MODULO 2

Prévia do material em texto

VIDEO: CONHEÇA AS FASES E AS FERRAMENTAS DE DADOS 
Ei. É ótimo ter você de volta. Falamos um pouco sobre o processo de análise de 
dados. Como uma rápida atualização, as fases do processo de análise de 
dados são perguntar, preparar, processar, analisar, compartilhar e agir. 
Você deve se lembrar de mim dizendo anteriormente que todo esse programa é 
modelado de acordo com essas etapas. Agora, vamos realmente nos 
aprofundar e explorar como cada uma dessas fases funciona em conjunto. Mas 
estou me precipitando um pouco. Primeiro, vamos dedicar um pouco de tempo 
para entender o ciclo de vida dos dados. Não, os dados não estão realmente 
vivos, mas têm um ciclo de vida. Como os analistas de dados dão vida aos 
dados? Bem, tudo começa com a ferramenta certa de análise de dados. 
Isso inclui planilhas, bancos de dados, linguagens de consulta e software de 
visualização. Não se preocupe se você não sabe como eles funcionam, 
ou mesmo o que são. Em determinado momento, todos os analistas de dados 
estavam exatamente onde você está agora e provavelmente tinham muitas das 
mesmas perguntas. Lembro-me de quando comecei a aprender sobre planilhas. 
Eu era um jovem estagiário e a empresa para a qual eu trabalhava estava 
passando por uma grande mudança nos sistemas. Isso significava que 
precisávamos transferir muitos relatórios do sistema antigo para o novo. Depois 
de algumas semanas, notei que mesmo as pessoas que estavam mais 
avançadas em suas carreiras não tinham uma mentalidade tão técnica quanto 
eu. Isso se tornou uma grande oportunidade para eu agregar valor. Meu 
momento de planilha aha chegou quando comecei a pesquisar atalhos que eu 
poderia usar para trabalhar com as planilhas com mais eficiência. Isso realmente 
simplificaria o processo de transferência desses relatórios para o novo sistema. 
Quando tudo começou a fluir, lembro-me de receber e-mails de outros analistas 
financeiros da empresa. Eles ficaram muito gratos por alguém ter entrado e 
resolvido um problema que ninguém mais conseguiu. Isso me inspirou a ir ainda 
mais longe e aprender a usar planilhas de várias maneiras incríveis. Ao 
continuar neste curso, aposto que você ficará tão impressionado quanto eu. 
E antes que você perceba, você também dará vida aos dados. Vamos começar. 
 
VIDEO: ETAPAS DO CICLO DE VIDA DOS DADOS 
 
Aqui está uma pergunta para você. Quando você pensa em um ciclo de vida, 
qual é a primeira coisa que vem à mente? Agora eu não sou um leitor de 
mentes, mas sei que tudo o que você está pensando está certo. 
Na verdade, não há uma resposta errada porque tudo tem um ciclo de vida. 
Um dos exemplos mais conhecidos de ciclo de vida é a borboleta. As 
borboletas começam como ovos, eclodem em lagartas e depois se tornam 
crisálidas. É aí que a verdadeira mágica acontece. Dados também têm um ciclo 
de vida próprio. Neste vídeo, falaremos sobre cada um dos estágios desse 
ciclo de vida para ajudar você a entender as fases individuais pelas quais os 
dados passam. O ciclo de vida dos dados é planejar, capturar, gerenciar, 
analisar, arquivar e destruir. Vamos começar com a primeira fase, o 
planejamento. Na verdade, isso acontece bem antes de iniciar um projeto de 
análise. Durante o planejamento, uma empresa decide que tipo de dados 
precisa, como eles serão gerenciados ao longo de seu ciclo de vida, quem será 
responsável por eles e os melhores resultados. Por exemplo, digamos que um 
fornecedor de eletricidade queira obter informações sobre como economizar 
energia para as pessoas. Na fase de planejamento, eles podem decidir 
capturar informações sobre a quantidade de eletricidade que seus clientes 
usam a cada ano, quais tipos de edifícios estão sendo alimentados e quais 
tipos de dispositivos estão sendo alimentados dentro deles. A empresa de 
eletricidade também decidirá quais membros da equipe serão responsáveis por 
coletar, armazenar e compartilhar esses dados. 
