Como interpretar dados no Tableau

Você sabe ler os dados? Hoje o dataholic Gustavo Lima vai te mostrar como interpretar dashs e a importância de saber ler os dados. Vem aprender!


Hoje vivemos em um mundo com um turbilhão de dados, e todas as áreas do negócio dependem de usuários que os consumam, desde analistas a diretores. Logo, aprender as habilidades para ler e interpretar dados, nos mune de informações para a melhor decisão de negócio, tornando-as de suma importância para o desenvolvimento da empresa.


Alfabetização dos dados


Sempre partimos do princípio que precisamos entender para depois praticar. Para começarmos a escrever por exemplo, precisamos observar e ter um apoio para nos guiar nesse processo, e com os dados não é diferente.

Figura 1 - A alfabetização de dados compreende exatamente isso, a capacidade de explorar, compreender e se comunicar

Mas afinal, o que é um dado?


Segundo o cientista de dados Jeffrey Leek, os dados são compostos de valores de variáveis qualitativas ou quantitativas, pertencentes a um conjunto de itens. Uma variável pode ser uma medida, propriedade ou característica de um item que pode variar ou mudar.


Sendo qualitativas, que descrevem qualidades ou características, como cor da pele ou um sentimento. Já as quantitativas, são medidas mensuráveis, como lucro, idade, comprimento. E o conjunto de itens, também chamado de população, é o grupo de objetos em que você está interessado, que possuem uma característica em comum. No exemplo abaixo de trekking, onde pessoas realizam trilha de longa duração, temos uma ilustração do que foi explicado anteriormente.

Figura 2- Tipos de variáveis e conjunto

Existem várias maneiras de coletar dados, através de questionários, entrevistas, observações, análise de documentos, scrapping. Assim que coletados, são chamados de dados brutos, ou seja, que não foram processados de nenhuma forma. Logo, isso permitirá o maior alcance possível para a análise de dados.


Alguns exemplos de dados brutos incluem:


  • Arquivos do Excel não formatados.

  • Dados JSON de raspagem da API do LinkedIn.

  • Números inseridos à mão, de dados coletados da observação do céu, através de um telescópio.


Antes de mais nada, entenda o contexto


Na maioria dos casos, começamos com uma pergunta, tal como:


  • Como vamos reduzir os custos de cloud?

  • Como aumentar o engajamento nas redes sociais?


E através dela, originam-se muitas outras, tudo isso para coletar cada vez mais dados e informações, para analisar o contexto ao qual está inserido. E quando todas elas são respondidas, fica mais fácil a compreensão de cenário para compilamos em uma solução.


Começando com a fase de exploração e compreensão dos dados, a formulação de boas perguntas é essencial. Evite perguntas amplas, sem critérios claros para a resposta. Crie questionamentos mais específicos, use termos claramente definidos e restrinja seu foco a um nicho.

Figura 3 - Você poderia explorar mais facilmente os dados para responder à segunda pergunta do que à primeira.

Podemos observar ainda no exemplo acima, que os resultados desses impactos podem variar de cidade para cidade, sendo assim próximo passo seria se perguntar “por quê?”.


Sakichi Toyoda, fundador da Toyota Motors, criou a técnica dos "5 Porquês", na qual somos orientados a perguntar o "por que" da ocorrência de um problema, e depois continuar perguntando para cada resposta fornecida, a fim de encontrar a causa raiz de uma determinada questão.


Reconheça se os dados estão bem estruturados


Para compreender os dados, precisamos avaliar se estão bem estruturados. Para isso, precisamos entender que os dados são organizados em filas e colunas:


  • As colunas são verticais, e cada coluna representa uma variável diferente, (ou campo no Tableau) com um cabeçalho de coluna;

  • As linhas são horizontais, e cada linha representa uma unidade de análise (ou valores no Tableau), cada observação diferente dessa variável.

Figura 4 - Demonstração de campos e valores


Dados em formato preferencial


Na jornada como consumidor, encontrar dados mal formatados é bem comum, é algo que pode causar desordem nos dados ou dificultar a interpretação no Tableau. Algumas possíveis causas são:

  • As variáveis (campos) não estão em uma coluna cada uma, com um cabeçalho de coluna.

  • Cada observação diferente da variável (valores) não está em uma linha diferente.

  • Os títulos são formatados como linhas acima dos cabeçalhos das colunas ou como colunas extras.

  • Colunas e linhas extras, as vezes encontramos imagens e espaçamentos.

  • Cabeçalhos de coluna não formatados na primeira linha.


Como posso reestruturar esses dados?


O que você deve fazer se seus dados não estiverem bem estruturados? Algumas opções são: ajustar a planilha de dados; usar uma linguagem de programação, como o Python; usar ferramentas dentro da Plataforma Tableau, como Tableau Prep Builder ou Tableau Desktop; além de ferramentas de ETL, como o Databricks.


Em alguns casos, você personaliza metadados (cálculos, campos renomeados e formatação padrão) que descrevem os dados, em vez de modificar os dados reais.



E isso é tudo pessoal!

Bom, espero que com essas dicas, você consiga trazer e interpretar os dados do seu negócio. E agora que já consegue interpretar os dados, deixo a recomendação do artigo Como Tirar Insights do seu Negócio no Tableau. Conte o que achou deste conteúdo nos comentários e deixe sua curtida para apoiar nossa produção. E compartilhe com os amigos! 💙💻