DADOS • PADRÕES • DECISÃO

Análise de Dados

A Análise de Dados é o processo de coletar, organizar, limpar, transformar, visualizar e interpretar dados com o objetivo de gerar informação útil. Ela combina Estatística, Probabilidade, Computação e pensamento crítico para compreender fenômenos reais e apoiar decisões.

O que é Análise de Dados?

Analisar dados não significa apenas criar gráficos ou calcular médias.
A Análise de Dados é um processo completo que começa com uma pergunta e termina com uma interpretação.

Em geral, ela procura responder questões como:

• O que os dados mostram?
• Existe algum padrão importante?
• Há valores estranhos ou inconsistentes?
• Quais variáveis parecem estar relacionadas?
• É possível prever ou explicar algum comportamento?
• Que decisão pode ser tomada a partir das evidências?

Ideia central: dados brutos não falam sozinhos. A análise transforma registros dispersos em informação organizada, interpretável e útil.

---

O ciclo da Análise de Dados

Uma boa análise costuma seguir uma sequência lógica.
Esse ciclo ajuda a evitar conclusões precipitadas e melhora a qualidade dos resultados.

1. Pergunta

Toda análise começa com uma pergunta bem definida. Sem uma pergunta clara, é fácil produzir gráficos bonitos, mas pouco úteis.

2. Coleta

Os dados podem vir de planilhas, bancos de dados, formulários, sistemas, APIs, pesquisas, sensores ou registros administrativos.

3. Limpeza

Antes de analisar, é preciso corrigir erros, tratar valores ausentes, padronizar nomes, remover duplicidades e verificar inconsistências.

4. Exploração

A análise exploratória busca padrões, distribuições, relações entre variáveis e possíveis valores atípicos.

5. Modelagem

Quando necessário, modelos estatísticos ou algoritmos são usados para explicar, prever ou classificar fenômenos.

6. Comunicação

Os resultados precisam ser apresentados de forma clara, visual e honesta, com conclusões compatíveis com os dados.

---

Dados, informação e decisão

Uma tabela cheia de números ainda não é, necessariamente, informação.

Podemos pensar em três níveis:

Nível	Descrição	Exemplo
Dado	Registro bruto, ainda sem interpretação.	Tempo de atendimento: 12 minutos.
Informação	Dado organizado e contextualizado.	O tempo médio de atendimento foi de 12 minutos.
Decisão	Ação tomada com base na interpretação da informação.	Aumentar a equipe no horário de maior demanda.

A qualidade da decisão depende da qualidade dos dados, da análise e da interpretação.

---

Tipos de dados

Antes de escolher uma técnica estatística ou um gráfico, é necessário entender o tipo de variável analisada.

Tipo de variável	Descrição	Exemplos
Qualitativa nominal	Categorias sem ordem natural.	Sexo, cor, cidade, tipo de produto.
Qualitativa ordinal	Categorias com ordem natural.	Satisfação baixa, média ou alta.
Quantitativa discreta	Valores numéricos contáveis.	Número de filhos, quantidade de protocolos.
Quantitativa contínua	Valores numéricos medidos em uma escala contínua.	Tempo, peso, altura, renda, temperatura.

---

Limpeza de dados

A limpeza de dados é uma das etapas mais importantes da análise.
Muitas vezes, ela ocupa mais tempo do que a própria modelagem.

Alguns problemas comuns são:

• valores ausentes;
• nomes escritos de formas diferentes;
• datas em formatos inconsistentes;
• números armazenados como texto;
• registros duplicados;
• erros de digitação;
• valores impossíveis;
• unidades de medida misturadas.

Exemplo simples

Imagine uma coluna chamada cidade com os seguintes valores:

$$ \text{Petrolina},\ \text{petrolina},\ \text{PETROLINA},\ \text{Petrolina-PE} $$

Apesar de representarem a mesma cidade, o computador pode interpretar esses valores como categorias diferentes. Por isso, é necessário padronizar os registros antes da análise.