 
Tudo isso acontece durante o planejamento e ajuda a configurar o restante do 
projeto. A próxima fase é quando você captura dados. É aqui que os dados são 
coletados de várias fontes diferentes e trazidos para a organização. Com tantos 
dados sendo criados todos os dias, as formas de coletá-los são realmente 
infinitas. Um método comum é obter dados de recursos externos. Por 
exemplo, se você estivesse fazendo análise de dados sobre padrões 
climáticos, provavelmente obteria dados de um conjunto de dados disponível 
publicamente, como o National Climatic Data Center. Outra forma de obter 
dados é a partir dos próprios documentos e arquivos da empresa, que 
geralmente são armazenados em um banco de dados. Embora tenhamos 
mencionado bancos de dados antes, não entramos em muitos detalhes sobre o 
que eles são. Um banco de dados é uma coleção de dados armazenados em 
um sistema de computador. No caso de nosso fornecedor de eletricidade, a 
empresa provavelmente mediria o uso de dados entre seus clientes em um 
banco de dados de sua propriedade. Como uma observação rápida, quando 
você mantém um banco de dados de informações de clientes, garantir a 
integridade, credibilidade e privacidade dos dados são preocupações 
importantes. Você aprenderá muito mais sobre isso mais tarde. Agora que 
capturamos nossos dados, passaremos para a próxima fase do ciclo de vida 
dos dados, o gerenciamento. Aqui, estamos falando sobre como cuidamos de 
nossos dados, como e onde eles são armazenados, as ferramentas usadas 
para mantê-los seguros e as ações tomadas para garantir que sejam mantidos 
adequadamente. Essa fase é muito importante para a limpeza de dados, que 
abordaremos mais adiante. Em seguida, é hora de analisar seus dados. É aqui 
que os analistas de dados realmente se destacam. Nessa fase, os dados são 
usados para resolver problemas, tomar grandes decisões e apoiar as metas de 
negócios. Por exemplo, uma das metas da nossa empresa de eletricidade pode 
ser encontrar maneiras de ajudar os clientes a economizar energia. A evolução 
do ciclo de vida dos dados agora evolui para a fase de 
arquivamento. Arquivamento significa armazenar dados em um local onde eles 
ainda estejam disponíveis, mas não possam ser usados novamente. Durante a 
análise, os analistas lidam com grandes quantidades de dados. Você pode 
imaginar se tivéssemos que classificar todos os dados disponíveis mesmo que 
não fossem mais úteis e relevantes para o nosso trabalho? Faz muito mais 
sentido arquivá-lo do que mantê-lo por perto. E ,finalmente, a última etapa do 
ciclo de vida dos dados, a fase de destruição. Sim, parece triste, mas quando 
você destrói dados, não vai doer nem um pouco. Então, vamos voltar ao 
exemplo do nosso fornecedor de eletricidade. Eles teriam dados armazenados 
em vários discos rígidos. Para destruí-lo, a empresa usaria um software seguro 
de eliminação de dados. Se houvesse algum arquivo em papel, eles também 
seriam destruídos. Isso é importante para proteger as informações privadas de 
uma empresa, bem como os dados privados sobre seus clientes. E aí está, o 
ciclo de vida dos dados. E agora que você entende as diferentes fases pelas 
quais os dados passam durante seu ciclo de vida, você pode entender melhor 
como abordar o processo de análise de dados, sobre o qual falaremos em 
breve. 
 
Variações do Ciclo de vida dos dados 
Você aprendeu que há seis estágios no Ciclo de vida dos dados. Aqui está uma 
recapitulação: 
1. Planejamento: Decida que tipo de dados é necessário, como eles serão 
gerenciados e quem será responsável por eles. 
2. Captura: Coletar ou trazer dados de uma variedade de fontes diferentes. 
3. Gerenciar: Cuidar e manter os dados. Isso inclui determinar como e onde eles 
serão armazenados e as Ferramentas usadas para isso. 
4. Analisar: Usar os dados para resolver problemas, tomar decisões e apoiar os 
objetivos de negócios. 
5. Arquivar: Manter os dados relevantes armazenados para referência futura e de 
longo prazo. 
6. Destruir: Remover os dados do armazenamento e excluir todas as cópias 
compartilhadasdos dados. 
