6 Passos de uma análise quantitativa - Dados Demais

459 visualizações

Publicada em

Apresentação para o grupo de estudos do L3P sobre os 6 passos de uma análise quantitativa utilizando o livro: "Dados Demais"
Pesquisadora: Amanda Reis Silva

Publicada em: Dados e análise
0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
459
No SlideShare
0
A partir de incorporações
0
Número de incorporações
3
Ações
Compartilhamentos
0
Downloads
10
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

6 Passos de uma análise quantitativa - Dados Demais

  1. 1. Formulação do Problema CAPÍTULO 2 Aluna: Amanda Reis Silva
  2. 2. Formulação do problema 1. Formulação Do Problema • Reconhecimento do problema; • Revisão das descobertas anteriores; 2. Solução Do Problema • Modelagem e seleção das variáveis; • Coleta de dados; • Análise dos dados; 3. Resultados: Comunicação e Ação • Apresentação dos resultados e adoção de providências.
  3. 3. Passo do Reconhecimento do Problema ➢Análise quantitativa começa com o reconhecimento do problema a ser resolvido/decisão a ser tomada; ➢Situações que levam a esse primeiro estágio: • Pura curiosidade; • Experiências no trabalho; • Necessidade de decisão ou ação; • Situações em andamento, exigindo atenção; • Desenvolvimento/contestação de teorias existentes/pesquisas passadas; • Aceitação de ofertas de projetos/estimativa da disponibilidade de financiamento. ➢O fator mais importante no estágio de reconhecimento do problema é compreender plenamente a questão e sua importância;
  4. 4. Identificação dos Stakeholders na Análise ➢Nesse passo, vale a pena refletir sobre quem são os stakeholders da análise e como se sentem em relação ao problema; ➢Componentes comuns desse processo: 1. Indentificar todos os stakeholders; 2. Registrar as necessidades dos stakeholders; 3. Avaliar e analisar os interesses e influências dos stakeholders; 4. Administrar as expectativas dos stakeholders; 5. Tomar providências; 6. Revisar o status e repetir. ➢ A análise de stakeholders destina-se a identificar quem são os principais responsáveis pelas decisões e a maneira mais provável de convencê-los quanto aos resultados;
  5. 5. Que Tipo de História Analítica Está se Contando? ➢ Foco em como desenvolver respostas/ideias para a decisão; ➢Histórias de CSI; ➢Histórias Eureca; ➢Histórias de Cientista Maluco; ➢Histórias de Pesquisas; ➢Histórias de Predições; ➢Histórias “Eis o que aconteceu”.
  6. 6. Passo do Reconhecimento do Problema ➢Escopo do problema: É importante não limitar prematuramente o escopo do problema ou decisão; ➢“Seja específico sobre o que quer descobrir”: É necessário ter criado uma descrição clara da questão, com definições concretas dos principais itens ou variáveis a serem estudadas; ➢Em pesquisa quantitativa, faz muita diferença a maneira como as coisas são definidas;
  7. 7. Passo de Revisão das Descobertas Anteriores ➢Deve-se investigar todas as descobertas correlatas anteriores após o reconhecimento do problema; ➢Basicamente perguntamos: “Já se contou antes história semelhante a esta?”; ➢Reformulação do problema.
  8. 8. Solução do problema CAPÍTULO 3
  9. 9. Passo da modelagem ➢Modelo é representação deliberadamente simplificada do problema; ➢Modelos são comparáveis a caricaturas. Boa caricatura é aquela em que os traços especiais são escolhidos com convicção e eficácia; ➢George Box, estatístico famoso, observou que “todos os modelos são falhos, mas alguns são úteis; ➢Como selecionar as variáveis e descobrir como elas se relacionam umas com as outras? • Hipóteses; • Hipóteses serão testadas mais tarde; isso que diferencia da intuição, por exemplo.
  10. 10. Passo da coleta de dados (mensuração): ➢O passo seguinte é coletar dados e medir variáveis selecionadas. ➢Primeiro organiza-se o problema reconhecido que se tornam dados depois da mensuração. ➢Se as variáveis que estão sendo reunidas foram medidas e analisadas com frequência por outrem, esse passo será muito simples. ➢Maneiras de medir as variáveis: • Variáveis binárias; • Variáveis categóricas (nominais); • Variáveis ordinais; • Variáveis numéricas (intervalo e razão).
  11. 11. Tipos de dados ➢Dados secundários: • Dados já coletados por outrem. ➢Dados primários: • Variáveis medidas pelo próprio pesquisador. ➢Dados estruturados e não estruturados: • Dados estruturados são aqueles em forma de fileiras e colunas; • Dados não estruturados se apresentam em fluxo contínuo, exemplo: textos. •Agora, na era do Big Data, organizações lidam no dia a dia com vários petabytes (1.000.000.000.000.000 unidade de dados); •Esse tipo de dado requer muitas filtragens, classificações e outras formas de triagem para poder ser analisados;
