Prévia do material em texto
1‘ CIÊNCIA DE DADOS E APLICAÇÕES DE BIG DATA PARA TOMADA DE DECISÕES 2 NOSSA HISTÓRIA A nossa história inicia com a realização do sonho de um grupo de empresários, em atender à crescente demanda de alunos para cursos de Graduação e Pós-Graduação. Com isso foi criado a nossa instituição, como entidade oferecendo serviços educacionais em nível superior. A instituição tem por objetivo formar diplomados nas diferentes áreas de conhecimento, aptos para a inserção em setores profissionais e para a participação no desenvolvimento da sociedade brasileira, e colaborar na sua formação contínua. Além de promover a divulgação de conhecimentos culturais, científicos e técnicos que constituem patrimônio da humanidade e comunicar o saber através do ensino, de publicação ou outras normas de comunicação. A nossa missão é oferecer qualidade em conhecimento e cultura de forma confiável e eficiente para que o aluno tenha oportunidade de construir uma base profissional e ética. Dessa forma, conquistando o espaço de uma das instituições modelo no país na oferta de cursos, primando sempre pela inovação tecnológica, excelência no atendimento e valor do serviço oferecido. 3 SUMÁRIO 1. Análise estatísticas de dados ............................................................................ 4 1.1 Características das empresas modernas ....................................................................................... 4 1.2 Aplicações ...................................................................................................................................... 5 1.3 Melhoria da Qualidade de Processos e Produtos ......................................................................... 5 1.4 Análise da Capacidade de Processos e Sistemas ........................................................................... 7 1.5 Assegurando a qualidade dos dados ............................................................................................. 8 1.5.1 Dados estruturados ................................................................................................................ 8 1.5.2 Dados não estruturados ....................................................................................................... 10 1.6 Amostragem ................................................................................................................................ 11 1.7 Limpeza dos dados ...................................................................................................................... 14 1.8 Estatística descritiva .................................................................................................................... 15 1.9 Histograma .................................................................................................................................. 19 2. Microsoft PowerBI ............................................................................................ 22 2.1 Benefícios do Business Intelligence............................................................................................. 23 2.2 Os 3 pilares do Business Intelligence .......................................................................................... 25 2.2.1 Coleta de dados .................................................................................................................... 25 2.2.2 Organização e análise ........................................................................................................... 26 2.2.3 Ação e monitoramento ........................................................................................................ 26 2.3 As partes do Power BI ........................................................................................................... 27 Referências Bibliográficas ..................................................................................... 