Observação: tenha cuidado para não confundir as seis fases do Ciclo de vida 
dos dados (planejar, capturar, gerenciar, analisar, arquivar e destruir) com as 
seis fases do Processo de análise de dados (perguntar, preparar, processar, 
analisar, compartilhar e agir). Eles não são intercambiáveis. 
O Ciclo de vida dos dados fornece um framework genérico ou comum para o 
gerenciamento dos dados. Talvez você se lembre de que as variações do Ciclo 
de vida dos dados foram descritas em Origens do processo de análise de 
dados. O mesmo pode ser feito com o Ciclo de vida dos dados. O restante 
desta leitura fornece um vislumbre de como as instituições governamentais, 
financeiras e educacionais podem ver os Ciclos de vida dos dados de forma um 
pouco diferente. 
Serviço de Pesca e Vida Selvagem dos EUA 
O US Fish and Wildlife Service usa o seguinte Ciclo de vida dos dados: 
1. Planejamento 
2. Adquirir 
3. Manter 
4. Acessível 
5. Avaliação 
6. Arquivar 
Para obter mais informações, consulte a página Ciclo de vida dos dados do US 
Fish and Wildlife. 
Pesquisa Geológica dos EUA (USGS) 
O USGS usa o Ciclo de vida dos dados abaixo: 
1. Planejamento 
2. Adquirir 
3. Processar 
https://www.coursera.org/learn/foundations-data/supplement/WWlrt/origins-of-the-data-analysis-process
https://www.coursera.org/learn/foundations-data/supplement/WWlrt/origins-of-the-data-analysis-process
https://www.fws.gov/program/data-management/data-management-life-cycle
https://www.fws.gov/program/data-management/data-management-life-cycle
4. Analisar 
5. Preservar 
6. Publicar/compartilhar 
Várias atividades transversais ou abrangentes também são realizadas durante 
cada estágio de seu ciclo de vida: 
 Descrever (metadados e documentação) 
 Gerenciar a qualidade 
 Fazer backup e proteger 
Para obter mais informações, consulte a páginaCiclo de vida dos dados do 
USGS. 
Instituições financeiras 
As instituições financeiras podem adotar uma abordagem ligeiramente diferente 
para o Ciclo de vida dos dados, conforme descrito em The Dados Life Cycle (O 
ciclo de vida dos dados), um artigo da revista Strategic Finance: 
1. Capturar 
2. Qualificar 
3. Transformador 
4. Utilizar 
5. Relatório 
6. Arquivar 
7. Eliminar 
Escola de Negócios de Harvard (HBS) 
Um último Ciclo de vida dos dados informado pela pesquisa da Universidade 
de Harvard tem oito estágios: 
1. Geração 
2. Coleta 
3. Processamento 
4. Armazenamento 
5. Gerenciamento 
6. Análise 
7. Visualização 
8. Interpretação 
https://www.usgs.gov/products/data-and-tools/data-management/data-lifecycle
https://www.usgs.gov/products/data-and-tools/data-management/data-lifecycle
https://sfmagazine.com/post-entry/july-2018-the-data-life-cycle/
https://sfmagazine.com/post-entry/july-2018-the-data-life-cycle/
Para obter mais informações, consulte 8 etapas do Ciclo de vida dos dados. 
Principais conclusões 
Entender a importância do Ciclo de vida de dados irá prepará-lo para o sucesso 
como Analista de dados. Os estágios individuais do Ciclo de vida dos dados 
variam de empresa para empresa ou por indústria ou setor. Os dados históricos 
são importantes tanto para o US Fish and Wildlife Service quanto para o 
USGS, portanto, o Ciclo de vida dos dados se concentra no arquivamento e no 
backup dos dados. Os interesses de Harvard são a pesquisa e o ensino, 
portanto, seu ciclo de vida dos dados inclui Visualização de dados e 
interpretação, embora sejam mais frequentemente associados a um ciclo de 
vida de análise de dados. O Ciclo de vida dos dados da HBS também não 
indica um estágio para a exclusão ou destruição dos dados. Por outro lado, o 
Ciclo de vida de dados para finanças identifica claramente os estágios de 
arquivamento e exclusão. Em resumo, embora os Ciclos de vida dos dados 
variem, um princípio de Gerenciamento de dados é universal: Governança dos 
dados para que eles sejam precisos, seguros e estejam disponíveis para 
atender às necessidades de sua organização. 