  12. 12. Passo da análise de dados ➢A análise de dados resulta na descoberta de padrões consistentes, ou seja, a relação entre as variáveis embutidas nos dados; ➢A análise de dados pode ser realizado por meio da utilização de um relatório ou de fornecedores de software para categoria de análise na qual se tenta usar a estatística. ➢Microsoft Excel, pode fazer algumas análises estatísticas e analítica visual, assim como elaborar relatórios, embora não seja o mais robusto quando se tem muitos dados a processar.
  13. 13. Tipos de modelos ➢Vários são os modelos adotados por analistas e organizações para decidir sobre os dados; ➢Três questões a serem consideradas na identificação do modelo adequado: • Quantidade de variáveis a serem analisadas; • Se envolve questões de descrição ou de inferência; • Níveis de medida que se dispõe nas variáveis de interesse. ➢Nenhum modelo dura para sempre.
  14. 14. Resultados: Comunicação e ação CAPÍTULO 4
  15. 15. Resultados: Comunicação e ação ➢Último estágio do referencial; ➢Os analistas podem tornar os resultados de suas pesquisas mais interessantes e atraentes, a fim de inspirar mais ações; ➢A essência desse estagio é descrever o problema e contar a história por trás dele; ➢Depois de identificar essas relações, o significado delas deve ser interpretado, descrito e apresentado de maneira relevante para o problema; ➢Os analistas mais bem sucedidos são aqueles que “contam uma história com dados”; ➢Um erro trágico é pensar que o público se sente confortável com termos técnicos e os métodos estatísticos abordados. Grande parte não compreende um relatório altamente técnico;
  16. 16. Métodos modernos de comunicação dos resultados ➢A analítica visual (visualização de dados) progrediu muito nos últimos anos; ➢Propósitos e tipos de analítica visual: ◦ Ver as relações entre pontos de dados-> Gráfico de dispersão Matriz de dispersão Mapa de calor Diagrama de rede ◦ Compara conjunto de frequências ou valores-> Gráfico de barras Histograma Gráfico de bolhas ◦ Mostrar as altas e baixas de uma variável em relação a outra-> Gráfico de linha Gráfico de pilha ◦ Ver as partes de um todo e como se relacionam-> Gráfico de setores ou de pizza Mapa de árvore ◦ Compreender dados ao longo de área geográfica-> Sobrepor dados resumidos em mapas geográficos ◦ Analisar ocorrências em textos-> Nuvem de tags Rede de frases
  17. 17. Métodos modernos de comunicação dos resultados ➢As apresentações ou relatórios não são os únicos produtos possíveis dos projetos analíticos. O melhor seria se os analistas se empenhassem na produção de resultados bem próximos da criação de valor. ➢Os cientistas de dados se concentram em áreas de desenvolvimento de produtos. O objetivo é desenvolver protótipos de produtos e novos atributos de produtos; ➢A chave do sucesso é planejar e executar bem o passo inicial e o passo final do processo.
  18. 18. Analítica quantitativa e criatividade CAPÍTULO 5
  19. 19. Analítica quantitativa e criatividade ➢ A criatividade e analítica não são conceitos antagônicos, mas sim, não raro, ideias correlatas e complementares; ➢ As aplicações mais bem sucedidas da analítica são altamente criativas e criatividade é componente importante das abordagens analíticas à solução de problemas;
  20. 20. Rápida revisão dos seis passos ➢No passo de reconhecimento e formulação do problema, a criatividade é extremamente útil e importante; ➢No passo da Revisão das descobertas anteriores, a identificação das mesmas e a escolha das técnicas analíticas, que talvez sejam relevantes, envolvem criatividade; ➢No passo da modelagem, a escolha de variáveis em um modelo às vezes é obvia, mas às vezes, pode ser criativo; ➢Decidir que dados coletar pode ser muito criativo; ➢O passo de análise de dados não é aquele em que mais se exige criatividade. O seu uso pode causar problema; ➢O passo da apresentação de resultados e adoção de providências é envolvido por muita criatividade.
  21. 21. Os quatro estágios de raciocínio analítico criativo ➢O processo criativo segue esses passos sequenciais: • Preparação: construção dos fundamentos para a solução do problema; • Imersão: engajamento intenso com a solução do problema e com os dados disponíveis (luta em busca de respostas); • Incubação: internalização do problema na mente subconsciente, na expectativa de que se desenvolvam prováveis conexões inusitadas abaixo do nível de consciência; • Insight: o grande avanço na compreensão de como o problema pode ser resolvido por meio da análise quantitativa.
  22. 22. Imersão e trabalho árduo como fonte de criatividade e insight ➢Criatividade é insight que de súbito ilumina a solução do problema; ➢Qual é a fonte da criatividade? ➢Cho Jung Era, ator coreano, assevera que a inspiração não surge de repente, mas, sim, jorra de longa duração de trabalho exaustivo e de dimensão persistente; ➢A intuição é habilidade que se pode desenvolver basicamente pela repetição contínua da análise quantitativa e por outros meios; ➢Georg Hegel, filosofo alemão, achava que apenas quem raciocina de maneira altamente analítica é capaz de ter intuições puras e verdadeiras.
