Analista de Dados - GoogleCoursera - CURSO 2

Prévia do material em texto

Curso 2 - Fazer perguntas para tomar decisões com base em dados
SEMANA 1 - PERGUNTAS EFETIVAS
RESOLUÇÃO DE PROBLEMAS E QUESTIONAMENTO EFICAZ
VÍDEO 1 - Introdução à resolução de problemas e questionamento eficaz - Seja bem-vindo ao segundo curso do
certificado de Análise de Dados do Google. Se você concluiu o Curso Um, nós nos encontramos brevemente no início, mas
para aqueles que estão se juntando a nós agora, meu nome é Ximena e sou analista de dados do Google Finance. Eu fico
maravilhada pelo fato de que vocês estejam aqui comigo aprendendo sobre o fascinante campo da análise de dados. A
aprendizagem e a educação sempre foram muito importantes para mim. Quando eu era jovem, minha mãe sempre dizia:
"Não posso deixar uma herança para você, mas posso te dar uma educação que vai abrir portas". Isso sempre me
incentivou a continuar aprendendo e essa busca por conhecimento me deu confiança para me candidatar a meu atual
emprego no Google. Agora eu consigo fazer um trabalho realmente significativo todos os dias. Recentemente, trabalhei
como analista em uma equipe chamada Verily Life Sciences. Estávamos ajudando a levar suprimentos médicos que
salvam vidas para aqueles que mais precisam. Para fazer isso, previmos o que os profissionais de saúde precisariam ter à
mão e imediatamente compartilhamos essa informação na internet. As informações que minha equipe forneceu ajudaram a
tomar decisões baseadas em dados que realmente salvaram vidas. Estou muito feliz em ser sua professora neste curso.
Vamos abordar a diferença entre perguntas eficazes e ineficazes e aprender a fazer boas perguntas, que levam a insights
que podem ajudá-lo a resolver problemas de negócios. Você vai descobrir que perguntas eficazes o ajudam a aproveitar ao
máximo todo o processo de análise de dados. Você deve se lembrar que essas fases incluem perguntar, preparar,
processar, analisar, compartilhar e agir. Na etapa de perguntar, definimos o problema que estamos resolvendo e garantimos
que entendemos totalmente as expectativas das partes interessadas. Isso vai ajudar você a manter foco no problema real, o
que leva a melhores resultados. Então, vamos começar este curso falando sobre resolução de problemas e alguns dos tipos
mais comuns de problemas de negócios que os analistas de dados ajudam a resolver. Já que este curso foca no processo
de questionamento, você vai aprender como fazer perguntas eficazes que ajudam a coletar os dados certos para resolver
esses problemas. Em seguida, falaremos sobre os diferentes tipos de dados. Você aprenderá como e quando cada um é
mais útil. Você também terá a chance de explorar mais as planilhas e descobrir como elas podem ajudar a tornar sua
análise de dados ainda mais eficaz. E então começaremos a aprender sobre o pensamento estruturado. O pensamento
estruturado é o processo de reconhecimento do problema atual ou situação, organizando as informações
disponíveis, revelando lacunas e oportunidades e identificando as opções. Neste processo, você aborda um problema
vago, complexo, dividindo-o em partes menores e essas etapas levam a uma solução lógica. Vamos trabalhar juntos para
ter certeza de que você entendeu completamente como usar o pensamento estruturado e a análise de dados. Finalmente,
aprenderemos algumas estratégias comprovadas para se comunicar com outras pessoas de forma eficaz. Mal posso
esperar para compartilhar mais sobre minha paixão por análise de dados com você, então vamos começar.
Plano de estudos do curso
Seja bem-vindo ao segundo curso de Certificado de Análise de Dados do Google. Nesta parte do programa, você
aprenderá como os analistas de dados usam o pensamento estruturado para resolver problemas de negócios.
Pense que você é um grande detetive que descobre um caso buscando evidências e as organiza em uma
história convincente para resolver o mistério. Você vai entender como fazer perguntas eficazes e usar as
respostas para contar uma história significativa sobre os seus dados. Além disso, você aprenderá por que é tão
importante estar na mesma página que suas partes interessadas ao definir o problema e apresentar os dados
com uma análise.
1. Fundamentos: Dados, Dados, Dados em todos os lugares
2. Fazer perguntas para tomar decisões com base em dados (este curso)
3. Preparar os dados para exploração
4. Processar os dados para limpá-los
5. Analisar os dados para responder às perguntas
6. Compartilhar os dados com a arte da visualização
7. Análise de dados com programação em R
https://www.coursera.org/learn/fundamentos-dados-dados-em-todos-os-lugares/home/week/1
https://www.coursera.org/learn/preparar-os-dados-para-exploracao/home/welcome
https://www.coursera.org/learn/processar-os-dados-para-limpa-los/home/welcome
https://www.coursera.org/learn/analisar-os-dados-para-responder-as-perguntas/home/welcome
https://www.coursera.org/learn/compartilhar-os-dados-com-a-arte-da-visualizacao/home/welcome
https://www.coursera.org/learn/analise-de-dados-com-programacao-em-r/home/welcome
Curso 2 - Fazer perguntas para tomar decisões com base em dados
8. Clímax do Google Data Analytics: conclua um estudo de caso.
Conteúdo do curso
Curso 2 - Fazer perguntas para tomar decisões com base em dados
1. Realizar perguntas efetivas: Para fazer o trabalho de um analista de dados, você precisa fazer
perguntas e resolver problemas. Nesta parte do curso, você vai analisar alguns problemas de análise
comuns e como os analistas os resolvem. Você também aprenderá sobre técnicas eficazes para fazer
perguntas que podem ajudar você a orientar sua análise.
2. Tomar decisões melhores e com base em dados: Na análise, os dados orientam a tomada de
decisões. Durante essa parte do curso, você explorará dados de todos os tipos e seu impacto nas
escolhas feitas. Além disso, você aprenderá como compartilhar seus dados através de relatórios e
painéis.
3. Dominar os fundamentos de planilhas: As planilhas são uma importante ferramenta de análise de
dados. Nesta parte do curso, você aprenderá por que e como os analistas de dados usam planilhas em
seu trabalho. Você também explorará como o pensamento estruturado pode ajudar os analistas a
entender melhor os problemas e a encontrar soluções.
4. Tenha sempre em mente a parte interessada: Os analistas de dados de sucesso aprendem a
equilibrar as necessidades e as expectativas. Nesta parte do curso, você aprenderá estratégias para
gerenciar as expectativas das partes interessadas enquanto estabelece uma comunicação clara com sua
equipe para atingir seus objetivos.
5. Conclusão do Desafio do Curso: Ao final deste curso, você poderá colocar em prática tudo o que
aprendeu com o Desafio do Curso. O Desafio do Curso fará perguntas sobre os princípios-chave que
você aprendeu e, em seguida, dará a você a oportunidade de aplicar esses princípios em três cenários.
O que esperar do curso?
Cada semana deste curso inclui tarefas e projetos práticos baseados no dia-a-dia de um analista de dados. Para
mantê-lo envolvido, cada série de aulas oferece muitos tipos diferentes de oportunidades de aprendizagem,
incluindo:
● Vídeos de instrutores ensinando novos conceitos e demonstrando o uso de ferramentas
● Perguntas em vídeo que surgem durante ou no final de um vídeo para verificar o seu aprendizado
● Textos para apresentar novas ideias e desenvolver os conceitos dos vídeos.
● Fóruns de discussões para discutir, explorar e reforçar novas ideias para uma melhor aprendizagem
● Sugestões de discussão para promover o pensamento e o envolvimento nos fóruns de discussão.
● Atividades práticas para apresentar situações do mundo real no trabalho e as ferramentas e tarefas
para concluir seus trabalhos
● Simulados para servir como preparação para os testes que valem nota.
● Testes que valem nota para medir seu progresso e oferecer um feedback valioso.
Atividades práticas que promovem mais oportunidades para desenvolver suas habilidades. Tente fazer o máximo
possível delas. As avaliações se baseiam na abordagem do curso para oferecer uma ampla variedade de
materiais de aprendizado e atividadesque reforçam habilidades importantes. Os testes (com e sem nota)
ajudarão a absorver o conteúdo. Os simulados sem nota são uma oportunidade para você se preparar para os
testes que valem nota. Ambos os tipos de testes podem ser respondidos várias vezes.
Como um rápido lembrete, este curso é projetado para todos os tipos de alunos, sem necessidade de graduação
ou experiência anterior. Todo mundo aprende de maneira diferente, então o Certificado de Análise de Dados do
Google foi desenvolvido com isso em mente. Os prazos personalizados são apenas um guia, portanto, fique à
vontade para trabalhar no seu próprio ritmo. Não há penalidade para os trabalhos atrasados. Se preferir, você
pode estender seus prazos voltando para Visão geral no painel de navegação e clicando em Alternar sessões.
Se você já perdeu os prazos anteriores, clique em Redefinir meus prazos. Se quiser revisar o conteúdo anterior
ou dar uma olhada no conteúdo que está por vir, você pode usar os links de navegação no topo desta página
para ir para outro curso do programa. Quando você passar em todos os trabalhos obrigatórios, estará no
https://www.coursera.org/learn/projeto-final-conclua-um-estudo-de-caso/home/welcome
https://www.coursera.org/learn/fazer-perguntas-para-tomar-decisoes-com-base-em-dados/discussions
Curso 2 - Fazer perguntas para tomar decisões com base em dados
caminho certo para ganhar seu certificado. E, depois de obter o certificado, você estará pronto para um trabalho
de nível básico como analista de dados júnior ou associado, ajudando organizações em diversos setores a tomar
decisões com estratégias baseadas em dados.
Atalho opcional para quem tem experiência em análise de dados
O Certificado de Análise de Dados do Google oferece instruções e feedback para alunos que querem conseguir
uma posição como analista de dados de nível básico. Muitos alunos são novos no mundo da análise de dados,
mas outros podem já estar familiarizados com a área e só quererem aperfeiçoar certas habilidades.
Se você acredita que este curso será principalmente uma atualização para você, recomendamos que você faça o
teste de diagnóstico prático (encontre-o no conteúdo desta semana). Isso permitirá que você determine se deve
seguir o atalho, que é uma oportunidade de prosseguir para o Curso 3 depois de ter realizado cada um dos
Desafios Semanais do Curso 2 e o Desafio do Curso Geral. Os alunos que conseguirem 100% de pontuação no
teste de diagnóstico poderão tratar os vídeos, os textos e as atividades do Curso 2 como opcionais. Os alunos
que seguirem o atalho ainda poderão receber o certificado.
Dicas
● É altamente recomendável que você veja os tópicos do curso com cuidado e na ordem em que
aparecem, pois cada nova seção se baseia em informações e conceitos abordados nas anteriores.
● Aproveite os recursos adicionais vinculados ao longo do curso. Eles foram projetados para auxiliar seu
aprendizado.
● Quando você encontrar links úteis no curso, marque-os como favoritos para consultar as informações
para estudo ou revisão.
● Os recursos adicionais são gratuitos, mas alguns sites estabelecem limites para o número de artigos
que podem ser acessados gratuitamente por mês. Às vezes, é possível se registrar no site para receber
acesso total, mas você pode sempre marcar um recurso como favorito e voltar para visualizá-lo mais
tarde.
● Participe de todas as oportunidades de aprendizagem para ter o máximo de conhecimento e experiência
possível.
● Se você não entender algo, fique à vontade para assistir novamente a um vídeo, revisitar uma leitura ou
buscar recursos adicionais.
Prepare-se para dar o próximo passo em sua jornada de análise de dados!
Registro de aprendizado: Considere o que os dados significam para você
Visão geral
Este curso tem como objetivo abordar como fazer boas perguntas e planejar projetos de análise de dados. Você
já começou a aprender como os dados podem ser usados para responder perguntas. Agora, você fará anotações
em seu registro de aprendizagem para captar seus pensamentos e reflexões sobre o que os dados significam
para você e como se relacionam com a resolução de problemas. No momento em que você concluir a anotação
desta atividade, terá um entendimento mais sólido sobre análise de dados e do processo de solução de
problemas. Isso será importante à medida que você aprende a fazer perguntas que podem ser respondidas com
a análise de dados e você encontrará essas perguntas novamente mais tarde neste curso.
Dados e resolução de problemas
Faça uma pausa e pense na palavra "dados". O que isso significa para você?
Embora esteja claro que os dados são uma parte importante do trabalho de um analista de dados, são apenas
parte do quadro geral. A outra parte é a resolução de problemas. Ser um analista de dados bem-sucedido
significa entender que cada problema é único e trabalhar metodicamente para resolvê-lo com dados. Por
definição, a maioria dos novos problemas enfrentados pelos analistas de dados começa em território
desconhecido. Cabe ao analista de dados e às suas habilidades de resolução de problemas pensar
Curso 2 - Fazer perguntas para tomar decisões com base em dados
estrategicamente, fazer boas perguntas e usar os dados para chegar a soluções desses problemas. Você vai
analisar algumas dessas questões em seu modelo de registro de aprendizagem, que está vinculado a seguir.
Acessar seu registro de aprendizado
Para usar o registro de aprendizado deste item do curso, clique no link abaixo e selecione “Usar modelo”.
Link para o modelo de registro de aprendizado:Considere o que os dados significam para você
OU
Caso você não tenha uma conta do Google, faça o download direto do modelo pelo anexo abaixo.
DAC2M1L1R2ATTACHMENT_POR
DOCX File
Reflexão
Em seu modelo de registro de aprendizagem, escreva de 3 a 5 sentenças (60 a 100 palavras) refletindo sobre o
que dados significam para você. Aqui estão algumas perguntas para ajudá-lo a começar:
● Como você descreveria “dados” para alguém que não está familiarizado com a palavra?
● O que os dados representam?
● Para que são usados os dados?
● De onde vêm os dados?
● Como você consegue dados?
● Como você se sente em relação aos dados?
Em seguida, escreva 2 a 3 frases (40 a 60 palavras) sobre o processo de resolução de problemas, respondendo
a cada uma das perguntas abaixo:
● Quando você se depara com um problema e não tem certeza da resposta ou solução, o que você faz?
Dados são informações coletadas e marcas registradas de maneira estruturada. Eles representam fatos, estatísticas,
observações ou medidas que podem ser usadas para obter insights e conhecimento sobre um determinado assunto.
● Como você identifica problemas novos e interessantes? Existe um processo que você usa para
identificar os problemas que deseja resolver?
Quando possível peço a colaboração de pessoas que podem me auxiliar nesse problema, recorrendo a dados de
resolução de problemas parecidos.
Quando você terminar sua anotação no modelo de registro de aprendizado, salve o documento para que sua
resposta fique guardada em um lugar acessível. Isso ajudará você a continuar aplicando a análise de dados na
vida cotidiana. Você também poderá acompanhar seu progresso e crescimento como analista de dados.
TOMAR AÇÕES COM OS DADOS
VÍDEO - Dados em ação - Neste vídeo, vou compartilhar um interessante estudo de caso sobre análise de dados, que vai
ilustrar como a resolução de problemas está relacionada a cada fase de do processo de análise de dados e também lançar
alguma luz sobre como essas fases funcionam no mundo real. É sobre uma pequena empresa que usou dados para
resolver um único problema que estava enfrentando. A empresa se chama Anywhere Gaming Repair. É um provedor de
serviços que vai até você para consertar seus videogames ou acessórios quebrados. O proprietário queria expandir seu
negócio. Ele sabia que a publicidade é uma forma comprovada de obter mais clientes, mas não sabia por onde começar.
Existem vários tipos de estratégias de publicidade, incluindo impressos, outdoors, comerciais de TV,transporte público,
podcasts e rádio. Uma das principais coisas que devem ser analisadas ao se escolher um método de publicidade é o seu
público-alvo, em outras palavras, as pessoas específicas que você está tentando alcançar. Por exemplo, se um fabricante
de equipamentos médicos quiser falar com médicos, colocar um anúncio em uma revista de saúde seria uma escolha
inteligente. Ou se uma empresa de catering quiser encontrar novos cozinheiros, pode anunciar usando um pôster em um
ponto de ônibus perto de uma escola de culinária. Ambas são ótimas maneiras de fazer seu anúncio ser visto pelo seu
público-alvo. A segunda coisa a se pensar é seu orçamento e quanto custarão os diferentes métodos de publicidade. Por
exemplo, um anúncio de TV provavelmente é ser mais caro do que um anúncio de rádio. Um grande outdoor provavelmente
https://docs.google.com/document/d/1cOnIGQo-Yymu8Bz7-bvSIiKh1779D0iFl_UAi0LAOSU/template/preview?resourcekey=0-jOCAk1D_j99vHbbk97D_-g
https://d3c33hcgiwev3.cloudfront.net/QBwnGlV5TW2cJxpVeQ1tsA_56b0aed558644f4a8e914f34a3fd65f1_DAC2M1L1R2ATTACHMENT_POR.docx?Expires=1687305600&Signature=EHPdKKT0jlvWDUhVu6N7Cdbvry~5yD79PwNw4XOrF3yaRoQKtzDYL2HH3QnDFVeA-r6XyCzfOs38U0JZb2KfRRP0i-XKqSbbw3dfOMzeC6iJV8cgzX9LY1M46FjwLxIFnyrCRKKPySkCjh0dS8AqToEbGertWdI2og4eBJxu4Zk_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
https://d3c33hcgiwev3.cloudfront.net/QBwnGlV5TW2cJxpVeQ1tsA_56b0aed558644f4a8e914f34a3fd65f1_DAC2M1L1R2ATTACHMENT_POR.docx?Expires=1687305600&Signature=EHPdKKT0jlvWDUhVu6N7Cdbvry~5yD79PwNw4XOrF3yaRoQKtzDYL2HH3QnDFVeA-r6XyCzfOs38U0JZb2KfRRP0i-XKqSbbw3dfOMzeC6iJV8cgzX9LY1M46FjwLxIFnyrCRKKPySkCjh0dS8AqToEbGertWdI2og4eBJxu4Zk_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
Curso 2 - Fazer perguntas para tomar decisões com base em dados
custará mais do que um pequeno pôster na parte traseira de um ônibus da municipal. O dono da empresa pediu a uma
analista de dados, chamada Maria, que fizesse uma recomendação. Ela começou pelo primeiro passo no processo de
análise de dados: Perguntar. Maria começou definindo o problema que precisava ser resolvido. Para fazer isso, ela
primeiro teve que ampliar e visualizar toda a situação do contexto. Dessa forma, ela poderia ter certeza de que estava se
concentrando no verdadeiro problema e não apenas nos seus sintomas. Isso nos leva a outra parte importante do processo
de resolução de problemas: colaborar com as partes interessadas e entender suas necessidades. Para o conserto de jogos
em qualquer lugar, as partes interessadas incluíam o dono, o vice-presidente de comunicações e o diretor de marketing e
finanças. Trabalhando juntos, Maria e as partes interessadas concordaram com o problema, sem conhecer o tipo preferido
de publicidade de seu público-alvo. A próxima etapa foi a fase de preparação, onde Maria coletou dados para o processo
de análise à frente. Mas primeiro, ela precisava entender melhor o público-alvo da empresa, pessoas com videogames.
Depois disso, Maria recolheu os dados sobre os diferentes métodos de publicidade. Dessa forma, ela seria capaz de
determinar qual era o mais popular junto ao público-alvo da empresa. Em seguida, ela passou para a próxima etapa do
processo. Aqui Maria limpou os dados para eliminar todos os erros ou imprecisões que poderiam atrapalhar o resultado.
Como aprendemos, quando você limpa os dados, você os transforma para um formato mais útil, cria informações mais
completas e remover os pontos fora da curva. Depois era hora de fazer a análise. Nesta etapa, Maria queria descobrir duas
coisas. Primeiro, quem provavelmente possui um videogame? Segundo, onde estão essas pessoas com maior chance de
ver um anúncio? Maria descobriu que as pessoas com idades entre 18 e 34 são mais propensas a fazer compras
relacionadas a videogames. Ela poderia confirmar em qualquer lugar que o público-alvo dos consertos de jogos era
pessoas de 18 a 34 anos. Eram essas pessoas que eles deveriam tentar alcançar. Com isso em mente, Maria então
descobriu que os comerciais de TV e podcasts são muito populares entre as pessoas do público-alvo. Como a Maria sabia
que a Anywhere Gaming Repair tinha um orçamento limitado e sabia do alto custo dos comerciais de TV, a recomendação
dela foi anunciar em podcasts porque são mais econômicos. Agora que ela tinha sua análise, era hora de Maria
compartilhar a sua recomendação para que a empresa pudesse tomar uma decisão baseada em dados. Ela resumiu seus
resultados usando visuais claros e atraentes de análise. Isso ajudou suas partes interessadas a compreender a solução
para o problema original. Finalmente, a Anywhere Gaming Repair entrou em ação: eles trabalharam com uma agência local
de produção de podcast para criar um anúncio de 30 segundos sobre seus serviços. O anúncio foi exibido em um podcast
por um mês e funcionou. Eles viram um aumento de clientes logo após a primeira semana. No final da 4ª semana, eles
tinham 85 novos clientes. Aí está. Resolução de problemas eficaz usando fases de análise de dados em ação. Agora, você
viu como as seis fases da análise de dados podem ser aplicadas à resolução de problemas e como você pode usar isso
para resolver problemas do mundo real.
Do problema à ação: As seis fases da análise de dados
Existem seis fases da análise de dados que o ajudarão a tomar as melhores decisões: perguntar, preparar,
processar, analisar, compartilhar e agir. Lembre-se de que eles são diferentes do ciclo de vida dos dados, que
descreve as alterações pelas quais os dados passam durante sua vida útil. Vamos percorrer as etapas para ver
como elas podem ajudá-lo a resolver problemas que você pode enfrentar no trabalho.
Etapa 1: Perguntar
É impossível resolver um problema se você não sabe o que é. Você deve considerar os seguintes aspectos:
● Defina o problema que você está tentando resolver.
● Certifique-se que você entendeu totalmente as expectativas das partes interessadas.
● Concentre-se no problema real e evite distrações
● Colabore com as partes interessadas e mantenha uma linha de comunicação aberta
● Reflita sobre todo o contexto da situação
Perguntas que devem ser feitas nesta etapa:
Curso 2 - Fazer perguntas para tomar decisões com base em dados
1. Quais questões as partes interessadas dizem ser da minha alçada?
2. Agora que identifiquei essas questões, como posso ajudar as partes interessadas a resolver suas
dúvidas?
Etapa 2: Preparar
Você decidirá quais dados você precisa coletar para responder às suas perguntas e como organizá-los para que
sejam úteis. Você pode usar sua tarefa de negócios para decidir:
● Quais métricas medir
● Localizar os dados em seu banco de dados
● Criar medidas de segurança para proteger esses dados
Perguntas que devem ser feitas nesta etapa:
1. O que preciso descobrir como resolver este problema?
2. Que pesquisa eu preciso fazer?
Etapa 3: Processar
Dados limpos são os melhores dados e você precisará limpá-los para se livrar de quaisquer erros, imprecisões
ou possíveis inconsistências. Isso pode significar:
● Usar funções de planilha para encontrar dados que foram inseridos incorretamente
● Usar funções SQL para verificar se há espaços extras
● Remover dados duplicados
● Verificar o máximo possível a parcialidade dos dados
Perguntas que devem ser feitas nesta etapa:
1. Quais erros de dados ou imprecisões podem me atrapalhar na obtenção da melhor resposta possível
para o problema que estou tentando resolver?
2. Como posso limpar meus dados para que as informações que tenho sejam mais consistentes?
Etapa 4: Analisar
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Você deve pensar analiticamente sobre seus dados. Nesta fase, você pode classificar e formatar seus dados
para tornar mais fácil:
● Realizar cálculos
● Combine dados de diferentes fontes
● Criar tabelas com seus resultados
Perguntas que devem ser feitas nesta etapa:
1. Que história meus dados estão me contando?
2. Como meus dados me ajudarão a resolver esse problema?
3. Quem precisa do produto ou serviço da minha empresa? Que tipo de pessoa tem maior probabilidade de
usá-lo?
Etapa 5:Compartilhar
Todos compartilham seus resultados de maneira diferente, portanto, certifique-se de resumir seus resultados
com efeitos visuais claros e atraentes de sua análise usando ferramentas de visualização de dados, como
gráficos ou painéis. Esta é a sua chance de mostrar as partes interessadas que você resolveu o problema deles
e como chegou lá. Compartilhar certamente ajudará sua equipe a:
● Tomar melhores decisões
● Tomar decisões com mais base
● Levar a resultados mais efetivos
● Comunicar suas descobertas com sucesso
Perguntas que devem ser feitas nesta etapa:
1. Como posso tornar o que apresentei para as partes interessadas, envolvente e fácil de entender?
2. O que me ajudaria a entender isso se eu fosse o ouvinte?
Etapa 6: Agir
Agora é hora de agir de acordo com seus dados. Você pegará tudo o que aprendeu com a análise de dados e
colocará em uso. Isso pode significar fornecer às partes interessadas recomendações com base em suas
descobertas, para que possam tomar decisões baseadas em dados.
Perguntas que devem ser feitas nesta etapa:
1. Como posso usar o feedback que recebi durante a fase de compartilhamento (etapa 5) para realmente
atender às necessidades e expectativas das partes interessadas?
Essas seis etapas podem ajudá-lo a quebrar o processo de análise de dados em partes menores e gerenciáveis,
o que é chamado de pensamento estruturado. Este processo envolve quatro atividades básicas:
1. Reconhecer o problema ou situação atual
2. Organizar as informações disponíveis
3. Revelar lacunas e oportunidades
Curso 2 - Fazer perguntas para tomar decisões com base em dados
4. Identificar suas opções
Quando você está iniciando sua carreira como analista de dados, é normal se sentir inclinado para algumas
direções diferentes em sua função e expectativas. Seguir os processos descritos aqui e usar habilidades de
pensamento estruturado podem ajudá-lo a voltar com tudo, preencher todas as lacunas e informar exatamente o
que você precisa.
VÍDEO - Nikki: O processo de dados funciona - Sou Nikkii e gerencio o time de educação, avaliação, e pesquisa. Minha
parte favorita do processo de análise de dados é encontrar o problema mais difícil e fazer um milhão de perguntas sobre
isso e ver se é mesmo possível obter uma resposta. Um dos problemas que abordamos aqui no Google é o nosso
programa de integração Noogler, que é como trazemos os novos funcionários a bordo. Uma das coisas que fizemos foi
perguntar: «como sabemos se os Nooglers estão se integrando mais rápido com o nosso novo programa de integração que
com nosso antigo programa, onde apresentávamos palestras para eles?». Nós trabalhamos juntos com os fornecedores de
conteúdo para entender exatamente o que significa integrar alguém mais rápido? Ao fazer todas as perguntas, o que
fizemos foi preparar os dados por entender quem eram as pessoas das novas contratações que estávamos examinando.
Preparamos nossos dados repassando e compreendendo quem eram essas pessoas, entendendo quem era nosso conjunto
de amostras, quem era nosso grupo de controle, quem era nosso grupo teste, onde estavam nossas fontes de dados, e
garantindo que ela estava em um conjunto, em um formato que era limpo e agradável para que escrevêssemos os scripts
adequados. Então, o próximo passo para nós foi processar os dados para garantir que estavam num formato que realmente
poderíamos analisar em SQL, tendo certeza de que era o formato certo, nas colunas certas e nas tabelas certas para nós.
Para analisar os dados, escrevemos scripts em SQL e em R para correlacionar os dados ao grupo de controle ou o grupo
teste e interpretar os dados para entender se onde houve alguma mudança nos indicadores comportamentais que vimos?
Ao analisarmos todos os dados, procuramos relatar isso de uma forma que as partes interessadas pudessem entender.
Dependendo de quem eram as nossas partes interessadas, preparamos relatórios, painéis e apresentações, e
compartilhamos essa informação. Depois que todos os nossos relatórios foram concluídos, vimos resultados realmente
positivos e decidimos agir com base nisso, continuando nosso programa de integração com base no projeto. Foi realmente
gratificante saber que temos os dados para fundamentar nosso projeto e que ele realmente funcionou. E não apenas que os
dados estavam lá, mas sabíamos que nossos alunos estavam aprendendo e que eles eram mais produtivos e mais rápidos
ao voltar ao seu trabalho.
RESOLVER PROBLEMAS COM DADOS
VÍDEO - Tipos de problemas comuns - Em um vídeo anterior, mostrei como a análise de dados ajudou uma empresa a
descobrir onde anunciar seus serviços. Uma parte importante deste processo foi uma boa habilidade em resolução de
problemas. Como analista de dados, você descobrirá que os problemas são o centro do que você faz todos os dias. Isso é
bom. Pense nos problemas como oportunidades para colocar suas habilidades em prática e encontrar soluções criativas e
perspicazes. Os problemas podem ser pequenos ou grandes, simples ou complexos, nenhum problema é igual a outro e
todos eles precisam de abordagens diferentes. Mas o primeiro passo é sempre o mesmo: entender que tipo de problema
você está tentando resolver, e é sobre isso que vamos falar sobre agora. Os analistas de dados trabalham com diversos
problemas. Neste vídeo, vamos nos concentrar em seis tipos comuns. Estes são: fazer previsões, categorizar coisas,
identificar algo fora do normal, identificar temas, descobrir conexões e encontrar padrões. Vamos definir cada um
deles agora. Primeiro, fazer previsões. Este tipo de problema envolve usar dados para tomar uma decisão
consciente sobre como as coisas podem ser no futuro. Por exemplo, um sistema hospitalar pode usar monitoramento
remoto de pacientes para prever eventos de saúde em pacientes com doenças crônicas. Os pacientes fariam a leitura de
seus sinais vitais em casa todos os dias, e essa informação combinada com dados sobre sua idade, fatores de risco e
outros detalhes importantes podem permitir que o algoritmo do hospital preveja futuros problemas de saúde e até reduza
futuras internações. O próximo tipo de problema é de categorização de coisas. Isso significa atribuir informações
para diferentes grupos ou clusters com base em recursos comuns. Um exemplo desse tipo de problema é um
fabricante que analisa os dados de desempenho dos funcionários do chão de fábrica. Um analista pode criar um grupo
para funcionários que são mais e menos eficazes em engenharia. Um grupo para funcionários que são mais e menos
efetivos no reparo e na manutenção, mais e menos efetivos na linha de montagem, e muito outros grupos ou clusters. Em
seguida, temos a detecção de algo incomum. Nesse tipo de problema, o analista de dados identifica os dados que
são diferentes do padrão. Um exemplo de detecção de algo incomum no mundo real é um sistema escolar que tem um
Curso 2 - Fazer perguntas para tomar decisões com base em dados
aumento repentino no número de alunos matriculados, talvez de até 30 por cento no número de alunos. Um analista de
dados pode olhar para a curva ascendente e descobrir que vários prédios novos foram construídos no distrito escolar no
início daquele ano. Seria possível usar esta análise para ter certeza que a escola tem recursos suficientes para lidar com
os alunos extras. A identificação de temas é o próximo tipo de problema. A identificação de temas leva a
categorização um passo adiante, agrupando as informações em conceitos mais amplos. Voltando ao nosso fabricante
que acabou de revisar os dados dos funcionários de chão de fábrica. Primeiro, essas pessoas são agrupadas por tipos e
tarefas. Mas agora um analista de dados poderia pegar todas essas categorias e agrupá-las em um conceito mais amplo de
baixa produtividade e alta produtividade. Isso faria com que a empresa pudesse ver quem é mais e menos produtivo, a fim
de recompensar os melhores desempenhos e providenciar apoio extra para aqueles funcionários que precisam de mais
treinamento. Agora, o tipo de problema de descoberta de conexões permite que o analista dedados encontre
desafios semelhantes enfrentados por diferentes entidades, e então combine os dados e insights para abordá-los.
Aqui está o que quero dizer; digamos que uma empresa de scooters está enfrentando um problema com as rodas que
recebe do seu fornecedor. A empresa teria que parar a produção até que pudesse conseguir rodas seguras e de qualidade
de novo no estoque. Mas, enquanto isso, as empresas de rodas enfrentam um problema com a borracha que usam para
fazer as rodas, e acontece que o fornecedor de borracha também não consegue encontrar o material certo. Se todas essas
entidades pudessem conversar sobre os problemas que estão enfrentando e pudessem compartilhar os dados
abertamente, elas encontrariam diversos desafios semelhantes e, melhor ainda, poderiam colaborar para encontrar uma
solução. O tipo final de problema é o de encontrar padrões. Os analistas de dados usam dados para encontrar
padrões usando dados históricos, a fim de entender o que aconteceu no passado e, portanto, o que provavelmente
acontecerá novamente. Empresas de e-commerce usam dados para encontrar padrões o tempo todo. Os analistas de
dados olham dados de transações a fim de entender hábitos de compras dos clientes em certos momentos ao longo do
ano. Eles podem descobrir que os clientes compram mais alimentos enlatados logo antes de um furação, ou que compram
menos acessórios de frio como chapéus e luvas durante meses mais quentes. As empresas de e-commerce podem usar
esses insights para ter certeza de que podem estocar a quantidade certa de produtos nesses momentos chave. Certo, você
aprendeu seis tipos básicos de problemas que os analistas de dados tipicamente enfrentam. Enquanto um futuro analista
de dados, esses serão conhecimentos valiosos para a sua carreira. Em seguida, falaremos um pouco mais sobre todos
esses tipos de problemas e eu vou dar ainda mais exemplos deles sendo resolvidos por analistas de dados.
Particularmente, eu amo exemplos do mundo real. Eles realmente me ajudam a entender novos conceitos. Mal posso
esperar para mostrar ainda mais casos reais para você. Vejo você lá.
Seis tipos de problemas
A análise de dados é muito mais do que apenas inserir informações em uma plataforma para encontrar insights.
Trata-se de resolver problemas. Para chegar à raiz desses problemas e encontrar soluções práticas, existe muito
espaço para o pensamento criativo. Não importa o problema, o primeiro e mais importante passo é entendê-lo. A
partir daí, é bom adotar uma abordagem no sentido de solucionar os problemas em sua análise para ajudá-lo a
decidir quais informações devem ser incluídas, como você pode transformar os dados e como os dados serão
usados.
Os analistas de dados normalmente trabalham com seis tipos de problemas
1. Fazer previsões
2. Categorizar coisas
3. Identificar algo incomum
4. Identificação de temas
5. Descobrir conexões
6. Encontrar padrões.
Um vídeo, Tipos de problemas comuns,
apresentou os seis tipos de problemas
com um exemplo para cada um. Os
exemplos são resumidos abaixo para
avaliação.
https://www.coursera.org/learn/fazer-perguntas-para-tomar-decisoes-com-base-em-dados/lecture/E8HxZ/tipos-de-problemas-comuns
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Fazer previsões
Uma empresa que deseja saber o melhor método de publicidade para atrair novos clientes é um exemplo de
problema que exige que os analistas façam previsões. Analistas com dados sobre localização, tipo de mídia e
número de novos clientes adquiridos como resultado de anúncios anteriores não podem garantir resultados
futuros, mas podem ajudar a prever o melhor posicionamento de publicidade para atingir o público-alvo.
Categorizar coisas
Um exemplo de problema que exige que os analistas categorizem as coisas é o objetivo da empresa de melhorar
a satisfação do cliente. Os analistas podem classificar as chamadas de atendimento ao cliente com base em
certas palavras-chave ou pontuações. Isso pode ajudar a identificar representantes de atendimento ao cliente de
alto desempenho ou ajudar a correlacionar certas ações tomadas com pontuações mais altas de satisfação do
cliente.
Identificar algo incomum
Uma empresa que vende smartwatches que ajudam as pessoas a monitorar sua saúde estaria interessada em
projetar seu software para detectar algo incomum. Os analistas que analisaram dados agregados de saúde
podem ajudar os desenvolvedores de produtos a determinar os algoritmos certos para detectar e disparar
alarmes quando certos dados não apresentarem tendências regulares.
Identificação de temas
Os designers de experiência do usuário (UX) podem precisar dos analistas para analisar os dados de interação
do usuário. Assim como problemas que exigem que os analistas categorizem as coisas, os projetos de melhoria
de usabilidade podem exigir que os analistas identifiquem temas para ajudar a priorizar os recursos certos do
produto que se deseja melhorar. Os temas são usados com mais frequência para ajudar os pesquisadores a
explorar certos aspectos dos dados. Em um estudo para usuários, as crenças, práticas e necessidades do
usuário são exemplos de temas. Agora você deve estar se perguntando se há uma diferença entre categorizar
coisas e identificar temas. A melhor maneira de pensar sobre isso é: categorizar coisas envolve atribuir itens
a categorias; identificar temas leva essas categorias um passo à frente, agrupando-as em temas mais
amplos.
Descobrir conexões
Uma empresa de logística terceirizada trabalhando com outra empresa para fazer com que as remessas sejam
entregues aos clientes no prazo é um exemplo de problema que exige que os analistas descubram as conexões.
Ao analisar os períodos de espera nos centros de remessa, os analistas podem determinar as mudanças de
programação apropriadas para aumentar o número de entregas no prazo.
Encontrar padrões
Minimizar o tempo de inatividade causado por uma falha em uma máquina é um exemplo de problema que exige
que os analistas encontrem padrões nos dados. Por exemplo, ao analisar os dados de manutenção, eles podem
descobrir que a maioria das falhas ocorre se a manutenção regular for atrasada por mais de 15 dias.
Principal conclusão
À medida que avança neste programa, você desenvolverá uma visão mais apurada dos problemas e você vai
trabalhar seu raciocínio nos diferentes tipos de problema ao iniciar a análise. Este método de resolução de
problemas o ajudará a descobrir soluções que atendam às necessidades de todas as partes interessadas.
VÍDEO - Problemas no mundo real - Você vem aprendendo sobre os seis tipos de problemas mais comuns que os
analistas de dados encontram: fazer previsões, categorizar coisas, identificar algo incomum, identificar temas, descobrir
conexões e encontrar padrões. Vamos pensar em um exemplo do mundo real de um vídeo mostrado anteriormente. Nesse
exemplo, em qualquer lugar, o conserto de jogos queria descobrir como atrair novos clientes. Então, o problema era como
determinar o melhor método de publicidade para o público-alvo de consertos de jogos. Para ajudar a resolver esse
Curso 2 - Fazer perguntas para tomar decisões com base em dados
problema, a empresa usou dados para visualizar o que aconteceria se anunciasse em lugares diferentes. Ninguém pode
prever o futuro, mas os dados ajudam a tomar uma decisão informada sobre como as coisas provavelmente dariam certo.
