Visual Literacy: comunicar e decidir sobre dados

1. Visual Literacy
comunicar e decidir sobre dados
Ingrid
Pino

2. Ingrid Pino
ingrid.s.pino@gmail.com
4anos
dedicados a
Marketing Intelligence
na
5países
envolvidos nos projetos de
desenvolvimento de
Dashboards

3. Como usar conhecimentos essenciais
sobre visualização de dados
para tornar Data Science relevante
para a empresa
?

4. Visual Literacy
ou
Data Visualization?

5. Data Visualization
estudar e criar representações
visuais para dados

6. capacidade de expor e interpretar
dados de forma visual
Visual Literacy

7. Por que é importante?
Como aplicar no dia a dia?
Como facilitar absorção do conteúdo?
Dicas Avançadas
Visual Literacy

8. Por que
DataViz é
importante?
Comunicar a mensagem de
forma rápida e eficiente

9. 50%
das funções cerebrais
estão relacionadas com
processamento visual
70%
de todos os receptores
sensoriais estão nos seus
olhos

10. 90%
Das informações transmitidas para o cérebro são visuais
Informações visuais são processadas 60.000 vezes mais rápido do que texto

11. Pirâmide de
Aprendizado
5%
Palestra
10%
Leitura
20%
Audiovisual
30%
Demonstração
50%
Discussão
75%
Prática
90%
Ensinar outros

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

20. Quarteto de Anscombe
Representação gráfica dos quatro 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

38. Como mostrar
informações da
melhor forma?
Dicas para o dia a dia

39. O que será
mostrado no
gráfico?

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

44. Quantas
variáveis,
itens ou
categorias?
Comparação:
Distribuição:
Relação:
Composição:

45. Quando criar um gráfico, pergunte:
Objetivo?

46. Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?

47. Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?
Métricas e dimensões?

48. Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?
Métricas e dimensões?
Quem vai ler?

49. Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?
Métricas e dimensões?
Quem vai ler?
Quais decisões podem ser tomadas?

50. Como facilitar a
absorção das
informações?
O cliente precisa entender

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

52. Ordem de Leitura
PADRÃO
F

53. Ordem de Leitura
PADRÃO
Z

54. Tipografia
A COM SERIFA (serif)
Ex: Times New Roman
A SEM SERIFA (sans serif)
Ex: Arial

55. Espaçamento

56. Percepção de área e comprimento
0
5
10
15
20
25
30
A B C D E F G H
A
B
C
D
E
F
G
H

57. Percepção de áreas 3D
Ângulo
Área na tela

58. Quais cuidados
devemos
tomar?
Não é só evitar pizzas

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
!

60. Evitar distorcer os dados
!

61. Evitar interpretações inadequadas
!

62. Escolher o
gráfico
conforme a
mensagem
Comparação:
Distribuição:
Relação:
Composição:

63. Testar mais de um gráfico

64. Como mudar a
forma de
pensar?
Para comunicar e interpretar
melhor

65. Makeover tradicional
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
São Paulo
Rio de Janeiro
Minas Gerais
Paraná
15.311 17.230 19.210 18.747 22.081
21.087 16.987 16.120 13.402 11.203
12.302 12.210 11.098 10.120 79.20
11.209 11.687 11.987 12.987 11.909

66. Makeover tradicional
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
São Paulo
Rio de Janeiro
Minas Gerais
Paraná
15.311 17.230 19.210 18.747 22.081
21.087 16.987 16.120 13.402 11.203
12.302 12.210 11.098 10.120 79.20
11.209 11.687 11.987 12.987 11.909
Eliminar
Efeito 3D

67. Makeover tradicional
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
São Paulo
Rio de Janeiro
Minas Gerais
Paraná
15.311 17.230 19.210 18.747 22.081
21.087 16.987 16.120 13.402 11.203
12.302 12.210 11.098 10.120 79.20
11.209 11.687 11.987 12.987 11.909
Eliminar
Efeito 3D
Fundo colorido

68. Makeover tradicional
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
São Paulo Rio de Janeiro Minas Gerais Paraná
Eliminar
Efeito 3D
Fundo colorido
Tabelas

69. Makeover tradicional
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
São Paulo Rio de Janeiro Minas Gerais Paraná
Eliminar
Efeito 3D
Fundo colorido
Tabelas
Alterar
Tipo do gráfico

70. Makeover tradicional
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
São Paulo Rio de Janeiro Minas Gerais Paraná
Eliminar
Efeito 3D
Fundo colorido
Tabelas
Guias
Alterar
Tipo do gráfico

71. Makeover tradicional
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
Rio de Janeiro
Paraná
Minas Gerais
São Paulo
Eliminar
Efeito 3D
Fundo colorido
Tabelas
Guias
Alterar
Tipo do gráfico
Legenda

72. Makeover tradicional
21,087
11,203
0
5,000
10,000
15,000
20,000
25,000
2011 2012 2013 2014 2015
Rio de Janeiro
Paraná
Minas Gerais
São Paulo
Eliminar
Efeito 3D
Fundo colorido
Tabelas
Guias
Alterar
Tipo do gráfico
Legenda
Destaque

73. Makeover tradicional: Antes e Depois

74. Vamos um pouco além?

75. Vamos um pouco além?
Dificuldades
Comparar valores das etapas
Destaque para o mês atual

76. Repensar um formato semelhante
3.32427%
12.24763%
19.59263%
31.03729%
107.24049%
217.93150%
434.716
2.815 21%
13.421 67%
20.063 61%
32.928 26%
128.367 37%
344.856 68%
504.797
Var.
-6pp.
+4pp.
-2pp.
-3pp.
-12pp.
+18pp.
Sucesso
Pagamento
Entrega
Cadastro
Identificação
Produto
Visitas
Dezembro Janeiro
Taxa de
Intenção
24%
Taxa de
Intenção
25%
Taxa de Conversão
0,34%
Taxa de Conversão
0,24%

77. Repensar um formato semelhante: Antes e Depois

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

83. Foco nas necessidades do negócio
0% 20% 40% 60% 80% 100%
App 4
App 3
App 2
App 1
Última versãoVersões anteriores
0
500
1,000
1,500
2,000
0 2,000 4,000 6,000 8,000
DOWNLOADS
DOWNLOADS
0
App1 App2 App3 App4

84. Foco nas necessidades do negócio: Antes e Depois

85. Como usar
perguntas de
negócio pra
fazer melhores
gráficos?

86. Visual Literacy
capacidade de expor e interpretar
dados de forma visual

87. O que queremos ver com cada métrica?

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?

90. Qual informação realmente precisa ser mostrada no gráfico?

91. Qual informação realmente precisa ser mostrada no gráfico?
Qual é o contexto desses 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?

94. E se não der
certo?
Prepare-se para falhar

95. Mapa de Pizzas
Visitas por Área
Blog
Comunidade
Download
Exemplos
Galeria
Outros

96. Pior pizza de todos os tempos

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

98. Data Visualization é uma ponte de comunicação

99. Data Visualization é uma ponte de comunicação
O mercado está crescendo

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

101. Pensar nos objetivos das métricas e dos gráficos

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

105. Converse sobre os gráficos
!

106. Converse sobre os gráficos
!
Escute o leitor

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

108. Ingrid Pino
ingrid.s.pino@gmail.com
Dúvidas?
Obrigada!