29 4 1. ANÁLISE ESTATÍSTICAS DE DADOS A era digital é uma realidade para qualquer empresa de alto nível e que sabe como pode gerar mais oportunidades e desenvolver sua gestão, independentemente de seu porte. Em meio às práticas que marcam esse contexto, a análise de dados é uma das principais e mais importantes, não só para monitorar um negócio, mas para basear a tomada de decisões de forma estratégica. Mais do que simplesmente captar as informações e fazer uma leitura, a análise ajuda a entender o desempenho da empresa de maneira profunda, seja internamente, seja diante do mercado. Além disso, esses dados podem facilitar o relacionamento com o público, gerando mais oportunidades. Para aproveitar isso tudo, no entanto, é fundamental realizar análises eficazes e adequadas. 1.1 Características das empresas modernas A estatística é um conjunto de técnicas empregadas para organizar e analisar dados de qualquer área do conhecimento. Tais técnicas têm especial relevância no contexto das empresas modernas. São características de uma empresa moderna: • Diversificação de produtos e mercados; • Investimento em inovação; • Investimento em talentos; • Integração ao mundo digital; • Disciplina de gestão (competitividade, lucratividade, sustentabilidade); • Tecnologias modernas; • Grande volume de dados O papel da análise estatística de dados na empresa moderna se resume a transformar o grande volume de dados disponíveis em informação útil, que dê suporte às decisões de negócio. Em geral, esta aplicação da estatística se dá nos seguintes campos: • Melhoria da qualidade de processos e produtos; 5 • Análise da capacidade de processos e sistemas; • Análise de indicadores corporativos; • Análise da probabilidade de eventos de interesse 1.2 Aplicações As principais áreas em que se divide a estatística são: Estatística Descritiva: empregada com o objetivo de organizar dados e descrever cenários estatísticos. Utiliza-se de métodos como tabelas, gráficos e medidas, para tentar entender quais são as estruturas fundamentais dos dados que se quer analisar. Estatística Inferencial e Probabilística: empregada com o objetivo de se inferir sobre condições e possibilidades futuras. Faz-se uma modelagem a partir dos dados e então utiliza-se este modelo para inferir cenários futuros ou potenciais. Para análise de Indicadores Corporativos geralmente emprega-se a estatística descritiva, que é aquela utilizada para descrever e resumir os dados. A disponibilidade de uma grande quantidade de dados, e de métodos computacionais muito eficientes, empoderou esta área da estatística. Algumas medidas resumo para variáveis quantitativas são: • Média e Mediana • Percentis e Quartis • Amplitude • Variância e Desvio Padrão • Coeficiente de Variação 1.3 Melhoria da Qualidade de Processos e Produtos O Controle Estatístico de Processos (CEP) é uma ferramenta da qualidade utilizada nos processos produtivos, e de serviços, com objetivo de fornecer informações para a prevenção e detecção de defeitos/problemas e, 6 consequentemente, auxiliar no aumento da produtividade/resultados da empresa, evitando desperdícios de insumos, produtos, recursos humanos etc. O CEP pode ser aplicado a qualquer processo. Suas sete principais ferramentas são: • Histogramas ou ramo-e-folhas • Gráfico de controle de Shewhart • Gráfico de Pareto • Diagrama de causa-e-efeito • Diagrama de concentração de defeito • Diagrama de dispersão • Folha de controle Embora essas ferramentas sejam uma parte importante do CEP, elas englobam apenas seus aspectos técnicos. O CEP constrói um ambiente no qual todos os indivíduos em uma organização desejam a melhora continuada na qualidade e na produtividade. Mais adiante serão abordadas em detalhes, as principais ferramentas do CEP. Neste momento vamos conhecer algumasde suas aplicações reais. Figura 1.3 – Exemplo de Carta de Controle 7 1.4 Análise da Capacidade de Processos e Sistemas A análise de capacidade de um processo é feita ao se confrontar a sua variabilidade com os limites de especificação do seu produto. Em outras palavras, quanto maior a variabilidade de um processo, maior será a dificuldade em atender às especificações do produto e, portanto, menos capaz ele será. O mesmo vale para o contrário. Numericamente a capacidade de um processo pode ser avaliada por médio de histogramas e probabilidade normal, por meio dos Índices de Capacidade de Processos. Os índices de capacidade são medidas adimensionais que quantificam a capacidade de um processo estável. Os principais índices são: Figura 1.4 – Índices de capacidade Onde LSE e LIE são os limites de especificação superior e inferior, respectivamente, μ e σ é média e desvio padrão do processo e T o valor alvo. Tipicamente descrevemos Cp como a capacidade que o processo poderia atingir, se estivesse perfeitamente centralizado nos limites de especificação. Já o índice Cpk é descrito como a capacidade que o processo poderia atingir, quando a sua média não é centralizada dentro dos limites de especificação. 