Portanto, o tipo de problema era fazer previsões. Agora vamos pensar sobre o segundo tipo de problema, categorizar as
coisas. Aqui está um exemplo de um problema que envolve categorização. Digamos que uma empresa deseja melhorar os
níveis de satisfação do cliente. Os analistas de dados podem revisar os registrados de chamadas para o departamento de
atendimento ao cliente da empresa e avaliar os níveis de satisfação de cada pessoa que realizou a chamada. Eles podem
identificar certas palavras-chave ou frases que surgem durante os telefonemas e atribuir categorias como educação,
satisfação, insatisfação, empatia e muito mais. Categorizar essas palavras-chave nos fornece dados quepermitem à
empresa identificar representantes de atendimento ao cliente com melhor desempenho e aqueles que talvez precisem de
mais treinamento. Isso leva os clientes a ficarem mais satisfeitos e, consequentemente, a pontuações de atendimento ao
cliente mais altas. Ok, agora vamos falar sobre um problema que envolve detectar algo incomum. Alguns de vocês podem
ter um smartwatch, meu aplicativo favorito é para acompanhamento de saúde. Esses aplicativos podem ajudar as pessoas
a se manterem saudáveis coletando dados como sua frequência cardíaca, padrões de sono, rotina de exercícios e muito
mais. Existem muitas histórias por aí sobre aplicativos de saúde que realmente salvam a vida das pessoas. Um é sobre
uma mulher que era jovem, atlética e não tinha históricos de problemas médicos. Uma noite ela ouviu um bip em seu
smartwatch, uma notificação disse que sua frequência cardíaca havia disparado. Agora, neste exemplo, pense no relógio
como um analista de dados. O relógio estava coletando e analisando dados de saúde. Então, quando sua frequência
cardíaca descansando foi de repente para 120 batidas por minuto, o relógio viu algo incomum porque de acordo com seus
dados, a taxa era normalmente em torno de 70. Graças aos dados que seu smartwatch coletou, a mulher foi para o hospital
e descobriu que ela tinha uma condição que poderia levar a complicações fatais se ela não tivesse procurado ajuda
médica. Agora, vamos passar para o próximo tipo de problema, identificando temas. Vemos muitos exemplos disso no
campo de experiência do usuário. Os designers de experiência de usuário estudam e trabalham para melhorar as
interações que as pessoas têm com os produtos que usam todos os dias. Digamos que um designer de experiência do
usuário quer ver o que os clientes acham da cafeteira que ele fabrica em sua empresa. Esta empresa coleta dados de
pesquisas anônimas de usuários, que podem ser usado para responder a esta pergunta. Mas primeiro, para dar sentido a
tudo isso, ele precisará encontrar temas que representam os dados mais valiosos, especialmente as informações que ele
pode usar para tornar a experiência do usuário ainda melhor. Portanto, o problema que a empresa de designers de
experiência do usuário enfrenta é como melhorar a experiência do usuário para suas cafeteiras. O processo aqui se
resume a encontrar categorias para as palavras-chave, frases e conversas de atendimento ao cliente. Mas identificar temas
vai além do agrupamento de cada insight em um tema mais amplo. Em seguida, o designer pode identificar os temas mais
comuns. Neste caso, ele aprendeu que os usuários não conseguiam identificar se a cafeteira estava ligada ou desligada.
Ele acabou otimizando o design com melhor posicionamento e iluminação para o botão liga/desliga, levando ao
aprimoramento do produto e deixando os usuários mais satisfeitos. Agora chegamos ao problema sobre descobrir
conexões. Este exemplo é da indústria de transporte e usa algo chamado logística de terceiros. Os parceiros de logística
terceirizados ajuda as empresas a enviar produtos quando eles não têm seus próprios caminhões, aviões ou navios. Um
problema comum que esses parceiros enfrentam é descobrir como reduzir o tempo de espera. O tempo de espera acontece
quando um motorista de caminhão do provedor de logística terceirizado chega para pegar uma remessa, mas esta não está
pronta. Então ela tem que esperar. Isso custa tempo e dinheiro para ambas as empresas e impede que os caminhões
voltem para a estrada para fazer mais entregas. Então, como eles podem resolver isso? Bem, ao compartilhar dados, as
empresas parceiras podem ver os cronogramas umas das outras e ver o que está causando atrasos nas remessas. Então,
eles podem descobrir como evitar esses problemas no futuro. Portanto, o problema de uma empresa não causa impacto
negativo para a outra. Por exemplo, se as remessas estão atrasadas porque uma empresa só entrega às segundas, quartas
e sextas-feiras, e a outra empresa só entrega terças e quintas-feiras, então as empresas podem optar por entregar no
mesmo dia para reduzir o tempo de espera para os clientes. Tudo bem, chegamos ao nosso último tipo de problema,
encontrar padrões. As empresas de petróleo e gás trabalham constantemente para manter suas máquinas funcionando
corretamente. Então o problema é: como impedir que as máquinas quebrem? A maneira que os analistas de dados podem
fazer isso é analisando os padrões do histórico de dados da empresa. Por exemplo, eles podem investigar como e quando
uma determinada máquina quebrou no passado e gerar perspectivas sobre o que levou a este dano. Neste caso, a
empresa notou um padrão indicando que as máquinas começavam a quebrar em taxas mais rápidas quando a manutenção
não era feita em ciclos de 15 dias. Eles podem, então, acompanhar as condições atuais e intervir se algum desses
problemas acontecer novamente. Parece legal, não é? Sempre fico surpresa ao saber como os dados ajudam pessoas
reais e empresas reais a fazerem mudanças significativas. Eu espero que você também esteja. Vejo você em breve.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
VÍDEO - Anmol: Da hipótese ao resultado - Olá, eu me chamo Anmol. Sou o chefe de Análise de Marketing de Grandes
Anunciantes dentro da Equipe de Marketing do Google. No fundo, meu trabalho tem a ver com conectar o usuário certo
com a mensagem certa no momento certo. Este primeiro passo é ter uma ideia geral de determinado padrão que está
ocorrendo. Por exemplo, sabemos que este segmento de usuários em particular é mais adequado para este tipo de
conteúdo. Quando somos capazes de visualizar esta hipótese por meio dos dados, nós testamos para assegurar que a
hipótese está realmente correta. Por exemplo, nós testaríamos o envio dessas peças de conteúdo para este segmento de
usuários, e realmente confirmar dentro de um ambiente controlado se a taxa de resposta é alta para este tipo de conteúdo,
ou se não é. Assim que formos capazes de realmente confirmar essa hipótese, nós entramos em contato com as partes
interessadas, neste caso, nossos profissionais de marketing, e contamos que, provamos com um grau de certeza
relativamente alto que este segmento em particular é mais adequado para este tipo de conteúdo, e por causa disso,
estamos recomendando que você produza mais deste tipo de conteúdo. Nossas partes interessadas realmente conseguem
ver toda a evolução, desde a hipótese até o conceito comprovado, e eles podem nos acompanhar na jornada de como
estamos provando essas hipóteses para elas então eventualmente se transformarem em estratégias e recomendações para
o negócio. O resultado neste caso foi que nós fomos capazes de mudar a maneira como todo o nosso time de marketing
trabalhava para realmente fazer isso muito mais centrado no usuário. Em vez de focar na nossa perspectiva, criando um
conteúdo que pensamos que os usuários precisam, na verdade estamos indo na outra direção de descobrir o que os
usuários precisam primeiro, provando que eles precisam de certas coisas ou não, e então usando estas informações para
levar de volta aos nossos profissionais de marketing e criando um conteúdo que atenda às suas necessidades. Então,
realmente mudou a direção sobre como produzir as coisas.
CRIAR PERGUNTAS EFETIVAS
VÍDEO - Perguntas SMART - Agora que falamos sobre os seis tipos básicos de problemas, é hora de começar a
resolvê-los. Para fazer isso, os analistas de dados começam fazendo as perguntas certas. Neste vídeo, nós vamos
aprender como fazer perguntas efetivas que levam a insights importantes onde você pode usar para resolver todos os tipos
de problemas. Como analista de dados, eu faço perguntas constantemente. É a parte mais importante do trabalho. Se
alguém solicitar que eu trabalhe em um projeto, eu faço perguntas para ter certeza de que estamos em sintonia sobre o
plano e os objetivos. E quando eu consigo um resultado, eu questiono isso. Os dados estão me mostrando algo superficial?
Existe algum conflito em algum lugar que precisa ser resolvido? Quanto maisperguntas você faz, mais você vai aprender
sobre seus dados e mais eficazes suas percepções serão no fim do dia. Algumas perguntas são mais efetivas do que
outras. Vamos dizer que você esteja almoçando com um amigo e eles dizem: "Esses são os melhores sanduíches de todos
os tempos, não são?" Bem, essa pergunta realmente não lhe dá a oportunidade de compartilhar sua opinião,
especialmente se você discordar e não gostar muito do sanduíche. Isso é chamado de pergunta dirigida porque o leva a
responder de uma certa maneira. Ou talvez você esteja trabalhando em um projeto e decida entrevistar um membro da
família. Digamos que você pergunte ao seu tio: «Você gostou de morar na Malásia?». Ele pode responder, "Sim." Mas você
não aprendeu muito sobre as experiências dele lá. Sua pergunta foi fechada. Isso significa que pode ser respondida
com sim ou não. Esse tipo de pergunta raramente leva a percepções valiosas. Agora, e se alguém perguntar a você,
você prefere chocolate ou baunilha? Bem, do que estão falando especificamente? Sorvete, pudim, aroma de café ou outra
coisa? E se você gosta de sorvete de chocolate, mas de baunilha no café? E se você não gostar de nenhum dos sabores?
Esse é o problema deste tipo de pergunta. É muito vaga e não tem contexto. Saber a diferença entre perguntas eficazes e
ineficazes é essencial para sua futura carreira como analista de dados. Afinal, o processo do analista de dados começa
com a fase de perguntas. Portanto, é importante que façamos as perguntas certas. Perguntas eficazes seguem a
metodologia SMART. Isso significa que elas são eSpecíficas, Mensuráveis, orientadas para a Ação, Relevantes e
com prazo deTerminado. Vamos ver isso em mais detalhes. As perguntas específicas são simples, significativas e
focadas em um único tópico ou algumas ideias intimamente relacionadas. Isso nos ajuda a coletar informações
relevantes para o que estamos investigando. Se uma pergunta for muito geral, tente restringi-la focando apenas em um
elemento. Por exemplo, em vez de fazer uma pergunta fechada, como: «As crianças estão praticando atividades físicas o
suficiente hoje em dia?», pergunte que porcentagem de crianças atinge os 60 minutos recomendados de atividade física
pelo menos cinco dias por semana? Essa pergunta é muito mais específica e pode fornecer informações mais úteis. Agora,
vamos falar sobre questões mensuráveis. Perguntas mensuráveis podem ser quantificadas e avaliadas. Um exemplo
de questão não mensurável seria, por exemplo, por que um vídeo recente se tornou viral? Em vez disso, você pode
perguntar quantas vezes nosso vídeo foi compartilhado nas redes sociais na primeira semana que foi postado? Essa
Curso 2 - Fazer perguntas para tomar decisões com base em dados
pergunta é mensurável porque nos permite contar as ações e chegar a um número concreto. Ok, agora chegamos às
questões orientadas para a ação. Perguntas orientadas para a ação incentivam a mudança. Você deve se lembrar que
resolver o problema é ver o estado atual e descobrir como transformá-lo no estado futuro ideal. Bem, perguntas orientadas
para a ação ajudam você a chegar lá. Então, ao invés de perguntar: «Como podemos fazer com que os clientes reciclem as
embalagens dos nossos produtos?», você pode perguntar: «Quais características de design podem tornar nossa
embalagem mais fácil de ser reciclada?» Isso traz respostas para as quais você pode tomar alguma ação. Tudo bem,
vamos ver agora sobre perguntas relevantes. Questões relevantes importam, são importantes e têm significado para o
problema que você está tentando resolver. Vamos dizer que você esteja trabalhando em um problema relacionado a uma
determinada espécie ameaçada de rã. E você pergunta: «Por que é importante que as rãs de Pine Barrens tenham
começado a desaparecer?» Esta é uma pergunta irrelevante porque a resposta não vai ajudar a achar uma maneira de
evitar que essas rãs sejam extintas. Uma pergunta mais relevante seria: «Quais fatores ambientais mudaram em Durham,
Carolina do Norte, entre 1983 e 2004 que poderiam causar o desaparecimento das rãs de Pine Barrens das regiões de
Sandhills?» A pergunta pode nos levar a uma resposta que pode ajudar a resolver esse problema. Esse também é um
ótimo exemplo para nosso item final, as perguntas com limite de tempo. As perguntas com limite de tempo especificam
o tempo do estudo. O período que queremos estudar é de 1983 a 2004. Isso limita a gama de possibilidades e permite
que o analista de dados foque nos dados relevantes. Ok, agora que você tem uma compreensão geral das perguntas
SMART, vamos falar de outra coisa que é muito importante que você deve ficar atento ao fazer perguntas: imparcialidade.
Falamos de imparcialidade antes, mas como um lembrete rápido, imparcialidade significa garantir que sua pergunta
não crie ou reforce algum ponto de vista. Para falar sobre isso, vamos voltar ao nosso exemplo do sanduíche. Lá,
tivemos uma pergunta injusta porque foi formulada para levar você a uma certa resposta. Isso dificulta uma resposta
honesta caso você discorde sobre a qualidade do sanduíche. Outro exemplo comum de pergunta injusta é aquela que faz
suposições. Por exemplo, digamos que uma pesquisa de satisfação seja dada às pessoas que visitam um museu de
ciências. Se a pesquisa perguntar: «O que você mais gostou em nossas exposições?», isso pressupõe que o cliente
gostou das exposições, o que pode ou não ser verdadeiro. Imparcialidade também significa elaborar perguntas que
façam sentido para todos. É importante que as perguntas sejam claras e tenham uma redação direta, que qualquer
pessoa possa entender facilmente. Perguntas injustas também podem dificultar seu trabalho como analista de dados. Eles
levam a feedback não confiável e oportunidades perdidas de obter insights verdadeiramente valiosos. Você aprendeu muito
sobre como elaborar perguntas eficazes, como usar a estrutura SMART para criar suas perguntas e como garantir que suas
perguntas sejam justas e objetivas. Em seguida, você explorará diferentes tipos de dados e aprenderá como cada um é
usado para orientar as decisões de negócios. Você também aprenderá mais sobre visualizações e como métricas ou
medições podem ajudar a criar sucesso. Vai ser ótimo!
Mais sobre perguntas SMART
Hoje, empresas em muitos setores estão lidando com mudanças rápidas e incertezas crescentes. Mesmo
empresas bem estabelecidas estão sob pressão para se manter a par das novidades e descobrir o que vem a
seguir. Para fazer isso, eles precisam fazer perguntas. Fazer as perguntas certas pode ajudar a despertar as
ideias inovadoras que tantas empresas desejam hoje em dia. O mesmo se aplica à análise de dados. Não
importa quantas informações você tenha ou quão avançadas sejam suas ferramentas, seus dados não dirão
muito se você não começar com as perguntas certas. Pense que você é um detetive com toneladas de
evidências que não faz perguntas a um dos principais suspeitos a respeito delas. A seguir, você aprenderá mais
sobre como fazer perguntas altamente eficazes, junto com algumas práticas que você deve evitar.
Perguntas altamente eficazes são perguntas SMART:
SMART
Específica S
Mensurável M
Orientada para a ação A
Relevante R
Com duração definida T
A pergunta é específica? Ela aborda o problema? Tem contexto? Ela revelará muitas das informações que você
precisa? A pergunta fornecerá respostas que você pode mensurar? As respostas fornecerão informações que o
Curso 2 - Fazer perguntas para tomar decisões com base em dados
ajudem a elaborar algum tipo de plano de ação? A pergunta é sobre o problema específico que você está
tentando resolver? As respostas são relevantes para o período específico que está sendo estudado?
Exemplos de perguntas SMART
Aqui está um exemplo que divide o processo de pensamento de transformar uma pergunta problemática em uma
ou mais perguntas SMART usando o método SMART: Quais recursos as pessoas procuram ao comprar um carro
novo?
Específica: A pergunta se concentra em um recurso específico do carro?
Mensurável: A pergunta inclui um sistema declassificação de recursos?
Orientada para a ação: A pergunta influencia a criação de pacotes de recursos novos ou diferentes?
Relevante: A pergunta identifica quais recursos fazem ou quebram uma potencial compra do carro?
Com duração definida: A pergunta valida os dados sobre os recursos mais populares dos últimos três anos?
As perguntas devem ser abertas. Esta é a melhor maneira de obter respostas que o ajudarão a qualificar ou
desqualificar com precisão potenciais soluções para seu problema específico. Portanto, com base no processo
de pensamento, as possíveis perguntas SMART podem ser:
Em uma escala de 1 a 10 (sendo 10 o mais importante), qual a importância de seu carro ter tração nas quatro rodas?
Quais são os cinco principais recursos que você gostaria de ver em um pacote de carro?
Quais recursos, se incluídos na tração nas quatro rodas, fariam você mais propenso a comprar o carro?
Quanto a mais você pagaria por um carro com tração nas quatro rodas?
A tração nas quatro rodas tornou-se mais ou menos popular nos últimos três anos?
Coisas que devem ser evitadas ao fazer perguntas
Perguntas sugestivas: perguntas que só têm uma resposta em particular
Exemplo: Esse produto é muito caro, não é?
Esta é uma pergunta sugestiva porque sugere uma resposta como parte da pergunta. Uma pergunta melhor
poderia ser: “Qual é a sua opinião sobre este produto?” Existem inúmeras respostas para essa pergunta e elas
podem incluir informações sobre usabilidade, recursos, acessórios, cores, confiabilidade e popularidade, além
do preço. Agora, se o seu problema está realmente focado em preços, você poderia fazer uma pergunta do tipo
"Qual preço (ou faixa de preço) faria você considerar a compra deste produto?" Esta pergunta forneceria muitas
respostas mensuráveis diferentes.
Perguntas fechadas: perguntas que pedem uma resposta de uma palavra ou não contém muitas informações
Exemplo: Você ficou satisfeito com a avaliação do cliente?
Esta é uma pergunta fechada porque não incentiva as pessoas a expandir suas respostas. É muito fácil para eles
responder com uma única palavra que não seja muito informativa. Uma pergunta melhor poderia ser: “O que
você aprendeu sobre a experiência do cliente no teste?” Isso incentiva as pessoas a fornecerem mais detalhes
além de “Foi tudo bem”.
Perguntas vagas: perguntas que não são específicas ou não fornecem contexto
Exemplo: A ferramenta funciona para você?
Esta questão é muito vaga porque não há contexto. Trata-se de comparar a nova ferramenta com a que ela
substitui? Você simplesmente não sabe. Uma pergunta melhor poderia ser: “Quando se trata de entrada de
dados, a nova ferramenta é mais rápida, mais lenta ou quase igual à antiga? Se for mais rápido, quanto tempo
você consegue economizar? Se for mais lento, quanto tempo você perde?” Essas perguntas fornecem contexto
(entrada de dados) e ajudam a estruturar respostas que são mensuráveis (tempo).
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Autorreflexão: Cenários para analistas de dados
1.
Visão geral
Agora que você conhece a estrutura SMART para fazer perguntas, pode fazer uma pausa para aplicar o que está
aprendendo. Nesta autorreflexão, você irá considerar as perguntas que faria em um cenário específico. Essa
autorreflexão o ajudará a desenvolver percepções sobre seu próprio aprendizado e a prepará-lo para aplicar seu
conhecimento da estrutura de perguntas SMART em suas próprias investigações de dados. Ao responder a
perguntas (e fazer as suas próprias perguntas), você irá considerar conceitos, práticas e princípios para ajudar a
refinar sua compreensão e a reforçar seu aprendizado. Você fez o trabalho duro, então não deixe de aproveitá-lo
ao máximo: Essa reflexão ajudará a fixar o seu conhecimento!
Cenário:
Você está há três semanas em seu novo emprego como analista de dados júnior. A empresa para a qual você
trabalha acabou de coletar dados sobre as vendas de fim de semana. Seu gerente pede que você faça um
“mergulho profundo” nesses dados. Para iniciar este projeto, você deve fazer algumas perguntas e obter algumas
informações.
Perguntas SMART
Lembrando, perguntas SMART são:
● Específicas: As perguntas são simples, significativas e focadas em um único tópico ou em algumas
ideias intimamente relacionadas.
● Mensuráveis: As perguntas podem ser quantificadas e avaliadas.
● Orientadas para a ação: As perguntas incentivam a mudança.
● Relevantes: As perguntas são importantes, e têm importância para o problema que você está tentando
resolver
● Com duração definida: As perguntas com limite de tempo especificam o tempo do estudo.
A seguir, você usará a estrutura SMART para fazer perguntas eficazes sobre o cenário acima. Em seguida, você
irá refletir sobre os tópicos que suas perguntas SMART devem abordar.
1. Objetivos (Specific - Específico):
● Quais são os principais objetivos da análise dos dados de vendas de fim de semana? Podemos estar buscando identificar
tendências sazonais, analisar o desempenho de produtos específicos ou explorar padrões de compra do público-alvo?
2. Público-alvo (Mensurável - Mensurável):
● Quem são os principais interessados nos resultados desta análise? É o gerente de vendas, a equipe de marketing, a alta
administração ou outras partes interessadas específicas?
3. Tempo (Achievable - Alcançável):
● Qual é o prazo para concluir a análise e apresentar os resultados? Temos um limite de dados ou um período de tempo específico
para fornecer as informações?
4. Segurança (Relevante - Relevante):
● Existe alguma consideração especial em relação à segurança dos dados ao realizar essa análise? Precisamos garantir a
privacidade e conformidade com regulamentações, como a Lei Geral de Proteção de Dados (LGPD)?
5. Recursos (Time-bound - Limitado no tempo):
● Quais recursos estão disponíveis para realizar essa análise? Temos acesso a ferramentas de análise de dados específicos,
especialistas técnicos ou qualquer outro recurso relevante para nos ajudar a extrair informações valiosas dos dados?
Faça o tipo certo de perguntas
Você pode aplicar a estrutura SMART a todos os tipos de perguntas. O tipo de pergunta que você faz pode
ajudá-lo a explorar mais a fundo seus dados. Considere como suas perguntas o ajudam a examinar objetivos,
público, tempo, segurança e recursos.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Alguns tópicos comuns para perguntas incluem:
● Objetivos: Quais são os objetivos do mergulho profundo? Quais perguntas, se houver, devem ser
respondidas por este mergulho profundo?
● Público: Quem são as partes interessadas? Quem está interessado ou preocupado com os resultados
deste mergulho profundo? Quem é o público da apresentação?
● Tempo: Qual é o prazo para conclusão? Em que data isso precisa ser feito?
● Recursos: Quais recursos estão disponíveis para atingir os objetivos principais?
● Segurança: Quem deve ter acesso às informações?
Pense em como você pode fazer perguntas SMART sobre cada um desses tópicos.
Reflexão
Considere o cenário acima:
● Com base na estrutura SMART, quais perguntas são mais importantes?
● Como essas perguntas esclarecerão os requisitos e objetivos do projeto?
● Como fazer perguntas detalhadas e específicas é um benefício ao se planejar um projeto? As perguntas
vagas ou pouco claras podem prejudicar um projeto?
Agora, escreva de duas a três frases (40 a 60 palavras) em resposta a cada uma dessas perguntas. Digite sua
resposta na caixa de texto abaixo.
Fazer perguntas específicas e específicas é benéfica ao planejar um projeto porque ajuda a definir claramente os objetivos,
expectativas e restrições. Essas perguntas fornecem direcionamento e clareza sobre o que precisa ser alcançado, quem
são as partes interessadas, qual é o cronograma e quais são os recursos disponíveis.
Por outro lado, perguntas vagas ou pouco claras podem ajudar um projeto, pois levam a uma compreensão insuficiente dos
requisitos e objetivos. Isso pode resultar em entregas inconsistentes, atrasos, falta de direcionamento e até mesmo no
desperdíciode recursos. É fundamental esclarecer as dúvidas desde o início para garantir um planejamento adequado e
uma análise eficaz dos dados.
VÍDEO - Evan: Dados abrem portas - Olá, Meu nome é Evan. Sou gerente de portfólio de aprendizagem aqui no Google.
Tenho um dos trabalhos mais legais do mundo onde tenho contato com todo tipo de tecnologia que afeta Big Data, e depois
trabalhar com elas em cursos de treinamento como este para os alunos. Eu queria ter tido um curso como este quando
estava saindo da faculdade ou do ensino médio. Honestamente, foi um curso de analista de dados orientado desta forma,
se você já assistiu alguns dos vídeos, eles realmente te preparam para fazer o que quiser. Ele irá abrir todas as portas que
você quiser para qualquer posição dentro do currículo de dados. Bem, quais são algumas dessas posições? Existem tantas
rotas profissionais diferentes para quem está interessado em dados. Geralmente, se você for como eu, você entrará pela
porta como um analista de dados, talvez trabalhando com planilhas, talvez trabalhando com bancos de dados pequenos,
médios e grandes, mas tudo que você tem que lembrar são 3 funções principais diferentes. Agora, existem muitas
especialidades, dentro de cada uma dessas diferentes carreiras, mas esses três são analistas de dados, que geralmente
trabalham com SQL, planilhas, banco de dados, podem trabalhar com um time de business intelligence para criar esses
painéis. Agora, de onde vêm todos esses dados? Geralmente, um analista de dados trabalha com um engenheiro de dados
para transformar os dados brutos em pipelines acionáveis. Então você tem analistas de dados, engenheiros de dados,
e, por último, você pode ter cientistas de dados que basicamente dizem que os engenheiros de dados construíram
esses belos pipelines. Às vezes o analista também faz isto. Os analistas nos forneceram produtos limpos e dados
acionáveis. Então os cientistas de dados trabalharam de fato para transformar em modelos super legais de machine
learning ou inferências estatísticas que estão além de tudo que você possa ter imaginado. Compartilharemos muitos
recursos em links para que você fique animado com cada uma dessas posições diferentes. E a melhor parte é que, se você
for como eu, quando eu estava na escola, eu não sabia o que queria fazer, e você não precisa saber desde o começo qual
caminho você quer seguir. Experimente todos. Descubra o que você realmente quer. É algo muito pessoal. Tornar-se um
analista de dados é muito emocionante: por quê? Porque não é somente um meio para um fim. É seguir um plano de
carreira que muitas pessoas brilhantes já seguiram e tornaram as ferramentas e tecnologias muito mais fáceis para você e
Curso 2 - Fazer perguntas para tomar decisões com base em dados
eu. Por exemplo, quando eu estava começando a aprender SQL, ou linguagem de consulta estruturada, que você
aprenderá como parte deste curso, eu estava fazendo isso no meu laptop local e cada uma das consultas levava algo em
torno de 20, 30 minutos para processar e foi muito difícil para mim acompanhar as diferentes declarações de SQL que eu
estava escrevendo ou compartilhar com outra pessoa. Isso foi há aproximadamente 10 ou 15 anos. Agora, com todas as
empresas diferentes e todas as ferramentas diferentes que estão tornando as ferramentas de análise de dados e
tecnologias mais fáceis para você, você vai se divertir muito criando esses insights com muito menos sobrecarga do que
eu tinha quando comecei. Estou muito curioso em ouvir o que você acha e como será a sua experiência.
Autorreflexão: Faça suas próprias perguntas SMART
Pergunta 1
Visão geral
Agora que você aprendeu mais sobre as perguntas SMART, você pode pausar por um momento e fazer as suas
próprias. Nesta autorreflexão, você vai considerar suas ideias sobre a estrutura das perguntas SMART
Esta autorreflexão vai ajudar você a desenvolver insights sobre seu próprio aprendizado e a se preparar para a
aplicação da estrutura SMART nas suas próprias investigações de dados Ao responder a perguntas (e fazer suas
próprias perguntas), você irá considerar conceitos, práticas e princípios para ajudar a refinar sua compreensão e
a reforçar seu aprendizado. Você fez o trabalho pesado, então não deixe de aproveitá-lo ao máximo: Essa
reflexão ajudará a fixar o seu conhecimento!
Fazendo perguntas do mundo real
Nesta atividade, você terá uma conversa sobre dados com alguém que você conhece. Pode ser presencialmente,
pelo telefone ou em um chat de vídeo.
Escolha alguém em sua vida que usa dados para tomar decisões melhores. Pode ser um membro da família que
dirige uma pequena empresa, um amigo que lidera um comitê da Associação de Pais e Mestres ou um vizinho
que dá aulas de piano. Todas essas pessoas recorrem de alguma forma aos dados para serem mais eficazes em
suas funções.
Informe que você está treinando para ser um analista de dados e gostaria de bater um papo sobre dados para
praticar suas habilidades de fazer perguntas. Ao final desta conversa, você terá alguns insights úteis que
beneficiarão ambos.
Plano da conversa
Primeiro, decida com quem você falará e como eles podem usar os dados. Seu objetivo é planejar uma conversa
de sucesso. Pense em quanto tempo você precisa e como o usará. Para esta etapa, reveja o seguinte conselho:
● Priorize suas perguntas: Prepare-se para fazer as perguntas mais importantes e interessantes primeiro.
● Faça o seu tempo contar: Mantenha-se no assunto durante a conversa.
● Esclareça sua compreensão: Para evitar confusão, reserve um tempo para resumir as respostas e
garantir que as entendeu corretamente. Isso ajudará muito a evitar erros. Por exemplo, em uma conversa
com um professor, você pode verificar seu entendimento com uma afirmação como: “Só para confirmar
se entendi o que você está dizendo corretamente, atualmente você usa as pontuações dos testes das
seguintes maneiras...”
Dependendo do campo em que estão, a pessoa com quem você conversa pode não se sentir confortável em
compartilhar dados detalhados com você. Tudo bem! Certifique-se de respeitar o que eles estão dispostos a
compartilhar durante a conversa.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Crie perguntas
Agora, faça perguntas para ajudá-lo a entender seus objetivos de negócios, o tipo de dados com os quais eles
interagem e quaisquer limitações dos dados.
Use a estrutura de perguntas SMART para garantir que cada pergunta que você faça, faça sentido com base em
seu campo. Cada pergunta deve atender ao maior número possível de critérios SMART.
Lembrando, perguntas SMART são
● Específicas: As perguntas são simples, significativas e focadas em um único tópico ou em algumas
ideias intimamente relacionadas.
● Mensuráveis: As perguntas podem ser quantificadas e avaliadas.
● Orientadas para a ação: As perguntas incentivam a mudança.
● Relevantes: As perguntas são importantes, e tem importância para o problema que você está tentando
resolver
● Com duração definida: As perguntas com limite de tempo especificam o tempo do estudo.
Por exemplo, se você tiver uma conversa com alguém que trabalha em uma loja, pode fazer perguntas como:
● Específicas:Atualmente, você usa dados para orientar decisões em sua empresa? Em caso afirmativo,
qual(is) tipo(s) de dados você coleta e como os usa?
● Mensuráveis:Você sabe qual a porcentagem das vendas de seus produtos mais vendidos?
● Orientadas para a ação:Existem decisões de negócios ou mudanças que você faria se tivesse as
informações certas? Por exemplo, se você tivesse informações sobre como as vendas de guarda-chuvas
mudam com o clima, como você as usaria?
● Relevantes:Com que frequência você analisa os dados da sua empresa?
● Com duração definida:Você pode descrever como os dados o ajudaram a tomar boas decisões para
sua(s) loja(s) no ano passado?
Se estiver conversando com um professor, você pode fazer perguntas diferentes, como:
● Específicas:Que tipo de dados você usa para construir suas aulas?
● Mensuráveis:Qual a correlação entre as pontuações dos alunos os testes debenchmark e suas notas?
● Orientadas para a ação: Você compartilha seus dados com outros professores para melhorar as aulas?
● Relevantes:Você compartilhou dados de notas com a turma inteira? Em caso afirmativo, os alunos
parecem estar mais ou menos motivados, ou ficaram iguais?
● Com duração definida: Nos últimos cinco anos, quantas vezes você revisou dados de anos acadêmicos
anteriores?
Se você estiver conversando com o proprietário de uma pequena empresa de uma sorveteria, pode perguntar:
● Específicas:Quais dados você usa para ajudar na compra e no estoque?
● Mensuráveis:Você pode ordenar (classificar) esses fatores do mais para o menos influente nas vendas:
preço, sabor e época do ano (estação)?
● Orientadas para a ação: Existe um único fator sobre o qual você precisa de mais dados para que possa
potencialmente aumentar as vendas?
● Relevantes:Como você anuncia ou se comunica com os clientes?
● Com duração definida: Como é o crescimento das vendas ano a ano nos últimos três anos?
Faça boas anotações
É importante fazer boas anotações durante a conversa. Suas anotações devem ser abrangentes e úteis. Para
ajudá-lo a fazer anotações significativas, você deve seguir o processo de fazer uma pergunta, esclarecer sua
compreensão da resposta e, em seguida, registrá-la brevemente em suas anotações.
Lembre-se: Se vale a pena fazer uma pergunta, vale a pena registrar a resposta. Comprometa-se a fazer ótimas
anotações durante a conversa.
Aspectos úteis de sua conversa a serem observados incluem:
● Fatos: Anote quaisquer informações concretas, como datas, horários, nomes e outros detalhes.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
● Contexto:Fatos sem contexto são inúteis. Observe todos os detalhes relevantes que são necessários
para compreender as informações que você coletou.
● Desconhecidas: Às vezes, você pode perder uma pergunta importante durante uma conversa. Anote
quando isso acontecer para que você possa descobrir a resposta mais tarde.
Por exemplo, se as perguntas SMART anteriores levaram o proprietário da sorveteria a propor um projeto para
analisar as preferências de sabor do cliente, suas anotações podem ser semelhantes a isto:
● Projeto: Colete dados de preferência de sabor do cliente.
● Plano geral de negócios: Use dados para oferecer ou criar mais sabores populares.
● Duas fontes de dados: Recibos de caixa registradora e pesquisas de clientes preenchidas (e-mail).
● Data alvo de conclusão: Q2
● Para fazer: Ligue novamente mais tarde e fale com o gerente sobre a localização dos dados da
pesquisa.
As anotações que você fará serão muito diferentes com base na conversa sobre dados que você tiver. O
importante é que suas anotações sejam claras, organizadas e concisas.
Agora você está pronto para ter uma ótima conversa sobre dados na vida real.
Reflexão
Antes de começar sua conversa sobre dados, considere cada uma das etapas acima. Pense em candidatos em
potencial, faça um brainstorming de algumas perguntas SMART e tenha uma ideia das informações que deseja
registrar durante a conversa. Em seguida, reflita sobre sua conversa:
● Que perguntas SMART você fez? Como essas perguntas se relacionam com o campo da pessoa com
quem você conversou?
Quais as principais informações necessárias no Banco de Dados da Rede? Onde podemos encontrar esses
dados? Quais os equipamentos necessários para a tarefa? Todas elas em relação ao Banco de Dados dos
professores da Rede;
● Que ideias você descobriu durante a sua conversa?
Ideias relativas ao formato e ao modo como interagir com os operadores do sistema e que necessitarão
visualizar essas informações
● Como a estrutura SMART o ajudou a chegar a suas conclusões?
As perguntas sendo claras e objetivas nos dão uma resposta melhor sobre a tarefa a ser realizada.
ENTENDA O POTENCIAL DOS DADOS
VÍDEO - Dados e decisões - Bem-vindo de volta! Agora é hora de ir mais além e consolidar o que você aprendeu sobre
resolução de problemas em Data Analytics e elaborar perguntas práticas. Em breve, falaremos sobre vários assuntos. Você
aprenderá sobre como os dados podem impulsionar nossas decisões, grandes e pequenas; a diferença entre a análise
qualitativa e quantitativa, e quando usá-las; os prós e contras das diferentes ferramentas de visualização de dados; o que
são métricas e como os analistas usam; e como usar a lógica matemática para ligar os pontos. Sinceramente falando,
ainda estou aprendendo mais sobre essas coisas todos os dias, assim como você! Como, por exemplo, dados qualitativos
e quantitativos podem trabalhar juntos. Em meu papel financeiro, a maioria do meu trabalho é quantitativa; recentemente,
porém, eu trabalhei em um projeto com foco em muita empatia e confiança, algo bastante novo para mim. Mas nós levamos
esse aspecto qualitativo muito mais em conta durante a análise, e isso me ajudou bastante a entender como dados
qualitativos e quantitativos podem, juntos, nos ajudar a fazer decisões mais eficazes. Você está no caminho para criar seu
próprio kit de ferramentas de analista de dados. Antes que você perceba, você estará analisando todos os tipos de dados e
aprendendo coisas novas enquanto faz isso. Antes de tudo, vamos nos limitar ao potencial da observação.
