios+ Power BI para leigos: aprenda os primeiros passos+ Resumo LGPD: tudo o que uma empresa precisa saber sobre a nova leiE aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;) 

 Metodologia Agile: quais são os seus valores e como ele funciona na prática? img
#Otros

Metodologia Agile: quais são os seus valores e como ele funciona na prática?

A metodologia Agile ou The Agile Manifesto, como também é conhecido, foi um documento publicado em 2001, como fruto de um consenso de 17 desenvolvedores de software que pensavam em diferentes abordagens e maneiras para processos de desenvolvimento de produtos.No que consiste esse manifesto? Como ele funciona na prática em uma gestão de projetos e como aplicá-lo? Te explicaremos tudo isso e mais. Continue acompanhando este artigo e entenda.Quais são os 4 valores do Manifesto Ágil?No Manifesto Ágil, constam 4 valores para a condução do processo de desenvolvimento de produtos, que vêm impactando inúmeras empresas de diversos setores e que todos os desenvolvedores reunidos na época decidiram seguir e disseminar. Confira abaixo:Indivíduos, e a interação entre eles, mais que processos e ferramentasClaro que os processos e ferramentas são importantes, mas, no processo de desenvolvimento de software, a comunicação entre os envolvidos deve existir e é fundamental, pois evita possíveis discordâncias e aproxima as pessoas pelo mesmo objetivo.Software em funcionamento, mais que documentação abrangenteMais do que um bom planejamento, o resultado é o que realmente importa. Os clientes pagam por isso e não pelo plano e suas estratégias.Colaboração do cliente, mais que negociação de contratosQualquer tomada de decisão deve estar de acordo com as expectativas do cliente.Responder a mudanças, mais que seguir um planoÉ importante ter um planejamento, mas sempre devemos estar prontos para qualquer tipo de mudança. Os feedbacks sempre surgem no processo e podem mudar todo um caminho.Qual a relação entre Scrum e Agile?Scrum e Agile são duas das palavras mais pronunciadas quando se fala de metodologia Agile. Muitas pessoas são introduzidas ao tema por meio do Scrum, e uma parte considerável delas pode se confundir, associando o Scrum ao Agile.Entretanto, eles não são a mesma coisa, apesar de terem uma relação. Eles possuem fins, tarefas e até valores diferentes e, por isso, é importante entender cada um deles.Como já explicado anteriormente, a metodologia Agile é um conjunto de valores, princípios e conceitos desenvolvido, em 2001, por 17 desenvolvedores de software e publicado como o The Agile Manifesto. A palavra também é um termo genérico para descrever uma metodologia de gerenciamento de projetos.Nesse contexto, o agile possui o scrum como framework. Ou seja, o scrum faz parte dos conceitos de Agile. Ele é um método ágil, testado e consolidado pelo mercado, para estruturar equipes de desenvolvimento. A sua principal função é auxiliar a gestão e os processos que precisam de entregas rápidas, descomplicando complexidades.Ele não é o único, pois o kanban é um outro exemplo de método. Nós já publicamos artigos onde explicamos detalhadamente, tanto sobre o Scrum quanto o Kanban. Recomendamos a leitura de ambos.O que é a metodologia Agile na gestão de projetos?No mercado, diversos projetos são desenvolvidos e lançados para as pessoas. No entanto, no dia a dia de uma empresa, muitos deles sequer são finalizados ou levados adiante. Isso acontece por conta de diversos problemas que ocorrem no decorrer do desenvolvimento. É nesse contexto que a metodologia Agile atua, solucionando problemas complexos por meio de priorização, divisão de tarefas e otimizando processos para conseguir entregar trabalhos de qualidade e no prazo estabelecido. Elas já são uma necessidade na estratégia de desenvolvimento.O método Scrum, por exemplo, atua na inclusão de equipes interdisciplinares, auto-organização e senso de colaboração em um desenvolvimento de produto. Ele garante a boa qualidade de entrega com essas práticas, que promovem a realização frequente de testes para cada uma das funcionalidades. Qualquer problema que possa ocorrer no processo é identificado previamente, de forma que o resultado é finalizado, conforme o prazo estabelecido e as especificações acordadas com o cliente.Como aplicar a metodologia Agile em uma empresa?Comece pequeno: não é de uma hora pra outra que as novas práticas devem ser estabelecidas. Comece em algumas equipes ou serviços, inicialmente, para ter feedbacks e conhecimentos e, assim, implantar nas partes restantes da empresa. Escolha um projeto certeiro: nesse processo de selecionar alguma equipe ou serviço, é necessário escolher o projeto a ser implantado, algum que tenha grandes chances de sucesso, e riscos baixos, para assim continuar com a transição na empresa.Peça apoio: mesmo começando pequeno, é bom comunicar para ter apoio dos demais níveis da organização, principalmente o executivo. Assim, a transição e a implantação das metodologias poderão ser mais eficazes.Faça testes: crie hipóteses ou problemas de processo para serem testadas com as novas metodologias. Isso estruturado, faça uma lista com possíveis medidas a serem feitas e testadas. Após alguns dias, colete os feedbacks, registre o que for positivo e compartilhe os insights e resultados gerados.Como saber se a empresa está se tornando ágil? Veja se tudo que o cliente precisa está sendo entregue com qualidade e no prazo certo. Coloque ele no centro de tudo. Se os testes e experimentos não trouxeram o resultado esperado, não há problema em abandonar ou repensar seu planejamento.Aprenda metodologias ágeis na práticaQuer ser um especialista e colocar as metodologias ágeis em prática? Na Digital House temos o curso de Agile, onde ensinamos as principais metodologias e frameworks para transformar o seu negócio.As aulas são dinâmicas, 100% ao vivo e ministradas por professores que estão no mercado. Garanta seu sucesso profissional em uma área que certamente estará em alta no futuro.Leia mais no blog DH:+ Departamento de carreiras: 95% de empregabilidade na Digital House+ De olho no novo consumidor Digital First+ Inovação: como reinventar a minha empresa?E aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;)

