1. O documento apresenta um curso sobre análise de dados e como é aplicada no mercado financeiro, dividido em 5 seções: fundamentos da análise de dados, o ciclo da informação, aplicações no mercado financeiro, habilidades necessárias e perspectivas de carreira.
2. A seção de fundamentos explica o que são dados, informações e conhecimento e como eles se relacionam, além de como os dados são armazenados e onde ficam armazenados.
3. A seção sobre o ciclo da informação apresenta
3. Nayam
Hanashiro
Formação Acadêmica
• Innovation Strategy Certificate
• Finanças Corporativas & Investment Banking
• Engenharia de Computação
Experiência Profissional
• R3 (empresa de software - blockchain)
• Qlik (empresa de software - analytics)
• EY (consultoria empresarial)
• Santander (banco)
4. 1. Fundamentos
2. O Ciclo da Informação e a Análise de Dados
3. Como é utilizando no mercado financeiro
4. Habilidades para desenvolver
5. Carreira
Sumário
6. O que são dados?
• Nome do usuário
• Sexo do usuário
• Idade do usuário
• Like do usuário em um post
• Follow do usuário em um perfil
• Latitude e Longitude de uma
atividade (post, story, etc.)
• Data da visita em algum perfil/página
Exemplo: Redes Sociais
O dado não possui significado relevante e não conduz a
nenhuma compreensão.
7. E o que são informações?
• Evolução do número de
seguidores (ao longo do
tempo)
• Número de visualizações do
perfil (ao longo do tempo)
• Engajamento de um post
A informação é a ordenação e organização dos dados
de forma a transmitir significado e compreensão dentro
de um determinado contexto.
8. Com informações geramos conhecimento!
“Postar no Instagram às
Quartas-feiras entre 11h ~
13h ou 19h ~ 21h aumenta o
engajamento do meu
conteúdo”
Conhecimento é o resultado da interpretação das
informações, de modo que constitua um saber. Leva a
produção de ideias e experiências (TOMADA DE DECISÃO).
9. De forma estruturada (tabelas) De forma não estruturada
Como são armazenados?
arquivos, documentos, imagens,
vídeos, áudios, etc.
10. De forma estruturada (tabelas) De forma não estruturada
Como são armazenados?
arquivos, documentos, imagens,
vídeos, áudios, etc.
11. E onde eles ficam armazenados?
Na nuvem (Cloud)
Data Centers
Servidores
Banco de Dados
Sistema para gerenciamento
de dados
Computadores Estruturas físicas
vs.
Na empresa
13. Os dados tem um ciclo e devem servir a um propósito
1. Aquisição de
Dados
2. Criação da
Informação
3. Prover
Conhecimento
4. Decisão
5. Ação
6. Acompanhar
Resultados
14. E a análise de dados está concrentada nessas etapas do ciclo
1. Aquisição de
Dados
2. Criação da
Informação
3. Prover
Conhecimento
4. Decisão
5. Ação
6. Acompanhar
Resultados
15. Esse processo cíclico faz parte de uma prática comum do mercado
1. Aquisição de
Dados
2. Criação da
Informação
3. Prover
Conhecimento
4. Decisão
5. Ação
6. Acompanhar
Resultados
Inteligência de Negócios
(Business Intelligence – BI)
16. 1. Aquisição de
dados
Dados podem ter inúmeras origens e precisam ser preparados para
virarem informações
ORIGEM DOS DADOS
• Redes Sociais (likes, posts, promoções, etc.)
• Empresas (vendas, estoque, etc.)
• Máquinas (sensores, etc.)
• Velocidade
• Volume
• Variedade
• Ex. ferramenta
AQUISIÇÃO / TRANSFORMAÇÃO DOS DADOS
• Eles devem ser preparados, agregados, transformados para poderem virar
informações (ETL – Extract, Transform, Load).
• E dependendo de quantidade e do seu tipo (estruturados vs. não
estruturados), técnicas especiais precisam ser empregadas (Big Data).