VÍDEO - Como os dados induzem as decisões - Nós falamos bastante sobre o que são os dados e o papel que
desempenham na tomada de decisão. O que já sabemos? Bem, os dados são uma coleção de fatos. Também sabemos
que a análise de dados revela insights e padrões importantes sobre tais dados. Por fim, sabemos que a análise de dados
pode nos ajudar a tomar decisões mais informadas. Agora, veremos o papel que os dados desempenham no processo
de tomada de decisão e daremos uma olhada nas diferenças entre decisões com base em dados e decisões inspiradas em
Curso 2 - Fazer perguntas para tomar decisões com base em dados
dados. Vejamos um exemplo da vida real. Pense na última vez que pesquisou "restaurantes próximos" e ordenou os
resultados pela classificação, para ajudar a decidir qual o melhor. Foi uma decisão que fez com o uso de dados. As
empresas e outras organizações usam dados para tomar decisões melhores o tempo todo. Há duas formas de se fazer
isso: com base em dados ou inspirada em dados. Falaremos mais sobre a tomada de decisão inspirada em dados mais
para frente, mas vejamos uma breve definição por hora. A tomada de decisão inspirada em dados explora diferentes
fontes de dados para identificar o que há em comum. No Google, usamos dados todos os dias, de formas
surpreendentes. Usamos, por exemplo, dados para ajudar a reduzir a energia gasta com a refrigeração das centrais de
dados. Após a análise de anos de dados coletados com inteligência artificial, pudemos tomar decisões que ajudaram a
reduzir em 40% a energia usada para refrigerar as centrais de dados. A equipe de Operações de pessoas do Google
também usa dados para melhorar a forma como contratamos novos Googlers e como conseguir que eles comecem com o
pé direito. Queríamos ter a certeza de que não ignorássemos nenhum candidato talentoso e que fizéssemos a transição
deles para novas funções da maneira mais tranquila possível. Após analisar dados sobre candidaturas, entrevistas e
processos de orientação de novos contratados, começamos a usar um algoritmo. Algoritmo é um processo ou conjunto
de normas a serem seguidas para uma tarefa específica. Com ele, analisamos candidatos que não foram aprovados no
processo de triagem inicial para encontrar ótimos candidatos. Os dados também nos ajudaram a determinar o número ideal
de entrevistas que levassem às melhores decisões de contratação possíveis. Criamos novas pautas de integração para
ajudar novos funcionários no início de suas funções. Os dados estão em toda parte. Hoje, criamos tantos dados que os
cientistas estimam que 90% dos dados mundiais foram criados apenas nos últimos anos. Pense no potencial disso. Quanto
mais dados temos, maiores são os problemas que podem ser resolvidos e mais influentes nossas soluções podem ser. A
coleta responsável de dadosé somente parte do processo. Também temos que transformar dados em conhecimento que
nos ajude a tomar melhores soluções. Vou deixar que nosso colega Googler, Ed, fale mais a respeito. Apenas ter toneladas
de dados não é o suficiente. É preciso fazer algo significativo com eles. Os dados, por si só, tem pouco valor. Segundo
Jack Dorsey, fundador do Twitter e Square, "Toda ação que fazemos nesse mundo desencadeia certa quantidade de dados,
e a maioria dos dados não tem significado até que alguém os interprete ou dê uma narrativa". Dados são simples, fatos
coletados juntos, valores que descrevem algo. Elementos isolados dos dados se tornam mais úteis quando coletados e
estruturados, mas, de alguma forma, ainda são, por si só, sem sentido. Precisamos interpretá-los para transformá-los em
informação. Vejamos o tempo de Michael Phelps na prova de 200 metros individual que lhe garantiu uma medalha: 1
minuto e 54 segundos. Não nos diz muita coisa. Quando comparamos com os tempos dos competidores da prova, porém,
vemos que Michael chegou em primeiro lugar e levou a medalha de ouro. Nossa análise pegou os dados, nesse caso, uma
lista das provas e tempos de Michael, e os transformou em informações ao compará-los a outros dados. O contexto é
importante. Precisamos saber que essa prova era uma final olímpica, e não uma prova aleatória, para determinar que foi
uma final medalha de ouro. Mas isso ainda não é conhecimento. Ao consumirmos, entendermos e aplicarmos a
informação, é aí que os dados se tornam mais úteis. Em suma, Michael Phelps é um rápido nadador. É incrível como
podemos transformar dados em conhecimento, que nos ajuda de várias formas, seja para encontrar o restaurante ideal ou
fazer mudanças ecológicas. Lembre-se de que o Data Analytics tem suas limitações. Às vezes, não temos acesso a todos
os dados necessários, ou os dados são medidos de forma diferente pelos programas, o que dificulta para nós encontrar
exemplos concretos. Falaremos disso mais a fundo depois, mas é importante começar a pensar sobre isso já. Agora que já
sabe como os dados levam à tomada de decisão, você sabe da importância da sua função, enquanto analista de dados,
para os negócios. Os dados são uma poderosa ferramenta para a tomada de decisões, e você pode ajudar a fornecer às
empresas a informação necessária para resolver problemas e tomar novas decisões, mas, antes disso, você precisará
saber um pouco mais sobre os tipos de dados com os quais trabalhará e como processá-los.
Êxitos e experimentações de dados
A presente leitura concentra-se na importância da interpretação rigorosa dos dados para as decisões com base
em dados. Você aprendeu o motivo pelo qual os dados representam uma ferramenta de negócios tão potente e
como os analistas de dados ajudam as empresas a tomar decisões com base em dados e, assim, alcançar
excelentes resultados. Vale lembrar, muito brevemente, que todos os analistas de dados têm como objetivo usar
os dados e traçar conclusões precisas e fazer ótimas recomendações. O ponto de partida de tudo isso é ter em
mãos dados que sejam completos, corretos e pertinentes. Não se esqueça de que é possível ter dados concretos
e, ainda assim, fazer escolhas erradas. Cabe aos analistas de dados interpretar os dados com precisão. Dados
interpretados incorretamente podem levar a grandes perdas. Considere os exemplos abaixo.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Falha no lançamento da Coca
Em 1985, foi lançado o New Coke em substituição à fórmula clássica da Coca-Cola. A empresa havia conduzido
testes de sabor com 200 mil pessoas, chegando à conclusão de que os participantes preferiam o New Coke à
Pepsi, uma grande concorrente da marca. Com base apenas nesses dados, a Coca Clássica foi retirada do
mercado e substituída pela New Coke, considerada como a solução para retomar a participação no mercado que
havia sido perdida para a então concorrente. No entanto, como se viu, a nova fórmula foi um grande fracasso e a
empresa acabou perdendo dezenas de milhões de dólares. Como isso pode ter acontecido com dados que
pareciam corretos? A resposta está no fato dos dados não estarem completos, o que os tornou imprecisos. Eles
não levavam em consideração a forma como os clientes se sentiriam com a substituição da Coca clássica pela
nova fórmula. A decisão da empresa de retirar a Coca clássica foi baseada em dados incompletos.
Perda do orbitador de Marte
Em 1999, a NASA perdeu o Mars Climate Orbiter, estimado em USD 125 milhões, embora tivesse bons dados. A
nave espacial queimou em pedaços devido à falta de colaboração e comunicação. A equipe de navegação do
Orbiter usava o SI ou sistema métrico (newtons) para seus cálculos de força, mas os engenheiros que
construíram a nave espacial usaram o Sistema de unidades de engenharia (libras) em seus cálculos. Ninguém
se deu conta do problema até que o Orbiter explodiu em chamas na atmosfera de Marte. Mais tarde, um comitê
de pesquisa da NASA que investigava a causa raiz do problema descobriu que a problemática estava isolada no
software que controlava os propulsores. Um programa calculou a força dos propulsores em libras; outro programa
que analisava os dados presumiu que estavam em newtons. Os controladores de software estavam tomando
decisões com base em dados para ajustar o impulso com base em dados 100% precisos, mas essas decisões
estavam erradas devido às suposições imprecisas ao interpretá-los. Uma conversão dos dados de um sistema
de medição para outro poderia ter evitado a perda.
Quando os dados são usados estrategicamente, as empresas podem transformar e aumentar sua receita.
Considere os exemplos abaixo.
Crate and Barrel
Na Crate and Barrel, as vendas online aumentaram mais de 40% durante os pedidos de isolamento domiciliar
em combate à pandemia global. Atualmente, as vendas online representam mais de 65% de todos os negócios
da empresa. Eles usam insights de dados para acelerar a transformação digital e oferecer as melhores
experiências, online e o�ine, aos clientes. Com o BigQuery, a Crate and Barrel pode "aproveitar dez vezes
[mais] fontes de informação (em comparação a alguns anos atrás), que são analisadas e transformadas em
insights acionáveis, que, por sua vez, podem ser usados para influenciar a próxima interação do cliente. E isso,
por sua vez, gera receita".
Saiba mais sobre a estratégia de dados da Crate and Barrel em Como a estratégia de dados de uma varejista
promove experiências intuitivas ao cliente.
PepsiCo
Desde a época do lançamento do New Coke, as coisas mudaram drasticamente para as empresas de bebidas e
de bens de consumo não duráveis (CPG). A PepsiCo contratou talentos analíticos e consolidou fluxos de
trabalho multifuncionais em torno de uma infraestrutura projetada para colocar as necessidades dos clientes em
primeiro lugar. [Eles] definiram, então, os processos certos para tomar decisões importantes com base em casos
de uso de tecnologia e dados. Por fim, [eles] investiram na pilha de tecnologia e plataformas adequadas para
que os dados pudessem fluir para um hub central baseado na nuvem. Isso é fundamental. Quando os dados são
reunidos, [eles] desenvolvem uma compreensão holística do consumidor e das suas jornadas".
Saiba mais sobre como a PepsiCo está promovendo uma experiência mais pessoal e relevante aos clientes com
o uso de dados em
Como um dos maiores profissionais de marketing do mundo adotou um comportamento totalmente diferente e
aprendeu a prever a intenção
https://www.thinkwithgoogle.com/future-of-marketing/digital-transformation/crate-and-barrel-digital-customer-experiences/
https://www.thinkwithgoogle.com/future-of-marketing/digital-transformation/crate-and-barrel-digital-customer-experiences/
https://www.thinkwithgoogle.com/marketing-strategies/data-and-measurement/pepsi-digital-transformation/
https://www.thinkwithgoogle.com/marketing-strategies/data-and-measurement/pepsi-digital-transformation/
Curso 2 - Fazer perguntas para tomar decisões com base em dados
.
Habilidades essenciais para resultadosde sucesso
Como analista de dados, suas próprias habilidades e conhecimento serão a parte mais importante de qualquer
projeto de análise. É importante que você mantenha uma mentalidade com base em dados, faça muitas
perguntas, experimente várias possibilidades diferentes e use lógica e criatividade em sua caminhada. Assim,
você estará preparado para interpretar seus dados com os mais elevados níveis de atenção e precisão. Observe
que há uma diferença entre tomar uma decisão com dados incompletos e tomar uma decisão com uma pequena
quantidade de dados. Você aprendeu que tomar uma decisão com dados incompletos é perigoso. No entanto,
dados precisos de um pequeno teste podem, às vezes, ajudar você a tomar uma boa decisão. Então, prepare-se.
Mais para frente, você aprenderá sobre quantos dados coletar.
VÍDEO - Dados qualitativos e quantitativos - Olá, novamente. Os dados são fundamentais na tomada de decisão. Nós
também aprendemos que há muitos tipos diferentes de perguntas que os dados podem nos ajudar a responder, e essas
perguntas geram diferentes tipos de dados. Nós falaremos de dois tipos de dados no vídeo: qualitativos e
quantitativos. Os dados qualitativos referem-se às medidas específicas e objetivas de fatos numéricos em geral, ao
que, "que", "quantos" e "quantas vezes" sobre um problema. Em outras palavras, coisas quantificáveis, como quantos
usuários pegam o trem para o trabalho semanalmente. Como analista financeiro, eu trabalho com vários dados
quantitativos. Eu adoro a segurança e a acurácia dos números. Por outro lado, os dados qualitativos descrevem
medidas subjetivas e explicativas de qualidades e características, ou de coisas que não podem ser medidas com
dados numéricos, como a cor do cabelo. Os dados qualitativos são ótimos em nos ajudar a responder perguntas do tipo
"por que". Por exemplo, por que as pessoas gostam de certo famoso ou petisco do que de outros. Com esses dados
quantitativos, podemos ver os números exibidos como gráficos ou tabelas. Eles nos transmitem um entendimento mais
elevado de por que os números são como são, o que é importante porque ajuda a dar um contexto ao problema. Como
analista de dados, você usará análises quantitativas e qualitativas, a depender da tarefa de negócios. As avaliações são
um ótimo exemplo. Pense sobre um momento em que usou avaliações para decidir se queria comprar alguma coisa ou ir
para algum lugar. As avaliações podem ter informado quantas pessoas não gostaram dessa coisa e por quê. As empresas
também leem as avaliações, mas usam os dados de outra forma. Vejamos um exemplo de uma empresa que usa dados
das avaliações dos clientes, para ver os dados qualitativos e quantitativos em ação. Digamos que uma sorveteria começou
a usar as avaliações online para interagir com os clientes e consolidar sua marca. Com essas avaliações, a sorveteria tem
insights sobre as experiências dos clientes, que podem ser usados na tomada de decisão. O dono percebe uma queda nas
notas. Ele vê que, recentemente, a sorveteria vem recebendo comentários mais negativos. Ele quer entender por que,
então começa a fazer perguntas. Primeiramente, perguntas quantificáveis. Há quantos comentários negativos? Qual a
classificação média? Quantas das avaliações usam as mesmas palavras-chave? Essas perguntas geram dados
quantitativos, resultados numéricos que ajudam a confirmar que os clientes não estão satisfeitos. Tais dados podem levar a
outras perguntas. Por que não estão satisfeitos? Como podemos melhorar a experiência? Essas perguntas levam a dados
qualitativos. Depois de analisar as avaliações, o dono da sorveteria identifica um padrão: 17 dos comentários negativos
usam a palavra "frustrado", um dado quantitativo. Já podemos começar a reunir dados qualitativos ao perguntar se essa
palavra se repete. Ele descobre que os clientes ficam frustrados pois os sabores favoritos estão esgotando antes mesmo
do fim do dia. Sabendo disso, a sorveteria pode mudar o pedido semanal e garantir que haja o suficiente do que os clientes
desejam. Com esses dois tipos de dados, o dono da sorveteria conseguiu perceber que seus clientes não estavam
satisfeitos, e por quê. Com esses dois tipos de dados em mãos, foi possível fazer as mudanças certas e melhorar os
negócios. Agora que você sabe a diferença entre dados qualitativos e quantitativos, você sabe como obter diferentes tipos
de dados ao fazer diferentes perguntas. Como detetive de dados, cabe a você saber quais perguntas fazer para encontrar a
solução certa. Assim, pode começar a pensar sobre formas criativas e legais de ajudar as partes interessadas a
entenderem melhor os dados. Por exemplo, painéis interativos, sobre os quais falaremos em breve.
Dados qualitativos e quantitativos do negócio
Essa leitura, você explora o significado de qualitativo em comparação a quantitativo.
Como você aprendeu, existem dois tipos de dados: qualitativos e quantitativos.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Ferramentas de dados qualitativos Ferramentas de dados quantitativos
● Grupos focais
● Análise de texto de mídia social
● Entrevistas pessoais
● Entrevistas estruturadas
● Pesquisas
● Enquetes
Podemos analisar um pouco mais a fundo os tipos de dados e as ferramentas de coleta de dados. Imagine que
você é um analista de dados de uma rede de cinemas. Seu gerente deseja que você acompanhe as tendências
de:
● Frequência de ida ao cinema ao longo do tempo
● Rentabilidade do snack bar
● Preferências do público noturno
Nessa hipótese, presumimos que já existem dados quantitativos para monitorar todas as três tendências.
Frequência de ida ao cinema ao longo do tempo
Começando com os dados históricos que o cinema
possui por meio do seu programa de fidelidade e
recompensas, seu primeiro passo é investigar quais
insights você pode obter desses dados. Você observa a
frequência de ida dos últimos três meses. Como, no
entanto, os últimos três meses não incluíram um
feriado importante, você decide que é melhor analisar
os dados referentes ao ano todo. Como você
suspeitava, os dados quantitativos confirmaram que a
frequência média era de 550 por mês, mas depois subiu para uma média de 1.600 por mês nos meses com
feriados. Os dados históricos atendem às suas necessidades para o projeto, mas você também decide que irá
retomar a análise alguns meses depois que o cinema aumentar os preços dos ingressos para os horários
noturnos.
Rentabilidade do snack bar
O lucro é calculado subtraindo-se o custo da receita de vendas. Os
dados históricos mostram que, embora o snack bar fosse lucrativo, as
margens de lucro eram mínimas, com menos de 5%. Você constatou que
as compras médias totalizaram USD 20 ou menos. Você decide que vai
continuar monitorando isso de forma periódica. Com base no seu
entendimento das ferramentas de coleta de dados, você irá sugerir uma
pesquisa online com os clientes para que eles possam comentar sobre
petiscos no snack bar. Com isso, você poderá reunir dados ainda mais
quantitativos para reformular o cardápio e, potencialmente, aumentar os
lucros.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Preferências do público noturno
Sua análise dos dados históricos mostra que o horário de exibição das
19h30 foi o mais popular e teve o maior público, seguido pelos horários das
19h15 e das 21h00. Você pode sugerir a substituição do horário de exibição
atual das 20h00, que tem menor frequência, por um horário às 20h30. São
necessários, no entanto, mais dados que corroborem sua sugestão de que
as pessoas estariam mais propensas a assistir à exibição mais tarde. Os
clientes que frequentam à noite são a maior fonte de receita do cinema,
portanto, você também decide incluir uma pergunta em sua pesquisa online
para obter mais informações.
Dados qualitativos para todas as três tendências mais os preços dos ingressos
Como sabe que o cinema está planejando aumentar os preços dos ingressos para os horários de exibição à
noite em alguns meses, você também incluirá uma pergunta na pesquisa para ter uma ideiada sensibilidade dos
clientes aos preços.
Sua pesquisa online final pode incluir as seguintes perguntas para dados qualitativos:
1. O que influenciou sua decisão de ver um filme em nosso cinema hoje? (frequência de ida ao cinema)
2. Qual a sua opinião com relação à qualidade e o valor de suas compras no snack bar? (rentabilidade do
snack bar)
3. Qual horário você prefere, 20h00 ou 20h25, e por quê? (preferências do cinéfilo noturno)
4. Em que circunstâncias você escolheria uma matinê em vez de uma exibição noturna? (aumento do
preço do bilhete)
Resumo
Os analistas de dados usam, no geral, os dois tipos de dados em seu trabalho. Normalmente, os dados
qualitativos ajudam os analistas a compreenderem melhor seus dados quantitativos através de uma justificativa
ou explicação mais completa. Em outras palavras, em geral, os dados quantitativos fornecem o quê,
enquanto que o porquê fica por conta dos dados qualitativos. Com ambos os dados, podemos entender
quando as pessoas gostam de ir assistir aos filmes e por que optam pelo cinema. Possivelmente, eles gostam
bastante das poltronas reclináveis; nesse caso, seu gerente pode comprar mais poltronas do tipo. Talvez o
cinema seja o único que sirva cerveja de raiz. Pode ser que uma exibição mais tarde dê a eles mais tempo para
dirigir até o cinema, onde há famosos restaurantes. Talvez eles vão à matinê porque têm filhos e querem
economizar dinheiro. Não teríamos descoberto essas informações analisando apenas os dados quantitativos de
frequência, lucro e horários de exibição.
Registro de aprendizado: Faça perguntas SMART com relação a fontes de dados da vida
real
Visão geral
Em uma autorreflexão anterior, você se preparou para uma “conversa sobre dados” com alguém em sua vida,
criando, para tanto, perguntas SMART para te ajudar a entender mais sobre os dados com os quais eles
costumam interagir, as limitações dos dados que possuem e seus objetivos de negócios. Agora, você preencherá
uma entrada em seu registro de aprendizagem para refletir sobre essa conversa e como você pode abordar
esses dados para um projeto real. Assim que concluir, terá um entendimento mais sólido de como usar a
estrutura SMART para elaborar perguntas importantes sobre os dados da vida real, uma habilidade fundamental
para você que começará a desenvolver seus próprios projetos de análise de dados.
https://www.coursera.org/learn/fazer-perguntas-para-tomar-decisoes-com-base-em-dados/quiz/4MP2O/autorreflexao-faca-suas-proprias-perguntas-smart
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Confira suas anotações
Antes de dar início à nova entrada, separe um momento para ler as anotações que você fez durante a conversa
sobre dados. Você já contará com um contexto melhor para seu público-alvo com base nas respostas dadas às
perguntas SMART que foram bem elaboradas. Revise essas respostas e comece a refletir sobre:
● As metas de negócios da parte interessada; nesse caso, a pessoa com a qual conversou;
● Como identificar os dados necessários para responder a perguntas SMART;
● Como analisar os dados que a parte interessada já possui;
● Como determinar os dados que ainda não tem em mãos, mas que são necessários para responder às
perguntas.
Você refletirá sobre o desempenho da sua conversa sobre dados e o que você aprendeu em seu modelo de
registro de aprendizado (link abaixo).
Acessar seu registro de aprendizado
Para usar o modelo deste item do curso, clique no link abaixo e selecione “Usar modelo”.
Link para o modelo de registro de aprendizado: Faça perguntas SMART com relação a fontes de dados da vida
real
Reflexão
Escreva, em 5 a 7 frases (100 a 140 palavras), sobre as fontes de dados que foram discutidas durante sua
conversa sobre dados da vida real.
Antes de tudo, leve em consideração a conversa e como ela se deu. Confira algumas perguntas que podem
ajudar você a dar os primeiros passos:
● Houve alguma questão que tornasse o início da conversa desafiador?
● Você deixou de fazer alguma pergunta?
● Você conseguiu administrar seu tempo?
● Fez anotações? Se sim, são detalhadas o suficiente?
● Há alguma informação faltando? Há alguma coisa que não ficou clara ou definida?
● Se pudesse repetir a conversa, você faria algo diferente?
Em seguida, analise suas anotações e reflita sobre o que você sabe sobre os dados:
● Quais as fontes de dados disponíveis para o projeto?
● Quais fontes eram qualitativas e quais eram quantitativas? Explique sua resposta.
● Ao levar em consideração cada dado de forma isolada, quais decisões poderia fazer? Se pudesse
uni-los, tomaria outras decisões? Se sim, exemplifique.
● Há algum dado indisponível que gostaria de encontrar? Se sim, qual e por que gostaria de saber mais a
respeito?
Quando você terminar sua anotação no modelo de registro de aprendizado, salve o documento para que sua
resposta fique guardada em um lugar acessível. Isso ajudará você a continuar aplicando a análise de dados na
vida cotidiana. Você também poderá acompanhar seu progresso e crescimento como analista de dados.
BASEIE-SE NAS EVIDÊNCIAS
VÍDEO - A grande revelação: compartilhando suas descobertas - Os dados são ótimos, mas se não é possível
comunicar o que eles nos dizem, acabam não sendo úteis para ninguém. Precisamos de formas de organizar os dados que
nos ajudem a torná-los informações. Há todos os tipos de ferramentas para ajudar você a visualizar e compartilhar a
análise dos dados com as partes interessadas. A seguir, vamos falar sobre duas ferramentas de apresentação de dados:
relatórios e painéis. Ambas as ferramentas são úteis na visualização de dados. Cada uma possui, porém, seus prós e
contras. O relatório é uma coleção estática de dados fornecida periodicamente às partes interessadas. Já o painel
monitora dados recebidos em tempo real. Vamos falar sobre relatórios primeiro. Eles são ótimos para apresentar um
instantâneo de dados históricos de alto nível a uma empresa. Por exemplo, as vendas mensais de uma empresa de
https://docs.google.com/document/d/1j6K2891rZLbNeUmPurfNv6b2d6MKgAedhxOrr6k_3Nw/template/preview
https://docs.google.com/document/d/1j6K2891rZLbNeUmPurfNv6b2d6MKgAedhxOrr6k_3Nw/template/preview
https://d3c33hcgiwev3.cloudfront.net/ruXN5Y33SrClzeWN9_qwwg_eefa9a3f63da41c6ace690d17d2ad1f1_DAC2M2L1R3ATTACHMENT_POR.docx?Expires=1687392000&Signature=bV4ZAjv20gD9QORdBD2bw85dDlVwIb-cMJFKHfdVs1g1DTEvFgCo5z-K1lVuKrvIFQstbpScYdUjF1bieIFHDXXfasQKNwXHk0IYWvx59ghrgcCLwNBu-N7AkXcWp-dQndXTN4PG9qXz7o12WT5EIgWwXdiRZBSojxVdeSXnrqY_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
Curso 2 - Fazer perguntas para tomar decisões com base em dados
finanças. Os relatórios possuem vários benefícios também. Eles podem ser projetados e enviados periodicamente,
seja a cada semana ou a cada mês, e organizados e fáceis para poder consultar informações. São rápidos de
projetar e fáceis de usar, desde que feita a atualização periódica. Por fim, já que usam dados estáticos ou ou dados
que não sofrem alterações após o registro, eles refletem dados já limpos e classificados. Você também precisa se
atentar aos contras. Eles demandam uma manutenção periódica e não são, visualmente falando, atraentes. Como não são
automáticos ou dinâmicos, os relatórios não exibem dados crescentes em tempo real. Se você procura isso para dados
recebidos, o ideal para você é um painel. Os painéis são ótimos por diversas razões. Com eles, sua equipe tem mais
acesso às informações registradas, você pode interagir através dos dados ao usar os filtros, e, como são
dinâmicos, possuem valor de longo prazo. As partes interessadas precisam ter acesso contínuo à informação? Um
painel pode ser mais eficiente do que extrair relatórios repetidas vezes, ajudando você a economizar tempo. Não
poderíamos deixar de fora o seu visual bacana. Os painéis também têm seus contras. Eles levam bastante tempo para
projetar e podem ser menos eficientes do que os relatórios, se não usados com frequência. Quando há uma falha qualquer
na tabela de base, acabam exigindo muita manutenção para voltar a como estava antes. Às vezes, ospainéis podem
sobrecarregar as pessoas com informações. Se não está acostumado a examinar dados em um painel, você pode acabar
se perdendo. Como analista de dados, você precisa decidir a melhor forma de comunicar as informações às partes
interessadas. Por exemplo, qual o interesse das partes interessadas no engajamento em mídias sociais da empresa? Seria
útil um relatório mensal que informe os números de novos seguidores da página para eles? Ou um painel que monitore o
engajamento das redes em tempo real, em várias plataformas? Depois, você criará seus próprios relatórios e painéis para
praticar usando essas ferramentas. Por ora, quero mostrar a você o visual de ambas as ferramentas. Vamos começar com
uma que já conhecemos, as planilhas. Vamos ver uma forma de visualização de dados de planilha em um relatório. Essa
planilha tem um conjunto de dados com os detalhes do pedido de uma atacadista. É informação e tanto. Nos cabeçalhos,
podemos ver diferentes coisas registradas, como data do pedido, o vendedor, preço unitário e a receita de cada transação
registrada. São informações úteis, mas difíceis de entender. Queremos um relatório de fácil leitura. Digamos que as partes
interessadas queiram dar uma rápida olhada na receita por vendedor. Com os dados, você pode criar uma tabela dinâmica
com um gráfico que exiba tal informação. A tabela dinâmica é uma ferramenta de resumo de dados, usada no
processamento dos dados. As tabelas dinâmicas são usadas para resumir, classificar, reorganizar, agrupar, contar,
totalizar ou definir a média dos dados armazenados em um banco de dados. Elas permitem aos usuários
transformar colunas em linhas, e linhas em colunas. Na verdade, falaremos mais sobre elas em outro momento. Mas
vou mostrar uma bem rapidamente. Vamos selecionar o menu Dados e clicar no botão Tabela Dinâmica. É possível extrair
dados dessa tabela. Basta pressionarmos Criar e o botão irá extrair em uma nova planilha. Aqui, nós vemos os campos da
tabela dinâmica que podemos selecionar. Clique em Selecionar, Vendedor e Receita. Assim, será criado um gráfico. Aqui,
você pode escolher o visual do gráfico, mas a informação está toda lá. Agora vejamos os painéis. Precisa de uma forma
mais dinâmica de compartilhar informações com as partes interessadas? Os painéis são ideais. Você pode criar algo como
esse painel do Tableau, com gráficos interativos que trazem várias exibições de dados. Assim, os usuários podem alterar o
local, o intervalo de datas ou outro aspecto dos dados exibidos, basta clicar nos diferentes elementos do painel. Legal, não
é? Mais para frente, veremos como é possível criar suas próprias visualizações de dados. Temos muito o que aprender
antes disso. Espero que tenha sido um excelente primeiro contato com as diferentes ferramentas de visualização que você
usará como analista de dados.
VÍDEO - Dados em comparação às métricas - No último vídeo, aprendemos como é possível visualizar os dados através
de relatórios e painéis, que mostram suas descobertas de formas interessantes. Em um dos nossos exemplos, a empresa
queria ter acesso à arrecadação das vendas de cada vendedor. Essa leitura específica dos dados é feita com o uso das
métricas. Bem, agora vamos falar um pouco mais sobre a diferença entre dados e métricas. E como as métricas podem ser
usadas para transformar os dados em informações úteis. A métrica é um tipo quantificável e isolado de dados que
pode ser usado na avaliação. Pense dessa forma. Os dados começam como uma coleção de fatos brutos, até que sejam
organizados em métricas individuais que representam um tipo isolado de dados. Além disso, as métricas podem ser
combinadas em fórmulas, nas quais é possível integrar seus dados numéricos. No exemplo anterior da receita das vendas,
todos os dados não têm muito significado, a menos que usemos uma métrica específica para organizá-los. Bem, vamos
definir como métrica a receita por cada vendedor. É possível ver as vendas de quem promoveram a maior receita. Em
geral, as métricas abrangem uma matemática simples. A receita, por exemplo, refere-se ao número das vendas
multiplicado pelo preço das vendas. É fundamental escolher a métrica certa. Os dados contêm vários detalhes brutos sobre
o problema em questão. Precisamos, no entanto, das métricas certas para chegarmos às respostas que queremos.
Diferentes setores usarão todos os tipos de métricas para medir coisas em um conjunto de dados. Vamos dar uma olhada
nas formas como empresas de diferentes setores usam as métricas. Assim, você pode entender como é possível usar as
Curso 2 - Fazer perguntas para tomar decisões com base em dados
métricas para coletar dados. Já ouviu falar de ROI? As empresas usam essa métrica o tempo todo. O ROI, ou Retorno
sobre o investimento é, basicamente, uma fórmula desenvolvida com métricas que informam à empresa o
desempenho de um investimento. Ele é composto por duas métricas: o lucro líquido para determinado período e o
custo do investimento. Ao compará-las, isto é, o lucro e o custo do investimento, a empresa consegue analisar os
dados quanto ao desempenho do seu investimento, o que a ajuda a decidir quanto investir futuramente e quais
investimentos devem ser priorizados. As métricas também são usadas no marketing. Elas podem ser usadas, por
exemplo, no cálculo dos índices de retenção do cliente ou da capacidade da empresa de reter os clientes ao longo do
tempo. Tais índices ajudam a empresa a comparar o número de clientes do início ao fim de um período e, assim,
acompanhar seus índices de retenção. Dessa forma, a empresa entende o nível de sucesso das suas estratégias de
marketing e se há necessidade de procurar novas abordagens para que mais clientes voltem. Diferentes setores usam
todos os tipos de métricas variadas; no entanto, todos possuem algo em comum: todos buscam alcançar uma meta
específica através da medição dos dados. Essa meta de métrica é uma meta mensurável definida por uma empresa e é
avaliada com o uso de métricas. E, assim como há várias métricas possíveis, há várias metas possíveis também. Pode
ser que uma empresa queira alcançar determinado número de vendas mensais ou então um certo percentual de clientes
leais. Com o uso das métricas para focar em aspectos individuais dos dados, você começa a ver a trajetória que seus
dados narram. As metas de métrica e as fórmulas são uma excelente forma de avaliar e entender os dados, embora não
sejam a única maneira. Falaremos mais sobre como interpretar e entender os dados durante o curso.
Como desenvolver painéis atrativos
A beleza dos painéis
Os painéis são poderosas ferramentas visuais que ajudam você a compartilhar a trajetória dos seus dados. São
eles que organizam as informações extraídas de vários conjuntos de dados em um local centralizado,
economizando, assim, bastante tempo. Os analistas de dados usam essa ferramenta para monitorar, analisar e
visualizar dados, a fim de tirar dúvidas e solucionar os problemas. Quer ter uma noção básica do visual dos
painéis? Consulte o artigo: Seis exemplos reais de painéis de inteligência nos negócios. O Tableau é uma
ferramenta usada para criar painéis; falaremos dele mais para frente.
Na tabela abaixo, você encontra um resumo dos benefícios que os analistas de dados e as partes interessadas
podem aproveitar com o uso de um painel.
Benefícios Para analistas de dados Para partes interessadas
Centralização Compartilhar uma única fonte de dados
com todas as partes interessadas.
Trabalhar com uma perspectiva
completa dos dados, iniciativas,
objetivos, projetos, processos e muito
mais.
Visualização Exibir e atualizar dados recebidos em
tempo real*
Identificar os padrões e tendências
variáveis com mais agilidade.
Perspicácia Extrair informações importantes de
diferentes conjuntos de dados.
Entender a trajetória por trás dos
números e, assim, monitorar as metas
e tomar decisões com base em dados.
Personalização Criar visualizações personalizadas,
voltadas a uma pessoa ou projeto
específico, ou apresentação de dados.
Detalhar a áreas mais específicasde
preocupação ou interesse
especializado.
*Vale lembrar que os dados alterados são extraídos em painéis de forma automática somente se não houver
diferença na estrutura dos dados; caso contrário, é necessário atualizar o design do painel antes que o dado
possa ser atualizado em tempo real.
https://www.tableau.com/learn/articles/business-intelligence-dashboards-examples
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Como criar um painel
Confira o processo para criar um painel:
1. Identifique as partes interessadas que precisam ter acesso aos dados e como elas os usarão
Para isso, é preciso fazer perguntas eficazes. Consulte a Planilha de levantamento de requisitos. Nela, você
encontra uma ampla variedade de excelentes perguntas que pode usar para identificar as partes interessadas
pertinentes e o que precisam com relação aos dados. É um ótimo recurso que orienta você durante o processo,
quantas vezes for.
2. Projete o painel (o que deve ser exibido)
Dicas para ajudar a tornar o design do painel claro, fácil de seguir e simples:
● Use um cabeçalho simples para identificar a informação;
● Adicione breves descrições de texto para cada visualização;
● Exiba a informação mais importante no topo.
3. Crie esboços, se assim quiser
Essa é uma etapa opcional, embora vários analistas de dados gostem de esboçar os painéis antes de criá-los.
4. Selecione as visualizações que serão usadas no painel
Você tem várias opções e tudo depende da trajetória que está trazendo sobre os dados. Alinhar as tabelas ou os
gráficos de barras pode ser a melhor opção para mostrar uma mudança de valores com o tempo. Se sua meta é
mostrar como cada parte contribui para o total em questão, um gráfico de pizza ou de rosquinha podem ser a
melhor opção.
Para saber mais sobre como escolher as visualizações certas, dê uma olhada no breve curso de Looker sobre
como elaborar ótimos painéis. Você só precisa se inscrever para ter acesso ao tutorial completo de graça. Além
disso, você pode acessar as galerias do Tableau:
● Para mais amostras de gráficos de área, gráficos de coluna e outras visualizações, acesse Viz Gallery
do Tableau. A galeria é repleta de ótimos exemplos criados com dados reais. Explore o recurso e
inspire-se.
● Conheça o Viz of the Day do Tableau e veja as visualizações criadas pela comunidade, isto é, criadas
pelos usuários do Tableau. Essas visualizações são uma ótima maneira de saber um pouco mais sobre
como outros analistas de dados usam as ferramentas de visualização de dados.
5. Crie quantos filtros forem necessários
Os filtros exibem determinados dados enquanto ocultam o restante em um painel, o que pode ser bastante útil
para identificar os padrões sem abrir mão dos dados originais. É comum que os analistas de dados usem e
compartilhem o mesmo painel; eles, no entanto, administram sua parte com um filtro. Para saber um pouco mais
sobre filtros e ver exemplos práticos, acesse a página do Tableau sobre Ações de filtros. É um recurso útil para
salvar e voltar a acessar quando começar a praticar o uso dos filtros no Tableau.
Os painéis são parte da jornada de uma empresa
Assim como o painel de uma aeronave exibe a rota de voo para o piloto, seu painel faz o mesmo para suas
partes interessadas, ajudando-as a percorrer os trilhos do projeto nos dados. Ao adicionar marcadores claros e
https://s3.amazonaws.com/looker-elearning-resources/Requirements+Gathering+Worksheet.pdf
https://cloud.google.com/looker/docs/creating-visualizations
https://cloud.google.com/looker/docs/creating-visualizations
https://www.tableau.com/solutions/gallery
https://www.tableau.com/solutions/gallery
https://public.tableau.com/en-us/gallery/?tab=viz-of-the-day&type=viz-of-the-day
https://help.tableau.com/current/pro/desktop/en-us/actions_filter.htm
Curso 2 - Fazer perguntas para tomar decisões com base em dados
destacar os pontos importantes no seu painel, os usuários entenderão onde a trajetória dos seus dados está
encabeçada. Dessa forma, vocês podem trabalhar juntos para garantir que sua empresa chegue onde precisa.
Autorreflexão: uma análise mais profunda sobre os painéis
Pergunta 1
Visão geral
Anteriormente, você conheceu a ferramenta de gerenciamento de dados, conhecida como painel. Nesta
autorreflexão, você analisará os diferentes tipos de painéis e verá como são usados por analistas de dados e
seus contratantes. Vale lembrar que um painel é um ponto único de acesso para gerenciar as informações de
uma empresa. Com ele, os analistas conseguem extrair informações importantes dos dados em uma revisão
rápida, através da visualização dos dados de uma forma que torna as descobertas fáceis de compreender. Esta
autorreflexão ajudará a desenvolver percepções sobre seu próprio aprendizado, preparando você para associar
seu conhecimento sobre painéis ao que você sabe quando o assunto é as necessidades dos negócios. Ao
responder a perguntas (e fazer suas próprias perguntas), você considerará conceitos, práticas e princípios para
ajudar a refinar sua compreensão e a reforçar seu aprendizado. Você fez o trabalho duro, então não deixe de
aproveitá-lo ao máximo. Essa reflexão ajudará a fixar o seu conhecimento!
Tipos de painéis
Não se esqueça de levar em consideração os diferentes tipos de painéis que podem ser usados por uma
empresa. Frequentemente, as empresas personalizarão um painel para uma finalidade específica. As três
categorias mais comuns são:
● Estratégico: foca-se em metas e estratégias de longo prazo no mais alto nível das métricas.