---

Valores ausentes

Valores ausentes aparecem quando alguma informação não foi registrada.

Eles podem ocorrer por falha no sistema, erro humano, recusa de resposta, perda de arquivo, problema de coleta ou simplesmente porque a informação não se aplica ao caso.

Situação	Possível tratamento
Poucos valores ausentes	Avaliar remoção das linhas, se não prejudicar a análise.
Muitos valores ausentes	Investigar a causa e avaliar se a variável ainda é confiável.
Ausência informativa	Criar uma categoria ou indicador específico para ausência.
Dados numéricos incompletos	Usar imputação com média, mediana ou métodos mais avançados, quando fizer sentido.

Nem todo valor ausente deve ser simplesmente apagado. Às vezes, a ausência também carrega informação.

---

Valores atípicos

Valores atípicos, também chamados de outliers, são observações muito distantes do padrão geral dos dados.

Eles podem representar:

• erro de digitação;
• falha de medição;
• caso raro, mas verdadeiro;
• mudança real no processo;
• evento extremo.

Uma regra comum para detectar possíveis outliers usa o intervalo interquartil:

$$ IQR = Q_3 - Q_1 $$

Os limites inferior e superior são:

$$ LI = Q_1 - 1{,}5 \cdot IQR $$ $$ LS = Q_3 + 1{,}5 \cdot IQR $$

Valores abaixo de \(LI\) ou acima de \(LS\) podem ser investigados como possíveis outliers.

Um outlier não deve ser removido automaticamente. Primeiro, é preciso entender se ele é erro ou se representa um fenômeno real importante.

---

Análise Exploratória de Dados

A Análise Exploratória de Dados, também conhecida como EDA, é a etapa em que investigamos os dados antes de aplicar modelos mais complexos.

Nessa etapa, usamos estatísticas, tabelas e gráficos para entender:

• distribuição das variáveis;
• médias, medianas e dispersões;
• padrões por grupo;
• relações entre variáveis;
• presença de outliers;
• sazonalidades ou tendências;
• inconsistências nos dados.

Uma boa análise exploratória evita modelos mal aplicados e ajuda a formular hipóteses melhores.

---

Medidas descritivas úteis

Algumas medidas aparecem com frequência na Análise de Dados.

Medida	Fórmula ou ideia	Interpretação
Média	$$\bar{x} = \frac{1}{n}\sum_{i=1}^{n}x_i$$	Valor médio do conjunto.
Mediana	Valor central dos dados ordenados.	Centro resistente a valores extremos.
Desvio padrão	$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}$$	Grau de dispersão dos dados.
Coeficiente de variação	$$CV = \frac{s}{\bar{x}}$$	Dispersão relativa em relação à média.
Correlação	Varia de -1 a 1.	Força e direção da relação linear entre duas variáveis.

---

Visualização de dados

Gráficos são ferramentas essenciais para enxergar padrões que uma tabela pode esconder.

Gráfico	Quando usar?
Gráfico de barras	Comparar categorias.
Histograma	Visualizar a distribuição de uma variável quantitativa.
Boxplot	Comparar distribuições e identificar possíveis outliers.
Gráfico de linhas	Analisar evolução temporal.
Dispersão	Observar relação entre duas variáveis quantitativas.
Mapa de calor	Visualizar intensidade, correlações ou padrões em matriz.

O melhor gráfico é aquele que comunica a ideia com clareza, sem distorcer a interpretação.

---

Relação entre variáveis

Muitas análises buscam entender se duas ou mais variáveis estão relacionadas.

Por exemplo:

• renda e escolaridade;
• tempo de estudo e nota;
• tempo de espera e satisfação;
• preço e quantidade vendida;
• idade e pressão arterial.

