12. Análise de
dados
Estruturação de
dados
Empresa guiada
por dados
Dados são seu
produto
Ferramentas
Básicas
Engenharia de
Software
Estatística
Machine
Learning
Mineração de
dados
Visualização de
Dados
Pensamento
guiado por dados
Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
13. Análise de
dados
Estruturação de
dados
Empresa guiada
por dados
Dados são seu
produto
Ferramentas
Básicas
Engenharia de
Software
Estatística
Machine
Learning
Mineração de
dados
Visualização de
Dados
Pensamento
guiado por dados
Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
14. Análise de
dados
Estruturação de
dados
Empresa guiada
por dados
Dados são seu
produto
Ferramentas
Básicas
Engenharia de
Software
Estatística
Machine
Learning
Mineração de
dados
Visualização de
Dados
Pensamento
guiado por dados
Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
15. Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
Análise de
dados
Estruturação de
dados
Empresa guiada
por dados
Dados são seu
produto
Ferramentas
Básicas
Engenharia de
Software
Estatística
Machine
Learning
Mineração de
dados
Visualização de
Dados
Pensamento
guiado por dados
Dados só têm valor
quando são entendidos,
não basta estarem disponíveis
16. Quarteto de Anscombe
Conjuntos de dados
I II III IV
x y x y x y x y
10.0 8.04 10.0 9.14 10.0 7.46 8.0 6.58
8.0 6.95 8.0 8.14 8.0 6.77 8.0 5.76
13.0 7.58 13.0 8.74 13.0 12.74 8.0 7.71
9.0 8.81 9.0 8.77 9.0 7.11 8.0 8.84
11.0 8.33 11.0 9.26 11.0 7.81 8.0 8.47
14.0 9.96 14.0 8.10 14.0 8.84 8.0 7.04
6.0 7.24 6.0 6.13 6.0 6.08 8.0 5.25
4.0 4.26 4.0 3.10 4.0 5.39 19.0 12.50
12.0 10.84 12.0 9.13 12.0 8.15 8.0 5.56
7.0 4.82 7.0 7.26 7.0 6.42 8.0 7.91
5.0 5.68 5.0 4.74 5.0 5.73 8.0 6.89
17. Quarteto de Anscombe
Conjuntos de dados
I II III IV
x y x y x y x y
10.0 8.04 10.0 9.14 10.0 7.46 8.0 6.58
8.0 6.95 8.0 8.14 8.0 6.77 8.0 5.76
13.0 7.58 13.0 8.74 13.0 12.74 8.0 7.71
9.0 8.81 9.0 8.77 9.0 7.11 8.0 8.84
11.0 8.33 11.0 9.26 11.0 7.81 8.0 8.47
14.0 9.96 14.0 8.10 14.0 8.84 8.0 7.04
6.0 7.24 6.0 6.13 6.0 6.08 8.0 5.25
4.0 4.26 4.0 3.10 4.0 5.39 19.0 12.50
12.0 10.84 12.0 9.13 12.0 8.15 8.0 5.56
7.0 4.82 7.0 7.26 7.0 6.42 8.0 7.91
5.0 5.68 5.0 4.74 5.0 5.73 8.0 6.89
Y
X
18. Quarteto de Anscombe
Estatística descritiva de cada um dos conjuntos
Média de X: 9 (exato)
Variância de X: 11 (exato)
Média de Y: 7.50 (2 casas decimais)
Variância de Y: 4.122 ou 4.127 (3 casas decimais)
Correlação entre X e Y: 0.816 (3 casas decimais)
Regressão Linear:
y = 3.00 + 0.500x (2 e 3 casas
decimais, respectivamente)
19. Média de X: 9 (exato)
Variância de X: 11 (exato)
Média de Y: 7.50 (2 casas decimais)
Variância de Y: 4.122 ou 4.127 (3 casas decimais)
Correlação entre X e Y: 0.816 (3 casas decimais)
Regressão Linear:
y = 3.00 + 0.500x (2 e 3 casas
decimais, respectivamente)
Quarteto de Anscombe
Estatística descritiva de cada um dos conjuntos
21. Por que fazer algo além
de pizzas e linhas?
É uma ferramenta
importante entre suas
habilidades profissionais?
Gráficos complexos são
legais e fazem a mensagem
parecer importante?
22. Contexto
Visualizações mais complexas devem mostrar o sistema a que
pertencem as informações, ou as correlações entre os dados
Isso traz clareza para as análises e gera insights!
23. Persuasão
Mostrar os dados de forma compreensível é essencial como ponte de
comunicação entre operacional e executivo.
Só assim as decisões são tomadas com base nos dados!
24. Fonte: Data Visualization Applications Market: 2015-2020. Mordor Intelligence
Como está o mercado de DataViz?
Global Data Visualization applications Market
$4.25 billion
$8.33 billion
2015
2020
25. Big Data
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
26. Big Data
Necessidade de decisões rápidas
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
27. Big Data
Necessidade de decisões rápidas
Avanços em desenvolvimento de software
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
28. Demanda por ferramentas fáceis de usar
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
29. Demanda por ferramentas fáceis de usar
Integrar dashboards nas atividades diárias com as plataformas mobile
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
30. Demanda por ferramentas fáceis de usar
Integrar dashboards nas atividades diárias com as plataformas mobile
Novos processos e habilidades necessárias
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
31. Demanda por ferramentas fáceis de usar
Integrar dashboards nas atividades diárias com as plataformas mobile
Novos processos e habilidades necessárias
Gerenciamento da qualidade dos dados
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
32. Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataViz
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
33. Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataViz
Integração de dados
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
34. Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataViz
Integração de dados
Real Time
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
35. Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataViz
Integração de dados
Real Time
Mobile
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
36. Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataViz
Integração de dados
Real Time
Mobile
Self service
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
37. Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataViz
Integração de dados
Real Time
Mobile
Self service
Storytelling
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
40. O que será
mostrado no
gráfico?