● Operacional: rastreamento de desempenho de curto prazo e metas intermediárias.
● Analítico: consiste nos conjuntos de dados e na matemática usada nesses conjuntos.
Painéis estratégicos
Uma ampla gama de empresas usa painéis estratégicos ao
avaliar e alinhar suas metas estratégicas. Esses painéis fornecem
informações durante o período mais longo, desde um único
trimestre financeiro a anos, e contêm, geralmente, informações
úteis para a tomada de decisões em toda a empresa. Confira
abaixo um exemplo de um painel estratégico voltado aos
principais indicadores de desempenho (KPIs) ao longo de um
ano.
Painéis operacionais
Sem dúvida, os painéis operacionais são o tipo mais
comum. Como eles contêm informações em uma
escala de tempo de dias, semanas ou meses, podem
fornecer uma visão de desempenho quase em tempo
real.
Dessa forma, as empresas podem monitorar e manter
seus processos operacionais imediatos à luz das
suas metas estratégicas. O painel operacional abaixo
tem como foco o atendimento ao cliente.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Painéis analíticos
Os painéis analíticos contêm uma grande
quantidade de dados usados por analistas de dados,
além dos detalhes associados ao uso, análise e
previsões realizados pelos cientistas de dados.
Esses painéis, certamente os de categoria mais
técnica, são, em geral, criados e mantidos por
equipes de ciência de dados e raramente são
compartilhados com a alta gerência, dada a
dificuldade de compreensão. O painel analítico
abaixo tem como foco as métricas de desempenho
financeiro de uma empresa.
Reflexão
Considere os diferentes tipos de painéis:
● Qual é semelhança entre os diferentes tipos de painéis?
● Qual é diferença entre eles?
Responda às perguntas acima com duas a três frases (40 a 60 palavras). Digite sua resposta na caixa de texto
abaixo.
Os diferentes tipos de painéis podem ter semelhanças e diferenças em termos de sua funcionalidade.
Semelhanças entre diferentes tipos de painéis:
Visualização de dados
Acesso fácil aos dados
Interatividade;
Atualização em tempo real;
Diferenças entre diferentes tipos de painéis.
Finalidade;
Nível de detalhe;
Público-alvo;
Fontes de dados;
Recursos visuais.
COMO LIGAR OS PONTOS DOS DADOS
VÍDEO - Lógica matemática - Até agora, você aprendeu bastante coisa sobre como pensar como um analista de dados.
Nós falamos sobre algumas formas diferentes de se pensar. Agora, vamos dar um passo além com o uso da abordagem
matemática na solução de problemas. A lógica matemáticatrata-se de uma habilidade importante que pode ser usada
para resolver os problemas e encontrar novas soluções. Bem, vamos falar um pouco sobre o que é a lógica matemática
e como você pode começar a usá-la. Usar a abordagem matemática não quer dizer que, de uma hora para outra, você se
transforma em um gênio da matemática. Trata-se, na verdade, de analisar um problema e, em um passo de cada vez,
segmentá-lo em partes menores, para que você identifique a relação de padrões dos dados e use isso a seu favor para
analisar o problema. Esse tipo de pensamento também pode ajudar a descobrir as melhores ferramentas de análise, já que
nos permite ver diferentes aspectos de um problema e escolher a melhor abordagem lógica. São inúmeros os fatores a
serem levados em consideração ao escolher a ferramenta mais útil para sua análise. Você pode decidir qual ferramenta
usar pelo tamanho do seu conjunto de dados. Quando se trabalha com dados, você entende que há big data e small data.
O small data pode ser bem pequeno. Esse tipo de dados trata de conjuntos de dados associados a métricas
Curso 2 - Fazer perguntas para tomar decisões com base em dados
específicas, para um período curto e bem definido, como, por exemplo, a quantidade de água que você bebe por dia. O
small data pode ser útil na tomada de decisões do cotidiano, como decidir beber mais água. Para âmbitos maiores (como
as operações de negócios), no entanto, o impacto é pequeno. Você pode usar planilhas para organizar e analisar conjuntos
de dados menores de início. Por outro lado, o big data abrange conjuntos de dados maiores e menos específicos,
associados a um maior período. Em geral, precisam ser segmentados para serem analisados. Esse tipo de dados é
útil na análise de problemas e questões de grande escala, ajudando as empresas a tomarem decisões importantes.
Quando se trabalha com dados nessa escala maior, é possível mudar para SQL. Vamos dar uma olhada em um
exemplo de como um analista de dados que trabalha em um hospital pode usar a lógica matemática para resolver um
problema com as ferramentas certas. O hospital acredita que estão com um problema com o uso excessivo ou inferior dos
seus leitos. Com base nisso, o hospital define como meta a otimização dos leitos, buscando garantir que estes sejam
disponibilizados aos pacientes que precisem de um leito, sem, no entanto, desperdiçar os recursos do hospital, como
espaço ou verba para manutenção dos leitos vazios. Com a lógica matemática, é possível quebrar o problema em um
processo passo a passo para ajudar a encontrar padrões nos dados. Há muitas variáveis nesse contexto. Por ora, não
vamos complicar as coisas e focar apenas em alguns pontos importantes. Há métricas relacionadas a esse problema que
poderiam nos mostrar os padrões nos dados: o número, por exemplo, de leitos disponíveis e o total de leitos usados por
determinado período. Já existe, na verdade, uma fórmula para isso, que se chama índice de ocupação de leitos. Esse
índice é calculado com o uso do total de dias com pacientes internados e o total de leitos disponíveis para determinado
período. Por ora, queremos pegar as principais variáveis e ver como a relação entre elas pode nos mostrar os padrões que
podem ajudar o hospital a tomar uma decisão. Para tanto, precisamos escolher a ferramenta ideal para essa tarefa. Os
hospitais geram vários dados dos pacientes por um longo período. Por lógica, é necessária uma ferramenta que seja capaz
de gerir grandes conjuntos de big data. O SQL é uma excelente opção. Nesse caso, você constata que o hospital sempre
tem leitos disponíveis. Sabendo disso, eles podem optar por se livrar de alguns leitos, o que economiza espaço e dinheiro
que pode ser usado para a aquisição e armazenamento de equipamentos de proteção. A lógica matemática, que leva em
consideração, de forma lógica, todos os aspectos individuais do problema, nos ajuda a ver outros pontos de vista que nos
levem a uma solução. Bem, por enquanto é isso. Ótimo trabalho. Você já aprendeu bastante coisa, como quanto os dados
podem ser úteis na tomada de decisões, a diferença entre análises qualitativas e quantitativas, o uso de relatórios e
painéis na visualização de dados, métricas, bem como o uso de uma abordagem matemática na resolução de problemas. A
seguir, falaremos sobre os princípios básicos da planilha. Nós colocaremos tudo o que aprendeu em ação, e você
aprenderá uma nova ferramenta para o ajudará no processo da análise de dados. Vejo você em breve.
Big data e small data
Você, um analista de dados, trabalhará tanto com small como com big data. Ambos os tipos são importantes,
mas cada um desempenha um papel bastante
diferente. Independentemente de com qual tipo
você trabalhe, é possível usá-lo para ajudar as
partes interessadas a otimizar os processos da
empresa, responder a perguntas, criar novos
produtos, etc. Há, no entanto, certos desafios e
vantagens no big data, e a tabela abaixo mostra
as diferenças entre big data e small data.
Small data Big data
Descreve um conjunto de dados composto por métricas específicas de
um período curto e bem definido.
Descreve conjuntos de dados abrangentes e menos específicos vinculados
a um período maior.
Em geral, são organizados e analisados em planilhas. Em geral, são mantidos em um banco de dados e consultados.
São mais suscetíveis ao uso por pequenas de pequeno e médio porte. São mais suscetíveis ao uso por empresas de grande porte.
São fáceis de coletar, armazenar, controlar, classificar e representar
visualmente.
Demandam bastante esforço para coletar, armazenar, controlar, classificar
e representar visualmente.
Em geral, já apresentam uma dimensão flexível para análise. Em geral, precisam ser fragmentados em partes menores para que possam
ser organizados e analisados adequadamente para a tomada de decisão.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Desafios e vantagens
Confira alguns desafios que você pode enfrentar ao trabalhar com big data:
● Muitas empresas lidam com a sobrecarga de dados e com informações totalmente irrelevantes ou
desnecessárias;
● Os dados importantes podem acabar sendo omitidos por todos esses dados sem relevância, tornando
ainda mais difícil encontrar e usá-los. Consequentemente, observa-se prazos mais morosos e
ineficientes na tomada de decisão;
● Os dados necessários nem sempre podem ser facilmente acessados;
● As atuais soluções e ferramentas tecnológicas ainda enfrentam dificuldades para oferecer dados
mensuráveis e notificáveis, levando a uma injusta polarização algorítmica;
● Há lacunas em várias soluções corporativas de big data.
Agora vamos para as boas notícias! Confira algumas vantagens do big data:
● Quando grandes quantidades de dados podem ser armazenadas e analisadas, isso ajuda as empresas a
identificar formas mais eficientes de fazer negócios, bem como a economizar muito tempo e dinheiro;
● Com o big data, as empresas podem identificar as tendências dos padrões de compra do cliente e os
níveis de satisfação, ajudando-as a criar novos produtos e soluções que deixarão os clientes satisfeitos;
● Através da análise de big data, as empresas obtêm um melhor entendimento das atuais condições do
mercado e, assim, conseguem sair na frente da concorrência;
● Conforme o exemplo de mídia social que trouxemos anteriormente, o big data ajuda as empresas a
monitorar sua presença online, principalmente com relação ao feedback (positivo ou negativo) dos
clientes. Assim, elas têm a informação necessária para melhorar e proteger a marca.
Os três (ou quatro) Vs do big data
Ao pararmos para analisar as vantagens e os desafios do big data, é importante pensar nos três Vs: volume,
variedade e velocidade.O volume descreve a quantidade de dados. Já a variedade trata dos diferentes tipos de
dados. A velocidade, por sua vez, detalha quão rapidamente o dado pode ser processado. Para alguns analistas
de dados, ainda há um quarto V: veracidade. Veracidade refere-se à qualidade e à confiabilidade do dado.
Todos são importantes aspectosdo processamento de grandes conjuntos complexos de dados.
Volume Variedade Velocidade Veracidade
A quantidade de
dados
Os diferentes tipos de
dados
Quão rapidamente os dados podem
ser processados
A qualidade e a confiabilidade
dos dados
SEMANA 3 - TRABALHANDO COM PLANILHAS
TRABALHANDO COM PLANILHAS
VÍDEO - A incrível planilha - Olá, novamente. Fico feliz que esteja de volta. Nesta parte do programa, vamos revisitar a
planilha. As planilhas são uma ferramenta poderosa e versátil, e é por isso que elas são uma parte importante de quase
tudo que fazemos enquanto analistas de dados. Há uma boa chance de a planilha ser a primeira ferramenta que você
encontrará ao tentar responder perguntas baseadas em dados. Depois de definir o que você precisa fazer com os dados,
você vai recorrer a planilhas para ajudar a construir evidências que você pode visualizar e usar para respaldar suas
descobertas. As planilhas geralmente são os heróis anônimos do mundo dos dados. Elas nem sempre recebem a
valorização que merecem, mas, como um detetive de dados, você definitivamente vai querer que elas estejam em seu kit
Curso 2 - Fazer perguntas para tomar decisões com base em dados
de coleta de evidências. Sei que as planilhas salvaram o meu dia mais de uma vez. Adicionei dados para pedidos de
compra a uma planilha, configurei fórmulas em uma guia e fiz com que as mesmas fórmulas fizessem o trabalho para mim
em outras guias. Isso me libera tempo para que eu trabalhe em outras coisas durante o dia. Não consigo me imaginar sem
usar planilhas. A matemática é uma parte essencial do trabalho de todo analista de dados, mas nem todo analista gosta
dela. Felizmente, as planilhas podem tornar os cálculos mais agradáveis, e com isso, quero dizer mais fáceis. Vejamos
como. As planilhas podem fazer cálculos básicos e complexos automaticamente. Isso não apenas ajuda você a trabalhar
com mais eficiência, mas também permite que você veja os resultados e entenda como os obteve. Aqui está uma breve
análise em algumas das funções que você usará ao realizar cálculos. Muitas funções também podem ser usadas como
parte de uma fórmula matemática. As funções e fórmulas também têm outros usos, e também vamos analisá-los. Iremos
dar um passo adiante com exercícios que usam dados reais de bancos de dados. Esta é sua chance de reorganizar uma
planilha, fazer algumas análises de dados reais e se divertir um pouco com os dados.
VÍDEO - COMEÇAR A TRABALHAR COM PLANILHAS - Os analistas de dados gastam muito tempo organizando dados e
realizando cálculos. Felizmente, há diversas ferramentas diferentes para ajudá-los a fazer exatamente isso, incluindo
planilhas. Neste vídeo, analisaremos algumas das maneiras com as quais os analistas de dados usam planilhas para
ajudá-los em suas responsabilidades diárias. Mais adiante, você poderá testar algumas dessas coisas, mas, por enquanto,
vamos começar com uma rápida olhada em como os analistas de dados usam planilhas para fazer seu trabalho. Isso
mudará dependendo do trabalho que você precisa concluir. Mas aqui está uma visão geral de algumas das principais
tarefas. Imagine que você trabalha para uma construtora. Sua empresa precisa de suas habilidades com planilhas para
analisar alguns dados sobre suas despesas, então você acessa os dados relevantes e os adiciona à sua planilha. Não
vamos abordar todos os detalhes deste projeto agora, mas você terá a chance de ver muitos recursos de planilhas de perto
à medida que avançamos. O que você faz com os dados agora que eles estão na sua planilha? Mais uma vez, isso será
diferente para cada trabalho, mas você pode começar organizando seus dados com a tarefa que recebeu. Por exemplo,
você pode colocar seus dados em uma tabela dinâmica. Já falamos sobre tabelas dinâmicas antes. Neste curso, iremos
abordá-las com mais detalhes mais adiante, mas por enquanto, apenas pense nelas como tabelas bem organizadas e
muito úteis. Em seguida, você pode filtrar os dados na tabela dinâmica. Classificar e filtrar dados é uma parte comum da
maioria dos trabalhos. Isso permite que você se concentre apenas nos dados necessários para a sua análise. Em nosso
exemplo, talvez você precise apenas das despesas por um determinado período, como nos últimos três meses após filtrar
seus dados. Você pode realizar alguns cálculos para aprender mais sobre isso. Talvez você precise descobrir quais
projetos de construção acabaram custando mais dinheiro. É aqui que as fórmulas e funções são realmente úteis.
Falaremos sobre elas daqui a pouco, mas fórmulas e funções são ótimas para fazer matemática rápida, especialmente
quando você fica sem dedos das mãos e dos pés para contar. Agora você viu algumas das maneiras como os analistas de
dados estão usando planilhas em seu trabalho diário para muitas tarefas diferentes, incluindo organizar seus dados e fazer
cálculos. Antes que você perceba, você estará trabalhando em suas próprias planilhas.
As planilhas e o ciclo de vida dos dados
Para entender melhor os benefícios do uso de planilhas na análise de dados, vamos explorar como elas se
relacionam com cada fase do ciclo de vida dos dados: planejar, capturar, gerenciar, analisar, arquivar e
destruir.
● Planejar os usuários que trabalharão em uma planilha desenvolvendo padrões organizacionais. Isso
pode significar formatar suas células, os títulos que você escolhe destacar, o esquema de cores e a
maneira como você ordena seus pontos de dados. Quando você dedicar tempo para definir esses
padrões, você melhorará a comunicação, garantirá consistência e ajudará as pessoas a serem mais
eficientes com seu tempo.
● Capturar dados pela fonte conectando planilhas a outras fontes de dados, como um aplicativo de
pesquisa online ou um banco de dados. Esses dados serão atualizados automaticamente na planilha.
Dessa forma, as informações serão sempre as mais atualizadas e precisas possíveis.
● Gerenciar diferentes tipos de dados com uma planilha. Isso pode envolver armazenar, organizar, filtrar e
atualizar informações. As planilhas também permitem que você decida quem pode acessar os dados,
como as informações são compartilhadas e como manter seus dados seguros e protegidos.
● Analisar os dados em uma planilha para ajudar a tomar melhores decisões. Algumas das ferramentas de
análise de planilhas mais comuns incluem fórmulas para agregar dados ou criar relatórios e tabelas
dinâmicas para visuais claros e fáceis de entender.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
● Arquivar qualquer planilha que você não usa com frequência, mas talvez precise consultar mais tarde
com ferramentas integradas. Isso é especialmente útil se você deseja armazenar dados históricos antes
de serem atualizados.
● Destruir sua planilha quando tiver certeza de que nunca mais precisará dela, se tiver cópias de backup
melhores ou por motivos legais ou de segurança. Tenha em mente que muitas empresas são obrigadas
a seguir certas regras ou ter medidas em vigor para garantir que os dados sejam destruídos
corretamente.
Recursos
Os atalhos da planilha podem lhe ajudar a se tornar mais eficiente com planilhas. Se você quiser saber mais,
você pode explorar a coleção de atalhos do Planilhas Google ou visitar a página de atalhos do Microsoft Excel
se estiver usando o Excel. Ambos os recursos contêm uma lista de atalhos de planilha que você pode salvar e
referenciar à medida que você trabalha mais com planilhas por conta própria.
Atividade prática: Introdução ao Planilhas Google
Visão geral da atividade
Agora, você já conhece as planilhas e sua função na análise de dados. Nesta atividade, você trabalhará com
uma planilha no Planilhas Google. Você criará, editará, compartilhará com outras pessoas e adicionará
comentários à planilha. O Planilhas Google é um aplicativo de planilha baseado em nuvem. Você pode usar o
Planilhas para organizar e analisar dados de qualquer dispositivo online. Todas as alterações feitas são salvas
automaticamente na nuvem.
Assim que terminar esta atividade, você estará mais familiarizado com algunsdos principais recursos do
Planilhas Google. Saber trabalhar com aplicativos de planilhas é uma habilidade essencial para qualquer
analista de dados. As planilhas são ferramentas poderosas porque permitem armazenar, organizar, analisar e
compartilhar dados.
Do que você precisa
Existem muitos aplicativos de planilha excelentes disponíveis para analistas de dados, como Planilhas Google,
Microsoft Excel e muito mais. Esta atividade usa o Planilhas Google. Se você quiser acompanhar um aplicativo
de planilha diferente, as etapas serão semelhantes.
Se quiser usar o Planilhas Google, você precisará de uma conta do Google. Caso não tenha ainda uma conta do
Google, pode seguir as instruções da página de suporte da conta do Google. Assim que configurar sua conta do
Google, você pode começar a trabalhar com o Planilhas Google!
Crie e edite no Planilhas Google
Conforme você avança no programa, você se tornará mais familiarizado com as planilhas. Você aprenderá a usar
funções, fórmulas, tabelas dinâmicas e muito mais para organizar e analisar dados. Por enquanto, você
começará com o básico: como criar, editar e formatar sua própria planilha.
Crie uma nova planilha
https://support.google.com/docs/answer/181110
https://support.microsoft.com/en-us/office/keyboard-shortcuts-in-excel-1798d9d5-842a-42b8-9c99-9b7213f0040f
https://support.google.com/accounts/answer/27441?hl=en
Curso 2 - Fazer perguntas para tomar decisões com base em dados
1. Para começar, vá para www.google.com.
2. Clique no ícone do Google apps.
3. Em seguida, clique no ícone Planilhas.
4. Na seção Iniciar uma nova planilha, clique em Em branco para criar uma nova planilha em branco.
.
Agora você tem uma nova planilha que pode
usar para inserir seus dados!
Edite e formate sua planilha
Para esta atividade, se desejar criar uma planilha que contenha os dados de vendas de uma padaria local. Aqui
está um exemplo da planilha que você criará:
1. Depois de criar sua planilha, dê um título a ela.
No canto superior esquerdo da sua página, clique em
Planilha sem título e insira um título. Deixe seu título
claro e conciso. O título deve descrever do que tratam
os dados da planilha. Por exemplo, você pode usar o
título Vendas da padaria março de 2020 ou algo
semelhante.
2. Em seguida, insira os cabeçalhos das colunas. A primeira linha da planilha é para atributos de dados,
que é outro nome para cabeçalhos de coluna. Um atributo é uma característica ou qualidade de dados
usada para rotular uma coluna em uma tabela. É basicamente rotular o tipo de dados em cada coluna.
Nesse caso, você deseja inserir dados para a data da transação, nome do produto, preço e quantidade.
Clique na célula A1 e insira seu primeiro cabeçalho: Data. Clique na célula B1 e insira o próximo
cabeçalho: Nome: Repita esse processo para o restante dos atributos.
3. Em seguida, formate os cabeçalhos das colunas para que se destaquem claramente. Por exemplo, você
pode fazer os títulos se destacarem do resto das linhas usando negrito e alinhamento central. Clique na
célula A1 e arraste a alça até a célula D1 (agora você selecionou o intervalo A1:D1). Depois, clique no
ícone em negritona barra de ferramentas. Em seguida, clique no ícone Alinhar ao centro na barra de
ferramentas.
4. Agora, insira os dados relevantes para cada
coluna (data, nome, preço, quantidade). Sinta-se
à vontade para usar os dados contidos no
exemplo acima ou crie o seu próprio.
5. Se desejar adicionar outra coluna entre duas
colunas existentes, você pode inserir uma nova
coluna. Primeiro, clique em uma coluna para
selecioná-la. Em seguida, clique em Inserir na
barra de menu e escolha onde adicionar a coluna.
Você pode fazer a mesma coisa para inserir linhas.
6. Se desejar mover uma linha ou coluna existente,
clique no número da linha ou na letra da coluna para
selecioná-la. Em seguida, arraste-o para um novo
local.
7. Se desejar excluir uma linha ou coluna existente,
clique com o botão direito do mouse no número da
http://www.google.com/
Curso 2 - Fazer perguntas para tomar decisões com base em dados
linha ou na letra da coluna que deseja excluir. Em seguida, selecione Excluir no menu pop-up.
8. (Opcional) Sinta-se à vontade para explorar alguns dos outros recursos do Google Planilhas. Mais adiante no
curso, abordaremos muitos desses recursos em detalhes. Por exemplo, você pode clicar em Inserir na barra de
menu e experimentar gráficos, imagens, desenhos e muito mais.
9. Conforme mencionado anteriormente, seus dados são salvos automaticamente enquanto você trabalha.
Agora que você configurou sua planilha, compartilhe-a com outras pessoas.
Compartilhe sua planilha
Colaborar com os membros da equipe é uma parte importante de ser um analista de dados. Quando você
colabora, as pessoas podem fazer alterações ao mesmo tempo e você pode ver as alterações conforme
acontecem.
Compartilhe uma planilha
No Google Planilhas, você só pode compartilhar arquivos de sua propriedade ou aos quais tenha acesso para
edição. Por ter criado sua planilha, você é o proprietário padrão.
1. Para começar, clique no ícone Compartilhar.
2. Em Compartilhar com pessoas e grupos na janela pop-up, digite o
endereço de e-mail do seu colaborador.
3. No Google Planilhas, os usuários têm diferentes privilégios de acesso.
Como proprietário da planilha, você pode escolher o nível de acesso de
seus colaboradores. Clique em Editor na lista suspensa e escolha o nível
de acesso:
● Pode editar — os colaboradores podem adicionar e editar
conteúdo ou comentários. Escolha este nível de acesso se quiser que eles
possam fazer alterações em sua planilha.
● Pode comentar — os colaboradores podem adicionar comentários,
mas não podem editar o conteúdo. Escolha este nível se quiser apenas o
feedback deles.
● Pode visualizar — os colaboradores podem visualizar o arquivo,
mas não podem editar ou adicionar comentários. Escolha este nível se
você quiser compartilhar uma planilha como um recurso opcional e não
precisa de feedback.
4. (Opcional)Por padrão, o Planilhas Google enviará uma notificação por
e-mail para a pessoa ou grupo com o qual você compartilha sua planilha
para que saibam que agora têm acesso. Você pode adicionar uma nota a
esse e-mail digitando seu texto na caixa Mensagem. Por exemplo, você
pode incluir uma descrição de quais dados sua planilha contém e por que deseja que essa pessoa verifique. Se
você não quiser enviar uma notificação por e-mail, desmarque a caixa Notificar pessoas. Isso é especialmente
útil durante a documentação, quando você não precisa que as pessoas revisem seu trabalho já de imediato, mas
pode querer que o façam no futuro.
5. Clique em Enviar.
Compartilhe um link para um arquivo ou pasta
Você pode enviar a outras pessoas um link para um arquivo ou pasta para que qualquer pessoa com o link possa
abri-lo. Isso é útil quando você deseja compartilhar seu arquivo ou pasta com um grande grupo e não deseja
Curso 2 - Fazer perguntas para tomar decisões com base em dados
digitar os endereços de e-mail individuais de todos. Você pode
compartilhar arquivos de sua propriedade ou aos quais tenha
acesso para edição.
1. Para começar, clique no ícone Compartilhar.
2. Na seção Obter link da janela pop-up, você notará que o
padrão é Restrito, para que apenas os usuários com quem você
compartilhou o arquivo ou pasta por e-mail possam acessá-lo.
3. Mas, se você deseja permitir que outras pessoas acessem
seu arquivo ou pasta sem ter que adicionar seus endereços de
e-mail, clique em Alterar.
● Por padrão, sua organização é selecionada. Agora escolha um
nível de acesso.
4. Clique em Copiar link.
5. Clique em Concluído.
6. Cole o link em um e-mail ou em qualquer lugar onde você queira compartilhá-lo. Se o destinatário estiver em
sua organização, ele poderá acessar seu arquivo ou pasta sem que você precise conceder acesso individual.
Descompartilhar planilhas
Você também pode parar de compartilhar uma planilha de sua propriedade a qualquer momento. Você pode
querer fazer isso se alguém mudou de emprego ou equipe e não deveria maisolhar seus dados.
1. Para começar, clique no ícone Compartilhar.
2. Clique no menu suspenso que mostra o nível de acesso da pessoa com quem você deseja parar de
compartilhar o arquivo e clique em Remover.
3. Por último, clique em Salvar.
Comente na sua planilha
O Planilhas Google permite que você e seus colaboradores adicionem comentários à sua planilha e respondam
a esses comentários. Como analista de dados, esta é uma ótima maneira de compartilhar feedback com seus
colegas de equipe.
1. Em sua planilha, selecione a célula ou células que deseja comentar.
2. Faça uma das seguintes ações:
● Clique com o botão direito na célula e depois em Comentário no menu pop-up.
● Ou clique no ícone Comentário na barra de menu na parte superior da sua planilha.
3. Em seguida, insira seu comentário na caixa.
4. (Opcional) Para direcionar seu comentário a uma pessoa específica, digite o sinal de arroba (@) seguido pelo
endereço de e-mail. Você pode adicionar quantas pessoas quiser. Cada pessoa receberá um e-mail com seu
Curso 2 - Fazer perguntas para tomar decisões com base em dados
comentário e um link para o arquivo da planilha. Se essa pessoa não tiver acesso ao seu arquivo, o Planilhas
Google irá notificá-lo em uma janela pop-up e perguntar se você deseja conceder acesso a esse usuário.
5. (Opcional) Para atribuir o comentário a uma pessoa específica, marque a caixa Atribuir a.
6. Por último, clique em Comentar ou Atribuir.
Confirmação e reflexão
No Google Planilhas, que nível de acesso você deve selecionar se quiser que seu colaborador comente em sua
planilha, mas não edite o conteúdo?
1 ponto
Pode comentar
Pode editar
Pode visualizar
Pode excluir
2.
Pergunta 2
Nesta atividade, você teve a oportunidade de aprender sobre alguns dos recursos básicos do Planilhas Google.
Na caixa de texto abaixo, escreva de duas a três frases (40 a 60 palavras) em resposta a cada uma das
perguntas a seguir:
● Quais são as principais vantagens de usar o Planilhas Google para organizar, analisar e compartilhar
seus dados?
● Como você acha que o recurso de comentários no Planilhas Google pode aumentar a colaboração entre
colegas de equipe?
Já utilizo a ferramenta em meu trabalho e sempre gostei muito da facilidade de aprender. As vantagens de seu uso
são vários, mas ao meu ver, a principal é a possibilidade de trabalhar com ela em qualquer computador e o
salvamente automático. Nunca mais perdi meus dados após começar a trabalhar com o Planilhas.
Com certeza a opção dos comemtários ajuda no feedback e nas atualizações necessárias.
VÍDEO - PASSO A PASSO EM PLANILHAS - Já falamos sobre como as planilhas são ótimas para organizar dados e
realizar cálculos. Agora é hora de colocar a mão na massa e começar a construir uma planilha de verdade. Neste vídeo,
vou demonstrar algumas tarefas básicas para as quais sabemos que os analistas de dados usam planilhas, incluindo
inserir e organizar dados. Começaremos com um processo passo a passo para mostrar algumas ferramentas para
organizar seus dados em uma planilha. Considere essas etapas como o básico. Você nem sempre terá que usá-las ao
trabalhar com um conjunto de dados, mas se seus dados estiverem um pouco confusos no momento de obtê-los, essas
etapas podem ajudá-lo a preparar para análise. Vamos começar abrindo uma nova planilha. Como analista de dados, você
pode não começar com uma planilha em branco, mas é bom saber como fazer isso, por precaução. Comece abrindo o
Excel, Planilhas Google ou qualquer software de planilha que você esteja usando e, em seguida, selecione um novo
arquivo em branco. A primeira coisa que você deve fazer ao abrir uma nova planilha é atribuir um título a ela. Aqui está
uma dica profissional. Deixe seu título curto, claro e diga exatamente do que tratam os dados da planilha. Acredite em mim,
isso tornará a pesquisa muito mais fácil. Criar uma pasta em seu computador especificamente para planilhas e arquivos
relacionados também pode facilitar a sua busca. Para esta planilha, ela já está salva em nosso drive. Então, vamos abrir
nosso menu Arquivo para clicar em Mover. Em seguida, criaremos uma nova pasta com o nome "Dados da população" e
moveremos a planilha para lá. Nossa planilha agora tem um novo lar. Isso evitará muitos cliques e dores de cabeça
desnecessários ao procurar por esse arquivo. Existem algumas maneiras diferentes de os analistas de dados obterem os
dados com os quais trabalham. Dependendo do trabalho, você pode usar dados de uma fonte aberta, pode receber dados
para trabalhar ou podem solicitar que você encontre seus próprios dados. Você experimentará tudo isso mais adiante no
programa. Existem muitas fontes abertas de dados online, onde os dados são disponibilizados ao público. Por exemplo,
usaremos dados de worldbank.org, que já estão na planilha. Os dados mostram a população de países da América Latina e
Caribe de 2010 a 2019. Vamos abrir esta planilha. É hora de preparar os dados para análise. Começaremos selecionando a
Curso 2 - Fazer perguntas para tomar decisões com base em dados
folha inteira e e tornando nossas colunas mais largas, arrastando o limite de uma das colunas. Isso nos ajudará a ver os
dados claramente, então podemos ajustar quaisquer colunas individuais que precisem deles. Você também pode tornar as
colunas mais largas de outras maneiras, mas isso funcionará por enquanto. A primeira linha da planilha é para atributos de
dados ou variáveis. É basicamente rotular o tipo de dados em cada coluna. Vamos destacar os atributos do resto das
linhas, selecionando-os e preenchendo-os com cores. Também colocaremos os rótulos em negrito. Caso queira adicionar
outro atributo de dados entre dois dos outros atributos, podemos sempre adicionar uma nova coluna. Basta clicar em
qualquer célula de uma coluna e usar o menu Inserir para adicionar uma nova. Ela aparecerá ao lado da coluna em que
você clicou originalmente, muito simples. Excluir uma coluna também é simples. Para excluir, clique com o botão direito em
uma célula da coluna que você deseja descartar. As etapas que estamos mostrando podem ser diferentes dependendo do
programa de planilha que você está usando, mas devem ser muito semelhantes. Vamos adicionar mais uma coisa à nossa
tabela de dados: bordas. Isso pode ajudá-lo a ver cada parte dos dados com mais clareza. Para adicionar bordas, comece
clicando no botão Selecionar tudo no canto superior esquerdo da planilha. É como um botão mágico porque você pode
clicar nele sempre que precisar fazer alterações em todas as células da planilha. Em seguida, clique no botão Borda no
menu e escolha o tipo de borda que deseja. Para manter nossas planilhas uniformes, escolheremos bordas para todas as
células. Assim, passamos de cru para refinado. Agora nossa planilha está cheia de dados e também é agradável de se ver.
Usar essas ferramentas de organização antes de analisar pode ajudá-lo a se concentrar nos dados assim que iniciar sua
análise. Agora que analisamos algumas maneiras que as planilhas podem ser usadas para organizar dados, você está
pronto para começar a trabalhar nelas sozinho. Mais adiante, você aprenderá mais sobre planilhas, incluindo alguns erros
comuns e como corrigi-los.
Saiba mais sobre noções básicas de planilha
Abaixo, você encontrará uma lista que aborda dois tipos de programas de planilha: Microsoft Excel e Planilhas
Google. A lista inclui guias de início rápido, tutoriais e muito mais. Os exemplos neste curso usam o Planilhas
Google, mas você pode acompanhar usando o Excel ou qualquer outro aplicativo de planilha. A interface do
usuário pode ser um pouco diferente, mas deve parecer e funcionar da mesma forma.
Microsoft Excel
● Início rápido do O�ce: Role para baixo até a seção de guias para download para baixar o Guia de
início rápido do Excel: Este guia em PDF começa com um mapa rotulado do Excel que pode guiá-lo
pelas tarefas básicas que você pode realizar no Excel. Para dicas sobre como iniciar e abrir o Excel,
esta página de suporte da Microsoft mostrará como iniciar uma nova pasta de trabalho.
● Treinamentoem vídeo do Excel: Esta é uma coleção de vídeos passo a passo para usar todos os tipos
de recursos do Excel, incluindo adição e trabalho em linhas, colunas e células; formatação; uso de
fórmulas e funções; e adição de gráficos e tabelas dinâmicas.
● Classificar dados em um intervalo ou tabela: Esta página o orienta em todas as etapas necessárias para
classificar os dados por número, texto e cor. Você também terá a opção de classificar por lista
personalizada para poder personalizar exatamente o que deseja classificar.
● Filtrar dados em um intervalo ou tabela: Este artigo tem instruções passo a passo sobre como filtrar uma
planilha do Excel para mostrar apenas os dados que você deseja ver. Você também pode usar
operadores de comparação integrados, como "maior que" e "top 10" para revelar apenas os dados mais
relevantes.
● Formatar uma planilha: O guia irá ajudá-lo a selecionar e formatar sua planilha do Excel e, em seguida,
alterar as bordas, sombreamento, cores e texto. Isso pode ajudar a melhorar a legibilidade da sua
planilha.
Dica profissional: Se você estiver procurando informações sobre o uso de opções personalizáveis, confira as
Diretrizes da Microsoft para organizar e formatar dados em uma planilha. Este artigo fornece métodos claros
para criar planilhas fáceis de ler.
https://support.microsoft.com/en-us/office/office-quick-starts-25f909da-3e76-443d-94f4-6cdf7dedc51e#ID0EAADAAA=At_work_or_school
https://support.microsoft.com/en-us/office/create-a-new-workbook-ae99f19b-cecb-4aa0-92c8-7126d6212a83?wt.mc_id=otc_excel
https://support.microsoft.com/en-us/office/excel-for-windows-training-9bc05390-e94c-46af-a5b3-d7c22f6990bb?wt.mc_id=otc_home
https://support.microsoft.com/en-us/office/sort-data-in-a-range-or-table-62d0b95d-2a90-4610-a6ae-2e545c4a4654
https://support.microsoft.com/en-us/office/filter-data-in-a-range-or-table-01832226-31b5-4568-8806-38c37dcc180e
https://support.microsoft.com/en-us/office/quick-start-format-a-worksheet-d70f75a2-23e6-4c92-83d6-2f219e4ad42e
https://support.microsoft.com/en-us/office/guidelines-for-organizing-and-formatting-data-on-a-worksheet-90895cad-6c85-4e02-90d3-8798660166e3
https://support.microsoft.com/en-us/office/guidelines-for-organizing-and-formatting-data-on-a-worksheet-90895cad-6c85-4e02-90d3-8798660166e3
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Planilhas Google
● Folha de referências do Planilhas Google: A folha de referência coloca todos as noções básicas do
Planilhas em uma única página para fácil referência. Aqui, você pode aprender como personalizar sua
planilha e os dados nela contidos; trabalhar com linhas, colunas e células; compartilhar sua planilha com
outras pessoas; criar diferentes versões e cópias de uma planilha; e muito mais.
● Comece a usar o Planilhas: Crie e importe arquivos: Este é um guia passo a passo para trabalhar com o
Planilhas. Você começa aprendendo como abrir uma planilha e, em seguida, prossegue para a adição de
dados.
● Classifique e filtre seus dados: Este recurso pode ajudá-lo a organizar os dados no Planilhas. Use este
guia para classificar parte ou toda a planilha. Você pode classificar por texto, número e cor. Em seguida,
aprenda a criar filtros para mostrar apenas alguns dados enquanto o resto fica oculto. Por último, o artigo
inclui informações sobre como criar, salvar e remover uma visualização com filtro.
● Edite e formate uma planilha: Isso o ajudará a fazer planilhas fáceis de ler. Você aprenderá como atribuir
uma cor, personalizar bordas ao redor das células e alterar a aparência do texto. Se desejar dar um tema
à sua planilha, você pode rolar até a parte inferior da página e descobrir como aplicá-lo a partes da
planilha.
Dica: O Microsoft Excel e o Planilhas Google são muito semelhantes em termos de cálculos, fórmulas, funções e
muitos outros recursos. Mas existem algumas diferenças que podem dificultar a troca de uma pela outra. Se você
estiver migrando entre o Excel e o Planilhas Google, encontre uma lista rápida das diferenças entre os dois tipos
de aplicativos de planilha em Visão geral: Diferenças entre o Planilhas e Excel.