  23. 23. Desenvolvimento de recursos de análise quantitativa CAPÍTULO 6
  24. 24. Desenvolvimento de recursos de análise quantitativa ➢Segundo Aristóteles, os hábitos, ou que se faz repetidamente, define como ser configura seu destino, conforme o fluxograma: Pensamentos Ações Hábitos Caráter Destino
  25. 25. Desenvolvimento de recursos de análise quantitativa ➢Atitudes quantitativas: • É necessário manter-se aberto ao aprendizado de números; • O inumerismo/incapacidade de executar e entender operações aritméticas, aflige muita gente esclarecida e bem informada • Pensadores quantitativos cultivam certas habilidades, atitudes e hábitos a que recorrem sempre que precisam tomar decisões baseadas em números; • Ser amigo dos dados; • Recorrer à internet sempre para aprender conceitos numéricos. • Ampliação da curiosidade;
  26. 26. Desenvolvimento de recursos de análise quantitativa ➢Atitudes quantitativas <-> Conhecimento quantitativo; ➢Compreensão das leis da probabilidade e da aleatoriedade;
  27. 27. Desenvolvimento de recursos de análise quantitativa ➢Hábitos quantitativos-> Praticando com regularidade e persistência os seguintes hábitos quantitativos, é possível cultivar atitudes quantitativas: • Exija números; • Nunca confie nos números: • Não raro, os números estão ultrapassados e, portanto, não refletem a realidade; • As dúvidas em relação aos números devem ser concentradas nas três categorias: relevância, exatidão e interpretação correta. • Desconfie principalmente dos argumentos de causação; • Faça perguntas; • Práticas de análises quantitativas.
  28. 28. Hábitos quantitativos <-> Métodos/conhecimentos quantitativos ➢Nessa fase, é preciso estudar os fundamentos para compreender e executar análises quantitativas. Os cursos a fazer primeiro são Estatística Elementar e Métodos de Pesquisa; ➢As atividades que envolvem análise quantitativa ocorrem como parte de processos e de contextos sociais; • O primeiro passo para adquirir prática de “contar histórias com dados” é escrever um relatório. • Formar uma comunidade de análise quantitativa; • Realizar seminários com regularidade;
  29. 29. Trabalhando com os quants CAPÍTULO 7
  30. 30. Trabalhando com os quants ➢O que se descreve no capítulo é um conjunto de relacionamento entre três conjuntos de atores: • Decididores de empresas; • Profissionais de negócios; • Analista quantitativo ou cientista de dados. ➢Há boas razoes para a interação desses três grupos; ➢O objetivo é então tomar decisões analíticas e, ao mesmo tempo preservar o papel do instinto dos executivos e de outros profissionais;
  31. 31. Atribuições analíticas ➢Atribuições analíticas a serem exercidas pela pessoa de negócio: • Aprender alguma coisa de matemática e de estatística; • Compreender e questionar as premissas; • Pressionar quando não compreender. ➢O que esperar dos profissionais da analítica: • Aprender o negócio e interessar-se pelos seus problemas; • Conversar em linguagem de negócios; • Explicar qualquer termo técnico; • Dispor-se a desenvolver relacionamentos; • Não fazer os executivos se sentirem estúpidos.
  32. 32. Cientista de Dados ➢Profissionais capacitados em estatística, ciência da computação e/ou matemática capazes de analisar grandes volumes de dados e extrair deles insights que criem novas oportunidades de negócio; ➢Devem ser capazes de capturar, armazenar, gerenciar e analisar grandes volumes de dados que devem ser interpretados e utilizados de maneira coerente e concisa de modo que a empresa possa utilizá-los a seu favor; ➢Usualmente esse profissional é formado em estatística, matemática ou ciências da computação. ➢Habilidades necessárias: • Saber programação; • Ser capaz de criar modelos estatísticos; • Ter o conhecimento e domínio apropriado de negócios; • Compreender as diferentes plataformas de Big Data e como elas funcionam.
  33. 33. Referências DAVENPORT, T; KIM, J. Dados Demais. 1. ed. Rio de Janeiro: Elsevier, 2013. Disponível em: <http://www.sas.com/pt_br/insights/analytics/cientistas-de-dados.html> Acesso: 01. set.2015 Disponível em: <http://up.mackenzie.br/lato-sensu/sao-paulo/tecnologia-da-informacao/ciencia-de- dados-big-data-analytics/> Acesso: 01.set.2015 Disponível em: <http://www.brasilmaisti.com.br/index.php/pt/2014-08-01-19-12-05/a-blog/240-cientista- de-dados-a-profissao-do-futuro> Acesso: 01.set.2015 Disponível em: <http://blog.corujadeti.com.br/cientista-de-dados-o-profissional-de-big-data/> Acesso: 01.set.2015 Disponível em: <http://www.portal-administracao.com/2014/07/stakeholders-significado- classificacao.html> Acesso: 01.set.2015

×