Analytics para Big Data

Analytics para Big Data

1. Self-service Analytics

   • Definição e Importância
     • Quantidade de dados tem aumentado bruscamente
       • Zhang - Data Analytics
         • 1º - Definir metas
           • • Auxiliar na tomada de decisão
         • 2º - Quais perguntas deve responder
           • Coletar dados e gerar informações úteis
   • Permite acessar e explorar conjuntos de dados
     • Ferramentas de autoatendiemnto
       • Maior autossuficiência = maior necessidade de conheciemnto
         • Uso de Informações
           • Acesso a relatórios potenciais e relevnates
             • Podem tomar caminhos variados para obter perguntas e respostas específicas
         • Criação de informações
           • Acesso a dados de nível desagregado
             • Realizar análises de forma independente
         • Criação de Recursos de Informação
           • Criação de recursos variados mediante a combinação dos dado
             • Fornecem diferentes funcionalidades
   • Vantagens
     • Resultados simples de interpretar
       • • Organização melhora o nível de produtitividade
     • Ferramentas de fácil manuseio e interação
     • Soluções rápidas de Data Warehouse
     • Acesso à fonte de dados facilitados
       • Usuário tornam-se independentes e produtivos
         • Personalizam seus próprios relatórios
   • Benefícios
     • Orientação de análise própria, conforme necessário
     • Alívio da equipe de TI
       • usuário personaliza seus relatórios e o TI centraliza atenção em outras demandas
     • Análises ágeis e coerentes
       • Relações de dados estabelecidas previamente
     • flutuabilidade de navegação na análise dos relatórios
     • Redução de custos
     • Redução de fadiga decisória
       • Cansaço mental que afeta a tomada de decisão
     • Mudança da cultura empresarial
       • Trabalham com dados em tempo real
         • Aumenta a vantagem competitiva
   • Desafios
     • Resultados analíticos imprecisos
       • Dados provenientes de várias fontes distintas
       • Podem trabalhar com versões divergentes
     • Déficits na segurança e privacidade dos dados
       • Usuários não autorizados podem acessar informações confidenciais
     • Falta de controle de implementações
       • Ambientes podem tornar-se desordenados
   • Principais estratégias
     • Foco na Gestão de Mudança
       • Pode ser difícil mudar a cultura da empresa
         • Pode-se adotar duas abordagens para ajudar
           • Encontrar defensor "de peso"
             • Pode influenciar nas decisões e divulgações
           • Possuir métricas úteis
             • É importante que os dados sejam relevantes para funções do usuário
     • Ferramentas moderna de BI
       • Permitem o usuário obter insights de forma rápida e fácil
         • Não exigem conhecimento de codificação
           • Visualização gráfica dos dados
     • Elevação no índice de "alfabetização" das áreas de negócio
       • Nível de habilidade do usuário em compreender a visualização e análise dos dados
         • É necessário possuir habilidade e pensamentos críticos, lógicos e objetivos
     • Dados confiáveis garantidos
       • É necessário ter parceria entre a Área de Negócio e TI
         • Realizar análise de dados confiáveis
     • Equilíbrio entre autoatendiemnto e governança de TI
       • Deve-se possuir regras e políticas que possam regir os dados
         • Devem garantir que as linhas de negócio usem autoatendimento confiável

2. Storytelling com dados

   • Contar uma "história" com dados, contendo início, meio e fim
     • O "fim" não pode ser estável
       • Deve ser um conjunto de opções ou perguntas que direcionem a uma ação do público
         • Deve estar enquadrada nos termos de problema do público-alvo
   • "O sucesso da visualização dos dados não começa na visualização dos dados"
     • É necessário entender a necessidade do público-alvo
       • Contar a história certa para o público certo
   • Análise Exploratória x Análise Explanatória
     • Análise Exploratória
       • Nesta fase busca-se compreender e entender o que seria útil destacar para o público interessado
       • O início deve-se dar por meio da escolha de uma variável
         • Criar visualizações e testar hipóteses, tendências, correlações
     • Análise Explanatória
       • Abrange tudo que será exibido ao público interessado
         • Serão notificados sobre possíveis descobertas feitas após a realização da análise exploratória
       • Nessa fase que os dados explorados na análise exploratória são utilizados para explicar a história da descoberta
   • Técnicas de visualização de dados
     • Forma de apresentar os dados de forma visual
       • Tornar o dado mais atraente de forma estética
         • Consequentemente de fácil compreensão do público interessado
       • Tornar a identificação de tendências e situações anormais de um conjunto de dados mais fácil
       • Dar destaque a um ou mais pontos importantes de um conjunto de dados
       • Contar história baseado no conjunto de dados por meio de recursos visuais
         • Público-alvo consegue extrair conclusões sobre os dados
     • Recursos Visuais
       • Gráficos
         • Linhas, barras pontos, fatias, pizza, bolha, nuvens de palavras
       • Diagramas
         • Bidimensionais, tridimensionais, fluxos, mapas mentais, árvores, espinha de peixe
       • Infográficos
         • Representação gráfica de informações ou dados
           • Contém números, imagens caricaturais
       • Mapas
         • Representação visual de área ou terreno
           • Mostram características físicas, regiões, cidades, países
   • Tipos de gráficos para visualizar dados
     • Dispersão
       • Exibir relação entre dois elementos
     • Linhas
       • Registrar dados contínuos
         • Ex: anos, meses, semanas, dias
     • Barras Veticais
       • Comparam pontos extremos
         • Possível observar a diferença incremental entre categorias
     • Barras HGorizontais
       • Exibir dados categóricos
         • Principalmente se seus nomes forem muito longos
           • É possível exibir informações sobre várias séries de dados
   • Saturação em visualização de dados
     • Elementos gráficos que não contribuem para aumentar a compreensão do gráfico pelo público-alvo
       • Boas práticas de construção dos gráficos
         • Remover bordas desnecessárias
         • Remover linhas de grade
           • Se necessário, é possível deixá-las, mas devem ser finas
         • Remover marcadores de dados
           • Exceto se complementarem algum novo insight
         • Limpar legendas de eixo
           • Eliminar os "0" à direita dos números
         • Dados Devem ser legendados diretamente, utilizando cores consistentes