FÓRMULAS NAS PLANILHAS
VÍDEO - FÓRMULAS PARA O SUCESSO - Até agora, abordamos como começar uma nova planilha, inserir dados e fazer
com que pareçam refinados e prontos para análises sérias. Agora aprenderemos como realizar cálculos em sua planilha.
Você pode precisar calcular de tudo, de somas a médias, para encontrar valores mínimos e máximos. Você usará cálculos
para vários tipos diferentes de tarefas. Neste vídeo, vamos nos concentrar em aprender o básico e, em seguida, aplicar um
pouco de matemática a alguns dados de vendas para praticar. Vamos falar sobre fórmulas primeiro. Você deve se lembrar
que uma fórmula é um conjunto de instruções que realizam um cálculo específico. Basicamente, as fórmulas podem fazer
os cálculos por você. Elas não fazem só contas, elas podem fazer muito mais. Em breve, você aprenderá diferentes
maneiras de usá-las ao longo dos processos de análise de dados. As fórmulas são construídas em operadores que são
símbolos que dão nome àquele tipo de operação ou cálculo a ser executado. Por exemplo, um sinal de mais é um operador
comum. As fórmulas que você usa como analista de dados geralmente incluem pelo menos um operador. Agora, vamos
falar sobre expressões ou equações matemáticas. Elas podem assumir várias formas diferentes, mas você já deve estar
familiarizado com elas. 3 menos 1, 15 mais 8 dividido por 2, 846 vezes 513. Todas essas formas são exemplos de
expressões. Isto está lhe fazendo lembrar da escola primária? Bem, nas aulas de matemática, você provavelmente
aprendeu a completar uma expressão incluindo um sinal de igual e a solução. É um pouco diferente com planilhas. Ao criar
uma fórmula usando uma expressão em uma planilha, você inicia a fórmula com um sinal de igual. Por exemplo, se
quisermos subtrair, digitamos um sinal de igual seguido pelo resto da expressão sem nenhum espaço na fórmula. Agora
vamos tentar uma expressão um pouco mais desafiadora. Vamos digitar 31982, um hífen para o sinal de menos e 17795.
Para calcular, pressione "Enter". Provavelmente, você usará fórmulas dessa maneira ao lidar com números grandes ou
expressões com várias etapas. Aqui estão os operadores que você usará para completar as fórmulas. O sinal de mais para
adição, o menos ou hífen para subtração, o asterisco para multiplicação e a barra para a divisão. Os símbolos de divisão e
multiplicação podem ser diferentes dos que você está acostumado. Pequenas mudanças, mas é importante ter isso em
mente. Se você já tem dados em sua planilha, pode usar referências de células em suas fórmulas. Uma referência de célula
é uma única célula ou intervalo de células em uma planilha que pode ser usada em uma fórmula. As referências de célula
contêm a letra da coluna e o número da linha onde estão os dados. Um intervalo de células é um conjunto de duas ou mais
células. Um intervalo pode incluir células da mesma linha ou coluna, ou de diferentes colunas e linhas reunidas.
Mostraremos um exemplo em um próximo vídeo. Agora, vamos aplicar o que acabamos de aprender a alguns dados de
vendas. Se quisermos adicionar esses números para encontrar o total de vendas para a primeira linha de dados, você pode
https://support.google.com/a/users/answer/9300022
https://support.google.com/a/users/answer/9300311?hl=en&ref_topic=9296423
https://support.google.com/docs/answer/3540681?co=GENIE.Platform%3DDesktop&hl=en
https://support.google.com/docs/answer/46973?co=GENIE.Platform%3DDesktop&hl=en&oco=0
https://support.google.com/a/users/answer/9331278?hl=en
Curso 2 - Fazer perguntas para tomar decisões com base em dados
clicar na "célula F2". A partir daí, começaremos com um sinal de igual e usaremos as referências de célula para inserir
valores em sua expressão. Estamos começando com a célula B2 porque o ano em A2 não é um valor que queremos
adicionar ao total. Em seguida, pressione “Enter”. Dessa forma, suas vendas totais foram calculadas para você, mas e se
vocêperceber que um dos valores em seus dados está errado? Sem problemas. Você pode alterar o valor em qualquer
célula usando a fórmula e o total será atualizado automaticamente. A grande vantagem de usar referências de células é que
elas também são atualizadas automaticamente quando uma fórmula é copiada para uma nova célula. Isso significa uma
economia de tempo. Em vez de inserir a mesma fórmula novamente para cada novo conjunto de referências de células,
apenas copie a fórmula usando o menu ou uma tecla de atalho como Control + C. Em seguida, cole a fórmula onde deseja
aplicá-la usando Control + V e pronto! A fórmula atualiza todas as novas células e valores corretamente. Agora, digamos
que você também queira encontrar a média de vendas. Para isso, você cria uma nova fórmula em uma célula diferente.
Para agrupar valores em uma fórmula, use parênteses. Isso permite que sua planilha saiba quais valores calcular juntos e a
ordem das operações a serem realizadas. Por exemplo, abra os parênteses, depois B2 + C2 + D2 + E2, feche os
parênteses e, a seguir, divida o valor de tudo isso digitando barra quatro. Você está adicionando os valores nas quatro
células e, em seguida, usando a barra para dividir o total por quatro, e assim como no último exemplo, podemos copiar e
colar a fórmula. Aqui está outra fórmula que você pode usar se quiser encontrar a variação percentual nas vendas entre
junho e julho. Assim que uma fórmula calcular o valor, você pode usar o botão de porcentagem para alterar o valor para
uma porcentagem. Quando você aplica a fórmula às outras linhas, tanto a fórmula quanto o percentual serão atualizados
automaticamente. Essa não parece ser a resposta certa. Parece que ocorreu um erro. Não se preocupe. Os erros podem
ocorrer em qualquer estágio da análise de dados, inclusive quando você usa planilhas. Uma fórmula tem que ser
hermética. Se houver algo errado com uma das referências de célula, não funcionará. Então, qual é o erro? Bem, podemos
ver que o valor na célula D4 está faltando. Pode levar algum tempo e pesquisa de sua parte para encontrar o valor correto,
mas vale a pena. Você deseja que sua análise seja a mais precisa possível. Quando você adiciona o valor, a fórmula
cuidará do resto. Isso é muito importante. Obrigado por ficar comigo. Você poderá aplicar o que aprendeu sobre fórmulas
aqui e mais adiante no programa para tornar sua análise mais eficiente e seu trabalho, um pouco mais fácil, e em breve
você trabalhará em sua própria planilha. Boas planilhas.
Referência rápida: Fórmulas em planilhas
Você vem aprendendo muito sobre planilhas e todos os
tipos de cálculos para economizar tempo e recursos
organizacionais que elas oferecem. Um dos recursos
mais valiosos da planilha é uma fórmula. Como um
lembrete rápido, uma fórmula é um conjunto de
instruções que faz um cálculo específico usando os
dados de uma planilha. As fórmulas tornam mais fácil
para os analistas de dados fazer cálculos poderosos
automaticamente, o que os ajuda a analisar os dados de forma mais eficaz. Abaixo está um guia de referência
rápida para ajudá-lo a obter o máximo das fórmulas.
Fórmulas
Noções básicas
● Quando você escreve uma fórmula matemática, geralmente termina com um sinal de igual (2 + 3 =?).
Mas com as fórmulas, elas sempre começam com um (= A2 + A3). O sinal de igual informa à planilha
que o que se segue faz parte de uma fórmula, não apenas uma palavra ou número em uma célula.
● Depois de digitar o sinal de igual, a maioria dos aplicativos de planilha exibirá um menu de
preenchimento automático que lista fórmulas, nomes e strings de texto válidos. Esta é uma ótima forma
de criar e editar fórmulas, evitando erros de digitação e sintaxe.
● Um jeito divertido de aprender novas fórmulas é digitar um sinal de igual e uma única letra do alfabeto.
Escolha uma das opções que aparecem e você aprenderá o que essa fórmula faz.
Operadores matemáticos
● Os operadores matemáticos usados em fórmulas de planilhas incluem:
● Subtração – sinal de menos ( - )
Curso 2 - Fazer perguntas para tomar decisões com base em dados
● Adição – sinal de mais ( + )
● Divisão – barra ( / )
● Multiplicação – asterisco ( * )
Preenchimento automático
O canto inferior direito de cada célula possui uma alça de preenchimento. É um pequeno quadrado verde no
Microsoft Excel e um pequeno quadrado azul no Planilhas Google.
● Clique na alça de preenchimento de uma célula e arraste-a para baixo em uma coluna para preencher
automaticamente outras células na coluna com o mesmo valor ou fórmula naquela célula.
● Clique na alça de preenchimento de uma célula e arraste-a ao longo de uma linha para preencher
automaticamente outras células da linha com o mesmo valor ou fórmula nessa célula.
● Se desejar criar uma sequência numerada em uma coluna ou linha, faça o seguinte: 1) Preencha os dois
primeiros números da sequência em duas células adjacentes, 2) Selecione para destacar as células e 3)
Arraste a alça de preenchimento para a última célula para completar a sequência de números. Por
exemplo, para inserir de 1 a 100 em cada linha da coluna A, insira 1 na célula A1 e 2 na célula A2. Em
seguida, selecione para destacar ambas as células, clique na alça de preenchimento na célula A2 e
arraste-a para baixo para a célula A100. Isso preenche automaticamente os números sequencialmente
para que você não precise digitá-los em cada célula.
Referência absoluta
● A referência absoluta é marcada por um cifrão ($). Por exemplo, = $A$10 tem referência absoluta para a
coluna e o valor da linha
● As referências relativas (que é o que você normalmente faz, por exemplo, “= A10”) serão alteradas
sempre que a fórmula for copiada e colada. Elas estão relacionadas ao local onde a célula referenciada
está localizada. Por exemplo, se você copiou “= A10” para a célula à direita, ela se tornaria “= B10”. Com
a referência absoluta “= $A$10” copiada para a célula à direita permaneceria “= $A$10”. Mas se você
copiasse $A10 para a célula abaixo, mudaria para $A11 pois o valor da linha não é uma referência
absoluta.
● As referências absolutas não serão alteradas quando você copiar e colar a fórmula em uma célula
diferente. A célula que está sendo referenciada é sempre a mesma.
● Para alternar facilmente entre a referência absoluta e relativa na barra de fórmulas, destaque a
referência que deseja alterar e pressione a tecla F4; por exemplo, se você deseja alterar a referência
absoluta, $A$10, em sua fórmula para uma referência relativa, A10, destaque a $A$10 na barra de
fórmula e pressione a tecla F4 para fazer a alteração.
Intervalo de dados
● Quando você clica em sua ha. Existem cores diferentes para cada intervalo exclusivo em sua fórmula.
● Em muitos aplicativos de planilha, você pode pressionar a tecla F2 (ou Enter) para destacar o intervalo
de dados na planilha que é referenciado em uma fórmula. Clique na célula com a fórmula e pressione a
tecla F2 (ou Enter) para destacar os dados em sua planilha.
Combinar com as funções
● COUNTIF() é uma fórmula e uma função. Isso significa que a função é executada com base nos critérios
definidos pela fórmula. Nesse caso, CONTAR é a fórmula; ele será executado SE as condições que você
criar forem verdadeiras. Por exemplo, você pode usar =COUNTIF(A1:A16, “7”) para contar apenas as
células que continham o número 7. Combinar fórmulas e funções permite que você trabalhe mais com
um único comando.
VÍDEO - ERROS E CORREÇÕES NA PLANILHA - Olá, e bem-vindo de volta. Recentemente, aprendemos sobre fórmulas.
Às vezes, os analistas de dados encontram um problema com nossas fórmulas e nós recebemos um erro. Todos nós já
passamos por isso e pode ser frustrante. Mas existem soluções, é isso que vamos explorar neste vídeo. Um erro que você
pode encontrar é o erro DIVIDIR. O erro DIVIDIR ocorre quando uma fórmula tenta dividir um valor em uma célula por zero
ou por uma célula vazia. Nesta planilha, os valores percentuais concluídos na coluna C são calculados dividindo os valores
na coluna Tarefas concluídas pelos valores na colunaTarefas Necessárias. Observe que a coluna C já está formatada como
uma porcentagem. O erro DIVIDIR está na célula C4 porque estamos dividindo por zero o valor na célula A4. Para evitar
Curso 2 - Fazer perguntas para tomar decisões com base em dados
esse problema, podemos fazer com que esta planilha insira automaticamente ”Não aplicável” sempre que uma célula na
coluna A contiver um zero que causaria o erro. Para fazer isso, usaremos a função SEERRO. Se encontrar um erro
DIVIDIR causado por uma célula que contém o zero, a frase "Não aplicável" será inserida. Também podemos copiar a
fórmula para o restante das células na coluna C para que ela verifique se há outras células que contêm um zero. Agora
vejamos o erro ERRO. No Planilhas Google, ERRO nos diz que a fórmula não pode ser interpretada como uma entrada.
Isso também é conhecido como erro de análise. Digamos que queremos calcular o número total de tarefas nas colunas B e
C, usamos a função SOMA, mas a fórmula igual à soma de B2 a B6, C2 a C6 causa um erro. Examinando mais de perto,
vemos que falta uma vírgula entre os intervalos de células de B2 a B6 e de C2 a C6. Podemos corrigir isso inserindo uma
vírgula entre os intervalos de células para indicar o final de cada item de dados. Isso é chamado de delimitador, sobre o
qual você aprenderá mais em breve. Agora, a fórmula pode calcular corretamente o número total de tarefas como 25. Outro
tipo de erro é N/D. O erro N/D informa que os dados da fórmula não podem ser encontrados na planilha. Muitas vezes, isso
significa que os dados não existem. Esse erro ocorre com mais frequência ao usar funções como PROCV, que procura um
determinado valor em uma coluna para retornar uma informação correspondente. Aqui, vemos uma lista mestra de nozes e
seus preços. Usando PROCV, a planilha encontra os preços na lista e calcula os preços para cada loja usando a marcação
atribuída. Mas temos um erro N/D nas células B49 e C49. A fórmula PROCV está correta, então o que está acontecendo?
Bem, se olharmos cuidadosamente para o nome da noz, "amêndoa" não tem correspondência na tabela de pesquisa, a
tabela de pesquisa usa o plural "amêndoas". Então, mudamos amêndoa para amêndoas e, com esse erro de digitação
corrigido, os preços corretos serão preenchidos. Por falar em erros de digitação, às vezes um erro de digitação pode
causar um erro de NOME. Um erro de NOME pode ocorrer quando o nome de uma fórmula não é reconhecido ou
compreendido. Vamos supor que vejamos um erro NOME na planilha de preços das nozes. Se olharmos com atenção, a
função PROCV na célula B21 está escrita incorretamente, ela tem um O extra; isso causa um erro de NOME tanto para o
preço quanto para o cálculo da margem de lucro resultante para a loja. Para corrigir esse erro, podemos excluir o O extra
em PROCV. Perfeito. Às vezes, um erro é causado por dados inconsistentes ou incorretos. Por exemplo, o erro NÚM nos
diz que o cálculo de uma fórmula não pode ser executado conforme especificado pelos dados. Os dados não fazem sentido
para esse cálculo. Aqui está o que quero dizer. Suponha que estejamos trabalhando em um grande projeto de construção
usando uma planilha para rastrear quantos meses leva para atingir marcos importantes. Podemos usar a função DATADIF
para calcular o número de meses entre as datas de início e término. A função requer que a data de início esteja na primeira
célula referenciada e a data de término esteja na segunda célula referenciada. Em nosso caso, as células B2 e C2,
respectivamente. O M representa os meses, pois queremos que essa planilha calcule o número de meses entre as datas de
início e término. Mas obtemos um erro NÚM na célula D6. Percebemos que a data de término vem antes da data de início,
então a função DATADIF não pode calcular o número de meses entre elas. É provável que as datas de início e término
tenham sido trocadas acidentalmente. Podemos solicitar a verificação dos dados para ter certeza. Enquanto isso, vamos
inverter a ordem das células na fórmula para contornar temporariamente o erro. Agora, o resultado é de nove meses. E se o
nome do cliente for inserido acidentalmente na data de início da planilha? Você adivinhou, recebemos um erro. O erro
VALOR pode indicar um problema com uma fórmula ou células referenciadas. Muitas vezes não fica claro qual é o
problema, então esse erro pode exigir um pouco mais de esforço para ser corrigido. Neste caso, John Welty foi inserido
como a data de início, tornando o cálculo impossível para a função DATADIF na célula D6. Acabamos de substituir o texto,
John Welty, com a data de início correta de 1º de setembro de 2016. Perfeito. Às vezes, um erro é causado por dados
inconsistentes ou incorretos. Por exemplo, o erro NÚM nos diz que o cálculo de uma fórmula não pode ser executado
conforme especificado pelos dados. Os dados não fazem sentido para esse cálculo. Aqui está o que quero dizer. Suponha
que estejamos trabalhando em um grande projeto de construção usando uma planilha para rastrear quantos meses leva
para atingir marcos importantes. Podemos usar a função DATADIF para calcular o número de meses entre as datas de
início e término. A função requer que a data de início esteja na primeira célula referenciada e a data de término esteja na
segunda célula referenciada. Em nosso caso, as células B2 e C2, respectivamente. O M representa os meses, pois
queremos que essa planilha calcule o número de meses entre as datas de início e término. Mas obtemos um erro NÚM na
célula D6. Percebemos que a data de término vem antes da data de início, então a função DATADIF não pode calcular o
número de meses entre elas. É provável que as datas de início e término tenham sido trocadas acidentalmente. Podemos
solicitar a verificação dos dados para ter certeza. Enquanto isso, vamos inverter a ordem das células na fórmula para
contornar temporariamente o erro. Agora, o resultado é de nove meses. E se o nome do cliente for inserido acidentalmente
na data de início da planilha? Você adivinhou, recebemos um erro. O erro VALOR pode indicar um problema com uma
fórmula ou células referenciadas. Muitas vezes não fica claro qual é o problema, então esse erro pode exigir um pouco
mais de esforço para ser corrigido. Neste caso, John Welty foi inserido como a data de início, tornando o cálculo impossível
para a função DATADIF na célula D6. Acabamos de substituir o texto, John Welty, com a data de início correta de 1º de
setembro de 2016.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Mais sobre erros e correções em planilhas
O arquivo PDF no anexo abaixo inclui tópicos e conteúdo tanto do vídeo complementar como desta leitura. Você
pode salvar este arquivo para referência futura.
More about spreadsheet errors and fixes_POR
DOCX File
Quando você é novo na análise de dados — e às vezes mesmo quando não é — as dificuldades com as
planilhas são reais. A sensação nunca é boa quando você digita o que tem certeza que é uma fórmula ou função
perfeita, só para receber uma mensagem de erro. Entender os erros e como corrigi-los é um elemento importante
para manter seus dados claros, por isso é importante saber como lidar com os problemas à medida que eles
aparecem e, mais importante, não desanimar. Tenha em mente que mesmo os usuários mais avançados de
planilhas encontram problemas de vez em quando.
Dando sequência ao que você aprendeu no vídeo anterior, aqui estão algumas práticas recomendadas e dicas
úteis. Essas estratégias o ajudarão a evitar erros de planilha para começar, tornando sua vida analítica muito
menos estressante:
1. Filtre os dados para tornar sua planilha menos complexa e trabalhosa.
2. Use e congele cabeçalhos para saber o que há em cada coluna, mesmo ao rolar.
3. Ao multiplicar números, use um asterisco (*), não um X.
4. Comece cada fórmula e função com um sinal de igual (=).
5. Sempre que você usar um parêntese aberto, certifique-se de que haja um parêntese fechado na outra
extremidade para corresponder.
6. Altere a fonte para algo fácil de ler.
7. Defina as cores da borda comobranco para que você trabalhe em uma folha em branco.
8. Crie uma guia apenas com os dados brutos e uma guia separada apenas com os dados de que você
precisa.
Agora que você aprendeu algumas formas básicas de evitar erros, pode se concentrar no que fazer quando
aquele temido pop-up aparecer. A tabela a seguir é uma referência que você pode usar para pesquisar erros
comuns de planilhas e exemplos de cada um. Saber o que significam os erros tira um pouco do medo de
cometê-los.
Erro Descrição Exemplo
#DIV/0! Uma fórmula tenta dividir um valor em uma
célula por 0 (ou uma célula vazia sem valor)
= B2/B3, quando a célula B3 contém o valor 0
#ERRO! (Somente Planilhas Google) Algo não pode ser
interpretado como foi inserido. Isso também é
conhecido como erro de análise.
=CONTAR (B1:D1 C1:C10) é inválido porque os
intervalos de células não são separados por uma vírgula
#N/D Uma fórmula não consegue encontrar os dados A célula que está sendo referenciada não pode ser
encontrada
#NOME? O nome de uma fórmula ou função usada não é
reconhecido
O nome de uma função está incorreto
#NUM! A planilha não pode realizar um cálculo de
fórmula porque uma célula tem um valor
numérico inválido
=DATADIF (A4, B4, "M") é incapaz de calcular o número
de meses entre duas datas porque a data na célula A4 cai
após a data na célula B4
#REF! Uma fórmula faz referência a uma célula que
não é válida
Uma célula usada em uma fórmula estava em uma coluna
que foi excluída
#VALOR! Um erro geral que indica um problema com uma
fórmula ou com células referenciadas
Pode haver problemas com espaços ou texto, ou com
células referenciadas em uma fórmula; você pode ter
trabalho adicional para encontrar a origem do problema.
https://d3c33hcgiwev3.cloudfront.net/L0DtO2BER4GA7TtgRLeBnA_bdd2a5146ae34d0f8d75689bf7b87af1_More-about-spreadsheet-errors-and-fixes_POR.docx?Expires=1687478400&Signature=hzvi-wbqAVv5vcovxA8SIaf7A2nWk2VPGefX9jmEBFpbHV8RUT3-rfUN4FM3yXh1Y5R2d8G7hlCtglA9Ekod76Qx9WbMCRLYEVnOI9VKuEU5gVvb8zbOF4e6YJ6nybM0KZA1bLLQxV2yBAPrizaGOiJ2u2LxQi-XzLbwn5qi1WM_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
https://d3c33hcgiwev3.cloudfront.net/L0DtO2BER4GA7TtgRLeBnA_bdd2a5146ae34d0f8d75689bf7b87af1_More-about-spreadsheet-errors-and-fixes_POR.docx?Expires=1687478400&Signature=hzvi-wbqAVv5vcovxA8SIaf7A2nWk2VPGefX9jmEBFpbHV8RUT3-rfUN4FM3yXh1Y5R2d8G7hlCtglA9Ekod76Qx9WbMCRLYEVnOI9VKuEU5gVvb8zbOF4e6YJ6nybM0KZA1bLLQxV2yBAPrizaGOiJ2u2LxQi-XzLbwn5qi1WM_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Se você estiver trabalhando com o Microsoft Excel, uma página interativa, Como corrigir um erro #VALOR!, pode
ajudá-lo a identificar a causa desse erro. Você pode selecionar uma função específica em uma lista suspensa
para exibir um link com dicas para corrigir o erro ao usar essa função.
Dica profissional: Localizar erros em planilhas com formatação condicional
A formatação condicional pode ser usada para destacar células com uma cor diferente com base em seu
conteúdo. Este recurso pode ser extremamente útil quando você deseja localizar todos os erros em uma planilha
grande. Por exemplo, usando a formatação condicional, você pode destacar em amarelo todas as células que
contêm um erro e, em seguida, trabalhar para corrigi-las.
Formatação condicional no Microsoft Excel
Para configurar a formatação condicional no Microsoft Excel para destacar todas as células em uma planilha que
contenham erros, faça o seguinte:
1. Clique no triângulo cinza acima da linha número 1 e à esquerda da Coluna A para selecionar todas as
células na planilha.
2. No menu principal, clique em Página inicial e, em seguida, clique em Formatação condicional para
selecionar Destacar regras de célula > Mais regras.
3. Para selecionar um tipo de regra, escolha Usar uma fórmula para determinar quais células formatar.
4. Para Formatar valores onde esta fórmula é verdadeira, insira =ÉERRO(A1).
5. Clique no botão Formatar, selecione a guia Preenchimento, selecione amarelo (ou qualquer outra cor) e
clique em OK.
6. Clique em OK para fechar a janela de regras de formatação.
Para remover a formatação condicional, clique em Página inicial, selecione Formatação condicional e clique em
Gerenciar regras. Localize a regra de formatação na lista, clique em Excluir regra e em OK.
Formatação condicional no Planilhas Google
Para configurar a formatação condicional no Planilhas Google para destacar todas as células em uma planilha
que contenha erros, faça o seguinte:
1. Clique no retângulo vazio acima da linha número 1 e à esquerda da Coluna A para selecionar todas as
células da planilha. No vídeo Passo a passo em planilhas, isso era chamado de botão Selecionar tudo.
2. No menu principal, clique em Formatar e selecione Formatação condicional para abrir o painel Regras
de formato condicional à direita.
3. Na guia Cor única, em Regras de formatação, use o menu suspenso para selecionar Fórmula
personalizada é, digite =ÉERRO (A1), selecione amarelo (ou qualquer outra cor) para o estilo de
formatação e clique em Concluído.
Para remover a formatação condicional, clique em Formatar e selecione Formatação condicional e, em seguida,
clique no ícone Lixeira para a regra de formatação.
Recursos de erro de planilha
Para saber mais e ler sobre exemplos adicionais de erros e soluções, explore estes recursos:
● Fórmulas e funções da Microsoft: Este recurso descreve como evitar fórmulas quebradas e como
corrigir erros no Microsoft Excel. Esta é uma referência útil para salvar caso você encontre um erro
específico e precise encontrar soluções rapidamente enquanto trabalha no Excel.
● Quando sua fórmula não funciona: Erros de análise de fórmulas no Planilhas do Google: Este
recurso é um guia para encontrar e corrigir alguns erros comuns no Planilhas Google. Se você estiver
trabalhando com o Planilhas Google, pode usar isso como uma referência rápida para resolver
problemas que você pode encontrar trabalhando por conta própria.
Com alguma prática e determinação investigativa, você se sentirá muito mais confortável ao lidar com erros em
planilhas. Cada erro que você detecta e corrige tornará seus dados mais claros, nítidos e úteis.
https://support.microsoft.com/en-us/office/how-to-correct-a-value-error-15e1b616-fbf2-4147-9c0b-0a11a20e409e
https://www.coursera.org/learn/fazer-perguntas-para-tomar-decisoes-com-base-em-dados/lecture/lpuHf/passo-a-passo-em-planilhas
https://support.microsoft.com/en-us/office/formulas-and-functions-294d9486-b332-48ed-b489-abe7d0f9eda9?ui=en-US&rs=en-US&ad=US#id0eaabaaa=errors
https://www.benlcollins.com/spreadsheets/formula-parse-error/
Curso 2 - Fazer perguntas para tomar decisões com base em dados
FUNÇÕES NAS PLANILHAS
VÍDEO - FUNÇÕES 101 - As fórmulas são uma ótima maneira de se tornar mais eficiente ao usar planilhas, principalmente
quando você adiciona atalhos como copiar e colar à mistura. Conforme você avança como analista de dados,
provavelmente aprenderá mais atalhos para ajudar em seu processo. Mas agora é hora de ir para as funções. Embora
estejam intimamente relacionados às fórmulas, elas não são exatamente a mesma coisa. Ao final deste vídeo, você
entenderá a diferença e saberá quando usar os dois. No mundo das planilhas, uma função é um comando predefinido que
executa automaticamente um processo ou tarefa específica usando os dados. Você deve se lembrar de alguns dos atalhos
que aprendemos que podem ser usados com fórmulas. Pense nas funções como os atalhos mais úteis. A boa notícia é que
muitas funções de planilha possuem nomes que indicam o que fazem. Existem inúmeras funções por aí. Ao continuar a
trabalhar com planilhas, você descobrirá que usará muito algumas delas e que outras, raramente ou nunca. Por enquanto,
vamos analisar algumas das funções que podemos aplicar aos nossos dados de vendas do vídeo anterior. Começaremos
com vendas totais. Vamos usar a função SOMA para isso na célula F2. Os primeiros passos são muito semelhantes aos
que fizemos no último vídeo. Primeiro, selecionaremos a célula ondequeremos que o cálculo apareça. Digite igual e, em
seguida, adicione a palavra SOMA como nossa função. Uma das melhores coisas sobre as funções é que elas nem sempre
precisam de operadores, como um sinal de mais para adição. Neste caso, após os parênteses abertos, você pode
prosseguir e selecionar o intervalo de células que está adicionando. Dois pontos entre as referências de célula mostram
que você está usando um intervalo. Nesse caso, o intervalo inclui células da mesma linha. Após fechar os parênteses,
pressione Enter. Dessa forma, aparece o nosso número total de vendas. Assim como a fórmula que usamos antes, as
funções podem ser copiadas e coladas em outras células na mesma coluna. Mas vamos desfazer essa etapa para que você
possa ver outra maneira de copiar uma função ou fórmula. As planilhas têm algo chamado alça de preenchimento. É uma
pequena caixa que aparece no canto inferior direito quando você clica em uma célula. Se você posicionar o cursor na
caixa, poderá arrastar a alça de preenchimento para as outras caixas na mesma linha ou coluna. Qualquer fórmula ou
função nessa célula será automaticamente adicionada às células que você preencher e, além disso, a alça de
preenchimento atualizará a fórmula para que as referências da célula correspondam à linha das colunas das células que
você preencher. Isso significa que a fórmula é calculada com base nos dados de cada linha ou coluna separada. O
preenchimento não funcionará em todas as situações, mas ainda é um ótimo truque. Agora vamos encontrar a venda
média para cada mês usando a função MÉDIA. Funções diferentes executam cálculos diferentes, mas funcionam da
mesma maneira. Lembre-se que nem todo cálculo que você encontrar tem sua própria função para ajudá-lo. Por exemplo,
para encontrar a variação percentual nas vendas entre junho e julho, você usaria a mesma fórmula usada em um vídeo
anterior. Vamos supor que você precise encontrar as vendas mensais mais baixas neste conjunto de dados. Existe uma
função para isso. É chamada de função MÍN, que significa mínimo. É assim que funciona. Digamos que você precise
encontrar as vendas mensais mais baixas de todo o conjunto. Tudo que você precisa fazer é configurar a função. Depois do
parêntese aberto, selecione os valores de todas as três linhas. Esta pode ser uma informação importante para as partes
interessadas. Vamos adicionar cor à célula com esse valor, em seu conjunto de dados para destacá-lo. Nesse caso, clique
na célula D2 e depois no ícone da cor de preenchimento, que se parece com uma lata de tinta, e escolha uma cor. Vou usar
amarelo aqui. Você pode seguir os mesmos passos para as vendas mais altas usando a função - adivinhe! - MÁX. Parece
que temos uma mensagem de erro. O que pode estar errado? Esquecemos de incluir parênteses abertos após a função.
Não se preocupe, é uma solução rápida. Mas este é um bom lembrete para verificar sempre o formato de suas funções e
fórmulas à medida que as usa. Aprenderemos mais sobre mensagens de erro e como trabalhar com elas mais adiante.
Assim é melhor. Agora vamos adicionar cor à célula com as vendas mais altas também. Esta é apenas uma maneira de
destacar os dados principais. Você descobrirá sobre alguns outros mais tarde. Agora você já conheceu algumas maneiras
de adicionar e organizar dados em uma planilha. Você também viu como as fórmulas e funções podem ser poderosas
quando aplicadas a dados do mundo real. Como analista de dados, isto é apenas o começo de sua experiência com
planilhas. Em breve você descobrirá o quanto mais as planilhas têm a oferecer. Enquanto isso, você pode praticar à
vontade algumas dessas fórmulas, funções e outros processos por conta própria. Pode ser divertido experimentar e ver
tudo o que as planilhas podem fazer. Em breve, você mudará das planilhas para o pensamento estruturado. As peças de
análise de dados estão começando a se encaixar. Coisas interessantes estão surgindo. Portanto, não vá embora.
Referência rápida: Funções em planilhas
Como uma atualização rápida, uma função é um comando predefinido que executa automaticamente um
processo ou tarefa específica usando os dados em uma planilha. As funções fornecem aos analistas de dados a
Curso 2 - Fazer perguntas para tomar decisões com base em dados
capacidade de fazer cálculos, que podem ser qualquer coisa, desde aritmética simples até equações complexas.
Use esta leitura para ajudá-lo a controlar algumas das opções mais úteis.
Funções
Noções básicas
● Assim como as fórmulas, inicie todas as suas funções com um sinal de igual; por exemplo =SOMA. O
sinal de igual informa à planilha que o que se segue faz parte de uma função, não apenas uma palavra
ou número em uma célula.
● Depois de digitar o sinal de igual, a maioria dos aplicativos de planilha exibirá um menu de
preenchimento automático que lista funções, nomes e strings de texto válidos. Esta é uma ótima forma
de criar e editar funções, evitando erros de digitação e sintaxe.
● Um jeito divertido de aprender novas funções é digitar um sinal de igual e uma única letra do alfabeto.
Escolha uma das opções que aparecem e aprenda o que essa função faz.
Diferença entre fórmulas e funções
● Uma fórmula é um conjunto de instruções usadas para realizar um cálculo usando os dados de uma
planilha.
● Uma função é um comando pré-definido que executa automaticamente um processo ou tarefa específica
usando os dados de uma planilha.
Funções populares
Muitas pessoas não percebem que os atalhos do teclado como cortar, salvar e localizar são, na verdade,
funções. Essas funções são integradas a um aplicativo e economizam muito tempo. O uso de atalhos permite
fazer mais com menos esforço. Eles podem torná-lo mais eficiente e produtivo porque você não está
constantemente pegando o mouse e navegando nos menus. A tabela a seguir mostra alguns dos atalhos mais
populares para Chromebook, PC e Mac:
Comando Chromebook PC Mac
Criar uma nova pasta
de trabalho Control+N Control+N Command+N
Abrir pasta de
trabalho Control+O Control+O Command+O
Salvar pasta de
trabalho Control+S Control+S Command+S
Fechar pasta de
trabalho Control+W Control+W Command+W
Desfazer Control+Z Control+Z Command+Z
Refazer Control+Y Control+Y Command+Y
Copiar Control+C Control+C Command+C
Cortar Control+X Control+X Command+X
Colar Control+V Control+V Command+V
Colar apenas valores Control+Shift+V Control+Shift+V Command+Shift+V
Localizar Control+Shift+F Control+F Command+F
Localizar e substituir Control+H Control+H Command+Shift+F
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Inserir link Control+K Control+K Command+K
Negrito Control+B Control+B Command+B
Itálico Control+I Control+I Command+I
Sublinhado Control+U Control+U Command+U
Aumentar Control + sinal de mais (+) Control + sinal de mais(+) Option + Command + sinal de mais (+)
Diminuir Control + sinal de menos (-) Control + sinal de menos(-)
Option + Command + sinal de menos
(-)
Selecionar coluna Control + barra de espaço Control + barra de espaço Control + barra de espaço
Selecionar linha Shift + barra de espaço Shift + barra de espaço Seta para cima + barra de espaço
Selecionar todas as
células Control+A Control+A Command+A
Editar a célula atual Enter F2 F2
Comentário em uma
célula Ctrl + Alt + M Alt+I+M Option+Command+M
Inserir coluna à
esquerda
Ctrl + Alt + = (com a coluna
existente selecionada) Alt + Shift + I, depois C
⌘ + Option + = (com a coluna
existente selecionada)
Inserir coluna à direita Alt + I, depois O Alt + Shift + I, depois O Ctrl + Option + I, depois O
Inserir linha acima Ctrl + Alt + = (com a linhaexistente selecionada) Alt + Shift + I, depois R
⌘ + Option + = (com a coluna
existente selecionada)
Inserir linha abaixo Alt + I, depois R, depois B Alt + Shift + I, depois B Ctrl + Option + I, depois B
Preenchimento automático
O canto inferior direito de cada célula possui uma alça de preenchimento. É um pequeno quadrado verde no
Microsoft Excel e um pequeno quadrado azul no Planilhas Google.
● Clique na alça de preenchimento de umacélula e arraste-a para baixo em uma coluna para preencher
automaticamente outras células na coluna com a mesma fórmula ou função usada naquela célula.
● Clique na alça de preenchimento de uma célula e arraste-a ao longo de uma linha para preencher
automaticamente outras células da linha com a mesma fórmula ou função usada nessa célula.
Referências relativas, absolutas e mistas
● As referências relativas (células referenciadas sem um cifrão, como A2) serão alteradas quando você
copiar e colar a função em uma célula diferente. Com referências relativas, a localização da célula que
contém a função determina as células usadas pela função.
● As referências absolutas (células totalmente referenciadas com um cifrão, como $A$2) não serão
alteradas quando você copiar e colar a função em uma célula diferente. Com referências absolutas, as
células referenciadas sempre permanecem as mesmas.
● As referências mistas (células parcialmente referenciadas com um cifrão, como $A2 ou A$2) serão
alteradas quando você copiar e colar a função em uma célula diferente. Com referências mistas, a
localização da célula que contém a função determina as células usadas pela função, mas apenas a linha
ou coluna é relativa (não ambas).
Curso 2 - Fazer perguntas para tomar decisões com base em dados
● Em planilhas, você pode pressionar a tecla F4 para alternar entre referências relativas, absolutas e
mistas em uma função. Clique na célula que contém a função, destaque as células referenciadas na
barra de fórmulas e pressione F4 para alternar e selecionar referências relativas, absolutas ou mistas.
Intervalo de dados
● Quando você clica em uma célula que contém uma função, os intervalos de dados coloridos na barra de
fórmulas indicam quais células estão sendo usadas na planilha. Existem cores diferentes para cada
intervalo exclusivo em uma função.
● Os intervalos de dados coloridos ajudam a evitar que você se perca em funções complexas.
● Em planilhas, você pode pressionar a tecla F2 para destacar o intervalo de dados usado por uma função.
Clique na célula que contém a função, destaque o intervalo de dados usado pela função na barra de
fórmulas e pressione F2. A planilha irá para e destacará as células especificadas pelo intervalo.