Para duas variáveis quantitativas, uma medida comum é a correlação de Pearson:

$$ r = \frac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})} {\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2}\sqrt{\sum_{i=1}^{n}(y_i-\bar{y})^2}} $$

A interpretação geral é:

Valor de r	Interpretação
Próximo de 1	Relação linear positiva forte.
Próximo de -1	Relação linear negativa forte.
Próximo de 0	Ausência de relação linear forte.

Correlação não implica causalidade. Duas variáveis podem se mover juntas sem que uma cause a outra.

---

Modelagem de dados

Depois de entender os dados, podemos usar modelos para explicar ou prever fenômenos.

Um modelo é uma representação simplificada da realidade.

Por exemplo, em uma regressão linear simples, podemos escrever:

$$ Y = \beta_0 + \beta_1X + \varepsilon $$

Onde:

• \(Y\) é a variável resposta;
• \(X\) é a variável explicativa;
• \(\beta_0\) é o intercepto;
• \(\beta_1\) é o coeficiente angular;
• \(\varepsilon\) é o erro aleatório.

A ideia é estudar como \(Y\) muda quando \(X\) varia.

---

Regressão linear

A regressão linear é uma das técnicas mais conhecidas da Análise de Dados.

Ela pode ser usada para responder perguntas como:

• O tempo de estudo ajuda a explicar a nota?
• A renda varia conforme os anos de escolaridade?
• O tempo de espera influencia a satisfação?
• O preço afeta a quantidade vendida?

Em uma regressão linear simples:

$$ \hat{Y} = b_0 + b_1X $$

A diferença entre o valor observado e o valor previsto é chamada de resíduo:

$$ e_i = y_i - \hat{y}_i $$

Bons modelos não são aqueles que apenas “encaixam” nos dados, mas aqueles que ajudam a explicar ou prever com coerência.

---

Métricas de avaliação

Quando usamos modelos preditivos, precisamos avaliar seu desempenho.

Métrica	Uso	Ideia
MAE	Regressão	Erro absoluto médio.
RMSE	Regressão	Raiz do erro quadrático médio.
R²	Regressão	Proporção da variabilidade explicada pelo modelo.
Acurácia	Classificação	Proporção de classificações corretas.
Precisão	Classificação	Entre os positivos previstos, quantos eram realmente positivos.
Revocação	Classificação	Entre os positivos reais, quantos foram identificados.

Erro absoluto médio

$$ MAE = \frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y}_i| $$

Raiz do erro quadrático médio

$$ RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2} $$

Coeficiente de determinação

$$ R^2 = 1 - \frac{SQ_{res}}{SQ_{tot}} $$

---

Treino e teste

Em modelagem preditiva, é comum separar os dados em duas partes:

Conjunto	Função
Treino	Usado para ajustar o modelo.
Teste	Usado para avaliar o desempenho do modelo em dados não vistos.

Essa separação ajuda a verificar se o modelo aprendeu padrões gerais ou apenas decorou os dados.

Um modelo que vai muito bem no treino, mas mal no teste, pode estar sofrendo de overfitting.

---

Overfitting e underfitting

Problema	O que significa?	Sintoma comum
Underfitting	O modelo é simples demais para capturar o padrão dos dados.	Erro alto no treino e no teste.
Overfitting	O modelo se ajusta demais aos dados de treino.	Erro baixo no treino e alto no teste.
Bom ajuste	O modelo captura padrões gerais sem memorizar ruídos.	Desempenho razoável tanto no treino quanto no teste.

---

Exemplo prático: análise de atendimentos

Imagine um conjunto de dados com tempos de atendimento de uma recepção.

Algumas variáveis poderiam ser:

Variável	Tipo	Possível análise
Data	Temporal	Analisar volume por dia, mês ou horário.
Atendente	Categórica	Comparar número de atendimentos por pessoa.
Tempo de espera	Quantitativa contínua	Calcular média, mediana, quartis e outliers.
Tempo de atendimento	Quantitativa contínua	Estudar dispersão, distribuição e gargalos.
Tipo de serviço	Categórica	Comparar demandas por natureza do atendimento.