Google Analytics Dashboard: crie e personalize com o nosso passo a passo img
#Marketing

Google Analytics Dashboard: crie e personalize com o nosso passo a passo

A criação e personalização do Google Analytics Dashboard ou painéis, como também é chamado, pode ser uma ótima alternativa para uma visualização melhor dos projetos em diferentes maneiras de compartilhamento de informações, de acordo com a necessidade.Para entendermos melhor, imagine uma situação com redes sociais, onde é necessário analisar as metas e os indicadores principais. É mais fácil ter todas essas informações à vista, para poupar tempo e detectar qualquer irregularidade imediatamente, do que ter que aplicar filtros ou olhar relatórios diferentes para isso, não é mesmo?Sendo assim, hoje vamos te contar como criar e personalizar um dashboard, de acordo com o que você precisa. Continue acompanhando.O que é um Google Analytics Dashboard?Antes de explicarmos o processo de criação, nada mais justo do que entendermos de fato o que é um Google Analytics Dashboard. Eles são utilizados mundialmente por muitas empresas, pessoas e organizações e consistem em um painel que exibe informações da conta cadastrada.Esses dados são essenciais para entender situações, monitorar e auxiliar na tomada de decisões e no alcance de novos objetivos. A construção e personalização do dashboard permitem um painel eficaz de monitoramento rápido e de relance no dia a dia, onde as informações essenciais estão disponíveis, facilitando o trabalho do profissional.Google Analytics Dashboard: primeiros passos para criar um painelVamos colocar a mão na massa? Ao realizar o login no Google Analytics, a página do relatório de visão geral do público-alvo se abre.No painel à esquerda, embaixo da barra de navegação laranja, tem uma guia de personalização. A partir daí, há duas opções: utilizar dashboards existentes ou criar um novo. Vale muito explorar a primeira opção, pois há muitos que são ótimos para determinadas necessidades e estão prontos para serem importados e utilizados.Mas, caso deseje seguir a segunda opção, também é muito válido! Clique na guia de personalização, conforme a imagem abaixo. Em seguida, em "Painéis", clique na opção Criar.Aqui você possui duas opções, podendo escolher entre criar a partir de uma tela em branco ou painel de controle de partida. Aqui vamos mostrar o processo a partir da primeira opção, conforme a imagem abaixo.Os painéis são compostos de widgets, componentes que permitem a visualização de um gráfico ou informação específica. O Google Analytics oferece seis tipos de personalização dos dashboards. Vamos te explicar brevemente sobre cada um abaixo:Widget de métricaEsse widget apresenta uma única métrica, sem gráficos. É ideal para a checagem de uma parte da informação no dia a dia. Widget de cronogramaEsse widget é ideal para identificar tendências, pois ele apresenta um gráfico que mostra o que aconteceu em um período determinado, podendo também ser utilizado em tempo real.Widget de GEOMAPEssa ferramenta é útil para a análise de empresas que possuem atuações pelo mundo. É possível analisar como um país está se relacionando com o canal cadastrado no GA.Widget de tabelaWidgets de tabelas são ideais para monitoramento de visitas e conversões de landing pages, conteúdos, produtos e desempenho de campanhas.Widget de pizzaGráficos em pizza podem ser utilizados para visualizar dados em porcentagem. É ideal para contextos de negócios.Widget de barraEsse widget oferece inúmeras opções de personalização. Ele é uma ótima opção para exibir métricas.São diversas opções de gráficos e meios de expor as informações em um painel para análise de dados, não é mesmo? Lembrando que, para conta cadastrada no Google Analytics, é permitida a criação de até 20 dashboards, e cada um deles pode conter até 12 widgets.Os painéis são ótimas ferramentas para acompanhar o seu site, permitindo a economia de tempo no dia a dia, a indução de ações pelo rápido monitoramento e a geração de mudanças nos negócios de uma organização. Sem dúvida, vale a pena investir tempo para criar e personalizar cada um deles com os dados certos de exibição.Que tal seguir na carreira de marketing digital?Se você se interessa em utilizar o Google Analytics, conhecendo todas as suas funções, com certeza entende que a ferramenta é essencial na área de Marketing Digital. Sendo assim, você deve conferir o curso de Marketing Digital da DH, que conta com aulas dinâmicas e ministradas por grandes especialistas do mercado.Durante as aulas, você aprenderá a criar boas estratégias de marketing, como funciona o Google Analytics para análise de dados, a criação de Google Analytics Dashboard, além de outras ferramentas.Leia mais no blog DH:+ Banco de dados: entenda o que é um banco de dados relacional e não relacional+ Análise de dados quantitativos: o que é e quando ela se aplica em uma pesquisa?+ Javascript front-end: guia de como a linguagem atua no desenvolvimento