Intervalos de dados avaliados para uma condição
COUNTIF é um exemplo de função que retorna um valor com base em uma condição para a qual o intervalo de
dados é avaliado. A função conta o número de células que atendem aos critérios. Por exemplo, em uma planilha
de despesas, use COUNTIF para contar o número de células que contêm um reembolso de "passagem aérea".
Para mais informações, consulte a:
● Página de suporte da Microsoft para COUNTIF
● Documentação da Central de Ajuda do Google para COUNTIF, na qual você pode copiar uma planilha
com exemplos COUNTIF (clique em "Usar modelo" se clicar no link COUNTIF fornecido nesta página)
Conclusão
Existem muito mais funções que podem ajudá-lo a aproveitar ao máximo seus dados. Isso é apenas o começo.
Você pode continuar aprendendo como usar funções para ajudá-lo a resolver problemas complexos de forma
eficiente e precisa ao longo de toda a sua carreira.
Atalhos do teclado
Você pode salvar essas funções para referência futura. Fique à vontade para baixar uma versão em PDF das
funções abaixo:
Quick reference- Functions in spreadsheets1_POR
DOCX File
Quick reference- Functions in spreadsheets2_POR
DOCX File
Atividade prática: Crie uma tabela de dados personalizados
Visão geral da atividade
Nesta atividade, você importará um conjunto de dados, construirá uma tabela de dados personalizada e usará
funções para analisar seus dados. Para esta atividade, imagine que você é um analista de dados trabalhando
para uma agência de recrutamento. Essa agência de recrutamento ajuda todos os tipos de empresas a encontrar
pessoas qualificadas para preencher vagas de trabalho em aberto de análise de dados. A agência coletou dados
sobre candidaturas de emprego a oportunidades publicadas em seu site para o ano de 2019.
A agência pediu à sua equipe para otimizar o processo de candidatura online. Sua tarefa é resumir os dados de
candidatura de emprego da agência. Em particular, você deve responder às seguintes perguntas:
● Qual foi o número total de candidaturas recebidas por mês em 2019?
● Quais meses tiveram o menor e maior número total de candidaturas recebidas?
● Qual foi o número médio de candidaturas recebidas por mês?
Para fazer isso, você deverá trabalhar com uma planilha. Você usará funções de planilha para fazer cálculos com
base em seus dados e criar uma tabela de dados personalizada para resumir seus resultados.
https://support.microsoft.com/en-us/office/countif-function-e0de10c6-f885-4e71-abb4-1f464816df34
https://support.google.com/docs/answer/3093480?hl=en
https://docs.google.com/spreadsheets/d/1PYoKCYZAkWSaMBsiTyvxZzCCt2WQ-QKOC763RWHMB7c/template/preview
https://d3c33hcgiwev3.cloudfront.net/2z929ZD9Sam_dvWQ_SmpAg_83bae0b95c974bb384b78eb996178ff1_Quick-reference--Functions-in-spreadsheets1_POR.docx?Expires=1687478400&Signature=hMLiW7kYo-U5u~nx8SgcYjFdhLzkNga32uLHL0cWbAwWlj7fSKHFC9zo8HlktPJME4whA8hZzivuKXK-IY1ZfGriYAGuJO6Conn36LgtEEsaJ09o3NXjfb91mzKgwtCHdyBmdcK6I-ZoFYH49o0~IlsSm3~tCvOBeCjAUcR7lXM_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
https://d3c33hcgiwev3.cloudfront.net/2z929ZD9Sam_dvWQ_SmpAg_83bae0b95c974bb384b78eb996178ff1_Quick-reference--Functions-in-spreadsheets1_POR.docx?Expires=1687478400&Signature=hMLiW7kYo-U5u~nx8SgcYjFdhLzkNga32uLHL0cWbAwWlj7fSKHFC9zo8HlktPJME4whA8hZzivuKXK-IY1ZfGriYAGuJO6Conn36LgtEEsaJ09o3NXjfb91mzKgwtCHdyBmdcK6I-ZoFYH49o0~IlsSm3~tCvOBeCjAUcR7lXM_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
https://d3c33hcgiwev3.cloudfront.net/nJZ1KU9rS5WWdSlPawuVxw_2b681724304546ae9dfdb828addd0df1_Quick-reference--Functions-in-spreadsheets2_POR.docx?Expires=1687478400&Signature=fZDmsHrhiXmWtFolme5IiJOKvBLEpUpXhCSAh3GBO0B7wwtpxUyYbIw~YRIwyw3sjXomiS4TwKUcpOX0P868-RtIKA8zOcztS10FMiOO-vdtOQp1aMrJCXaILOZ3~wilKfxe9pfJ8ouOcsTLaxZgh4jFV0J~DLmOwXyGG~-OD0Y_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
https://d3c33hcgiwev3.cloudfront.net/nJZ1KU9rS5WWdSlPawuVxw_2b681724304546ae9dfdb828addd0df1_Quick-reference--Functions-in-spreadsheets2_POR.docx?Expires=1687478400&Signature=fZDmsHrhiXmWtFolme5IiJOKvBLEpUpXhCSAh3GBO0B7wwtpxUyYbIw~YRIwyw3sjXomiS4TwKUcpOX0P868-RtIKA8zOcztS10FMiOO-vdtOQp1aMrJCXaILOZ3~wilKfxe9pfJ8ouOcsTLaxZgh4jFV0J~DLmOwXyGG~-OD0Y_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Assim que terminar esta atividade, você será capaz de importar um arquivo de planilha, classificar dados, criar
uma tabela de dados personalizada e usar funções de planilha para trabalhar com seus dados. As planilhas são
uma ferramenta essencial para todo analista de dados. Usar planilhas para organizar e analisar dados é uma
habilidade importante que você continuará a desenvolver ao longo de sua carreira.
O que você vai precisar
Os dados da agência contêm informações sobre todas as candidaturas de emprego de análise de dados
recebidas em 2019. Os dados incluem os seguintes cabeçalhos de coluna: ID do candidato, data, cargo, local do
trabalho, contratado e fácil candidatura. Abaixo está uma descrição de cada cabeçalho de coluna e valores de
amostra.
Para começar, acesse a planilha que contém
os dados. Clique no link e faça uma cópia da
planilha.
Caso você não tenha uma conta do Google,
faça o download do glossário diretamente no
anexo abaixo.
Classifique seus dados
Como você deseja responder a perguntas com base em um período de tempo específico (neste caso, as
candidaturas recebidas por mês em 2019), será útil começar classificando os dados por data. Classificar envolve
organizar os dados em uma ordem significativa para torná-los mais fáceis de entender, analisar e visualizar.
Considere a ordem em que cada candidatura foi recebida pode ajudá-lo a descobrir tendências em candidaturas
de trabalho de análise de dados.
1. Primeiro, renomeie sua planilha. No canto superior esquerdo, clique em Planilha sem título e digite um
novo nome.Você pode usar o nome trabalhos_de_análise_ de_dados_2019 ou um nome semelhante
que descreva claramente os dados que sua planilha contém.
2. Em seguida, renomeie sua planilha atual. Mais adiante, você adicionará outra folha à sua planilha para a
tabela de dados. Clique na guia da planilha e escolha Renomear no menu. Depois,
digite dados brutos.
3. Caso deseje obter uma melhor visualização de seus dados, é possível ampliar as
colunas mais largas arrastando o limite direito do título da coluna. Isso pode se
aplicar às colunas Cargo(C) e Local do trabalho (D).
4. Selecione todos os dados da planilha clicando no retângulo no canto superior
esquerdo da planilha.
https://docs.google.com/spreadsheets/d/1oSjDipWleJTyoqtF3ctsyKa_A82A80NcGaUS9LTRJBg/template/preview?resourcekey=0-t7t61ZjRdRnRz8qg9WsxpA#gid=1935285664
https://docs.google.com/spreadsheets/d/1oSjDipWleJTyoqtF3ctsyKa_A82A80NcGaUS9LTRJBg/template/preview?resourcekey=0-t7t61ZjRdRnRz8qg9WsxpA#gid=1935285664
Curso 2 - Fazer perguntas para tomar decisões com base em dados
5. Em seguida, na barra de menu, selecione Dados → Classificar intervalo. (Observação: Para algumas versões
do Planilhas Google, a seleção Opções de classificação de intervalo avançado pode aparecer no menu suspenso
Dadosem vez de Classificar intervalo).
6. Na janela pop-up, clique na caixa Dados com linha de cabeçalho. Agora você pode escolher cabeçalhos de
coluna específicos para classificar.
7. Na lista suspensa Classificar por, escolha o cabeçalho Data. Em seguida, clique em A→ Z para classificar em
ordem crescente.
8. Por fim, clique em Classificar.
Será mostrado a ordem cronológica das candidaturas
recebidas.
Crie uma tabela de dados
Agora que você classificou seus dados, você está pronto para criar uma tabela de dados personalizada com
base nas perguntas específicas que deseja responder. Sua tabela exibirá claramente os dados que você deseja
resumir. Além disso, se desejar compartilhar seus resultados, sua tabela apresenta um formato bem organizado
para seus dados que é fácil de entender.
Como um lembrete, você deve responder às seguintes perguntas:
● Qual foi o número total de candidaturas recebidas por mês em 2019?
● Quais meses tiveram o menor e maior número total de candidaturas recebidas?
● Qual foi o número médio de candidaturas recebidas por mês?
Observe que as perguntas acima também podem ser respondidas usando uma tabela dinâmica. As tabelas
dinâmicas serão abordadas em detalhe mais adiante no curso.
Comece com a primeira pergunta. Você pode usar funções de planilha para ajudá-lo a descobrir o número total
de candidaturas recebidas por mês.
1. Para começar, adicione outra página à sua planilha. Clique no ícone Adicionar planilha (o sinal de mais)
no canto inferior esquerdo da planilha.
2. Renomeie a nova planilha. Clique na guia da planilha e escolha Renomearno menu. Depois, digite os
dados de resumo. Rotular suas planilhas ajuda a organizar seus dados. Além disso, se você retornar a
este projeto no futuro, depois de algum tempo, seus rótulos tornarão mais fácil lembrar no que você
estava trabalhando.
3. Em seguida, adicione cabeçalhos de coluna à sua tabela. Na célula A1 de sua planilha de dados de
resumo, digite Mês. Na célula B1, digite Candidaturas.
4. Adicione o nome do primeiro mês em Mês. Na célula A2, digite Janeiro. Pressione Enter.
5. Agora, use o preenchimento automático para adicionar o restante dos meses do ano. Selecione a célula
A2 novamente. Um pequeno quadrado azul ou alça de preenchimento, aparecerá no canto inferior direito
da célula. Clique na alça de preenchimento e arraste-a para a célula A13 para preencher
automaticamente todos os meses do ano.
Neste ponto, sua tabela deve ter essa aparência:
6. Em seguida, você deve converter os valores numéricos na coluna Data em texto.
Você pode usar a função TEXTO para fazer isso. A conversão desses dados em texto
Curso 2 - Fazer perguntas para tomar decisões com base em dados
o ajudará a totalizar as candidaturas por mês em sua tabela de dados mais adiante (consulte a Etapa 8).
Primeiro, clique na guia de dados brutos para retornar à sua planilha de dados brutos. Agora, adicione um novo
cabeçalho de coluna. Na célula G1, digite Mês.
7. A função TEXTO converte um número em texto de acordo com um formato especificado. Nesse caso, você
deseja listar os meses do ano. Você pode usar o formato “mmmm” para o nome completo do mês. Na célula G2,
digite =TEXTO (B2, "mmmm").A primeira entrada (B2) refere-se à célula que você deseja converter. A segunda
entrada (“mmmm”) refere-se ao formato específico que você deseja usar. Pressione Enter.
8. Selecione a célula G2. Depois, clique duas vezes na alça de preenchimento para copiar a função para baixo
na coluna. Isso preencherá todas as células da coluna com o mês correspondente.
9. Agora você está pronto para totalizar as candidaturas por mês. Você poderia fazer isso manualmente, filtrando
os dados e contando o número de entradas para cada mês, mas isso levaria muito tempo. Um método mais
eficiente é usar a função COUNTIF. Primeiro, clique na guia de dados de resumo para retornar à folha de dados
de resumo.
10. A função COUNTIF conta rapidamente quantos itens em um intervalo de células atendem a um determinado
critério. Na célula B2, digite =COUNTIF(‘raw data’!G:G,A2). A primeira entrada (‘raw data’!G:G) refere-se ao
intervalo onde você está contando os dados. O intervalo está localizado em sua planilha de dados brutos (‘raw
data’!) e inclui todas as colunas G (G:G). Esta coluna contém os dados para meses. A segunda entrada (A2) se
refere ao critério que você deseja contar. Neste caso, é "Janeiro", o valor na célula A2 de sua planilha de dados
de resumo. A função informará quantas vezes Janeiro(o critério) aparece na coluna Data(o intervalo).
11. Pressione Enter. Você notará que o valor 2.387 aparece na célula B2. Isso significa que 2.387 candidaturas
de emprego foram enviadas em janeiro.
12. Selecione a célula B2. Clique duas vezes na alça
de preenchimento para copiar a função até a célula
B13.
Agora sua tabela mostra o total de candidaturas
enviadas para cada mês de 2019:
13. Você pode usar a função SOMA para calcular o
total geral para candidaturas enviadas em 2019.
Antes de entrar na função, faça um rótulo para o
resultado. Na célula A14, digite Total.
14. A função SOMA adiciona os valores em um intervalo de
células. Usar a função SOMA economiza tempo e esforço,
especialmente se você tiver que encontrar a soma de uma longa
sequência de números. Nos parênteses da função, adicione o
intervalo que deseja somar (B2:B13). Na célula B14, digite
=SOMA(B2:B13).
Agora que você organizou os dados mensais da candidatura de
emprego em sua tabela de dados, você está pronto para responder
às perguntas restantes:
● Quais meses tiveram o menor e maior número total de
candidaturas recebidas?
● Qual foi o número médio de candidaturas recebidas por
mês?
Você pode usar as funções MÍNIMO, MÁXIMO e MÉDIA para fazer
os cálculos necessários e, em seguida, adicionar os resultados à
sua tabela de dados.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
15. Primeiro, faça rótulos para seus resultados. Na célula A16, digite MÍNIMO. Na célula A17, digite MÁXIMO. Na
célula A18, digite MÉDIA.
16. Use a função MÍNIMO para calcular o menor número de candidaturas recebidas em um mês. A função
MÍNIMO retorna o valor mínimo em um conjunto de dados numérico. Na célula B16, digite =MÍNIMO(B2:B13).
17. Use a função MÁXIMO para calcular o maior número de candidaturas recebidas em um mês. A função
MÁXIMO retorna o valor máximo em um conjunto de dados numérico. Na célula B17, digite =MÁXIMO(B2:B13).
18. Use a função MÉDIA para calcular a média mensal de candidaturas recebidas em 2019. A função MÉDIA
retorna o valor médio em um conjunto de dados numérico. Na célula B18, digite =MÉDIA(B2:B13).
Sua tabela deve ter essa aparência:
Sua tabela exibe os seguintes resultados para o ano de 2019: O menor
número de candidaturas recebidas em um mês foi de 2.312 (fevereiro); omaior número de candidaturas recebidas em um mês foi de 3.138
(julho); o número médio de candidaturas recebidas por mês foi de
2.716,333333.
Seu trabalho ajudará sua equipe a descobrir tendências e padrões
importantes nos dados da agência e gerar insights para otimizar o
processo de candidaturas online da agência. Por exemplo, como suas
descobertas revelam que fevereiro foi o mês mais lento, a agência pode
dedicar mais de seu orçamento de publicidade e divulgação a fevereiro
e menos ao mês de pico de julho. Este é o impacto estratégico da
análise de dados.
(Opcional): Sinta-se à vontade para explorar as opções de formatação
de sua tabela de dados usando negrito, alinhamento ao centro, cor de
preenchimento, bordas e muito mais. A formatação permite destacar
informações importantes e ajuda a captar a atenção do público.
Confirmação e reflexão
Qual das funções a seguir conta rapidamente quantos itens em um intervalo de células atendem a um
determinado critério?
A função COUNTIF
A função TEXTO
A função MÁXIMO
A função SOMA
Correto
A função COUNTIF conta rapidamente quantos itens em um intervalo de células atendem a um determinado critério. Usar
funções para fazer cálculos e analisar dados é uma habilidade importante para um analista de dados. Daqui para frente, você
continuará a desenvolver essa habilidade à medida que trabalhar com conjuntos de dados mais complexos.
ECONOMIZE TEMPO COM PENSAMENTO ESTRUTURADO
VÍDEO - ANTES DE RESOLVER UM PROBLEMA, PROCURE ENTENDÊ-LO - Albert Einstein disse uma vez: “Se eu
tivesse uma hora para salvar o planeta, gastaria 59 minutos definindo o problema e um minuto resolvendo-o”. Bem, isso
pode parecer extremo, mas nos mostra como é importante definir os problemas antes de tentar resolvê-los. Muitas vezes,
as equipes vão direto para a análise de dados antes de perceber, alguns meses depois, que estão resolvendo o problema
errado ou que não têm os dados certos. Neste vídeo, aprenderemos como desenvolver uma abordagem estruturada para
definir o domínio do problema. Isso é importante porque, se você definir o problema com clareza desde o início, será mais
fácil de resolver, o que economiza muito tempo, dinheiro e recursos. No mundo dos dados, chamamos essa primeira peça
Curso 2 - Fazer perguntas para tomar decisões com base em dados
de domínio do problema: a área específica de análise que abrange todas as atividades que afetam ou são afetadas pelo
problema. Antes de podermos fazer qualquer outra coisa, precisamos entender o domínio do problema e todas as suas
partes e relações para que possamos descobrir a história completa. Na verdade, chamá-lo de primeira peça me faz pensar
em um quebra-cabeça. Digamos que você tenha um quebra-cabeça. Vamos pensar nesse quebra-cabeça como nosso
domínio de problema. Você tem todas as 500 peças, mas perdeu a caixa. Então, você não sabe que imagem o
quebra-cabeça vai revelar. Será um animal? Uma cachoeira? Uma tigela de laranjas? Seja o que for, vai ser difícil tentar
montá-lo sem uma imagem à qual você possa ter como referência. Mesmo o maior quebra-cabeças da galáxia precisaria
de um novo processo e de muito tempo para completar o quebra-cabeça. Os analistas de dados também enfrentam os
mesmos desafios. Você deve se lembrar que os analistas de dados nem sempre têm uma visão completa no início de um
projeto. Uma grande parte de seu trabalho é desenvolver uma abordagem estruturada e usar o pensamento crítico para
encontrar a melhor solução. Isso começa com a compreensão do domínio do problema. É aqui que o pensamento
estruturado entra em jogo. Para resolver com sucesso um problema como analista de dados, você precisa treinar seu
cérebro para pensar de forma estruturada. Isso é exatamente o que você aprenderá a seguir. Vejo você lá.
VÍDEO - ESCOPO DE TRABALHO E PENSAMENTO ESTRUTURADO - Anteriormente, eu disse a você que definir
cuidadosamente um problema de negócios pode, em última análise, economizar tempo, dinheiro e recursos. Tudo isso é
alcançado por meio do pensamento estruturado. O pensamento estruturado é o processo de reconhecer o problema ou
situação atual, organizar as informações disponíveis, revelar lacunas e oportunidades e identificar as opções. Ou seja, é
uma forma de estar super preparado. É ter uma lista clara de onde você deve entregar, um cronograma para as principais
tarefas e atividades e pontos de verificação para que a equipe saiba que você está progredindo. Neste vídeo, veremos
como o pensamento estruturado nos ajuda a economizar tempo e esforço, mas também torna nosso trabalho como
analistas de dados mais fácil porque nos permite entender melhor o trabalho que estamos fazendo. No mundo dos
negócios, é comum que as equipes gastem horas valiosas tentando resolver um problema importante, apenas para voltar
ao ponto inicial. Não apenas o problema inicial não foi resolvido, mas elas passaram horas sem resolvê-lo. Esse resultado
afeta negativamente você, sua equipe e a organização como um todo. Mas geralmente pode ser evitado. Muitas vezes, a
situação é resultado de não compreender totalmente o problema. O pensamento estruturado o ajudará a entender os
problemas em alto nível, para que você possa identificar as áreas que precisam de investigação e compreensão mais
profundas. O ponto de partida para o pensamento estruturado é o domínio do problema, como você deve ter se lembrado.
Assim que você conhecer a área específica de análise, você pode definir sua base e apresentar todos os seus requisitos e
hipóteses antes de iniciar a investigação. Com uma base sólida estabelecida, você estará pronto para lidar com quaisquer
obstáculos que surjam. Que tipo de obstáculos? Bem, digamos que você precise prever o valor futuro de um prédio de
apartamentos com base em um determinado conjunto de dados. Você tem centenas de variáveis e cada uma é crucial para
sua análise. Mas e se uma variável for acidentalmente deixada de fora, como a metragem quadrada, por exemplo? Você
teria que voltar e refazer todo o seu trabalho duro. Isso porque variáveis ausentes podem levar a conclusões imprecisas.
Outra maneira de praticar o pensamento estruturado e evitar erros é usando um escopo de trabalho. Um escopo de
trabalho ou SOW é um esboço combinado do trabalho que você vai realizar em um projeto. Para muitas empresas, isso
inclui detalhes de trabalho, cronogramas e relatórios que o cliente pode esperar. Agora, como analista de dados, seu
escopo de trabalho será um pouco mais técnico e incluirá os itens básicos que acabamos de mencionar, mas você também
se concentrará em coisas como preparação de dados, validação, análise de conjuntos de dados quantitativos e
qualitativos, resultados iniciais, e talvez até mesmo alguns recursos visuais para realmente transmitir o ponto. Vamos dar
vida a um escopo de trabalho com um exemplo simples. Digamos que um casal tenha contratado um cerimonialista de
casamentos. Vamos nos concentrar em apenas uma tarefa, os convites de casamento. Aqui está o que pode estar no
escopo do trabalho: resultados, cronograma, marcos e relatórios. Vamos analisar apenas um desses resultados. O
cerimonialista e o casal precisarão decidir sobre o convite, fazer uma lista de pessoas a serem convidadas, coletar seus
endereços, imprimir os convites, endereçar os envelopes, colar o selo e enviá-los pelo correio. Agora vamos verificar os
cronogramas. Você notará as datas e os marcos que nos mantêm no caminho certo. Por fim, temos os relatórios, que dão
ao nosso casal um pouco de tranquilidade, dizendo-lhes quando cada etapa será concluída. Um escopo de trabalho pode
ser uma ferramenta simples, mas poderosa. Com um escopo de trabalho sólido, você será capaz de resolver qualquer
confusão, contradição ou dúvida sobre os dados antecipadamente e garantir que esses contratempos não atrapalhem seu
caminho. Este é um exemplo simples de como pode ser um escopo de trabalho. Mais tarde, você poderá praticar a
construção do seu próprio. Em seguida, em nosso escopo, verificaremos os contratempos de um ângulo diferente,
aprendendo a importânciade contextualizar os dados e evitar vieses. Estou ansiosa para compartilhar alguns insights
interessantes com você.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
VÍDEO - PERMANECER OBJETIVO - Bem-vindo de volta. Neste vídeo, exploraremos a importância de contextualizar os
dados e reconhecer o viés de dados. Vamos começar. Os dados não vivem no vácuo, precisam de contexto. Anteriormente,
aprendemos que contexto é a condição em que algo existe ou acontece. Ações podem ser apropriadas em alguns
contextos, mas inadequadas em outros, por exemplo, gritar, é rude em um contexto, se seu amigo está em frente à TV, mas
é totalmente apropriado em outro, se aquele amigo está prestes a ser atingido por uma criança num triciclo. Você vê a
diferença? No mundo dos dados, os números não significam muito sem contexto. Vou deixar meu colega do Google, o Ed,
contar um pouco mais sobre isso, pois temos cada vez mais dados disponíveis. Podemos aproveitar esses dados de
maneiras cada vez mais sofisticadas e gerar insights mais poderosos a partir deles. Usamos dados em muitos níveis
diferentes. Às vezes, nossos dados são descritivos, respondendo a perguntas como quanto gastamos em viagens no mês
passado. Os dados se tornam mais valiosos à medida que geramos insights diagnósticos e preditivos, como
entender por que os gastos com viagens aumentaram no mês passado. Os dados são mais valiosos, no entanto, quando
podemos gerar percepções prescritivas. Por exemplo, como podemos aproveitar os dados para incentivar viagens mais
eficientes? Descobrir o que os dados significam é tão importante quanto coletá-los. Como analista de dados, grande parte
do seu trabalho é colocar os dados em contexto. Também depende de você permanecer objetivo e reconhecer todos os
lados de um argumento, antes de tirar conclusões. A questão do contexto é que ele é muito pessoal. Se duas pessoas
criarem o mesmo conjunto de dados e seguirem as mesmas instruções, há uma chance de terem resultados diferentes. Por
quê? Porque não existe um conjunto universal de interpretações contextuais. Cada um aborda isso à sua maneira. Mesmo
se o processo de coleta de dados estiver correto, a análise ainda pode ser mal interpretada. As conclusões podem ser
influenciadas por seus próprios vieses conscientes e subconscientes, que se baseiam em normas culturais, sociais e de
mercado. Por exemplo, se você perguntar a um morador de Boston qual time de beisebol é o melhor, é provável que ele
diga Boston Red Sox. O que nos leva a uma grande limitação da análise de dados. Se a análise não for objetiva, as
conclusões podem ser enganosas. Para realmente entender do que se tratam os dados, você precisa pensar em
quem, o quê, onde, quando, como e por quê. É bom perguntar a si mesmo: quem coletou os dados? E do que se trata?
O que os dados representam no mundo e como se relacionam com outros dados? Quando os dados foram coletados?
Foram coletados há algum tempo. Temos certas limitações, dada a situação atual. Por exemplo, se coletássemos números
de telefone no século passado, em algum momento, os telefones celulares teriam sido introduzidos, levando à necessidade
de um campo de número de telefone adicional. Você também deve pensar sobre onde os dados foram coletados. Muita
coisa pode mudar entre cidades, estados e países, e como a coleta foi feita. Uma pesquisa pode não ser tão eficaz quanto
uma entrevista pessoal, por exemplo. Claro, existe o porquê. O porquê pode ter uma relação particularmente forte com o
viés. Por quê? Porque às vezes, os dados são coletados, ou mesmo elaborados, para servir a uma programação. A melhor
coisa que você pode fazer pela justiça e precisão de seus dados é garantir que você comece com uma representação
precisa da população e colete os dados da maneira mais apropriada e objetiva. Depois, você terá os fatos para repassar
para sua equipe. Esperamos que agora você compreenda a importância de dados justos e objetivos e a importância de um
contexto quando se trata de entendê-los e interpretá-los. A seguir, descobriremos como podemos dar vida a ele.
A importância do contexto
Contexto é a condição em que algo existe ou acontece. O contexto é importante na análise de dados porque
ajuda a filtrar grandes quantidades de dados desorganizados e transformá-los em algo significativo. Na verdade,
os dados têm pouco valor se não estiverem emparelhados com o
contexto. Compreender o contexto por trás dos dados pode nos
ajudar a torná-los mais significativos em cada estágio do processo
de análise de dados. Por exemplo, você pode fazer algumas
suposições sobre o que está vendo na tabela a seguir, mas não
poderia ter certeza sem mais contexto.
2010 28000
2005 18000
2000 23000
1995 10000
Por outro lado, se a primeira coluna fosse rotulada para representar os anos em que uma pesquisa foi realizada,
e a segunda coluna mostrasse o número de pessoas que responderam a essa pesquisa, a tabela começaria a
Curso 2 - Fazer perguntas para tomar decisões com base em dados
fazer muito mais sentido. Dê um passo adiante e você perceberá que a pesquisa é realizada a cada 5 anos.
Esse contexto adicionado ajuda a entender por que existem lacunas de cinco anos na tabela.
Anos (coletados a cada 5
anos) Participantes
2010 28000
2005 18000
2000 23000
1995 10000
O contexto pode transformar dados brutos em informações significativas. É muito importante que os
analistas de dados contextualizem seus dados. Isso significa dar
a perspectiva dos dados definindo-os. Para fazer isso, é preciso
identificar:
● Quem: A pessoa ou organização que criou, coletou e/ou
financiou a coleta de dados
● O quê: As coisas no mundo sobre as quais os dados
podem ter impacto
● Onde: A origem dos dados
● Quando: A hora em que os dados foram criados ou
coletados
● Por quê: A motivação por trás da criação ou coleção
● Como: O método usado para criar ou coletar
Entender e incluir o contexto é importante durante cada etapa de seu processo de análise, portanto, é uma boa
ideia se familiarizar com isso no início de sua carreira. Por exemplo, ao coletar dados, você também desejará
fazer perguntas sobre o contexto para ter certeza que entendeu o negócio e o processo de negócios. Durante a
organização, o contexto é importante para suas convenções de nomeação, como você escolhe mostrar as
relações entre as variáveis e o que você escolhe manter ou omitir. E por último, quando for apresentar, é
importante incluir informações contextuais para que suas partes interessadas entendam sua análise.
Registro de aprendizado: Defina problemas e faça perguntas com dados
Visão geral
Em um registro de aprendizado anterior, você refletiu sobre o que aprendeu com as perguntas SMART que fez
durante sua conversa de dados na vida real. Agora, você preencherá uma entrada em seu registro de
aprendizagem usando notas sobre sua conversa de dados para explicar seus insights iniciais para as partes
interessadas em potencial. Ao concluir esta entrada, você terá um entendimento mais sólido de como pode usar
os dados para definir problemas e quais informações são úteis para as partes interessadas neste estágio. Isso o
ajudará a desenvolver documentos formais como um escopo de trabalho (SOW) bem como um analista de dados
no futuro.
Resuma suas descobertas
Como analista de dados, parte do seu trabalho é comunicar o processo de análise de dados e seus insights para
as partes interessadas. Isso geralmente envolve a definição do problema e o resumo das principais questões e
dos dados disponíveis desde o início. Você pode incluir essas informações em um documento formal para as
partes interessadas, como um escopo de trabalho (SOW) no início de um projeto. Como um lembrete, um SOW é
um esboço acordado das tarefas a serem executadas durante um projeto; é importante garantir que as partes
interessadas compreendam essas informações importantes nessa fase.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Antes de iniciar sua entrada no registro de aprendizagem, reserve um tempo para revisar suas notas ereflexões
para o Registro de aprendizagem: faça perguntas SMART sobre dados da vida real. Imagine que você vai criar
um projeto de análise de dados com base nessa conversa de dados.
No modelo de registro de aprendizagem vinculado a seguir, você criará um resumo das principais informações
que acha que uma parte interessada precisa saber sobre este projeto. Nesse caso, sua parte interessada pode
ser um membro da equipe executiva, como um gerente de projeto. Aqui estão algumas perguntas para ajudá-lo a
começar:
● Qual é o problema?
● Isso pode ser resolvido com dados? Se sim, quais dados?
● Onde estão esses dados? O dado existe ou você precisa coletá-lo?
● Você está usando dados privados de que alguém precisará para lhe dar acesso ou dados disponíveis
publicamente?
● Quem são os patrocinadores e partes interessadas relevantes para este projeto? Quem está envolvido e
como?
● Quais são os limites do seu projeto? O que você considera "dentro do escopo?" O que você considera
"fora do escopo?"
● Existe alguma outra informação que você considera relevante para o projeto?
● Existe alguma informação de que você precisa ou perguntas que você precisa responder antes de
começar?
Ao pensar sobre essas questões, é provável que descubra que não tem todas as informações de que precisa.
Isso faz parte do processo!
Ao iniciar projetos de análise de dados, espere ter muitas conversas. Identifique o que você sabe e o que não
sabe, fica muito mais fácil planejar sua próxima conversa de dados, para que você possa obter as respostas de
que precisa.
Acessar seu registro de aprendizado
Para usar o registro de aprendizado deste item do curso, clique no link abaixo e selecione “Usar modelo”.
Link para o modelo de registro de aprendizado:Defina problemas e faça perguntas com dados
OU
Caso você não tenha uma conta do Google, faça o download direto do modelo pelo anexo abaixo.
DAC2M3L6R2ATTACHMENT_POR
DOCX File
Reflexão
Agora que você começou a identificar quais informações seriam úteis para uma parte interessada em potencial,
escreva de 5 a 7 frases (de 100 a 140 palavras) resumindo as principais questões, os dados disponíveis e as
respostas ou percepções que você obteve até agora em seu registro de aprendizagem modelo.
Quando você terminar sua anotação no modelo de registro de aprendizado, salve o documento para que sua
resposta fique guardada em um lugar acessível. Isso ajudará você a continuar aplicando a análise de dados na
vida cotidiana. Você também poderá acompanhar seu progresso e crescimento como analista de dados.
https://docs.google.com/document/d/1kooOADIAtWrB6to-klZ_v5mWHXbQ8WJ_UsKFJtbGWuo/template/preview?resourcekey=0-DpVgA8sZGhn-s32LAzCIeA
https://d3c33hcgiwev3.cloudfront.net/mMu7TXUKQJKLu011CjCSwA_a3d56d57832c4368b4771bfbdcce6ef1_DAC2M3L6R2ATTACHMENT_POR.docx?Expires=1687478400&Signature=RAAZ4fKGhT2sYMR519SBWf4e-nJncrDKBgLvsYJVsTUq4qpgETgIdMGuJV0T7z7DBX1wpwqF3F9eMYOF8vtp7COhThSszojzpIXtmfpJTUtYmjbkxdopOaC76Qp1nNS4RCJasF4KpnqYP6bYXRHXnZ-GYbFtLiIVopXENkOikjs_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
https://d3c33hcgiwev3.cloudfront.net/mMu7TXUKQJKLu011CjCSwA_a3d56d57832c4368b4771bfbdcce6ef1_DAC2M3L6R2ATTACHMENT_POR.docx?Expires=1687478400&Signature=RAAZ4fKGhT2sYMR519SBWf4e-nJncrDKBgLvsYJVsTUq4qpgETgIdMGuJV0T7z7DBX1wpwqF3F9eMYOF8vtp7COhThSszojzpIXtmfpJTUtYmjbkxdopOaC76Qp1nNS4RCJasF4KpnqYP6bYXRHXnZ-GYbFtLiIVopXENkOikjs_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
https://d3c33hcgiwev3.cloudfront.net/mMu7TXUKQJKLu011CjCSwA_a3d56d57832c4368b4771bfbdcce6ef1_DAC2M3L6R2ATTACHMENT_POR.docx?Expires=1687478400&Signature=RAAZ4fKGhT2sYMR519SBWf4e-nJncrDKBgLvsYJVsTUq4qpgETgIdMGuJV0T7z7DBX1wpwqF3F9eMYOF8vtp7COhThSszojzpIXtmfpJTUtYmjbkxdopOaC76Qp1nNS4RCJasF4KpnqYP6bYXRHXnZ-GYbFtLiIVopXENkOikjs_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A
Curso 2 - Fazer perguntas para tomar decisões com base em dados
SEMANA 4 - SEMPRE LEMBRE-SE DAS PARTES
INTERESSADAS
NECESSIDADES DA EQUIPE E DAS PARTES INTERESSADAS
VÍDEO - COMUNICAÇÃO COM A EQUIPE - Olá mais uma vez! Até agora, você aprendeu coisas como planilhas,
habilidades de pensamento analítico, métricas e matemática. Todas elas são habilidades técnicas super importantes que
você vai trabalhar ao longo de sua carreira na área de Data Analytics. Você também deve levar em conta que existem
algumas habilidades não-técnicas que você pode usar a fim de criar um ambiente de trabalho positivo e produtivo. Essas
habilidades o ajudarão a pensar na maneira como você interage com seus colegas bem como com suas partes
interessadas. Já sabemos que é importante levar em conta as necessidades dos membros de sua equipe e das partes
interessadas. A seguir, falaremos sobre o motivo disso. Vamos começar a aprender um pouco sobre as práticas
recomendadas de comunicação que você pode usar no seu dia a dia de trabalho. Lembre-se: a comunicação é
fundamental. Vamos começar aprendendo tudo sobre comunicação eficaz, e sobre como equilibrar as necessidades dos
membros da equipe e das partes interessadas. Pense nessas habilidades como novas ferramentas que irão ajudá-lo a
trabalhar com sua equipe para encontrar as melhores soluções possíveis. Certo, vamos passar para o próximo vídeo e
começar.
VÍDEO - COMO EQUILIBRAR AS NECESSIDADES E AS EXPECTATIVAS EM TODA A EQUIPE - Como analista de
dados, você terá que se concentrar em muitas coisas diferentes, e as expectativas das partes interessadas são algumas
das coisas mais importantes. Vamos falar sobre por que as expectativas das partes interessadas são tão importantes para
o seu trabalho e analisar alguns exemplos de necessidades das partes interessadas em um projeto. Até agora, você já me
ouviu usar muito o termo parte interessada. Então, vamos relembrar o que é uma parte interessada. As partes
interessadas são as pessoas que investiram tempo, interesse, e recursos nos projetos nos quais você trabalhará
como analista de dados. Em outras palavras, elas têm interesse no que você está fazendo. Há uma boa chance de
que elas irão precisar do trabalho que você faz para atender às próprias necessidades delas. É por isso que é tão
importante garantir que seu trabalho esteja alinhado às necessidades delas e é por isso que você precisa se comunicar
efetivamente com todas as partes interessadas em toda a sua equipe. As partes interessadas vão querer discutir coisas
como o objetivo do projeto, o que você precisa para atingir aquela meta, e quaisquer desafios ou preocupações que você
tenha. Isto é uma coisa boa. Essas conversas ajudam a construir confiança e segurança em seu trabalho. Aqui está um
exemplo de um projeto com vários membros da equipe. Vamos explorar o que eles podem precisar de você em diferentes
níveis para alcançar a meta do projeto. Imagine que você é um analista de dados trabalhando com um departamento de
recursos humanos de uma empresa. A empresa teve um aumento em sua taxa de rotatividade, que é a taxa que mensura a
saída e entrada dos funcionários da empresa. O departamento de RH da empresa quer saber por que isso acontece e eles
querem que você os ajude a encontrar possíveis soluções. O vice-presidente de RH dessa empresa está interessado em
identificar quaisquer padrões compartilhados entre os funcionários que pediram demissão e ver se há uma conexão entre a
produtividade e o engajamento dos funcionários. Como analista de dados, é seu trabalho se concentrar na questão do
departamento de RH e ajudá-lo a encontrar uma resposta. Mas o VP pode estar muito ocupado para gerenciar tarefas do
dia a dia ou pode não ser seu contato direto. Para esta tarefa, você atualizará o gerente de projeto com mais regularidade.