Uma pergunta inicial poderia ser:

Em quais horários o tempo de espera aumenta?

Para responder, poderíamos calcular o tempo médio de espera por hora:

$$ \bar{x}_{hora} = \frac{x_1+x_2+\cdots+x_n}{n} $$

Depois, poderíamos comparar os horários em uma tabela ou gráfico de linhas.

---

Exemplo de raciocínio analítico

Suponha os seguintes tempos de espera, em minutos:

$$ 5,\ 8,\ 10,\ 12,\ 15,\ 30 $$

A média é:

$$ \bar{x} = \frac{5+8+10+12+15+30}{6} $$ $$ \bar{x} = \frac{80}{6} $$ $$ \bar{x} \approx 13{,}33 $$

A mediana é a média entre o 3º e o 4º valores:

$$ Md = \frac{10+12}{2} $$ $$ Md = 11 $$

Nesse caso, a média ficou maior que a mediana por causa do valor 30.

Esse exemplo mostra por que a média deve ser interpretada com cuidado quando há valores extremos.

---

Ferramentas para Análise de Dados

A Análise de Dados pode ser feita com diferentes ferramentas.

Ferramenta	Uso comum
Excel ou Google Sheets	Análises rápidas, tabelas, filtros e gráficos simples.
SQL	Consulta, organização e extração de dados em bancos relacionais.
Python	Automação, limpeza, modelagem, ciência de dados e machine learning.
R	Análise estatística, gráficos e modelagem.
Julia	Computação científica, Estatística, simulações e visualizações de alto desempenho.
Power BI	Dashboards, relatórios e análise visual de indicadores.

---

Boas práticas

Uma análise confiável exige cuidado técnico e honestidade intelectual.

Algumas boas práticas são:

• documentar as etapas da análise;
• preservar os dados originais;
• explicar critérios de limpeza;
• verificar unidades de medida;
• analisar dados faltantes;
• evitar conclusões além do que os dados permitem;
• usar gráficos claros;
• comparar média e mediana;
• validar modelos com dados separados;
• comunicar incerteza quando existir.

Uma análise de dados bem feita não é apenas aquela que encontra respostas, mas aquela que deixa claro como as respostas foram obtidas.

---

Cuidados na interpretação

A Análise de Dados pode gerar conclusões equivocadas quando é feita sem contexto.

Alguns cuidados importantes:

Erro comum	Por que é perigoso?
Confundir correlação com causalidade	Duas variáveis podem estar associadas sem que uma cause a outra.
Ignorar valores ausentes	A ausência pode distorcer resultados ou revelar problemas de coleta.
Remover outliers sem justificativa	Valores extremos podem representar fenômenos reais importantes.
Escolher só gráficos favoráveis	Isso pode gerar uma narrativa enviesada.
Usar média para tudo	Em dados assimétricos, a mediana pode representar melhor o centro.
Não considerar o contexto	Números sem contexto podem levar a interpretações erradas.

---

Resumo geral

Etapa	Objetivo
Definir pergunta	Estabelecer o problema que será investigado.
Coletar dados	Obter as informações necessárias para a análise.
Limpar dados	Corrigir erros, tratar ausências e padronizar registros.
Explorar dados	Entender distribuições, padrões e relações.
Visualizar dados	Comunicar informações com gráficos e tabelas.
Modelar dados	Explicar, prever ou classificar fenômenos.
Avaliar resultados	Verificar qualidade, incerteza e limitações.
Comunicar conclusões	Transformar análise em entendimento e decisão.

---

Conclusão:
A Análise de Dados é uma ponte entre números e decisões. Ela exige técnica, organização, interpretação e senso crítico. Mais do que aplicar fórmulas ou gerar gráficos, analisar dados é compreender um problema, investigar evidências e comunicar conclusões de forma clara, honesta e útil.

“Sem dados, você é apenas mais uma pessoa com uma opinião.”
— W. Edwards Deming