As fases de Análise de dados e esse 
programa 
 
Agora que você entende todas as fases do ciclo de vida dos dados, é hora de passar para as fases 
da análise de dados. Eles soam parecidos, mas são duas coisas diferentes. A análise de Dados 
não é um ciclo de vida. É o processo de análise de dados. A seguir, analisaremos cada etapa 
do processo de análise de dados e como ela se relacionará com seu trabalho como analista de 
dados. Até mesmo este programa foi projetado para seguir essas etapas. Compreender essas 
conexões ajudará a orientar sua própria análise e seu trabalho neste programa. Você já 
aprendeu que esse programa é modelado após as etapas do processo de análise de dados. Esse 
programa é dividido em cursos, seis dos quais são baseados nas etapas da análise de 
dados: perguntar, preparar, processar, analisar, compartilhar e agir. Vamos começar com a 
primeira etapa da análise de dados, a fase de solicitação. Nessa fase, fazemos duas coisas. 
Definimos o problema a ser resolvido e garantimos que entendemos totalmente as expectativas 
das partes interessadas. As partes interessadas têm uma participação no projeto. São pessoas 
que investiram tempo e recursos em um projeto e estão interessadas no resultado. Vamos 
detalhar isso. Primeiro, definir um problema significa analisar o estado atual e identificar como 
ele é diferente do estado ideal. Normalmente, há um obstáculo do qual precisamos nos livrar 
ou algo errado que precisa ser corrigido. Por exemplo, uma arena esportiva pode querer reduzir 
o tempo que os torcedores passam esperando na fila da bilheteria. O obstáculo é descobrir 
como fazer com que os clientes se sentem mais rapidamente. Outra parte importante da fase 
de perguntas é entender as expectativas das partes interessadas. O primeiro passo aqui 
é determinar quem são as partes interessadas. Isso pode incluir seu gerente, um patrocinador 
executivo ou seus parceiros de vendas. Pode haver muitas partes interessadas. Mas o que todos 
eles têm em comum é que ajudam a tomar decisões, influenciar ações e estratégias e têm metas 
específicas que desejam atingir. Eles também se preocupam com o projeto e é por isso que é 
tão importante entender suas expectativas. Por exemplo, se seu gerente atribuir a você um 
projeto de análise de dados relacionado ao risco comercial, seria inteligente confirmar se ele 
deseja incluir todos os tipos de riscos que podem afetar a empresa ou apenas riscos 
relacionados ao clima, como furacões e tornados. A comunicação com as partes interessadas é 
fundamental para garantir que você permaneça engajado e no caminho certo durante todo o 
projeto. Então, como analista de dados, desenvolver estratégias de comunicação fortes é muito 
importante. Essa parte da fase de perguntas ajuda você a manter o foco no problema em si, não 
apenas nos sintomas. Como você aprendeu anteriormente, os cinco porquês são extremamente 
úteis aqui. Em um próximo curso, você aprenderá a fazer perguntas eficazes e definir o 
https://online.hbs.edu/blog/post/data-life-cycle
problema trabalhando com as partes interessadas. Você também abordará estratégias que 
podem ajudá-lo a compartilhar o que descobriu de uma forma que mantenha as pessoas 
interessadas. Depois disso, passaremos para a etapa de preparação do processo de análise de 
dados. É aqui que os analistas de dados coletam e armazenam os dados que usarão no próximo 
processo de análise. Você aprenderá mais sobre os diferentes tipos de dados e como 
identificar quais tipos de dados são mais úteis para resolver um problema específico. Você 
também descobrirá por que é tão importante que seus dados e resultados sejam objetivos e 
imparciais. Em outras palavras, qualquer decisão tomada a partir de sua análise deve sempre 
ser baseada em fatos e ser justa e imparcial. 