Os gerentes de projeto são responsáveis pelo planejamento e pela execução de um projeto. Parte do trabalho do gerente
de projeto é manter o projeto no caminho certo e supervisionar o progresso de toda a equipe. Na maioria dos casos, você
precisará fornecer atualizações regulares, informá-los do que você precisa para ter sucesso e dizer-lhes se tiver algum
problema ao longo do caminho. Você também pode estar trabalhando com outros membros da equipe. Por exemplo, os
administradoresde RH precisarão saber as métricas que você está usando para que possam projetar maneiras para coletar
dados de funcionários de maneira eficaz. Você pode até estar trabalhando junto a outros analistas de dados que estão
cobrindo diferentes aspectos dos dados. É importante que você saiba quem são as partes interessadas e outros membros
da equipe em um projeto para que seja possível comunicar-se com eles de forma eficaz e fornecer-lhes o que precisam
para avançar em suas próprias funções no projeto. Todos vocês estão trabalhando juntos para fornecer à empresa insights
vitais para esse problema. Voltemos ao nosso exemplo. Ao analisar os dados da empresa, você vê uma diminuição no
envolvimento dos funcionários e no desempenho deles após os primeiros 13 meses na empresa, o que poderia significar
que os funcionários começaram a se sentir desmotivados ou desconectados de seu trabalho e muitas vezes desistiram
alguns meses depois. Outro analista focado em dados de contratação também compartilha que a empresa apresentou um
Curso 2 - Fazer perguntas para tomar decisões com base em dados
grande aumento nas contratações há cerca de 18 meses. Você comunica essa informação a todos os membros da sua
equipe e às partes interessadas e eles fornecem feedback sobre como compartilhar essas informações com seu VP. No
final, seu VP decide implementar um acompanhamento aprofundado do gerente com os funcionários que estão prestes a
atingir a marca de 12 meses na empresa para identificar oportunidades de crescimento na carreira, o que reduz a
rotatividade dos funcionários começando na marca de 13 meses. Este é apenas um exemplo de como você pode equilibrar
as necessidades e expectativas em toda a sua equipe. Você perceberá que em quase todos os projetos em que você
trabalha como analista de dados as diversas pessoas da sua equipe, do VP de RH aos seus colegas analistas de dados,
precisarão de todo seu foco e comunicação para alcançar o sucesso do projeto. O foco nas expectativas das partes
interessadas o ajudará a entender a meta de um projeto, a se comunicar de forma mais eficaz com sua equipe e a construir
confiança em seu trabalho. A seguir, vamos discutir como descobrir onde você se encaixa em sua equipe e como você
pode ajudar a fazer um projeto avançar com foco e determinação.
Colaboração com as partes interessadas
Seu projeto de análise de dados deve responder à tarefa de negócios e criar oportunidades para a tomada de
decisões com base em dados. Por isso, o foco nas partes interessadas do projeto é tão importante. Como
analista de dados, é sua responsabilidade compreender e gerenciar as expectativas das partes interessadas,
mantendo os objetivos do projeto como prioridade.
As partes interessadas são pessoas que investiram tempo,
interesse e recursos nos projetos em que você está
trabalhando. Esse grupo pode ser muito amplo, e as partes
interessadas podem mudar de um projeto para outro. Porém,
existem três grupos comuns de partes interessadas com os
quais você pode trabalhar: a equipe executiva, a equipe de atendimento ao cliente e a equipe de ciência de
dados. Vejamos mais detalhes sobre as diferentes partes interessadas e os objetivos delas. Depois, daremos
algumas dicas sobre como se comunicar com elas com eficiência.
Equipe executiva
A equipe executiva é responsável pela liderança estratégica e operacional da empresa. Define as metas,
desenvolve uma estratégia e garante que essa estratégia seja executada com eficiência. A equipe executiva
pode incluir vice-presidentes, a diretoria de marketing e profissionais de nível sênior que ajudam a planejar e
dirigir o trabalho da empresa. Essas partes interessadas tomam decisões de altíssimo nível e querem saber as
principais novidades do projeto. Elas não têm interesse nos detalhes. Para aproveitar ao máximo o tempo
limitado dessas pessoas, suas apresentações devem responder às perguntas delas. Inclua informações mais
detalhadas no apêndice da apresentação ou na documentação do projeto, para que elas revisem quando tiverem
tempo. Por exemplo, talvez você esteja trabalhando com a vice-presidência de recursos humanos em um projeto
de análise para entender a taxa de ausência dos funcionários. Um diretor de marketing pode procurar você para
fazer análises de competitividade. Parte do trabalho será encontrar um equilíbrio entre a agenda ocupada dessas
pessoas e os dados que elas necessitam para tomar decisões informadas. Mas você não precisa resolver isso
sem ajuda. Seu gerente de projeto supervisionará o progresso de toda a equipe, e precisará de atualizações
mais frequentes que o vice-presidente de RH, por exemplo. Ele conseguirá tudo o que você precisa para avançar
em um projeto, inclusive as aprovações da ocupada equipe executiva. Trabalhar de perto com seu gerente de
projeto pode ajudar você a identificar as necessidades das partes interessadas executivas do projeto. Então, não
tenha medo de pedir orientação.
Equipe de atendimento ao cliente
A equipe de atendimento ao cliente inclui todas as pessoas de uma organização que têm algum tipo de interação
com clientes e clientes em potencial. Geralmente, elas coletam informações, definem expectativas e transmitem
o feedback dos clientes a outras áreas internas da organização. Essas partes interessadas têm seus próprios
objetivos e podem se dirigir a você com demandas específicas. É importante que os dados falem por si só, e não
se deixar levar por demandas das partes interessadas para encontrar padrões que não existem. Digamos que
Curso 2 - Fazer perguntas para tomar decisões com base em dados
uma equipe de atendimento ao cliente está trabalhando com você para criar uma nova versão de um dos
produtos mais populares da empresa. Parte do seu trabalho pode ser coletar e compartilhar dados sobre o
comportamento de compras dos consumidores, ajudando a tomar decisões informadas sobre as características
do produto. Nesse caso, a sua análise e apresentação deverá se concentrar nos dados reais, e não no que as
partes interessadas gostariam de ouvir.
Equipe de ciência de dados
É preciso trabalhar em equipe para organizar os dados de uma empresa. É muito provável que você trabalhe
com outros analistas de dados, cientistas de dados e engenheiros de dados. Por exemplo, você pode trabalhar
com a equipe de ciência de dados de uma empresa para aumentar o engajamento na empresa e reduzir as taxas
de rotatividade de funcionários. Nesse caso, você pode examinar os dados de produtividade dos funcionários
enquanto outro analista de dados revisa os dados de contratação. Depois, você deverá compartilhar suas
descobertas com outros cientistas de dados da equipe, que usarão essas informações para prever como novos
processos poderiam aumentar a produtividade e o engajamento dos funcionários. Ao compartilhar o que você
descobriu nas suas análises individuais, você revela um panorama mais amplo. Uma boa parte do trabalho será
colaborar com outros membros da equipe de dados para explorar os dados a partir de novas perspectivas. Veja
como as diferentes áreas de uma típica equipe de
ciência de dados apoiam diferentes funções:
Como trabalhar de maneira eficiente com as
partes interessadas
Da equipe executiva às equipes de atendimento ao
cliente e ciência de dados, trabalhar com cada
grupo de partes interessadas muitas vezes implica ir
além dos dados. Use as dicas a seguir para se
comunicar com clareza, gerar confiança e informar
suas descobertas em todos os grupos.
Discuta as metas. Muitas vezes, os pedidos das
partes interessadas estão vinculados a um projeto
ou objetivo maior. Quando receber um pedido,
aproveite a oportunidade para saber mais. Inicie
uma discussão. Pergunte sobre o tipo de resultados
que a parte interessada deseja. Às vezes, uma
conversa rápida sobre as metas pode ajudar a definir expectativas e planejar os passos a seguir.
Sinta-se confiante se precisar dizer “não.” Digamos que você é abordado por um diretor de marketing, que
tem um projeto “de alta prioridade” e precisa de dados para defender uma hipótese. Eles pedempara você gerar
uma análise e gráficos para uma apresentação para a manhã seguinte. Você percebe que a hipótese não se
sustenta bem e tem algumas ideias sobre uma forma melhor de abordar a análise. Você também pode perceber
que a análise demorará mais tempo e precisará de mais esforços que o previsto. Seja qual for o caso, não tenha
medo de colocar limites quando necessário. Nem sempre as partes interessadas percebem o tempo e o esforço
necessários para coletar e analisar os dados. Eles também podem não saber o que necessitam realmente. Para
ajudar, faça perguntas às partes interessadas sobre as metas e determine se você pode oferecer o que eles
desejam. Se não for possível, sinta-se confiante para dizer “não” e dê uma explicação respeitosa. Se houver
outra opção mais útil, oriente a parte interessada a esses recursos. Se você achar que precisa priorizar outros
projetos antes, discuta o que deve ser priorizado e quando. Quando as partes interessadas entendem o que
precisa ser feito e o que pode ser feito em certo tempo, normalmente, elas conseguem ajustar suas expectativas
em dificuldade. Sinta-se livre para dizer “não”, mas explique o contexto para que as outras pessoas entendam o
motivo.
Espere o inesperado. Antes de começar um projeto, faça uma lista com os possíveis obstáculos. Depois, ao
discutir as expectativas e a linha do tempo do projeto com as partes interessadas, reserve tempo extra para
resolver problemas em cada etapa do processo.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Conheça o projeto. Registre as discussões sobre o projeto em e-mails ou relatórios e prepare-se para
responder perguntas sobre a importância de certos aspectos para a organização. Saiba como o projeto se
relaciona com o resto da empresa e forneça todos os insights possíveis. Se você entender bem por que fazer
certa análise, poderá relacionar seu trabalho com outras metas e ser mais eficiente ao resolver problemas
maiores.
Comece com texto e imagens. É comum que os analistas de dados e as partes interessadas interpretem as
informações de maneiras diferentes, embora achem que estão falando sobre o mesmo. Essa ilusão de acordo*
foi identificada historicamente como um dos motivos das idas e vindas nos projetos, antes de que seja
finalmente definida uma direção. Para evitar isso, comece com uma descrição e uma visualização rápida do que
você está tentando comunicar. As partes interessadas têm muitos pontos de vista e podem preferir absorver
informações através de palavras ou figuras. Trabalhe com elas para fazer alterações a partir disso. Quanto mais
rápido houver um consenso, mais rápido você poderá realizar a primeira análise para testar a utilidade do
projeto, medir o feedback, aprender com os dados e implementar mudanças.
Mantenha uma comunicação frequente. As partes interessadas desejarão receber atualizações frequentes
sobre os projetos. Compartilhe anotações sobre os marcos, contratempos e mudanças do projeto. Depois, use
essas anotações para criar um relatório compartilhável. Outro excelente recurso é usar um registro de alterações.
Você aprenderá mais sobre isso ao longo do programa. Por enquanto, saiba que um registro de alterações é um
arquivo que contém uma lista em ordem cronológica de todas as modificações feitas no projeto. Dependo que
como estiver configurado, as partes interessadas podem inclusive abri-lo e visualizar as atualizações sempre
que quiserem.
*Jason Fried, Basecamp, www.inc.com/magazine/201809/jason-fried/illusion-agreement-team-project.html
VÍDEO - CONCENTRE-SE NO QUE É IMPORTANTE - Agora que sabemos a importância de encontrar o equilíbrio entre as
partes interessadas e os membros da sua equipe. Eu quero falar sobre a importância de manter o foco no objetivo. Isso
pode ser complicado quando você se encontra trabalhando com muitas pessoas com necessidades e opiniões
concorrentes. Mas ao fazer a si mesmo algumas perguntas simples no início de cada tarefa, você pode se assegurar de
que é capaz de manter o foco em seu objetivo enquanto equilibra as necessidades das partes interessadas. Vamos pensar
em nosso exemplo de rotatividade de funcionários do último vídeo. Lá, estávamos lidando com muitos diferentes membros
da equipe e partes interessadas, como gerentes, administradores, até mesmo outros analistas. Como analista de dados,
você descobrirá que equilibrar as necessidades de todos às vezes pode ser um pouco caótico, mas parte do seu trabalho
consiste em olhar para além da desordem e manter o foco no objetivo. É importante se concentrar no que importa e não se
distrair. Como analista de dados, você pode estar trabalhando em vários projetos com muitas pessoas diferentes, porém
não importa em qual projeto você está trabalhando, existem três coisas nas quais você pode se concentrar, que irão
ajudá-lo a permanecer focado na tarefa. A primeira: quem são as partes interessadas primárias e secundárias? A segunda:
quem gerencia os dados? E a terceira: onde você pode pedir ajuda? Vamos ver se é possível aplicar essas perguntas para
nosso projeto de exemplo. A primeira pergunta que você pode fazer é sobre quem são essas partes interessadas. A parte
interessada primária deste projeto é provavelmente o vice-presidente de RH, que espera usar as descobertas de seu
projeto para tomar novas decisões sobre a política da empresa. Você também forneceria atualizações para seu gerente de
projeto, membros da equipe, ou outros analistas de dados que estão dependendo do seu trabalho para realizar as próprias
tarefas deles. Estas são as suas partes interessadas secundárias. Reserve um tempo no início de cada projeto para
identificar suas partes interessadas e suas metas. Depois, veja quem mais está em sua equipe e quais são suas funções.
Em seguida, você deve perguntar: quem está gerenciando os dados? Por exemplo, pense em trabalhar com outros
analistas neste projeto. Todos vocês são analistas de dados, mas vocês podem gerenciar dados diferentes dentro de seu
projeto. Em nosso exemplo, havia outro analista de dados que estava focado em gerenciar os dados das contratações da
empresa. Seus insights sobre uma onda de novas contratações 18 meses atrás acabou por ser uma parte fundamental da
sua análise. Se você não tivesse se comunicado com essa pessoa, poderia ter passado muito tempo tentando coletar ou
analisar dados de contratação sozinho ou até poderia não ter sido capaz de incluí-los em suas análises. Em vez disso,
você foi capaz de comunicar seus objetivos com outro analista de dados e usar um trabalho já existente para enriquecer a
sua análise. Ao entender quem está gerenciando os dados, você pode gastar seu tempo de forma mais produtiva. Na
próxima etapa, você precisa saber onde você pode ir quando precisar de ajuda. Isso é algo que você deve saber no início
de qualquer projeto em que você trabalhe. Se você se deparar com obstáculos ao longo do caminho para completar uma
tarefa, você precisa de alguém que esteja na melhor posição para derrubar essas barreiras para você. Quando você sabe
https://www.inc.com/magazine/201809/jason-fried/illusion-agreement-team-project.html
Curso 2 - Fazer perguntas para tomar decisões com base em dados
quem pode ajudar, você gasta menos tempo se preocupando com outros aspectos do projeto e passa mais tempo focado
no objetivo, então a quem você poderia recorrer se você encontrasse um problema nesse projeto? Os gerentes de projeto
apoiam você e seu trabalho gerenciando a linha do tempo do projeto, fornecendo orientação e recursos, e configurando
fluxos de trabalho eficientes. Eles têm uma visão geral do projeto porque eles sabem o que você e o resto da equipe estão
fazendo. Isso os torna um grande recurso. Se você tivesse um problema no exemplo da rotatividade de funcionários, você
precisaria ser capaz de acessar dados de pesquisa de desligamento de funcionários para incluir em sua análise. Se você
estivesse com dificuldade de obter aprovações para esse acesso, você poderia falar com seu gerente de projeto para
remover essas barreiras para que você possaseguir em frente com seu projeto. Sua equipe depende de você para ficar
focado em sua tarefa para que, como uma equipe, consiga encontrar soluções. Fazendo a si mesmo três perguntas fáceis
no início de novos projetos, você será capaz de atender às necessidades das partes interessadas, de sentir-se confiante
sobre quem está gerenciando os dados e obter ajuda quando você precisar, para que possa manter o foco no que importa:
o objetivo do projeto. Até então, falamos sobre a importância de trabalhar com eficácia em uma equipe, mantendo seu foco
nas necessidades das partes interessadas. A seguir, veremos algumas maneiras práticas de nos tornarmos melhores
comunicadores para que possamos ajudar a garantir que a equipe alcance suas metas.
Teste seu conhecimento sobre como equilibrar as necessidades da equipe e das partes interessadas
Pergunta 1
Como analista de dados, é importante se comunicar com frequência. Compartilhar notas detalhadas e criar relatórios são
maneiras de se comunicar com as pessoas que investiram tempo e recursos em um projeto. Quem são essas pessoas?
Equipe de atendimento ao cliente
Partes interessadas
Especialistas no assunto
Executivos
Pergunta 2
A equipe de atendimento ao cliente realiza qual das atividades a seguir? Selecione todas as opções aplicáveis.
Compilar informações sobre as expectativas do cliente.
Compartilhar feedback do cliente.
Fornecer liderança operacional para a empresa.
Relatar o histórico dos dados para outras pessoas.
Pergunta 3
O diretor de recursos humanos aborda um analista de dados para propor um novo projeto de análise de dados. O analista
possui ampla experiência em recursos humanos e acredita que o diretor está adotando uma abordagem errada, o que
causará alguns problemas. Selecione o melhor curso de ação do analista de dados.
Explicar educadamente que está ocupado demais para assumir outro projeto neste momento.
Dizer ao diretor que sente muito, mas que não pode trabalhar no projeto.
Desenvolver o projeto conforme solicitado, mas reservar tempo no futuro para corrigir os problemas que certamente
surgirão.
Explicar respeitosamente seus pontos de vista e oferecer ao diretor informações adicionais para ajudar a melhorar o
projeto.
COMUNICAÇÃO É A CHAVE
VÍDEO - CONCENTRE-SE NO QUE É IMPORTANTE - Bem-vindo de volta. Falamos muito sobre entender as suas partes
interessadas e sua equipe para poder equilibrar suas necessidades e manter o foco nos objetivos do seu projeto. Boa parte
disso consiste em construir bons relacionamentos com as pessoas com quem você trabalha. Como se faz isso? Duas
palavras: comunicação clara. Agora, vamos aprender a importância da comunicação clara com as partes interessadas e os
membros da equipe. Comece pensando com quem você quer se comunicar e quando. Primeiramente, pode ser útil pensar
nos desafios de comunicação que você já vivencia em sua vida cotidiana. Você já começou a contar uma piada bem
engraçada, e descobriu que seu amigo já sabia o final? Ou talvez ele não conseguiu captar a graça da piada? Isso ocorre o
tempo todo, sobretudo se você não conhece seu público-alvo. Isso também pode acontecer no ambiente de trabalho. Eis o
segredo da comunicação eficaz. Antes de montar uma apresentação, enviar um e-mail ou mesmo contar aquela piada
hilária a um colega de trabalho, pense em quem é seu público-alvo, o que o seu público-alvo já sabe, o que ele precisa
Curso 2 - Fazer perguntas para tomar decisões com base em dados
saber e como você pode comunicar tudo isso a ele de forma eficiente. Quando você começa pensando no seu público-alvo,
as pessoas perceberão isso e apreciarão o tempo que você levou para pensar nelas e em suas necessidades. Digamos
que você está trabalhando em um projeto grande, analisando dados de vendas anuais, e você descobre que todos os
dados de vendas online estão faltando. Isso pode afetar toda a sua equipe e atrasar o projeto de forma significativa. Ao
pensar nessas quatro questões, você pode planejar a melhor maneira de se comunicar com sua equipe sobre esse
problema. Primeiro, você deve pensar em quem é seu público-alvo. Nesse caso, você precisará se conectar com outros
analistas de dados que estão trabalhando no projeto, assim como seu gerente de projeto e, em, algum momento, com o VP
de vendas, que é a sua parte interessada. Em seguida, você deve tentar imaginar o que esse grupo já sabe. Os outros
analistas de dados que estão trabalhando no projeto sabem todos os detalhes sobre quais conjuntos de dados vocês já
estão usando, e seu gerente de projeto sabe da linha do tempo em que vocês estão trabalhando. Por fim, o VP de vendas
conhece as metas de alto nível do projeto. Em seguida, você deve se perguntar o que eles precisam saber para seguir
adiante. Seus colegas analistas de dados precisam conhecer os detalhes do que você já testou até agora e quaisquer
possíveis soluções que você tenha encontrado. Seu gerente de projeto precisaria saber das diferentes equipes que podem
ser afetadas e as implicações para o projeto, sobretudo, se esse problema altera a linha do tempo. Por fim, o VP de vendas
precisará saber que há um possível problema que pode atrasar ou afetar o projeto. Agora que você decidiu quem precisa
saber o quê, você pode escolher a melhor maneira de se comunicar com essas pessoas. Ao invés de enviar um e-mail
extenso e preocupado, que pode levar a muitas idas e vindas, você decide agendar rapidamente uma reunião com seu
gerente de projeto e seus colegas analistas. Na reunião, você conta à equipe sobre os dados de vendas online que estão
faltando e fornece a eles mais informações sobre o caso. Juntos, vocês discutem como isso impacta outras partes do
projeto. Em equipe, vocês criam um plano e atualizam a linha do tempo do projeto, se necessário. Nesse caso, o VP de
vendas não precisou ser convidado para sua reunião, mas ele gostaria de ser atualizado por e-mail caso houvesse
mudanças na linha do tempo, e o próprio gerente de projeto poderia enviar esse e-mail. Quando você se comunica de
forma consciente e pensa, primeiramente, em quem é seu público-alvo, constrói relacionamentos melhores e confiança
junto aos membros de sua equipe e às partes interessadas. Isso é importante porque esses relacionamentos são cruciais
para o sucesso do projeto, bem como para o seu sucesso. Quando estiver pronto para enviar um e-mail, organizar uma
reunião ou montar uma apresentação, pense em quem é seu público-alvo, o que o seu público-alvo já sabe, o que ele
precisa saber e como você pode comunicar tudo isso a ele de forma eficiente. Em seguida, falaremos mais sobre
comunicação no trabalho e você aprenderá algumas dicas úteis para garantir que sua mensagem seja comunicada de
forma clara.
VÍDEO - DICAS PARA UMA COMUNICAÇÃO EFICAZ - Não importa onde você trabalhe, provavelmente você precisará se
comunicar com outras pessoas em seu dia a dia. Cada organização e cada equipe dentro dessa organização terá
diferentes expectativas para a comunicação. Vamos aprender algumas maneiras práticas de ajudá-lo a se adaptar a essas
diferentes expectativas e algumas coisas que você pode levar de uma equipe para outra. Vamos começar. Ao iniciar um
novo trabalho ou um novo projeto, pode ser que você se sinta meio dessincronizado do restante da equipe e do modo como
ela se comunica. Isso é totalmente normal. Você conseguirá resolver isso em pouco tempo. Se você estiver disposto a
aprender no caminho e a fazer perguntas quando não tiver certeza de algo. Por exemplo, se você descobrir que sua equipe
utiliza siglas que você não conhece, não tenha medo de perguntar o que elas significam. Quando comecei no Google, não
fazia ideia do que L G T M significava e sempre via essa sigla em conversas comuns. Bem, aprendi que a sigla em inglês
significa “por mim, tudo bem”, e a uso o tempo todo. Agora, se quero dar um feedback rápido a alguém, essa é uma das
diversas siglas que aprendi e sempre me deparo com novas siglas, e não tenho medo de perguntar. Todo ambiente de
trabalho tem um tipo de etiqueta. Talvez os membros da sua equipe gostemde contato visual e de um aperto de mão firme.
Ou talvez seja educado curvar-se, sobretudo se você estiver trabalhando com clientes internacionais. Você também pode
descobrir regras de etiqueta específicas observando seus colegas se comunicarem E não é somente na comunicação
presencial que você lidará com isso. Quase 300 bilhões de e-mails são enviados e recebidos todos os dias e este número
só cresce felizmente, há habilidades úteis que você pode aprender com essas comunicações digitais e você deve querer
que seus e-mails sejam tão profissionais quanto você nas comunicações presenciais. Tenho aqui algumas dicas que
podem ajudar nisso, e as boas práticas de escrita ajudam muito a tornar seus e-mails profissionais e fáceis de entender.
E-mails, naturalmente, são mais formais que mensagens de texto, mas isso não significa que você precisa escrever uma
grande obra de ficção. Basta ter paciência para escrever frases completas que façam sentido, com a ortografia correta e a
pontuação adequada, e isso deixará claro que você tirou um tempo e teve a consideração na sua escrita, e-mails
costumam ser encaminhados para outras pessoas lerem. Então, escreva de forma clara, para que qualquer pessoa possa
compreendê-lo. Eu gosto de ler e-mails importantes em voz alta antes de enviar, assim posso escutar se aquilo faz sentido
e encontrar erros de digitação e não esqueça de que o tom dos seus e-mails pode mudar com o tempo. Se você percebe
Curso 2 - Fazer perguntas para tomar decisões com base em dados
que sua equipe é bem informal, isso é ótimo. Depois de conhecê-los melhor, você pode começar a ser mais informal,
também, mas ser profissional sempre é um bom começo e uma boa regra geral. Você ficaria orgulhoso do que escreveu, se
fosse publicado na primeira página de um jornal? Em caso negativo, revise o e-mail até se orgulhar dele, e também é bom
não escrever e-mails muito longos. Pense no que os membros da sua equipe precisam saber e vá direto ao ponto em vez
de enviar um bloco enorme de texto é importante garantir que seus e-mails sejam claros e concisos, para não se perderem
nas informações. Vamos analisar rapidamente dois e-mails, para você entender o que quero dizer. Aqui está o primeiro
e-mail, há tanta coisa escrita aqui que é um pouco difícil saber onde está a informação importante. E esse primeiro
parágrafo não traz um resumo rápido dos pontos importantes. Os cumprimentos são muito informais. Apenas “Oi”, sem
assinatura. Além disso, vejo alguns erros de digitação. Agora, vamos ver o segundo e-mail. É menos exaustivo, certo?
Apenas algumas frases, dizendo o que preciso saber. É organizado de forma clara e com cumprimentos e assinaturas
formais. Esse é um bom exemplo de um e-mail curto e direto ao ponto, polido e bem escrito. Tudo o que falamos até agora.
Mas o que fazer se o que você precisa dizer é muito grande para ser dito em um e-mail? Bem, você pode marcar uma
reunião. É importante também responder de forma ágil. Não se deve demorar muito para responder aos e-mails, a ponto de
seus colegas começarem a indagar se você está bem. Sempre tento responder aos e-mails entre 24 e 48 horas. Mesmo se
for apenas para dar uma previsão de quando terei as respostas que eles estão buscando. Assim consigo definir as
expectativas e eles sabem que estou trabalhando no assunto. Isso também funciona no caminho inverso. Se você precisa
de uma resposta sobre algo específico de um dos membros da sua equipe, seja claro a respeito do que você precisa e de
quando precisa, para que eles possam retornar a você. Eu até incluo uma data no assunto e datas em destaque no corpo
do e-mail. Então, está realmente claro, lembre-se de que expressar suas necessidades de forma clara é uma parte
importante de ser um bom comunicador. Falamos sobre boas maneiras de melhorar nossas habilidades de comunicação
profissional, como fazer perguntas, praticar bons hábitos de escrita e algumas dicas para escrever e-mails. Isso o ajudará a
se comunicar de forma clara e efetiva com os membros de sua equipe em qualquer projeto. Pode levar algum tempo, mas
você encontrará um estilo de comunicação que funciona para você e sua equipe, tanto presencialmente quanto online.
Contanto que você tenha disposição para aprender, não terá problemas para se adaptar com as diferentes expectativas de
comunicação que encontrará em trabalhos futuros.
Cenários de dados e respostas
Uma habilidade essencial para os analistas de dados é a capacidade de se comunicar através de diferentes
formatos. Habilidades de escuta, oratória, apresentação e escrita ajudarão você a ter sucesso nos projetos e na
carreira. Este texto abarca estratégias de comunicação eficazes, incluindo exemplos de e-mails escritos de
maneira clara para situações comuns. Uma dica importante: conheça seu público-alvo! Ao comunicar suas
análises e recomendações como analista de dados, é vital ter em mente seu público-alvo.
Responda sempre estas quatro perguntas importantes sobre o público-alvo:
1. Quem é seu público-alvo?
2. O que o seu público-alvo já sabe?
3. O que o seu público-alvo precisa saber?
4. Qual é a melhor forma de comunicar o que o seu público-alvo precisa saber?
Exemplo de projeto
Como analista de dados, você receberá muitos pedidos e perguntas por e-mail. Vejamos um exemplo de como
responder um desses e-mails. Imagine que você é um analista de dados em uma empresa que desenvolve
aplicativos para dispositivos móveis. Vamos começar analisando respostas para perguntas dos quatro
públicos-alvo que acabamos de ver:
Quem é seu público-alvo?
Kiri, gerente de projeto de desenvolvimento de produto
O que o seu público-alvo já sabe?
A Kiri recebe atualizações sobre o projeto desde a etapa de planejamento, incluindo o relatório mais recente do
projeto, enviado há duas semanas.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
O que o seu público-alvo precisa saber?
A Kiri precisa de uma atualização sobre o progresso do projeto e precisa saber que a equipe executiva aprovou
alterações nos dados e na linha do tempo. Você sabe que adicionar uma nova variável à análise afetará a atual
linha do tempo do projeto. A Kiri precisará alterar os marcos e a data de conclusão do projeto.
Qual é a melhor forma de comunicar o que o seu público-alvo precisa saber?
Comece enviando um e-mail à Kiri com a linha do tempo atual do projeto, mas pode ser necessária uma reunião
se ela quiser falar sobre as preocupações dela sobre o não cumprimento dos prazos.
Exemplo de e-mail sobre linha do tempo atualizada
Depois de responder às perguntas do público-alvo, você tem as principais informações de que precisa para
escrever um e-mail à Kiri. Veja um exemplo de como essas perguntas podem ajudar a organizar o fluxo da
mensagem:
Olá, Kiri (quem é seu público-alvo?)
Agradeço o e-mail sobre o status do projeto de análise do app. Entendo sua preocupação sobre como adicionar esses novos
dados podem afetar a linha do tempo. Por isso, terei prazer em fornecer todas as informações possíveis sobre o status do
projeto. (O que o seu público-alvo já sabe?)
Podemos incluir os novos dados que você sugeriu. Porém, precisarei de tempo para coletar e incorporar esses dados na
análise. Adicionar os novos dados demorará duas semanas, o que muda a linha do tempo do projeto de análise. (O que o
seu público-alvo precisa saber?)
Planejo enviar um relatório completo na segunda-feira. Ele incluirá a linha do tempo atualizada e as descobertas mais
recentes, incluindo qualquer novo insight que encontrar.
Entendo que você está esperando pelo nosso relatório e quero me certificar de incluir todas as informações de que você
precisa. Se precisar de uma reunião antes do próximo relatório, avise por favor quando seria melhor para você. (Qual é a
melhor forma de comunicar o que o seu público-alvo precisa saber?)
Agradeço,
(seu nome)
Depois de receber seu e-mail, a Kiri terá uma ideia mais clara das mudanças no projeto de análise e poderá
fazer ajustes para trabalhar com a nova linha do tempo.
Exemplo de e-mail de seguimento do projeto
Depoisde concluir o relatório, você também pode enviar uma atualização do projeto com mais informações. O
e-mail poderia ser assim:
Olá, Kiri,
O relatório de análise do app foi publicado, e gostaria de informar que estamos cumprindo todos os prazos da nova linha do
tempo.
Envio em anexo uma cópia do relatório para que você possa ver os resultados. Incluímos as análises dos novos dados, além
de mais detalhes sobre os próximos passos.
Por favor, compartilhe o documento com a sua equipe e entre em contato comigo se precisar de mais informações.
Agradeço,
[seu nome]
Uma boa comunicação mantém as partes interessadas informadas sobre o progresso e ajuda a evitar problemas.
Respostas bem escritas são essenciais. Tanto se você recebe e envia feedback por meio de e-mails, reuniões ou
relatórios, todas as pessoas que trabalham com você saberão o que esperar. Como resultado, elas poderão
gerenciar melhor os próprios cronogramas, recursos e equipes.
VÍDEO - COMO EQUILIBRAR AS EXPECTATIVAS E AS METAS DO PROJETO - Discutimos, anteriormente, como os
dados têm suas limitações. Às vezes, não temos acesso aos dados de que precisamos, ou as fontes de dados não estão
alinhadas ou seus dados não estão limpos. Isso pode definitivamente ser um problema ao analisar dados, mas também
pode afetar sua comunicação com as partes interessadas. Por isso, é importante equilibrar as expectativas das partes
interessadas com o que é de fato possível para um projeto. Vamos aprender a importância de se definir metas realistas e
objetivas e a melhor maneira de comunicar-se com as partes interessadas sobre os problemas que você possa vir a
encontrar. Tenha em mente que diversas coisas dependem da sua análise. Talvez sua equipe não possa tomar uma
decisão sem seu relatório. Ou talvez seu trabalho com os dados iniciais determine como e onde serão coletados dados
Curso 2 - Fazer perguntas para tomar decisões com base em dados
adicionais. Você deve se lembrar de que falamos sobre algumas situações nas quais é importante envolver as partes
interessadas. Por exemplo, dizer ao seu gerente de projeto se você está dentro do cronograma ou se está tendo um
problema. Agora, vamos analisar um exemplo real em que você precisa se comunicar com as partes interessadas e o que
você faria se encontrasse um problema. Digamos que você está trabalhando em um projeto para uma seguradora. A
empresa quer identificar causas comuns de pequenos acidentes de carro para poder desenvolver materiais educacionais
que promovam uma direção mais segura. Há algumas perguntas iniciais às quais você e sua equipe precisam responder.
Quais hábitos de direção vocês incluirão no conjunto dos dados? Como esses dados serão coletados? Quanto tempo irá
levar para coletar e limpar os dados antes de usá-los em sua análise? Logo de início, você deve comunicar-se claramente
com as partes interessadas para responder a essas perguntas, para que você e sua equipe possam definir uma linha do
tempo razoável e realista para o projeto. Pode ser tentador dizer às partes interessadas que você terminará o trabalho
rapidamente, sem problemas. Mas definir as expectativas de uma linha do tempo realista irá ajudá-lo no longo prazo. As
partes interessadas saberão o que esperar, e quanto, e você não precisará se sobrecarregar e perder prazos por ter se
comprometido além da conta. Acredito que definir expectativas logo no início me ajuda a utilizar meu tempo de forma mais
produtiva. Então, ao começar, informe um cronograma de alto nível com diferentes etapas do projeto e as datas de início
das tentativas. Nesse caso, você e suas equipes estabeleceram que precisarão de três semanas para completar a análise e
fornecer as recomendações, e você informará as partes interessadas para que estas possam se planejar da forma
adequada. Agora, vamos imaginar que você já está na metade do projeto e se depara com um problema. Talvez os
motoristas tenham escolhido compartilhar os dados sobre o uso de celulares dentro do veículo, mas você descobre que
algumas fontes contabilizam o uso de GPS em seus dados, ao passo que outras não. Isso pode tornar seu processamento
e limpeza de dados mais demorado e atrasar alguns marcos do projeto. Será preciso informar o seu gerente de projeto e
talvez definir uma linha do tempo para apresentar às partes interessadas. Quanto mais cedo você puder identificar esses
problemas, melhor. Desse modo, as partes interessadas podem fazer as mudanças necessárias assim que possível. Ou
imagine que as partes interessadas querem acrescentar o modelo do veículo ou a idade às possíveis variáveis. Será
preciso comunicar-se com elas a respeito de como isso pode modificar o modelo que você construiu, se puder ser
acrescentado, e antes dos prazos, e quaisquer outros obstáculos que eles precisem saber para poderem decidir se vale a
pena fazer alterações a essa altura do projeto. Para ajudá-los, você pode preparar um relatório explicando como esta
solicitação modifica a linha do tempo do projeto ou altera o modelo. Você também pode enfatizar os prós e contras da
alteração. Você quer ajudar as partes interessadas a atingirem suas metas, mas é importante definir expectativas realistas
a cada etapa do projeto. Para isso, é preciso um pouco de equilíbrio. Você aprendeu sobre como equilibrar as
necessidades dos membros da sua equipe e das partes interessadas, mas você também precisa equilibrar as expectativas
das partes interessadas e o que é viável tendo em vista os projetos, recursos e limitações. Por isso, é importante ser
realista e objetivo e comunicar-se de forma clara. Isso ajudará as partes interessadas a entenderem a linha do tempo e ter
confiança em sua capacidade de atingir tais metas. Então, sabemos que comunicação é essencial e que algumas regras
devem ser seguidas para nossa comunicação profissional. A seguir, falaremos mais sobre responder às dúvidas das partes
interessadas, como entregar os dados e comunicar-se com sua equipe.