• Banco de Dados
tradicionais
• SQL (Select Query
Language): linguagem
para manipular os dados
• Ex. ferramentas visuais:
17. A análise de dados usualmente passa pelo processo de representação
visual para se obter informações relevantes e gerar conhecimento
2. Geração da
Informação
3. Prover
Conhecimento
1. Aplicar métodos estatísticos e matemáticos para
explorar os dados (se necessário)
2. Construir gráficos (visualizações) para
compreender o dados
3. Observar tendências e padrões
4. Visualizações sobre o mesmo contexto de dados
costumam ser apresentadas em painéis
gerenciais (dashboards)
Exemplo de ferramentas para analisar dados e transforma-los em informações:
18. Para uma boa visualização de dados deve-se comprender qual é o
propósito da atividade
2. Geração da
Informação
3. Prover
Conhecimento
• Confirmação visual
• Exploração visual
19. E principalmente como representar a análise de forma apropiada
2. Geração da
Informação
3. Prover
Conhecimento
Qualitativo (nominal) Qualitativo (ordinal) Quantitativo
1. Position
2. Color hue
3. Texture
4. Contrast
5. Color Saturation
6. Shape
7. Length
8. Angle
9. Slope
10. Are
11. Volume
1. Position
2. Contrast
3. Color Saturation
4. Color hue
5. Texture
6. Length
7. Angle
8. Slope
9. Area
10. Volume
11. Shape
1. Position
2. Length
3. Angle
4. Slope
5. Area
6. Volume
7. Contrast
8. Color Saturation
9. Color hue
10. Texture
11. Shape
Tipo de Dado:
Qualitativo (nominal)
– São Paulo, Rio de Janeiro,
Mina Gerais
– Fernanda, Márcio, Maria
– Brahma, Stella Artois,
Heineken
Qualitativo (ordinal)
– Ouro, Prata, Bronze
– Nível de Saúde (Excelente,
Regular, Ruim)
– Amei, Gostei, Odiei
Quantitativo
– Peso (10kg, 50kg, 70kg)
– Custo (R$ 20, R$ 52, R$ 99)
– Desconto (5%, 10%, 14,5%)
20. E uma boa análise deve direcionar decisões e ações!
4. Decisão
5. Ação
• Quem toma as decisões receberá as análises?
• Como é o processo para tomar a decisão? (comitê, colegiado,
individual, etc.)
• Como os responsáveis terão acesso? (apresentação expositiva,
painel via website, aplicativo no celular, relatório impresso, etc.)
• Como a decisão influenciará no início do ciclo da informação
novamente? (novas fontes de dados? análises complementares?)
21. É fundamental que as decisões sejam acompanhadas para avaliar a
evolução das ações
6. Acompanhar
Resultados
• A consolidação das análises costumam ser
agregadas em painéis gerenciais (dashboards)
• Painéis (dashboards) são peças chave para o
BI
• Sua criação exige cuidados na formatação dos
elementos para uma efetiva comunicação das
informações. Exemplos:
1. Posicionar elementos mais importantes
na parte superior (KPIs – Key
Performance Indicators)
2. Evitar múltiplas paletas de cores em um
único dashboard
3. Colocar legendas perto das
visualizações
4. Atentar para formação do título, eixo,
etc.)
23. Análise de Financeira de
Produtos
Quanto estamos vendendo?
Em quais canais estamos vendendo melhor?
Quais ações devemos tomar para vender
mais?
Análise de Sentimento da
Marca
Como está o engajamento do meu conteúdo
nas redes sociais?
Qual a opinião dos clientes sobre os produtos?
Performance de
Vendedores
Quem vende mais?
Em qual região?
Qual tipo de produto? (cartão, empréstimo,
etc.)
Otimização de Custos
Como está a evolução de custos vs. venda de
produtos?
Existem oportunidades para reduzir custos?
Como é utilizado no mercado financeiro
25. • Lógica de Programação
• Análise crítica dos dados
• Comunicação interpessoal
Habilidades Técnicas:
• SQL (Select Query Language)
• NoSQL
• Python
• Modelagem de Dados / ETL
Quais habilidades devo desenvolver para me preparar?
26. Quadrante Mágico para provedores de plataformas de Análise
(Analytics) e Inteligência de Negócios (BI)
Empresa global de pesquisa
e consultoria
28. Cargos Iniciais e técnicos
• Analista de BI
• Analista de Dados
• Consultor de BI
• Analista Financeiro
• Analista de Planejamento
• Arquiteto de Dados e Soluções
• Cientista de Dados
Cargos Executivos
• Chief Data Officer (CDO)
• Chief Product Officer (CPO)
• Chief Technology Officer (CTO)
• Chief Information Officer (CIO)
• Chief Executive Officer (CEO)
Por onde posso começar e aonde
posso chegar nesse ramo?
Aquisição >> multiplas fontes. Necessidade de agregar e transformar os dados
Aquisição >> multiplas fontes. Necessidade de agregar e transformar os dados
Aquisição >> multiplas fontes. Necessidade de agregar e transformar os dados
dashboard facilitam a análise global na exploração e confirmação visual de informações
CONCEPTUALFOCUS: IdeasGOALS: Simplify, teach (“Here’s how our organization is structured.”)
DATA-DRIVENFOCUS: StatisticsGOALS: Inform, enlighten (“Here are our revenues for the past two years.”)
tem a ver com a nossa cognição visual
10 tarefas perceptivas elementares:
Posição ao longo de uma escala comum
Posição ao longo de uma escala não alinhada
Comprimento
Direção
Ângulo
Área
Volume
Curvatura
Sombreamento
Saturação de cores
dashboard facilitam a análise global na exploração e confirmação visual de informações