8 Quanto maior a capacidade do processo melhor, mais margem para deslocá-lo ao ponto ótimo, sem ferir limites de especificação. 1.5 Assegurando a qualidade dos dados Existem basicamente três tipos de dados: Dados estruturados: Geralmente relacionados a um banco de dados e que possuem estrutura definida. Dados semiestruturados: Não são estritamente tipados, não são completamente não-estruturados. Um exemplo são os dados XML. Dados não-estruturados: Não possuem estrutura definida, podendo assumir padrões distintos. Normalmente caracterizados por documentos textos, imagens, vídeos etc. 1.5.1 Dados estruturados Geralmente relacionados a um banco de dados e que possuem estrutura definida. Figura 1.5 – Exemplo de Dados Estruturados 9 Podem ser representados por: Variáveis quantitativas: características quantitativas, ou seja, valores numéricos. Podem ser contínuas ou discretas. Variáveis qualitativas: características qualitativas definidas por várias categorias, classificações dos indivíduos. Podem ser nominais ou ordinais. Variáveis quantitativas: • Variáveis Discretas: características que podem assumir apenas um número finito, ou infinito, contável de valores. Exemplos: vendas, número de falhas, número de indivíduos, frota etc. • Variáveis Contínuas: características mensuráveis que assumem valores em uma escala contínua, na reta real. Exemplos: preço, tempo, pressão arterial, concentração química etc. Variáveis qualitativas: • Variáveis Nominais: não existe ordenação entre categorias. Exemplos: sexo, cor dos olhos, fumante/não fumante, doente/sadio. • Variáveis Ordinais: existe ordenação entre categorias. Exemplos: escolaridade (1º, 2º , 3º graus), estágio da doença (inicial, intermediário, terminal), mês de observação (janeiro, fevereiro,...,dezembro). Figura 1.5.1 – Organização dos Dados Estruturados 10 1.5.2 Dados não estruturados Os dados não estruturados não possuem uma estrutura definida. Normalmente caracterizados por documentos textos, imagens, vídeos, etc. Grande volume dos dados atuais na Web, e nas empresas, segue este formato. Figura 1.5.2 –Dados não Estruturados A Análise Estatística se aplica com mais facilidade a dados estruturados. Para dados não estruturados, o caminho é modelá-los em estruturas e em seguida aplicara análise estatística, ou lançar mão das diferentes soluções de software, projetadas para analisar dados não-estruturados e extrair informações relevantes. Figura 1.5.2.1 – Análise estatísticas para dados não-estruturados 11 1.6 Amostragem O Amostra é um subconjunto de indivíduos extraídos de uma população de dados. Sobre uma amostra é que se desenvolvem as análises estatísticas. O pesquisador busca generalizar conclusões referentes à amostra, estendendo-as a toda população da qual essa amostra foi extraída. Isso implica na aceitação de uma margem de erro, que é denominada por erro amostral. A seguir estão listadas algumas boas práticas ao se recolher amostras de uma população de dados, para um processo de análise estatística, minimizando o erro amostral. Exemplos de fatores que comprometem a confiabilidade dos dados: Medidores defeituosos ou descalibrados Pesquisas tendenciosas Bases de dados corrompidas Dados de entrada manual Etc Figura 1.6 – Boas práticas ao se recolher amostras Se o dado que é objeto do estudo for um sinal ou uma variável contínua, aplica-se o Teorema da Amostragem, o qual estabelece que a frequência de amostragem deve ser duas vezes superior a maior frequência presente naquele sinal. Caso contrário, se o dado for uma variável discreta ou qualitativa, sugere-se uma amostragem probabilística simples, assim as amostras são escolhidas por sorteio, ou sistematicamente em um intervalo de n/N, onde n é o tamanho da amostra e N é o tamanho da população. 