A seguir, a etapa do processamento. Aqui, os analistas de dados encontram e 
eliminam quaisquer erros e imprecisões que possam atrapalhar os resultados. Isso geralmente 
significa limpar os dados,transformá-los em um formato mais útil, combinar dois ou mais 
conjuntos de dados para tornar as informações mais completas e remover discrepâncias, 
que são quaisquer pontos de dados que possam distorcer as informações. Depois disso, você 
aprenderá a verificar os dados que você prepara para garantir que estejam completos e 
corretos. Essa fase trata de acertar os detalhes. Assim, você também corrigirá erros de 
digitação, inconsistências ou dados ausentes e imprecisos. Além disso, você obterá estratégias 
para verificar e compartilhar sua limpeza de dados com as partes interessadas. Então é hora de 
analisar. Analisar os dados que você coletou envolve o uso de ferramentas para transformar 
e organizar essas informações para que você possa tirar conclusões úteis, fazer previsões e 
impulsionar a tomada de decisões informada. Há muitas ferramentas poderosas que os analistas 
de dados usam em seu trabalho e, neste curso, você aprenderá sobre duas delas: planilhas e 
linguagem de consulta estruturada, ou SQL, que geralmente é pronunciada como “sequência”. 
O próximo curso é baseado na fase de compartilhamento. Aqui você aprenderá como os 
analistas de dados interpretam os resultados e os compartilham com outras pessoas para ajudar 
as partes interessadas a tomar decisões eficazes baseadas em dados. Na fase de 
compartilhamento, a visualização é a melhor amiga do analista de dados. Portanto, este curso 
destacará por que a visualização é essencial para que outras pessoas entendam o que seus 
dados estão lhe dizendo. Com os recursos visuais certos, fatos e números se tornam muito mais 
fáceis de ver e conceitos complexos se tornam mais fáceis de entender. Exploraremos diferentes 
tipos de recursos visuais e algumas ótimas ferramentas de visualização de dados. Você também 
praticará suas próprias habilidades de apresentação criando apresentações de slides 
convincentes e aprendendo a estar totalmente preparado para responder perguntas. Em 
seguida, faremos uma pausa no processo de análise de dados para mostrar todas as coisas muito 
legais que você pode fazer com a linguagem de programação R. Você não precisa 
estar familiarizado com R ou com linguagens de programação em geral. Saiba que R é uma 
ferramenta popular para manipulação, cálculo e visualização de dados. Para nossa fase final de 
análise de dados, temos o act. Esse é o momento empolgante em que a empresa pega todos os 
insights que você, analista de dados, forneceu e os coloca em prática para resolver 
o problema comercial original e agirá de acordo com o que você aprendeu ao longo deste 
programa. É quando você se prepara para sua busca de emprego e tem a chance de concluir um 
projeto de estudo de caso. É uma ótima oportunidade para você reunir tudo em que trabalhou 
ao longo deste curso. Além disso, adicionar um estudo de caso ao seu portfólio ajuda você a se 
destacar dos outros candidatos ao ser entrevistado para sua primeira vaga de analista de dados. 
Agora você conhece as diferentes etapas do processo de análise de dados e como nosso curso 
reflete isso. Você tem tudo o que precisa para entender como esse curso funciona e meus 
colegas Googlers e eu estaremos aqui para orientá-lo em cada etapa do processo. 
 
Mais informações sobre as fases de Análise de 
dados e este programa 
Cada etapa do Processo de análise de dados - perguntar, preparar, processar, 
analisar, compartilhar e agir - desempenha um papel crucial na extração de 
insights significativos dos dados. AS ao navegar por cada fase, desde fazer as 
perguntas certas até tomar ações informadas, você aproveita o verdadeiro 
poder dos dados. Nesta leitura, você explorará como o Processo de análise de 
dados orienta este programa. 
A fase de perguntas 
No início de qualquer análise de dados bem-sucedida, o analista de dados: 
 Dedica tempo para entender completamente as expectativas das partes 
interessadas 
 Define o problema a ser resolvido 
 Decide quais perguntas responder para resolver o problema 
Qualificar as expectativas das partes interessadas significa determinar quem 
são as partes interessadas, o que elas querem, quando querem, por que 
querem e qual a melhor forma de se comunicar com elas. Definir o problema 
significa examinar o estado atual e identificar as maneiras pelas quais ele é 
diferente do estado ideal. Com as expectativas qualificadas e o problema 
definido, você pode derivar perguntas que ajudarão a atingir essas metas. 
Em um próximo curso, você aprenderá a fazer perguntas eficazes e a definir o 
problema trabalhando com as partes interessadas. Você também abordará 
estratégias que podem ajudá-lo a compartilhar o que descobrir de uma forma 
que mantenha as pessoas interessadas. 
