Tipos de Análise de Dados

Neste artigo, veremos os 4 principais tipos de análises.

1. Descritiva

“A análise descritiva explica o que aconteceu.”


A análise descritiva é a espinha dorsal dos relatórios – é impossível ter ferramentas e painéis de Business Intelligence (BI) sem ela. Ele aborda questões básicas de “quantos, quando, onde e o quê”.

Esse tipo de análise permite que você divida um grande pedaço de dados em pedaços menores, extraindo informações relevantes dos dados ou uma breve sinopse do que aconteceu.

Exemplo: Vamos dar um exemplo de uso de análise descritiva para os dados do cliente. Isso inclui encontrar respostas para as seguintes perguntas.

  • Com quantos segmentos diferentes de compradores estamos lidando?

  • Onde esses compradores estão localizados? Como os clientes de alto valor diferem?

  • No que eles estão interessados?

  • Qual é a renda, idade, número de filhos, ocupação e distribuição regional desses compradores?


2. Diagnóstica

“A análise diagnóstica indica por que isso aconteceu.”


A análise diagnóstica é a melhor opção se você quiser se aprofundar nos dados coletados e ter uma melhor compreensão de “Por que as coisas aconteceram”.

Podemos empregar a análise diagnóstica no processo de examinar dados para entender a causa e o evento ou por que algo aconteceu. Técnicas como drill down, descoberta de dados, mineração de dados e correlações são frequentemente empregadas.

Exemplo: Um representante de vendas que fechou significativamente menos negócios em um mês. Um detalhamento pode mostrar menos dias de trabalho, devido a férias de duas semanas.


3. Preditiva

“A análise preditiva descreve o que poderia acontecer.”


A análise preditiva é outra opção disponível para nos ajudar a condensar os dados. Ela usa diferentes técnicas estatísticas, modelagem de dados e mineração de dados para estudar as tendências mais recentes e passadas, permitindo assim que os analistas de negócios ou cientistas de dados façam previsões.

As empresas usam a análise preditiva para identificar tendências, correlações e causas. A categoria pode ser dividida em modelagem preditiva e modelagem estatística; no entanto, é importante saber que os dois andam de mãos dadas.

Exemplo: Aqui está um exemplo de como fazer uma análise preditiva para uma campanha de marketing. Ela procurará respostas para as seguintes perguntas.

  • Quem responderá a esta campanha, para qual produto e por qual canal?

  • Quais são os valores potenciais para cada cliente e prospect?

  • Quem interromperá a assinatura do seu serviço e quando isso aconteceria?


4. Prescritiva

“A análise prescritiva fala sobre o que deve acontecer.”


A análise prescritiva é a última fase da análise de negócios e está relacionada à análise descritiva e preditiva. Enquanto a análise descritiva fornece informações sobre o que aconteceu e a análise preditiva ajuda a prever o que pode acontecer; é probabilística por natureza, a análise prescritiva otimiza a tomada de decisões determinando a melhor solução disponível entre várias opções, dadas as restrições de negócios.

Sendo onde a IA e o Big Data se combinam para ajudar a prever resultados e identificar quais ações devem ser tomadas. Essa categoria de análise pode ser dividida em otimização e testes aleatórios. Usando os avanços em Machine Learning, a análise prescritiva pode ajudar a responder a perguntas como “E se tentarmos isso?” e “Qual é a melhor ação?”. Você pode testar as variáveis corretas e até sugerir novas variáveis que oferecem uma chance maior de gerar um resultado positivo.

5. Referências

Fique à vontade para deixar nos comentários opiniões ou sugestões de melhoria.

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Dados Estruturados, Semi-Estruturados e Desestruturados

Imagem
Introdução Em Big Data, a variedade dos dados é uma importante característica. Sendo assim, fontes de dados cada vez mais complexas lidarão com diversos tipos de dados, estes que sua vez podem ser classificados em estruturados, semi-estruturados e desestruturados. Nesse contexto, é importante saber identificar a estruturação dos dados a fim de extrair o máximo de valor. Dados Estruturados O termo dados estruturados, geralmente, se refere a dados que estão em conformidade com um esquema bem definido. Exemplos de dados estruturados incluem números, datas e grupos de palavras, que normalmente são associados em um banco de dados. Se observarmos uma tabela de um banco de dados, é importante notar que mesmo sem olhar para os dados, você terá a garantia de que cada registro que aparecerá na tabela sempre estará de acordo com o esquema da mesma, sem exceções. E como cada registro em um banco de dados relacional é uma linha em uma tabela definida, tem-se uma garantia de estrutura, ainda mais se...
Leia mais

Normalização e Desnormalização de Banco de Dados

Imagem
Introdução Desnormalização e normalização são duas estratégias para o design de banco de dados, que como veremos, existem diferenças e trade-offs entre as duas abordagens. Considere os elementos básicos que você pode usar para criar tabelas: colunas, tipos de dados e outras propriedades de coluna, chaves primárias e chaves estrangeiras. Com esses elementos básicos, você tem muita flexibilidade na forma de como projeta as tabelas para seu banco de dados.  O SGBD não exige que você tenha uma chave primária em uma tabela, então esta é uma maneira possível de armazenar os dados. Com toda essa liberdade de como você configura suas tabelas, pode ser útil entender essas estratégias gerais de design de banco de dados dependendo de suas necessidades. Normalização A normalização do banco de dados é uma estratégia pela qual você projeta cada tabela para que ela obedeça a determinadas condições ou regras organizacionais. As regras são construídas para formas cada vez mais rígidas de organizaçã...
Leia mais

Por que usar R?

Imagem
A pergunta do título sugere que devemos utilizar a linguagem R, mas por quê? Ao longo deste post irei dando algumas definições da linguagem R para que gradualmente entendermos de que esta é uma ferramenta proeminente, principalmente, em momentos de fazer ciência com dados. O que é a linguagem R? Nenhuma definição, geralmente, é melhor do que a feita pela própria ferramenta. Abaixo, encontra-se uma breve descrição feita pelo site do projeto R : "R é um ambiente de software livre para computação estatística e gráficos. Ele compila e roda em uma ampla variedade de plataformas UNIX, Windows e MacOS." A linguagem R é um projeto open-source, o que significa que não há custo de licença e seu desenvolvimento é feito graças a contribuidores bastante ativos de todo o mundo. Inicialmente, foi desenvolvida por estatísticos do departamento de Estatística da Universidade de Auckland, Nova Zelândia. Uma de suas principais características é fornecer uma ampla variedade de técnicas estatístic...
Leia mais

Dashboard de Vendas com Power BI - RoupasParaTodos

Imagem
Descrição Você é Analista de Dados na empresa RoupasParaTodos, que comercializa roupas e outros acessórios em seu site online com distribuidoras espalhadas por diversos países. Problema A empresa configurou o Google Analytics para extrair dados sobre o perfil dos visitantes do portal de e-commerce e agora o Gestor da área de Marketing gostaria de ter as respostas às perguntas abaixo: Como os clientes mais acessam nosso portal, por busca orgânica ou paga? Quanto tempo em média um visitante permanece em nosso portal por dia do mês? Qual a principal fonte de acesso ao nosso portal? Qual o sistema operacional mais usado para acessar nosso portal? Qual o dispositivo mais usado para acesso ao nosso portal? Qual o total de faturamento por dia? Proposta de Solução Indagações iniciais Qual problema de negócio eu preciso atender? Ajudar a responder às perguntas do gestor da área de Marketing sobre o perfil dos visitantes do portal de e-commerce. Quais são os requisitos do problema? Avaliar como ...
Leia mais