12 Figura 1.6.1 – Amostragem de sinal contínuo Não se deve trabalhar com amostras excessivamente grandes, pelo risco de desperdício de tempo, ou excessivamente pequenas, pelo risco de resultados não confiáveis. A fórmula para cálculo do tamanho da amostra para uma estimativa confiável é dada por: Figura 1.6.2 – Fórmula para cálculo do tamanho da amostra Alguns valores de confiança e os valores de Z correspondentes podem ser encontrados na tabela de grau de confiança. 13 Figura 1.6.3 – Tabela de Grau de Confiança Exemplo: Um economista deseja estimar a renda média para o primeiro ano de trabalho de um bacharel em direito. Quantos valores de renda devem ser tomados, se o economista deseja ter 95% de confiança, em que a média amostral esteja a menos de R$ 500,00 da verdadeira média populacional? Suponha que saibamos, por um estudo prévio, que para tais rendas, σ = R$6250,00. Queremos determinar o tamanho n da amostra, dado que α = 0,05 (95% de confiança). Desejamos que a média amostral seja a menos de R$ 500 da média populacional, de forma que E = 500. Supondo σ = 6250, aplicamos a Equação 1, obtendo: Figura 1.6.4 – Cálculo do exemplo Portanto devemos obter uma amostra mínima de 601 rendas de primeiro ano de bacharéis em direito, selecionadas aleatoriamente. Com tal amostra teremos 95% de confiança em que a média amostral x difira em menos de R$500,00 da verdadeira média populacional µ. 14 1.7 Limpeza dos dados O que uma boa limpeza de dados consegue tratar: Erros de digitação Outliers, valores inválidos, valores extremos Dados que não são internamente consistentes Ausência ou excesso de dados Padrões estranhos em distribuições Muito pode ser feito de forma automática. Teste de intervalo – Procedimento simples para testar valores numéricos, checando se valores estão acima ou abaixo dos limites estabelecidos para uma variável. Figura 1.7 – Teste de Intervalo Verificação Ortográfica - Verificação ortográfica é uma outra forma de detectar dados problemáticos, como: “Cienca da Computaçao”, “Ciensia da Computasao”, etc. Recomenda-se que cada variável (coluna) seja testada isoladamente. Um valor considerado incorreto para uma variável pode ser correto para outra. 15 Figura 1.7.1 – Verificação ortográfica Algumas definições: População - conjunto de todos os elementos ou resultados sob investigação. Este conceito contrapõe-se ao de amostra, que é uma parte (subconjunto) da população. Amostra - parcela conveniente selecionada do universo (população), é um subconjunto do universo. Estatística - ciência que se utiliza das teoriasprobabilísticas, para explicar a frequência da ocorrência de eventos, tanto em estudos observacionais, quanto em experimentos para modelar a aleatoriedade e a incerteza, de forma a estimar ou possibilitar a previsão de fenômenos futuros, conforme o caso. Parâmetro - em Estatística é uma característica da população. 1.8 Estatística descritiva A estatística descritiva é um ramo da estatística que aplica várias técnicas para descrever e sumarizar um conjunto de dados. Diferencia-se da estatística inferencial, ou estatística indutiva, pelo objetivo: organizar, sumarizar dados, ao invés de usar os dados em aprendizado sobre a população. Esse princípio faz independente a estatística descritiva. 16 Algumas medidas que são normalmente usadas para descrever um conjunto dedados são medidas de tendência central e medidas de variabilidade ou dispersão. Medidas de tendência central incluem média, mediana e moda. Medidas de variabilidade incluem desvio padrão, variância, o valor máximo e mínimo, obliquidade e curtose. A estatística descritiva pode ser resumida no diagrama a seguir: Figura 1.8 – Teste de intervalo Algumas representações gráficas empregadas pela estatística descritiva são: Tabelas Gráficos de tendências Gráficos de pizzas Gráficos de barras Histogramas Diagramas de caixa Uma tabela é uma representação matricial, isto é, em linhas e colunas, tantas quantas a aplicação que se queira dar. Figura 1.8.1 – Exemplo de tabela 17 Gráficos de tendências, são