A fase de preparação 
Na fase de preparação, a ênfase está na identificação e localização de dados 
que podem ser usados para responder às suas perguntas. Em um próximo 
curso, você aprenderá mais sobre os diferentes tipos de dados e como 
identificar quais tipos de dados são mais úteis para resolver um determinado 
problema. Você também descobrirá por que é tão importante que os dados e 
os resultados sejam objetivos e imparciais. Em outras palavras, todas as 
decisões tomadas a partir de uma análise devem sempre se basear em fatos e 
ser justas e imparciais. 
A fase de processamento 
Nessa fase, o objetivo é refinar os dados. Os Analistas de dados encontram e 
eliminam quaisquer erros e imprecisões que possam atrapalhar os resultados. 
Isso geralmente significa: 
 Limpeza de dados 
 Transformação de dados em um formato mais útil 
 Combinação de dois ou mais conjuntos de dados para tornar as informações 
mais completas 
 Remoção de valores atípicos (pontos de dados que podem distorcer as 
informações) 
Depois que os Analistas de dados processam os dados, eles verificam os 
dados que prepararam para garantir que estejam completos e corretos. Essa 
fase tem tudo a ver com o acerto dos detalhes. Assim, o Analista de dados 
refinará as estratégias para verificar e compartilhar sua Limpeza de dados com 
as partes interessadas. Em um próximo curso, você usará planilhas e 
linguagem de consulta estruturada, ou SQL, para limpar os dados. 
A fase de análise 
Com uma base sólida de perguntas bem definidas e dados limpos, você entrará 
na fase de análise. É nesse momento que você transforma os dados que 
coletou, preparou e processou em informações acionáveis. Os Analistas de 
dados usam muitas ferramentas poderosas em seu trabalho. Em um dos 
próximos cursos, você continuará a usar duas delas: Planilhas e SQL. Em outro 
curso, você explorará o uso da linguagem de programação R para trabalhar 
com dados e analisá-los. 
A fase de compartilhamento 
Esta fase é exatamente o que parece: É hora de compartilhar o que aprendeu 
com as partes interessadas! Nesta parte do programa, você aprenderá como 
os Analistas de dados interpretam os resultados e os compartilham com outras 
pessoas para ajudar as partes interessadas a tomar decisões eficazes com 
base em dados. Na fase de compartilhamento, a Visualização de dados é a 
melhor amiga do Analista de dados. Portanto, um próximo curso destacará por 
que a Visualização de dados é essencial para que outras pessoas entendam o 
que seus dados estão lhe dizendo. Em outro curso futuro, você aprenderá a 
visualizar dados com o R. 
A fase de atuação 
A jornada da análise de dados culmina na fase de ação, quando os insights dos 
dados são colocados em prática. Para você, essa ação envolve a preparação 
para sua busca de emprego e a chance de concluir um projeto de estudo de 
caso. É uma ótima oportunidade para você reunir tudo o que trabalhou ao 
longo deste curso. Além disso, adicionar um estudo de caso ao seu portfólio o 
ajudará a se destacar dos outros candidatos! 
Saiba mais sobre o processamento por meio do programa: 
1. Saiba mais sobre a fase de perguntas do processamento no curso Faça 
perguntas para tomar Tomada de decisões com base em dados.2. Saiba mais sobre a fase de preparação do processo no curso Prepare Dados 
for Exploration (Preparar dados para exploração ). 
3. Saiba mais sobre a fase de processamento do processo no curso Process 
Dados from Dirty to Clean (Processar dados sujos para limpos ). 
4. Saiba mais sobre a fase de análise do processo nos cursos Analyze Dados to 
Answer Questions (Analisar dados para responder perguntas ) e Dados 
Analysis with R Programming (Análise de dados com programação R ). 
5. Saiba mais sobre a fase de compartilhamento do processo nos cursos Share 
Dados Through the Art of Visualização (Compartilhar dados por meio da arte da 
visualização ) e Dados Analysis with R Programming (Análise de dados com 
programação em R ). 
6. Saiba mais sobre a fase de atuação do processo no curso Google Dados 
Analytics Capstone: Conclua um estudo de caso. 