Comparação:
confrontar dados ao
longo do tempo ou entre
várias categorias
41. O que será
mostrado no
gráfico?
Comparação:
confrontar dados ao
longo do tempo ou entre
várias categorias
Relação:
mostrar a
interdependência
entre variáveis
42. O que será
mostrado no
gráfico?
Comparação:
confrontar dados ao
longo do tempo ou entre
várias categorias
Composição:
mostrar os componentes
de um todo
Relação:
mostrar a
interdependência
entre variáveis
43. O que será
mostrado no
gráfico?
Comparação:
confrontar dados ao
longo do tempo ou entre
várias categorias
Distribuição:
mostrar a frequência em
que ocorrem os dados
Composição:
mostrar os componentes
de um todo
Relação:
mostrar a
interdependência
entre variáveis
51. Lorem ipsum dolor sit
amet, consectetur
adipiscing elit. Etiam eget
ligula eu lectus lobortis
condimentum. Aliquam
nonummy auctor massa.
Pellentesque habitant
morbi tristique senectus
et netus et malesuada
fames ac turpis egestas.
Ordem de Leitura
59. Número de pessoas que se afogaram em piscinas
tem correlação com
Filmes em que o Nicolas Cage aparece
Correlação: 66,6% (r=0.666004)
Fonte: tylervigen.com/spurious-correlations
140
120
100
80
6
4
2
0
Afogamentosempiscinas
FilmescomNicolasCage
Nicolas Cage Afogamentos em piscinas
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Correlação ≠ Causalidade
!
78. Que tal repensar toda a leitura?
550.000
DOWNLOADS
150,000
400,000
App1 App2 App3
DOWNLOADS
UPDATES
310.000
90.000
150.000
130.000
50.000
7.000
App4
40.000
5.000
79. Foco nas necessidades do negócio
550.000
DOWNLOADS
150,000
400,000
DOWNLOADS
Quais apps tiveram mais downloads?
Qual é o perfil de usuários de cada app?
80. Foco nas necessidades do negócio
DOWNLOADS
Quais apps tiveram mais downloads?
Qual é o perfil de usuários de cada app?
0
500
1,000
1,500
2,000
0 2,000 4,000 6,000 8,000
DOWNLOADS
DOWNLOADS
0
App1 App2 App3 App4
81. Foco nas necessidades do negócio
App1 App2 App3
UPDATES 90.000 130.000 7.000
App4
5.000
UPDATES
Os usuários adotaram as últimas
versões de cada app?
O que pode levar os usuários a
não adotarem as últimas versões?
82. Foco nas necessidades do negócio
UPDATES
Os usuários adotaram as últimas
versões de cada app?
O que pode levar os usuários a
não adotarem as últimas versões? 0% 20% 40% 60% 80% 100%
App 4
App 3
App 2
App 1
Última versãoVersões anteriores
88. O que queremos ver com cada métrica?
Quais são os objetivos do negócio e como sabemos se foram atingidos?
89. O que queremos ver com cada métrica?
Quais são os objetivos do negócio e como sabemos se foram atingidos?
Existe uma forma mais objetiva de mostrar os mesmos dados?
92. Qual informação realmente precisa ser mostrada no gráfico?
Qual é o propósito de mostrar esses dados?
Qual é o contexto desses dados?
93. Qual informação realmente precisa ser mostrada no gráfico?
Qual é o propósito de mostrar esses dados?
Qual é o contexto desses dados?
Quem vai ler e como vai interpretar o gráfico?
97. Batatas fritas
0%
10%
20%
30%
0
2000
4000
6000
8000
Jan Fev Mar Abr Mai Jun Ago Set Out
Conversão
Visitas
Visitas Conversão
0%
10%
20%
30%
0
5000
10000
Jan Fev Mar Abr Mai Jun Ago Set Out
Conversão
Visitas
Visitas Conversão
0%
5%
10%
15%
20%
0
5000
10000
15000
Jan Fev Mar Abr Mai Jun Ago Set Out
Conversão
Visitas
Visitas Conversão
0%
10%
20%
30%
0
5000
10000
Jan Fev Mar Abr Mai Jun Ago Set Out
Conversão
Visitas
Visitas Conversão
0%
5%
10%
15%
20%
0
5000
10000
15000
Jan Fev Mar Abr Mai Jun Ago Set Out
Conversão
Visitas
Visitas Conversão
Landing Page A
Display Paid Search
Social Natural Search
Monthly Mobile Activities
100. Data Visualization é uma ponte de comunicação
O mercado está crescendo
A capacidade de expor e interpretar dados de forma visual se
tornou praticamente indispensável
102. Pensar nos objetivos das métricas e dos gráficos
Considerar a ordem de leitura, espaçamento e outras
percepções visuais
103. Pensar nos objetivos das métricas e dos gráficos
Considerar a ordem de leitura, espaçamento e outras
percepções visuais
Testar mais de um tipo de gráfico
104. Repensar a leitura visual conforme
os objetivos e necessidades do negócio
107. Quer mais?
DS3
• https://d3js.org
Google Data Studio
• www.google.com/analytics/360-suite/data-studio
Data Visualization - Coursera
• https://www.coursera.org/learn/datavisualization