gráficos utilizados quando se quer analisar a evolução de uma certa variável, ou indicador, em função do tempo. Para se construir um gráfico de tendência basta criar pares ordenados, onde os elementos do X representam os valores de tempo e os elementos de Y representam os valores do indicador. Em seguida, plotar os pares ordenados no plano cartesiano, ligando os pontos quando necessário. Exemplos: Figura 1.8.2 – Exemplo 1 de Gráficos de Tendências Figura 1.8.3 – Exemplo 2 de Gráficos de Tendências 18 Diagramas circulares, em que os valores de cada categoria estatística representada são proporcionais às respectivas medidas dos ângulos (1% no gráfico de setor equivale a 3,6º). São especialmente utilizados quando se pretende apresentar a contribuição década parte em um todo. Para se construir um Gráfico de Pizza, deve-se selecionar as grandezas que representarão cada um dos setores. Em seguida, um valor percentual deve ser atribuído a cada uma das grandezas, de forma que a soma de todas elas seja 100%. Finalmente, o gráfico de pizza é construído, tendo em cada setor uma grandeza, como tamanho proporcional ao seu percentual de contribuição. Figura 1.8.4 – Exemplo 1 de Gráficos de Setores 19 Figura 1.8.5 – Exemplo 2 de Gráficos de Setores 1.9 Histograma Considerado uma das 7 Ferramentas da Qualidade, o Histograma ou Gráfico de distribuição de frequências é uma representação gráfica para distribuição de dados numéricos, ou seja, um modelo estatístico para a organização dos dados, exibindo a frequência que uma determinada amostra de dados ocorre. Estamos sempre lidando com variáveis quantitativas como: peso, largura, comprimento, temperatura, volume, tempo, entre outras grandezas. Após coletarmos esses dados em um determinado intervalo de tempo, podemos fazer uma análise gráfica do comportamento dessa variável, que pode ser de números absolutos ou não. Se falarmos, por exemplo, de uma pesquisa de satisfação onde os clientes avaliam o seu produto de 1 a 5, o Histograma te ajudará a visualizar graficamente quantas vezes cada nota foi dada. O histograma é uma variação do gráfico de barras. Enquanto o gráfico de barras descreve os dados em barras e categorias separadas, o histograma representa os dados da mesma categoria no intervalo analisado, por isso, sem espaço entre as barras. Quando os dados são dispostos no histograma, o gráfico pode apresentar vários formatos: 20 Histograma simétrico ou normal: acontece quando o processo é padronizado e os dados são estáveis, permitindo variações pequenas. O pico dos dados fica ao centro do gráfico, e suas variações vão decrescendo de maneira simétrica dos dois lados. Histograma assimétrico: acontece geralmente quando os dados são tolerados até um número limite, não podendo ultrapassar este limite. Seu pico é concentrado em um dos lados, e os dados fora de padrão decrescem para o lado oposto. Histograma com dois picos: acontece quando são apresentadas duas coletas de dados diferentes para comparação. A análise deve ser feita separadamente, observando ao desenho dos dois gráficos. Histograma “platô”: acontece geralmente quando há anormalidade nos dados decorrentes de falhas. As barras têm praticamente os mesmos tamanhos. 21 Histograma aleatório: acontece quando os dados analisados não apresentam nenhum padrão. As barras sobem e descem sem critério O histograma é usado para analisar a frequência de vezes que as saídas de um processo estão padronizadas, atendendo aos requisitos estabelecidos e qual a variação que elas sofrem. Com os dados dispostos graficamente, o Histograma permite a visualização de resultados históricos e a análise de evidências para a tomada de decisão da variação de frequências de maneira visual facilmente. 