Observação: Os links dos cursos são para sua visualização prévia. Não conclua 
os cursos neste momento. Você poderá marcar esta atividade como concluída 
depois de entender como os cursos se alinham ao Processo de análise de 
dados. 
Molly: Exemplo do Processo de análise de 
dados 
 
Independentemente do tipo de análise de dados que você esteja conduzindo, o processo 
geralmente é o mesmo. O exemplo que vou dar é o da nossa pesquisa de engajamento de 
funcionários, mas você pode imaginar que esse processo se aplica a praticamente qualquer 
análise de dados que você vai realizar como analista. A primeira coisa que você quer fazer é 
perguntar. Você quer fazer todas as perguntas certas no início do engajamento para entender 
melhor o que seus líderes e partes interessadas precisam dessa análise. Os tipos de perguntas 
que eu geralmente faço estão por aí: qual é o problema que estamos tentando resolver? Qual é 
o propósito dessa análise? O que esperamos aprender com isso? Depois de fazer todas 
as perguntas certas e entender o escopo da análise que precisa realizar, a próxima etapa é se 
preparar. Precisamos pensar sobre que tipo de dados precisamos para responder a essas 
perguntas-chave. Isso pode ser qualquer coisa, desde dados quantitativos até dados 
qualitativos. Pode ser transversal ou pontual versus longitudinal por um longo período de 
tempo. Precisamos pensar no tipo de dados de que precisamos para responder às perguntas 
que nos propusemos responder com base no que aprendemos quando fizemos as perguntas 
certas. Também precisamos pensar em como vamos coletar esses dados ou se precisamos 
coletá-los. Pode ser que precisemos coletar esses dados totalmente novos. Então, precisamos 
pensar sobre que tipo de dados vamos coletar e como. Para nossa pesquisa de engajamento de 
funcionários, fazemos isso por meio de uma pesquisa com perguntas quantitativas e 
qualitativas. Mas, na verdade, pode ser que, para muitas análises, os dados que você está 
procurando já existam. Então, é uma questão de trabalhar com esses proprietários de dados 
para garantir que você possa aproveitar esses dados e usá-los com responsabilidade. 
https://www.coursera.org/learn/ask-questions-make-decisions/home/welcome
https://www.coursera.org/learn/ask-questions-make-decisions/home/welcome
https://www.coursera.org/learn/data-preparation/home/welcome
https://www.coursera.org/learn/data-preparation/home/welcome
https://www.coursera.org/learn/process-data/home/welcome
https://www.coursera.org/learn/process-data/home/welcome
https://www.coursera.org/learn/analyze-data/home/welcome
https://www.coursera.org/learn/analyze-data/home/welcome
https://www.coursera.org/learn/data-analysis-r/home/welcome
https://www.coursera.org/learn/data-analysis-r/home/welcome
https://www.coursera.org/learn/visualize-data/home/welcome
https://www.coursera.org/learn/visualize-data/home/welcome
https://www.coursera.org/learn/visualize-data/home/welcome
https://www.coursera.org/learn/data-analysis-r/home/welcome
https://www.coursera.org/learn/data-analysis-r/home/welcome
https://www.coursera.org/learn/google-data-analytics-capstone/home/welcome
https://www.coursera.org/learn/google-data-analytics-capstone/home/welcome
Depois de fazer todo o trabalho árduo para coletar seus dados, agora você precisa processar 
esses dados. Tudo começa com a limpeza. Para mim, essa é a parte mais divertida do processo 
de análise de dados. Podemos pensar nisso como a introdução inicial ou o handshake, 
olá, aos seus dados. É aqui que você tem a chance de entender sua estrutura, suas 
peculiaridades, suas nuances e realmente tem a chance de entender profundamente com que 
tipo de dados você trabalhará e entender o potencial desses dados para responder a todas as 
suas perguntas. Essa também é uma parte muito importante, na qual estamos passando por 
todas as nossas verificações de garantia de qualidade. Por exemplo, temos todos os dados que 
prevíamos que teríamos? Estamos perdendo dados aleatoriamente ou eles estão faltando de 
forma sistemática, de forma que talvez algo tenha dado errado com nosso esforço de coleta de 
dados? Se necessário, codificamos todos os nossos dados da maneira correta? Há algum caso 
atípico que precisamos tratar de forma diferente? Essa é a parte em que passamos muito tempo 