VÍDEO - SARAH: COMO SE COMUNICAR COM AS PARTES INTERESSADAS - Meu nome é Sarah e sou analista sênior
no Google. Como analista de dados, haverá momentos em que você terá diferentes partes interessadas que não têm ideia
da quantidade de tempo que se leva para realizar cada projeto, e logo no início, quando me pedem para fazer um projeto
ou para analisar algo, eu sempre tento definir um pouco as expectativas sobre os prazos porque a maioria das partes
interessadas não entende muito bem o que fazemos com os dados e como eles são obtidos, como limpá-los e montar a
história por trás deles. Outro ponto que quero deixar claro para todo mundo é que vocês precisam garantir que os dados
contem suas histórias. Às vezes, as pessoas acham que os dados podem responder a tudo, e às vezes temos que
reconhecer que isso simplesmente não é verdade. Recentemente, trabalhei com um estado para descobrir por que as
pessoas não estavam se cadastrando nos benefícios que precisavam e que mereciam. Víamos as pessoas acessarem o
site e o lugar onde deveriam se cadastrar para tais benefícios e ver se elas se qualificavam. Mas, por alguma razão, algo
as impedia de seguir em frente e de fato se cadastrarem. Então, pude analisar o caso usando o Google Analytics para
tentar descobrir o que estava impedindo as pessoas de se cadastrarem para esses benefícios dos quais precisam e os
quais merecem. Então, fui até o Google Analytics, e vi que as pessoas estavam navegando entre essa página de serviços e
a página de desemprego, voltando para a página do serviço, e de novo indo para a página de desemprego. Então criei uma
teoria de que as pessoas não estavam encontrando as informações de que precisavam para ver se estavam qualificadas
para esses serviços. A única maneira de saber, de fato, por que alguém saiu do site sem tomar a ação é perguntando às
pessoas. Eu teria que fazer um questionário. O Google Analytics não me forneceu os dados de que eu precisaria para
sustentar ou refutar minha teoria 100%. Então, quando você está explicando às partes interessadas: “Olha, eu tenho uma
Curso 2 - Fazer perguntaspara tomar decisões com base em dados
teoria. Esses dados estão me contando uma história. Porém, eu não posso saber com 100% de certeza por causa das
limitações dos dados”, você precisa dizer isso. Então, a maneira como me comunico, ou seja, eu digo: “Tenho uma teoria
de que as pessoas não estão encontrando as informações de que precisam para agir. Aqui estão os pontos que tenho e
que comprovadamente sustentam essa teoria”. O que fizemos, então, foi facilitar um pouco o acesso àquelas informações.
Embora não tivéssemos 100% de certeza de que minha teoria estava correta, estávamos seguros o bastante para tomar
essa atitude e depois olhamos para trás e vimos que todas as métricas que me levaram a essa teoria melhoraram. E assim,
sempre é bom quando podemos ajudar uma causa em que acreditamos, fazer melhor e ajudar mais pessoas por meio dos
dados. Faz valer totalmente a pena todo o conhecimento nerd sobre SQL e tudo o mais.
VÍDEO - O DILEMA DOS DADOS: VELOCIDADE VERSUS ACURÁCIA - Vivemos em um mundo que adora recompensas
instantâneas, seja no caso de uma entrega da noite para o dia, seja nos filmes sob demanda. Queremos o que queremos e
o queremos agora. Mas, no mundo dos dados, a velocidade às vezes pode ser inimiga da acurácia, especialmente quando
se necessita de colaboração. Vamos falar sobre como equilibrar respostas ágeis e respostas certas e como abordar essas
questões da melhor maneira reajustando as perguntas e descrevendo os problemas. Assim, os membros da sua equipe e
as partes interessadas entenderão quais respostas poderão esperar, e quanto. Como analistas de dados precisamos saber
o porquê das coisas, como uma queda nas vendas, a média de rebatidas de um jogador, ou o total do índice pluviométrico.
Não se trata só dos números, trata-se também do contexto, e ir a fundo nessas questões leva tempo. Então, se uma parte
interessada bater à sua porta, muitas vezes essa pessoa pode não saber muito bem do que precisa. Ela só sabe que o
quer na velocidade da luz. Mas, às vezes, a pressão nos faz sucumbir e até os analistas de dados mais experientes podem
se sentir tentados a tomar atalhos e fornecer dados incorretos ou inacabados para entregar o trabalho no prazo. Quando
isso acontece, boa parte da história por trás dos dados se perde. Por isso, a comunicação é uma das ferramentas mais
valiosas para trabalhar com as equipes. É importante começar com um pensamento estruturado e um escopo de trabalho
bem planejado, sobre o qual falamos anteriormente. Se você começar com um entendimento claro das expectativas das
partes interessadas, você poderá desenvolver um escopo realista do trabalho que descreva as expectativas acordadas, as
linhas do tempo, as metas e os relatórios. Desse modo, sua equipe sempre possui um guia para orientar suas ações. Se
você se sentir pressionado a fazer algo que está fora do escopo, terá segurança de definir expectativas mais realistas. No
fim das contas, é sua responsabilidade equilibrar respostas rápidas e respostas corretas. Sem contar descobrir o que a
pessoa está, de fato, pedindo. Este parece um bom momento para um exemplo. Imagine que sua VP de RH aparece em
sua mesa exigindo ver quantos novos contratados estão completando um treinamento que eles introduziram. Ela diz: “Não
é possível que as pessoas consigam completar cada seção do curso. A equipe de recursos humanos está atolada de
perguntas. Devíamos simplesmente cancelar o programa”. Como você responderia? Bem, você poderia acessar o sistema,
extrair alguns números e entregá-los ao seu supervisor. Isso não levaria tempo nenhum. Mas a resposta rápida pode não
ser a mais precisa. Então, ao invés disso, você pode reformular a pergunta dela, descrever o problema, os desafios, as
possíveis soluções e um período de tempo. Você pode dizer “Com certeza posso verificar as taxas de conclusão, mas sinto
que há algo a mais nessa história. Você pode me dar dois dias para rodar alguns relatórios e saber o que está
acontecendo?” Com mais tempo, é possível avaliar o contexto. Você e a VP de RH decidiram estender a linha do tempo do
projeto, para que possam coletar dados anônimos de pesquisa dos novos funcionários sobre o treinamento. As respostas
deles fornecem dados que podem ajudar a identificar exatamente por que as taxas de conclusão estão tão baixas. Os
funcionários relataram que o curso é confuso e desatualizado. Como você conseguiu parar e abordar o problema maior, a
VP de RH teve um melhor entendimento do motivo pelo qual os novos funcionários não estão terminando o curso e pode
tomar novas decisões sobre como atualizá-lo. Agora, o treinamento é fácil de seguir e o departamento de RH não está
recebendo tantos questionamentos. Todo mundo saiu ganhando. Redirecionar a conversa o ajudará a descobrir o
verdadeiro problema, o que leva a soluções mais aprofundadas e precisas. Mas é importante lembrar que, às vezes, você
precisa ser o portador de más notícias, e tudo bem. Comunicar os problemas, as possíveis soluções e as diferentes
expectativas pode ajudá-lo a seguir adiante em um projeto, ao invés de ficar preso. Quando se trata de comunicar as
respostas junto as suas equipes e partes interessadas a resposta mais rápida e a mais precisa costumam não ser a mesma
resposta. Mas, quando você se certifica de que entende suas necessidades e define as expectativas claramente, você
consegue equilibrar agilidade e precisão. Apenas seja claro e direto, e terá bons resultados.
Limitações dos dados
Os dados são poderosos, mas têm suas limitações. A opinião pessoal de alguém conseguiu influenciar os
números? Os dados estão mostrando o panorama completo? Parte de ser um bom analista de dados é saber
quais são os limites dos dados e se antecipar a eles. Este texto explica como fazer isso.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
O caso dos dados incompletos (ou inexistentes!)
Se tiver dados incompletos ou inexistentes, você poderá perceber durante a análise que não conta com dados
suficientes para chegar a uma conclusão. Ou você pode estar resolvendo um problema completamente diferente!
Por exemplo, suponhamos que você está procurando funcionários que receberam um certificado específico, mas
descobre que os registros de certificado abrangem somente os últimos dois anos da empresa. Você poderá usar
esses dados, mas precisará esclarecer as limitações dessa análise. Talvez você consiga encontrar uma fonte de
dados alternativa se entrar em contato com a empresa que forneceu a capacitação. Mas, para ter certeza, você
precisa informar claramente que tem um conjunto de dados incompleto até que outros dados estejam
disponíveis.
É preciso alinhar os dados
Se estiver coletando dados de outra equipe e usando planilhas existentes, é bom lembrar que as pessoas usam
diferentes regras de negócios. Portanto, uma equipe pode definir e medir parâmetros de maneira completamente
diferente de outra. Por exemplo, se uma métrica é o número total de estagiários em um programa de certificação,
uma equipe pode registrar todas as pessoas inscritas no programa e outra equipe pode contar somente os que
concluíram o programa. Nesses casos, estabelecer como os parâmetros serão medidos logo no início padroniza
os dados em toda a empresa, gerando maior confiabilidade e acurácia. Isso fará com que as comparações entre
as equipes sejam significativas e gerem muitos insights.
Lidar com dados sujos
A expressão “dados sujos” refere-se a dados que contêm erros. Os dados sujos podem gerar uma queda na
produtividade, gastos desnecessários e a tomada de decisões incorretas. Uma boa limpeza de dados pode
ajudar a evitar tudo isso. Lembramos que a limpeza de dados é o processo de corrigir ou remover dados
incorretos, corrompidos, com formato incorreto, duplicados ou incompletos no conjunto de dados. Ao encontrar e
corrigir os erros, mantendo um registro das alterações feitas, você pode evitar um desastre de dados. Você
aprenderá como limpar dados mais adiante neste treinamento.
Contar uma história transparente
Avinash Kaushik, Digital Marketing Evangelistdo Google, tem várias dicas ótimas para analistas de dados no
blog: Navalha de Occam. Veja a seguir algumas das práticas recomendadas por ele para contar boas histórias
usando dados.
● Compare os mesmos tipos de dados: Os dados podem se misturar ao criar gráficos para visualização.
Compare sempre os mesmos tipos de dados e verifique que nenhum segmento do gráfico exibe
métricas diferentes.
● Visualize com cuidado: Uma queda de 0,01% em uma pontuação pode ser enorme quando examinada
de perto. Para que seu público-alvo entenda o panorama completo, é recomendável definir o eixo Y
como 0.
● Não inclua gráficos desnecessários: Se uma tabela for capaz de mostrar os dados rapidamente, fique
com a tabela e esqueça os gráficos de pizza ou de barras. Seu público-alvo agradecerá a clareza.
● Teste a significância estatística: Às vezes, dois conjuntos de dados parecerão diferentes, mas é
preciso testar se essa diferença é real e importante. Faça testes estatísticos para ver se você pode
confiar nessa diferença.
● Preste atenção ao tamanho da amostra: Colete muitos dados. Se a amostra for pequena, algumas
respostas incomuns podem distorcer os resultados. Se perceber que não tem dados suficientes, tome
cuidado ao usá-los para criar conceitos. Procure oportunidades para coletar mais dados e registre essas
tendências em períodos mais longos.
Crie conceitos
Em qualquer organização, boa parte do trabalho do analista de dados consiste em criar conceitos. Ao conhecer
as limitações dos dados, você pode criar conceitos que ajudem as pessoas a tomarem decisões baseadas em
dados. Os dados são uma ferramenta extremamente poderosa para tomar decisões, mas se estiverem
http://www.kaushik.net/
http://www.kaushik.net/
Curso 2 - Fazer perguntas para tomar decisões com base em dados
incompletos, mal alinhados ou sujos, podem levar a conclusões errôneas. Tome as medidas necessárias para se
certificar de que os dados estejam completos e sejam consistentes. Limpe os dados antes de começar a análise
para economizar seu tempo e esforço e, possivelmente, os de outras pessoas.
VÍDEO - PENSE SOBRE SEU PROCESSO E O RESULTADO - Os dados têm o poder de mudar o mundo. Reflita sobre
isso. Um banco identifica 15 novas oportunidades de promover um produto, resultando em 120 milhões de dólares em
lucro. Uma empresa de distribuição descobre uma maneira melhor de gerenciar o envio, reduzindo seus custos em USD
500.000. O Google criou uma nova ferramenta capaz de identificar tumores de câncer de mama nos nódulos linfáticos
próximos. Essas conquistas são incríveis, mas você sabe o que elas têm em comum? Todas elas são resultados de Data
Analytics. Você tem, sim, o poder de mudar o mundo como analista de dados. E tudo começa com o modo como você
compartilha os dados com sua equipe. Neste vídeo, pensaremos em todas as variáveis que você deve considerar ao
partilhar os dados. Quando você entrega dados com sucesso à sua equipe, você consegue garantir que ela seja capaz de
tomar as melhores decisões possíveis. Anteriormente, aprendemos que a velocidade pode afetar a precisão ao partilhar
informações dos bancos de dados com uma equipe. Por isso, é necessário ter um processo bem estruturado que pondere
os resultados e ações da sua análise. Então, por onde começar? Bem, as melhores soluções começam com perguntas.
Você deve se recordar, como dito no último vídeo, que as partes interessadas terão muitas perguntas, mas cabe a você
descobrir o que elas realmente precisam. Então, pergunte a si mesmo, sua análise responde à pergunta original? Existem
outros ângulos que você não considerou? Você consegue responder as questões que podem ser feitas sobre seus dados e
sua análise? Esta última pergunta nos traz algo a mais para refletir. Quantos detalhes você deve fornecer ao partilhar seus
resultados? Uma análise de alto nível é suficiente? Acima de tudo, sua análise de dados deve ajudar a sua equipe a tomar
melhores decisões, de forma mais informada. Vejamos outro exemplo: Imagine que uma empresa de paisagismo está
enfrentando um aumento nos custos e não consegue se manter competitiva no processo de licitação. Uma pergunta que
poderia ser feita para resolver este problema é: a empresa pode encontrar novos fornecedores sem comprometer a
qualidade? Se você fornecesse a ela uma análise de alto nível, provavelmente você incluiria o número de clientes e o custo
dos suprimentos. Aqui, a parte interessada poderia fazer uma objeção. Ela está preocupada em saber se a redução da
qualidade limitará a capacidade da empresa de manter sua competitividade e manter os clientes satisfeitos. Bem, ela tem
um pouco de razão. Neste caso, você precisa oferecer uma análise mais detalhada dos dados para fazê-la mudar de
opinião. Isso pode significar explorar o que os clientes acham de marcas diferentes. Você pode descobrir que os clientes
não têm preferência por marcas específicas de paisagismo. Então, a empresa pode trocar para fornecedores mais em
conta, sem comprometer a qualidade. Se você se sentir confortável para usar os dados para responder a todas essas
perguntas e considerações, provavelmente chegará a uma conclusão firme. Legal! Agora que você entende algumas das
variáveis envolvidas no compartilhamento dos dados com uma equipe, como processo e resultado, você está mais perto de
garantir que sua equipe tenha todas as informações de que precisa para tomar decisões informadas e embasadas em
dados.
INCRÍVEL TRABALHO EM EQUIPE
VÍDEO - PRÁTICAS RECOMENDADAS PARA REUNIÕES - Agora, é hora de falar sobre as reuniões. As reuniões são
uma das partes mais importantes na maneira como você se comunica com os membros de sua equipe e as partes
interessadas. Vamos abordar algumas dicas simples do que fazer e não fazer, para usar tanto em reuniões presenciais
quanto nas online para que você utilize essas práticas recomendadas de comunicação no futuro. De modo geral, as
reuniões permitem que você e os membros de sua equipe ou as partes interessadas discutam o andamento de um projeto.
Mas elas podem ser muito mais do que isso. Seja presencialmente ou virtualmente, as reuniões de equipe podem construir
confiança e espírito de equipe. Elas permitem que você se conecte com as pessoas com quem trabalha, para além dos
e-mails. Outro benefício é que conhecer com quem você trabalha pode dar uma perspectiva melhor de onde o seu trabalho
se encaixa no projeto, como um todo. As reuniões regulares também facilitam a coordenação das metas da equipe, o que
facilita o alcance dos seus objetivos. Com todos no mesmo caminho, os membros da sua equipe poderão ajudar melhor
uns aos outros quando você também se deparar com problemas. Seja liderando ou apenas participando de uma reunião,
existem práticas recomendadas que você pode seguir para garantir o sucesso de suas reuniões. Existem coisas realmente
simples que você pode fazer para ter uma ótima reunião. Vá preparado, seja pontual, preste atenção e faça perguntas. Isso
se aplica tanto a reuniões que você lidera e àquelas das quais participa. Vamos entrar em detalhes sobre como você pode
seguir essas dicas para cada reunião. O que quero dizer com vá preparado? Bem, algumas coisas. Primeiro, leve o que
precisa. Se você gosta de fazer anotações, leve seu caderno e canetas na bolsa ou tenha seu dispositivo em mãos. Estar
preparado também significa que você deve ler a pauta da reunião antes da hora e estar pronto para fornecer atualizações
Curso 2 - Fazer perguntas para tomar decisões com base em dados
sobre seu trabalho. Se você está liderando a reunião, certifique-se de preparar suas anotações e apresentações e saber do
que irá falar e, claro, estar pronto para responder a perguntas. Existem outras dicas que eu gosto de seguir ao liderar uma
reunião. Primeiro, cada reunião deve focar em tomar uma decisão clara e incluir a pessoa necessária para tomar aquela
decisão. E se for necessário uma reunião para tomar uma decisão, agende-a imediatamente. Não atrase o progresso
esperando até a reunião da semana seguinte. Por fim, tente manter no máximo 10 pessoasem sua reunião, em no máximo
10, se possível. Com mais pessoas é difícil ter uma discussão colaborativa. Também é importante respeitar o tempo dos
membros da sua equipe. A melhor maneira de fazer isso é chegando no horário para as reuniões. Se você está liderando a
reunião, chegue cedo e instale-se com antecedência, para estar pronto para começar quando as pessoas chegarem Você
pode fazer o mesmo para reuniões online. Tente garantir que a sua tecnologia esteja funcionando e fique atento ao relógio
para que não perca uma reunião acidentalmente. Ficar focado e atento durante a reunião é outra ótima maneira de
respeitar o tempo dos membros da sua equipe. Você não quer perder algo importante porque estava distraído com outra
coisa durante a apresentação. Prestar atenção também significa fazer perguntas quando precisar de esclarecimento, ou se
achar que pode haver um problema com um plano de projeto. Não tenha receio de entrar em contato após uma reunião. Se
você não conseguiu fazer sua pergunta, converse com o grupo em seguida e obtenha sua resposta. Quando você é quem
lidera a reunião, certifique-se de criar e enviar uma pauta com antecedência, para que os membros da sua equipe possam
vir preparados e saiam com conclusões claras. Você também deve manter todos envolvidos. Tente se comunicar com
todos os participantes, para não perder os insights dos membros da sua equipe. Diga a todos que você está aberto para
perguntas após a reunião, também. É uma boa ideia levar anotações, até quando você é o líder da reunião. Assim, fica
mais fácil lembrar de todas as perguntas que foram feitas. Depois, você pode fazer um acompanhamento com os membros
da equipe individualmente para responder a estas perguntas ou enviar uma atualização para toda a sua equipe,
dependendo de quem precisa daquela informação. Agora, vejamos o que não fazer nas reuniões. Existem algumas coisas
óbvias que não se deve fazer nas reuniões. Não se deve aparecer despreparado, atrasado ou distrair-se em reuniões.
Você também não deve dominar a conversa, falar por cima dos outros ou distrair as pessoas com discussões
paralelas. Tente garantir que outros membros da equipe tenham chance de falar e sempre deixe-os concluir seu
pensamento antes de começar a falar. Todos que estão participando da reunião devem poder dar sua contribuição.
Ofereça oportunidades para as pessoas falarem, fazerem perguntas, dar a opinião delas como especialistas e solicite o
feedback delas. Você não pode perder os valiosos insights delas. Tente fazer com que todos deixem os celulares ou
computadores no silencioso quando não estiverem falando, inclusive você. Aqui, aprendemos algumas das práticas
recomendadas que você pode seguir nas reuniões, como aparecer preparado, chegar no horário, prestar atenção e
fazer perguntas. Também falamos sobre usar as reuniões de forma produtiva para tomar decisões claras e promover
discussões colaborativas e conversar com as pessoas após uma reunião para tratar de questões que você ou outros
possam ter. Você também aprendeu o que não fazer nas reuniões: aparecer despreparado, atrasado ou distrair-se,
ou falar por cima dos outros e não ouvir suas contribuições. Com essas dicas, você estará no caminho certo para fazer
reuniões produtivas e positivas com sua equipe. Mas, é claro, às vezes haverá conflito na sua equipe. Discutiremos em
breve a resolução de conflitos.
VÍDEO - XIMENA: ENTRAR PARA UMA NOVA EQUIPE - Entrar para uma nova equipe com certeza foi assustador no
começo. Especialmente em uma empresa como o Google, que é muito grande e onde todos são extremamente
inteligentes. Mas eu realmente me apoiei no meu gerente para entender como eu poderia colaborar. Isso me fez sentir
muito mais confortável nas reuniões, enquanto compartilhava minhas habilidades. Descobri que meus melhores projetos
começam com uma comunicação muito clara do que é esperado. Se eu saio de uma reunião de projeto sabendo o que está
sendo pedido, exatamente onde começar e o que preciso fazer, isso me permite fazer tudo mais rápido, com mais
eficiência, alcançando o verdadeiro objetivo do projeto e talvez até um pouco mais, porque não preciso perder tempo sem
saber o que tenho que fazer. A comunicação é muito importante porque permite alcançar a linha de chegada da maneira
mais eficiente e também fala bem de você. Quando comecei, recebia uma boa quantidade de projetos e eu me empolgava.
E começava a fazê-los sem muitas perguntas. No começo, era um obstáculo porque embora seja possível avançar com
ambiguidade em relação ao objetivo do projeto, também pode ser muito nocivo quando você realmente quer alcançar a
meta. Superei isso simplesmente retrocedendo quando alguém me pedia para fazer o projeto e esclarecendo qual era a
meta. Depois que a meta estava definida, eu tinha prazer em mergulhar na ambiguidade de como chegar lá. Mas a meta
precisa ser realmente objetiva e clara. Meu nome é Ximena, e sou analista financeira.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Como liderar ótimas reuniões
Em breve, você pode se encontrar planejando uma reunião no cargo de analista de dados. Quando os
participantes percebem que uma reunião será bem executada, muitas coisas boas acontecem. Eles chegam na
hora certa. Não se distraem com seus laptops e celulares. Sentem que o tempo está sendo bem aproveitado.
Tudo isso depende de um bom planejamento e das expectativas de comunicação. Veja a seguir nossas práticas
recomendadas para liderar reuniões.
Antes da reunião
Se você estiver organizando a reunião, você provavelmente falará sobre dados. Antes da reunião:
● identifique seu objetivo. Estabeleça a finalidade, metas e os resultados esperados da reunião, incluindo
perguntas e solicitações que precisam ser atendidas.
● Considere os participantes e promova o envolvimento com os diferentes pontos de vista e experiências
em dados, no projeto e na empresa.
● Organize os dados que serão apresentados. Talvez você precise transformar dados brutos em formatos
acessíveis ou criar visualizações de dados.
● Prepare e distribua a pauta da reunião. Vejamos isso em detalhes.
Como criar uma pauta interessante
Uma pauta contundente define o sucesso da reunião. Veja os aspectos básicos que a pauta deve incluir:
● Horário de início e término da reunião.
● Local da reunião (incluindo informações para participar remotamente, se existir essa opção).
● Objetivos .
● Material de apoio ou dados que os participantes devem checar com antecipação.
Veja um exemplo de pauta de reunião de um
projeto de análise que está começando:
Compartilhe sua pauta antecipadamente
Depois de escrever sua pauta, é hora de
compartilhá-la com os convidados. Compartilhar a
pauta com todas as pessoas antecipadamente
ajuda os participantes a entender as metas da
reunião e preparar perguntas, comentários ou
feedbacks. Você pode enviar a pauta por e-mail ou
compartilhar usando outra ferramenta de
colaboração.
Durante a reunião
Como líder da reunião, é seu papel orientar a
discussão sobre os dados. Quando todos
estiverem informados sobre o plano e as metas da
reunião, siga estas etapas para evitar distrações:
● Faça as apresentações que forem necessárias e reveja mensagens importantes.
● Apresente os dados.
● Discuta as observações, interpretações e implicações dos dados.
● Faça anotações durante a reunião.
● Determine e resuma os próximos passos para o grupo.
Após a reunião
Para que todos no projeto estejam alinhados, prepare e distribua uma breve recapitulação da reunião, incluindo
os passos a seguir que foram definidos. Você pode até ir além e pedir feedback à equipe.
● Se houver, distribua as anotações ou dados.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
● Confirme os próximos passos e a linha do tempo de ações adicionais.
● Peça feedback. Essa é uma maneira eficaz de perceber se você esqueceu de incluir algo na
recapitulação.
Mais informações sobre reuniões
Mesmo com um planejamento cuidadoso e uma pauta detalhada, as reuniões às vezes podem não sair bem.
Uma situação de emergênciapode chamar a atenção das pessoas. Uma decisão recente pode mudar de
maneira imprevista os requisitos que tinham sido discutidos e acordados anteriormente. Os pontos das ações
podem não corresponder à situação atual. Se isso acontecer, você pode precisar cancelar ou diminuir a duração
da reunião. Não tem problema, mas discuta qualquer modificação que afete o projeto com o gerente ou as partes
interessadas e reprograme a reunião para quando você tiver mais informações.
VÍDEO - DO CONFLITO À COLABORAÇÃO - É normal que existam conflitos na sua vida de trabalho. Muito do que você
aprendeu até agora, como gerenciar expectativas e comunicar de maneira eficaz pode ajudar a evitar conflitos, mas às
vezes os conflitos existirão de todos os modos. Se isso acontecer, existem maneiras de resolvê-los e seguir em frente.
Neste vídeo, falaremos sobre como os conflitos podem acontecer e as melhores maneiras de praticar a resolução de
conflitos. Um conflito pode surgir por uma série de razões. Talvez uma parte interessada não tenha entendido os possíveis
resultados do seu projeto; talvez você e os membros da sua equipe tenham estilos de trabalho muito diferentes; ou talvez
um prazo importante esteja se aproximando e as pessoas estão no limite. Expectativas desencontradas e problemas de
comunicação são alguns dos motivos mais comuns para a existência de conflitos. Talvez você não tenha sido claro sobre
quem deveria limpar o conjunto de dados e ninguém limpou, atrasando um projeto. Talvez um colega tenha enviado um
e-mail com todos os seus insights, mas sem mencionar que o trabalho era seu. Embora seja fácil encarar os conflitos de
maneira pessoal, é importante tentar ser objetivos e manter o foco nas metas da equipe. Acredite se quiser: os momentos
de tensão podem ser oportunidades para reavaliar um projeto e talvez até aprimorá-lo. Portanto, quando aparece um
problema, existem algumas maneiras de reverter a situação para torná-la mais produtiva e colaborativa. Uma das melhores
maneiras de mudar uma situação de problemática a produtiva é reformular o problema. Em vez de manter o foco no que
deu errado e em quem culpar, mude a pergunta inicial. Pergunte: Como posso ajudar você a alcançar sua meta? Isso cria
uma oportunidade para que você e os membros da sua equipe trabalhem juntos para encontrar uma solução em vez de se
frustrarem com o problema. O diálogo é a chave para a resolução de conflitos. Se você se encontrar em meio a um
conflito, tente se comunicar, começar uma conversa ou perguntar coisas como: existem outros aspectos importantes que eu
deva considerar? Isso dá aos membros da equipe ou às partes interessadas uma chance de esclarecer suas preocupações.
Mas, se você estiver sentindo muitas emoções, tire um tempo para esfriar a cabeça antes de conversar. Quando preciso
escrever um e-mail durante um momento de tensão, eu deixo a mensagem em rascunho e volto a ela no dia seguinte para
reler antes de mandar e garantir que estou sendo razoável. Se você não entender o que o membro da equipe ou a parte
interessada estiver pedindo, tente compreender o contexto da solicitação. Pergunte qual é o objetivo final, o que eles estão
querendo contar com esses dados ou qual é o panorama geral. Ao transformar momentos de conflito potencial em
oportunidades de colaborar e seguir em frente, você diminui a tensão e coloca o projeto no caminho certo. Em vez de dizer:
“Não posso fazer isso de jeito nenhum nesse prazo”, experimente dizer: “Terei prazer em fazer isso, mas precisarei de
mais tempo. Vamos com calma para que eu possa entender melhor o que você quer que eu faça com os dados e podemos
trabalhar juntos para encontrar o melhor caminho”. Com isso, chegamos ao final desta seção. Ótimo trabalho. Aprender a
trabalhar com novos membros da equipe pode ser um grande desafio ao começar em um cargo ou projeto novo, mas com
as habilidades que você aprendeu nestes vídeos você será capaz de começar com o pé direito em qualquer equipe. Até
agora, você aprendeu a equilibrar as necessidades e expectativas dos membros da equipe e das partes interessadas. Você
também aprendeu as funções da equipe e como manter o foco nos objetivos do projeto, a importância de uma comunicação
clara e das expectativas de comunicação no trabalho e como equilibrar as limitações dos dados e os pedidos das partes
interessadas. Por último, falamos sobre como fazer reuniões de equipe eficientes e como resolver conflitos pensando de
maneira colaborativa com os membros da equipe. Esperamos que agora você compreenda a importância da comunicação
para o sucesso de um analista de dados. Essas habilidades de comunicação podem parecer um pouco diferentes de outras
habilidades que você vem aprendendo no programa, mas elas também são uma parte importante do seu kit de ferramentas
como analista de dados e do seu sucesso nessa profissão. Assim como todas as outras habilidades que você está
aprendendo agora, suas habilidades de comunicação melhorarão com a prática e a experiência.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
VÍDEO - NATHAN: DA MARINHA DOS EUA À DATA ANALYTICS - Olá, eu sou o Nathan. Sou analista de dados principal
da equipe de Confiança e Segurança no Google. Entrei para a reserva da Marinha quando estava na faculdade. Era uma
unidade de artilharia de campanha. Então, depois de um período desafiante no campo de treino, fui à escola de controle de
direção de fogo de artilharia de campanha. E para quem não sabe, o controle de direção de fogo é considerado o cérebro
da artilharia de campanha. Usamos muitos computadores para os cálculos de artilharia. Mas, caso os computadores
falhassem, também aprendíamos a usar as réguas de cálculo. Um ano depois, tive a oportunidade de ser recrutado como
motorista de caminhão, em vez de artilheiro de campanha e fui ao Iraque para dirigir caminhões em uma companhia de
infantaria. Quando voltei do Iraque, terminei minha graduação e trabalhei como engenheiro de aplicações em Austin, no
Texas. Finalmente, senti necessidade de mudar para me dedicar mais aos negócios. Foi então que eu me apaixonei pela
análise de dados, quando estava aprendendo mais sobre negócios. Na verdade, demorou alguns anos desde que me
interessei pela análise de dados até conseguir um trabalho em tempo integral na área e trabalhar diretamente com os
dados. Algumas das coisas que fiz para me preparar e me qualificar foi um curso do Coursera sobre R. Também participei
de alguns hackathons de ciência de dados passando fins de semana em universidades. Eles liberavam o conjunto de
dados numa sexta à noite e no domingo à tarde você precisava apresentar algumas recomendações. Essas foram
maneiras muito boas de me preparar, ganhar experiência e demonstrar meu interesse em análise de dados. Meu primeiro
trabalho em tempo integral com análise de dados foi em um grande banco. Eu estava no paraíso. Tinha que usar SQL de
verdade e também Tableau. Tive que ir a uma conferência sobre Tableau. Foi muito interessante. Depois, tive a sorte de ter
uma oportunidade de mudar para o Google, no meu cargo atual, na área de confiança e segurança. O que é muito
empolgante e gratificante é que é semelhante às forças armadas, já que tem a missão geral de proteger as pessoas, e isso
é muito bom para mim. O que a Marinha me inculcou e que uso até hoje é a atenção aos detalhes. Isso é muito importante
para os militares em geral, mas principalmente na artilharia de campanha. Em segundo lugar, está a importância da
comunicação. Cada um tem seus próprios detalhes. Precisamos garantir que eles sejam comunicados claramente às
pessoas com quem trabalhamos. Em terceiro lugar, está a colaboração. Nas forças armadas, o trabalho em equipe é o
trabalho ideal. Você realmente pode confiar na equipe. Esse é o meu caso na minha carreira e trabalhos após a Marinha.
Teste seu conhecimento sobre trabalho em equipe
Pergunta 1
Seu supervisor entrega um novo projeto de análise de dados com instruções pouco claras, e você se sente
frustrado ao tentar descobrir como proceder. Quais açõespoderia tomar a seguir para demonstrar a
responsabilidade de levar o projeto adiante? Selecione todas as opções aplicáveis.
Encontrar-se com seu supervisor pessoalmente para que ele possa observar claramente o quão frustrado você está.
Agendar um horário para fazer mais perguntas ao seu supervisor sobre as metas gerais.
Fazer pesquisas adicionais para entender melhor o contexto da solicitação.
Enviar um e-mail ao seu supervisor informando-o de que o projeto não foi devidamente explicado.
Pergunta 2
Você está trabalhando em um projeto de análise de dados com um colega de trabalho e vocês dois discordam
sobre o que os dados apontam. A situação fica tensa. A melhor providência é se dirigir ao seu supervisor e explicar
educadamente que seu colega de trabalho está observando os dados incorretamente. Em seguida, peça para
trabalhar com um colega diferente em projetos futuros.
Verdadeiro
Falso
Pergunta 3
Um diretor lhe envia um e-mail solicitando um relatório até o final da semana. Esse tipo de relatório leva pelo
menos 10 dias para ser devidamente concluído. Qual é a melhor providência a ser tomada?
Ligar para o diretor e informar que ninguém é capaz de cumprir esse prazo.
Preencher o relatório da melhor maneira possível até o final da semana para cumprir o prazo solicitado.
Enviar um e-mail para o diretor e dizer que ficaria satisfeito em preparar o relatório, mas que estipula o prazo de 10 dias
para obter as informações necessárias. Em seguida, perguntar se é possível estabelecer uma linha do tempo diferente.
Encaminhar o e-mail para outro analista de dados de sua equipe e pedir para que produza o relatório. Ainda ocorrerá
atraso, mas pelo menos sua imagem não será afetada.
Curso 2 - Fazer perguntas para tomar decisões com base em dados
Desafio semanal 4
Pergunta 1
Um analista de dados inicia um novo projeto para a equipe de operações em sua empresa. Ele dedica
algumas horas no início do projeto para identificar suas partes interessadas. As partes interessadas
secundárias são provavelmente quais das pessoas a seguir? Selecione todas as opções aplicáveis.
O vice-presidente de operações
O analista de dados
O presidente da empresa
O gerente de projeto
Pergunta 2
Um analista de dados está pesquisando o comportamento de compra das pessoas que adquirem itens na
loja de varejo de uma empresa e daquelas que poderiam comprar no local futuramente. Durante a análise,
será importante manter a comunicação com as pessoas que mais frequentemente interagem com esses
compradores. Elas são membros da equipe executiva.
Verdadeiro
Falso
Pergunta 3
Há quatro perguntas principais que os analistas de dados se perguntam: Quem é meu público-alvo? O
que o seu público-alvo já sabe? O que o seu público-alvo precisa saber? Como posso me comunicar com
ele de forma eficaz? Essas perguntas permitem que os analistas de dados atinjam qual objetivo?
Identificar as partes interessadas primárias e secundárias
Entender quem está gerenciando os dados
Concluir projetos de análise de dados dentro do prazo
Comunicar-se claramente com as partes interessadas e membros da equipe
Pergunta 4
Um analista de dados recebe um e-mail do vice-presidente de marketing. O vice-presidente está
desapontado porque o relatório que precisam receber do analista está atrasado. Selecione a melhor
providência a ser tomada.
O analista deve ligar para o vice-presidente e perguntar a ele o real grau de importância do relatório para os
esforços de marketing.
O analista deve enviar o relatório imediatamente, mesmo que não esteja totalmente concluído. Essa ação
deixará o vice-presidente satisfeito.
O analista deve responder dizendo que entende as preocupações do vice-presidente, fornecer uma atualização
de status e informar quando enviará o relatório concluído.
O analista deve se desculpar pelo atraso e informar ao vice-presidente que os gerentes de marketing causaram o
atraso.
Pergunta 5
Para garantir que algumas respostas incomuns não distorçam os resultados ou levem a julgamentos
imprecisos, um analista de dados concentra-se em qual elemento da coleta de dados?
Significância estatística
Visualização
Limpeza de dados
Tamanho da amostra
Pergunta 6
Um analista de dados foi convidado para uma reunião. Ele confere a pauta e percebe que seu projeto de
análise de dados é um dos tópicos a serem discutidos. Ele planeja chegar a tempo e leva consigo papel e
Curso 2 - Fazer perguntas para tomar decisões com base em dados
caneta para fazer anotações. Contudo, não dedica um tempo para as atualizações do projeto que poderia
compartilhar ou as perguntas que podem ser feitas. Não há problema nisso, visto que o analista não é o
responsável pela reunião.
Verdadeiro
Falso
Pergunta 7
Ao participar de uma reunião online, não há problema em manter sua caixa de entrada aberta em outra
janela do navegador. Os participantes não se distrairão porque não podem ver a tela, e você pode receber
uma mensagem muito importante.
Verdadeiro
Falso
Pergunta 8
Um membro da equipe pediu para que você assuma uma tarefa, e você não entende o objetivo do projeto.
Aparentemente, parece ser uma perda de tempo. A melhor providência seria explicar educadamente suas
preocupações e recusar o projeto.
Verdadeiro
Falso
VÍDEO - PARABÉNS - Agora que terminou, você está oficialmente pronto para fazer o próximo curso. Trabalho incrível.
Mas antes de contar a você o que está por vir, vamos parar para pensar um pouco sobre o que abarcamos até agora na
primeira etapa do processo de análise de dados. Neste curso, exploramos perguntas efetivas e aprendemos como usar
dados qualitativos e quantitativos, métricas e matemática para chegar a conclusões. Também falamos sobre noções
básicas de planilhas, como aplicar o pensamento estruturado e habilidades de comunicação para trabalhar com as partes
interessadas e os membros da equipe. Muitas coisas! Mas agora é hora de levar o que você aprendeu para o próximo
curso, em que você aprenderá a próxima etapa do processo de análise de dados: como preparar seus dados. A Hallie
acompanhará você daqui em diante. Talvez você se lembre dela do começo do primeiro curso! Ela orientará você na
aprendizagem de novas e importantes ferramentas para o trabalho, como tipos e estruturas de dados; viés e credibilidade
em Data Analytics; bancos de dados; como organizar e proteger seus dados; e a comunidade de dados. Obrigado por
continuar comigo ao longo do curso. Quando estiver pronto, acesse o primeiro vídeo do próximo curso. Boa sorte! Você
terá muito sucesso.