22 2. MICROSOFT POWERBI O conceito de inteligência de negócios surgiu na década de 1990, e se refere aos processos de organização, coleta, análise, monitoramento e compartilhamento das informações que são a base da gestão de negócios, tais como informações sobre clientes, concorrentes, fornecedores, e potenciais futuros clientes, por exemplo. Seu objetivo principal é facilitar a interpretação dos dados, identificar novas oportunidades de negócio e ajudar a empresa a montar uma estratégia de longo prazo, melhorando, dessa forma, a sua competitividade no mercado. É um processo que auxilia a transformação dos dados brutos da empresa em informações compreensíveis e significativas para posterior análise do negócio. Figura 2.0 – Business Intelligence Devido a grande competitividade e à exigência do mercado em empresas mais preparadas para disputarem entre si, o BI é uma forma inteligente de otimizar falhas e manter o negócio em destaque. O BI é uma sigla que significa Inteligência de Negócios (Business Intelligence). Assim, muitos chamam de inteligência empresarial por abranger todos os setores da empresa, desde o financeiro, operacional, comercial, até o marketing. 23 Basicamente, o BI é um conjunto de teorias, metodologias, processos, tecnologias e estruturas que transformam grandes quantidades de dados que, sozinhos, não significam muito, em informações essenciais para uma boa gestão. Ou seja, é um conjunto de técnicas e de ferramentas que visam oferecer suporte à tomada de decisão e ao monitoramento de resultados dos investimentos da empresa. Business Intelligence ou, simplesmente, BI, é uma forma de agrupar e explorar informações para descobrir vantagens para o seu negócio. Assim, o objetivo central dele é auxiliar na interpretação e análise de dados e informações, para identificar oportunidades ou riscos. Assim como mostrado na imagem abaixo, o BI é a integração do seu negócio, do seu gerenciamento e da TI: Figura 2.0.1 – Business Intelligence 2.1 Benefícios do Business Intelligence Dessa forma, o BI auxilia a organização a estruturar um planejamento estratégico para construir vantagens competitivas sustentáveis que agreguem valor ao negócio e às soluções oferecidas aos clientes. As vantagens de empregar ferramentas de BI são inúmeras, dando mais velocidade à tomada de decisões de mais qualidade, potencializando a eficiência dasoperações e otimizando processos. Portanto, esse suporte à tomada de decisão é 24 oferecido pelo Business Intelligence pela facilidade de visualização de análises e relatórios resultantes dos processos. Suponhamos que você precise tomar uma decisão muito importante que afetará seu orçamento. Assim, com um relatório exibido por uma tela de computador ou celular, você consegue saber exatamente o que fazer em muito menos tempo. Isso acontece porque você tem acesso ao panorama geral da sua empresa. Dessa forma, você pode tomar uma decisão pensada, estratégica e inteligente em questão de minutos, poupando tempo e esforços. Assim, você começará a guiar seu negócio estrategicamente. DADOS + EVIDÊNCIAS = DECISÃO ESTRATÉGICA As ferramentas do business intelligence auxiliam na identificação de tendências de consumo e mudanças no comportamento do seu público-alvo. Com isso, auxiliam na detecção de oportunidades de negócios, no desenvolvimento e lançamento de novos produtos, na ampliação de receitas e na conquista de novos clientes e mercados. Consequentemente, também ajuda no aumento da lucratividade! Por exemplo, com um simples clique e usando as ferramentas certas, podemos descobrir: Curvas de consumo; Clientes que mais compraram; Quando compraram; Quais geraram a melhor rentabilidade; Etc. Agora que já explicamos o que é BI Business Intelligence e algumas das suas vantagens, vamos listar 10 dos benefícios mais importantes da inteligência empresarial: 1. Ajuda você a conhecer o seu negócio; 2. Melhora o processo de tomada de decisão, baseando-a em evidências; 25 3. Facilita o acesso e o compartilhamento de informações que darão suporte à gestão; 4. Permite análise em tempo real com navegação rápida; 5. Ajuda a identificar perdas no sistema; 6. Reduz o risco de problemas e obstáculos; 7. Entrega resultados corretos, no tempo certo, para a pessoa exata; 8. Identifica oportunidades de vendas cruzadas e de vendas diretas; 9. Possibilita respostas rápidas a qualquer consulta de negócios; 10. Obtém informações valiosas sobre o comportamento de seus clientes. 