investigando profundamente a estrutura e as nuances dos dados para garantir que você possa 
analisá-los de forma adequada e responsável. Depois de limpar nossos dados e executar todas 
as nossas verificações de garantia de qualidade, agora é o ponto em que analisamos nossos 
dados, certificando-nos de fazê-lo da maneira mais objetiva e imparcial possível. Para fazer isso, 
a primeira coisa que fazemos é realizar uma série de análises que já planejamos com 
antecedência, com base nas perguntas que sabemos que queremos responder desde o início do 
processo. Uma coisa que provavelmente é a mais difícil sobre esse processamento específico, 
a coisa mais difícil sobre a análise de dados, é que nós, como analistas, somos treinados para 
procurar padrões. Com o tempo, à medida que nos tornamos cada vez melhores em nosso 
trabalho, o que geralmente descobrimos é que podemos começar a intuir o que podemos ver 
nos dados. Podemos ter uma pequena suspeita sobre o que os dados nos dirão. Esse é o ponto 
em que precisamos dar um passo atrás e deixar os dados falarem por si mesmos. Como analistas 
de dados, somos contadores de histórias, mas também devemos ter em mente que não é nossa 
história para contar. Essa história pertence aos dados, e é nosso trabalho como analistas 
amplificá-la e contá-la da maneira mais imparcial e objetiva possível. A próxima etapa é 
compartilhar todos os dados e insights que você gerou com suas análises. Agora, normalmente, 
para a pesquisa de engajamento de funcionários, começamos compartilhando as descobertas 
de alto nível com nossa equipe executiva. Queremos que eles tenham uma visão panorâmica 
de como a organização está se sentindo e queremos garantir que não haja surpresas ao 
se aprofundarem cada vez mais nos dados para entender como as equipes estão se sentindo 
e como os funcionários individuais estão se sentindo. Todo esse trabalho, desde fazer as 
perguntas certas até coletar seus dados, analisar e compartilhar, não significa muita coisa 
se não estivermos agindo com base no que acabamos de aprender. Para mim, essa é a parte 
mais importante, especialmente de nossa pesquisa de engajamento de funcionários. Gosto de 
dizer que a pesquisa é, na verdade, a parte mais fácil, e o verdadeiro trabalho começa com base 
nos resultados. É aqui que usamos todos esses insights baseados em dados para decidir quais 
tipos de intervenções queremos introduzir, não apenas no nível organizacional, mas também no 
nível da equipe. Podemos descobrir, por exemplo, que a organização está trabalhando em uma 
série de intervenções para ajudar a melhorar parte da experiência dos funcionários, enquanto 
equipes individuais têm funções e responsabilidades adicionais a desempenhar, tanto para 
reforçar alguns desses esforços quanto para introduzir novos para melhor atender sua equipe 
onde estão seus pontosfortes e áreas de oportunidade. O processo de análise de dados é 
rigoroso, mas demorado. Compreendo perfeitamente que nós, como analistas de dados, 
estejamos tão empolgados em mergulhar diretamente nos dados e fazer o que fazemos de 
melhor. O desafio é que, se não concluirmos o processo em sua totalidade, se tentarmos pular 
etapas, não conseguiremos obter os insights que estamos procurando. Eu absolutamente amo 
meu trabalho. Tenho um profundo apreço pelos dados, pelo que eles podem fazer e pelo tipo 
de insight que podemos obter deles. 
 
Glossário de termos do curso 1, módulo 2 
Banco de dados: Uma coleção de dados armazenados em um sistema de 
computador 
Fórmula: Um conjunto de instruções usadas para realizar um cálculo usando os 
dados de uma Planilha 
Função: Um comando predefinido que executa automaticamente um 
processamento ou uma tarefa específica usando os dados de uma Planilha 
Consulta: Uma solicitação de dados ou informações de um banco de dados 
Linguagem de consulta: Uma linguagem de programação de computadores 
usada para se comunicar com um banco de dados 
Partes interessadas: Pessoas que investem tempo e recursos em um projeto e 
estão interessadas em seu resultado 
Linguagem de consulta estruturada: Uma linguagem de programação de 
computadores usada para se comunicar com um banco de dados 
Planilha: Uma planilha digital 
SQL: (consulte Linguagem de consulta estruturada)