2.2 Os 3 pilares do Business Intelligence Um dos principais objetivos do BI é fornecer informação confiável a quem detém o poder de tomar decisões. Essas informações devem chegar às mãos de gestores e líderes, de tempos e tempos para um acompanhamento sistemático ou sempre que houver necessidade de uma avaliação pontual. Como o suporte do BI, a interpretação e a análise dos dados e informações permitirão que a empresa oportunidades ou riscos, mais facilmente. Independentemente do tipo do resultado, a essência do conceito está em possibilitar que providências sejam tomadas em tempo hábil. Para alinhar bem as informações que serão computadas, o Business Intelligence recorre a três pilares importantes. São eles: 2.2.1 Coleta de dados Coletar os dados é o princípio básico da geração de informações. No processo de coleta, todos os dados gerados são analisados para identificar e determinar alguns fatores, considerando os objetivos e metas da empresa. Dentre esses fatores estão a produtividade, as oportunidades, os riscos, os gargalos, o posicionamento de mercado. 26 No primeiro momento, todas as informações e dados da empresa são coletados e analisados. São determinadas características como produtividade; oportunidades; reputação etc. 2.2.2 Organização e análise Depois que os dados forem coletados e extraídos para um banco específico, será o momento da organização para facilitar a interpretação e análise. As informações podem ser apresentadas em relatório, gráficos ou planilhas eletrônicas. Os dados e informações recolhidos e analisados são organizados em bancos de dados. Para facilitar a visualização dos gestores, pode-se apresentá-los visualmente, com o auxílio de ferramentas e plataformas. 2.2.3 Ação e monitoramento Os dados foram coletados, as informações geradas e apresentadas aos responsáveis pela tomada de decisão. A partir desse momento, os resultados devem ser monitorados para determinar se ações estão sendo efetivas. As aplicações de BI pedem urgência, pois os dados mudam com muita frequência e a demora para apurar os resultados pode acarretar informações ultrapassadas e indefinidas. Se as informações não estiverem atualizadas há um risco de tomar decisões equivocas e sem critérios. Os responsáveis tomam decisões baseadas nas informações analisadas e monitoram seus resultados. 27 Figura 2.2 – Os pilares do Business Intelligence 2.3 As partes do Power BI O Power BI pode ser usado de forma simples para pequenos trabalhos no Excel ou banco de dados local, ou para grandes e robustos trabalhos a nível empresarial. Com ele é possível uma ampla modelagem, análise em tempo real e todo um desenvolvimento personalizado à necessidade da organização. Sendo assim ele funciona tanto para um relatório pessoal e ferramenta de visualização, quanto como mecanismo de tomada de decisão através da análise de projetos de grupo, divisões ou empresas inteiras. Power BI se apresenta de três formas, em um aplicativo de área de trabalho do Microsoft Windows chamado Power BI Desktop, um serviço SaaS online(Software como serviço) chamado serviço do Power BI e também para aplicativos móveis do Power BI, podendo ser acessados em telefones outabletes com Windows ou em dispositivos com os sistemas Apple iOS e GoogleAndroid. 28 Esses três elementos são o grande diferencial do Power BI, com eles é possível criar, compartilhar e analisar as informações de negócios da maneira mais conveniente ao usuário. Isso aumenta a velocidade no acesso à informação, que é um dos principais benefícios de Business Intelligence. O trabalho se inicia normalmente com o Power BI Desktop, através da criação de um relatório, em seguida o relatório é publicado no serviço do Power BI e, por último, compartilhado para que os usuários dos aplicativos do Power BI Mobile possam consultar as informações. Existem outras formas de se trabalhar e posteriormente serão apresentadas, por enquanto seguiremos esse fluxo para facilitar no aprendizado. Figura 2.3 – Elementos do Power Bi 29 REFERÊNCIAS BIBLIOGRÁFICAS MONTGOMERY, D.C.Introduction to Statistical Quality Control. 4th edition, JohnWiley and Sons, 2001 TIPOS de Variáveis. Disponível em: <http://leg.ufpr.br/~silvia/CE055/node8.html>. Acesso em: 15 jan. 2021. DAVILA, V., Estatística Descritiva. Disponível em:<http://www.ime.unicamp.br/~hlachos/estdescr1.pdf >. Acesso em: 17 jan. 2021.