Full transcript
0:03O que transforma um bom conjunto de
0:05dados em ferramentas de decisão? Eu sou
0:09Felipe Beraldi, economista da UMI e hoje
0:12eu quero fazer uma reflexão entre o que
0:14significa ter um dashboard, o que
0:16significa a ferramenta de visualização
0:18dos dados e quais são as boas
0:20ferramentas por trás desse processo para
0:22que você tenha não só um bom gráfico
0:25para analisar, mas um dado 100%
0:27trabalhado que gere conhecimento para
0:29uma tomada de decisão. Seguindo o plano
0:31de ensino, o que nós vamos tratar nessa
0:34disciplina é o que tá por trás desses
0:36dashboards. a matemática aplicada e a
0:38estatística e a transformação do dado em
0:41conhecimento. Quando falamos de
0:43matemática aplicada, eh, eu não tô
0:45falando apenas sobre cálculos, fórmulas,
0:47enfim. O grande objetivo da matemática
0:50aplicada é transformar, é modelar a
0:52realidade para que a gente possa
0:53resolver um problema. Trazendo um bom
0:56exemplo disso, eh, a gente pode pensar,
0:58por exemplo, numa estimação de demanda
1:00de um supermercado. Às vezes a pergunta
1:02que tem que ser respondida é: qual que é
1:04a demanda pelo estoque de arroz que eu
1:06tenho no mercado? Para fazer isso, você
1:08pode utilizar vendas passadas, você pode
1:11olhar para séries temporais, você pode
1:13construir um modelo de correlação,
1:15enfim, várias ferramentas que vão te
1:17ajudar não necessariamente a chegar num
1:19número, mas a um bom modelo que vai te
1:21dar o melhor caminho pra tomada de
1:23decisão futura. E por trás disso tem
1:26várias questões de matemática aplicada.
1:28Em conjunto, a gente não pode esquecer
1:29da estatística, porque validar dados,
1:32né, pra gente ter uma noção do
1:33comportamento de um conjunto de dados,
1:35as ferramentas de estatística nos ajudam
1:38a entender profundamente os dados que
1:40nós estamos analisando. E a gente pode
1:42falar, a primeira, é, que eu tenho
1:43certeza quando a gente fala em
1:44estatística que vem na nossa cabeça, é a
1:46média. Qual que é o valor médio dos
1:48dados? Essa é uma medida muito
1:50utilizada, mas que dependendo da
1:52distribuição das informações que nós
1:54estamos trabalhando, pode ser muito
1:56viezada. Vou trazer um exemplo bem
1:58simples. Vamos supor que a gente esteja
2:00falando sobre a média salarial numa
2:01empresa. Essa empresa tem três
2:03funcionários que ganham ali R$ 3.000 e
2:06um diretor que ganha R$ 100.000 por mês.
2:08Se a gente tirar a média salarial e de
2:10uma empresa como essa, a gente vai estar
2:12olhando um dado muito Por isso
2:14que às vezes nós utilizamos uma outra
2:16estatística para isso, que é a mediana.
2:18qual que é o valor central da
2:19distribuição de dados. Tem outras
2:22estatísticas que são importantes, a
2:23moda, o valor mais recorrente numa
2:25distribuição, o desvio padrão, enfim,
2:27como é que esses dados estão dispersos.
2:29Tudo isso é muito importante para que a
2:31gente transforme a partir de uma massa
2:33de informações, uma massa de dados, eh
2:36efetivamente o conhecimento que a gente
2:39precisa tirar para resolver um problema
2:40real. Esse esse exemplo simples que eu
2:43dei, por exemplo, entre utilizar a média
2:45ou a mediana, vai depender tanto do
2:47conjunto de dados quanto da pergunta que
2:49você quer responder, qual que é a
2:50informação que você quer passar num
2:52dashboard. Por isso que esse tipo de
2:54análise ele é muito fundamental até
2:56antes da construção do dashboard para
2:58você conhecer o dado que você tá
2:59trabalhando e também pra própria
3:01construção da visualização, quais são as
3:03melhores informações que eu vou passar
3:05ali no meu dashboard para fornecer ao
3:08usuário final a melhor, o melhor dado
3:11possível para ele tomar uma decisão.
3:13Ainda nesse campo da estatística, uma
3:14ferramenta muito útil que vale a pena
3:16vocês conhecerem porque ela resume muito
3:19um comportamento de um conjunto de
3:20dados, é o boxplot. que é uma
3:22representação gráfica da distribuição
3:24desses dados. Então, é uma organização
3:26dos dados entre quartis, é uma
3:28visualização da mediana desses dados, é
3:31uma visualização clara dos chamados
3:33valores outlier, né, os valores que
3:35fogem muito da distribuição. É um
3:37gráfico super simples que permite não só
3:39comparar e um determinado determinados
3:42conjuntos de dados diferentes, mas
3:44também compreender um pouco qual que é
3:46essa base que você tá analisando. Hoje
3:48existem diversas ferramentas capazes de
3:50construir dashboards incríveis. Mas um
3:52dashboard por si só, ele não gera a
3:54melhor comunicação possível. O que vai
3:57est por trás dessa comunicação é todo o
3:59trabalho que nós estamos falando aqui
4:00sobre modelagem e análise estatística.
4:03Não dá para dizer que a visualização é
4:05mais importante que isso, tá? Toda essa
4:07construção prévia e essa compreensão do
4:09dado vai fazer vocês chegarem no melhor
4:11resultado possível do ponto de vista de
4:13visualização de dados. Então, não é
4:15apenas sobre ferramenta, qual ferramenta
4:17eu vou utilizar, qual gráfico que eu vou
4:19construir, é também sobre o trabalho
4:21prévio e o trabalho durante a construção
4:23de dashboard que vai ser feita junto com
4:25a matemática aplicada e a estatística. E
4:27para ficar um pouco mais tangível o que
4:29nós estamos falando aqui nessa
4:30disciplina, vamos voltar para meu
4:32exemplo do modelo da estimação de
4:34demanda em um supermercado. Que que eu
4:35preciso para fazer essa estimação de
4:37demanda adequadamente do ponto de vista
4:40da de repente da construção de um modelo
4:42estatístico? Bom, primeiro de tudo, eu
4:44preciso do meu histórico de vendas. Eu
4:46preciso entender o que que aconteceu no
4:47passado. Segundo ponto, eu preciso
4:50entender sazonalmente movimentos que se
4:52repetem ao longo de um determinado
4:54período de tempo, que já podem ser
4:55esperados. Terceiro ponto, quais são as
4:58melhores variáveis aleatórias que podem
5:01me ajudar a explicar esse comportamento
5:02das vendas? trazer alguns exemplos bem
5:04simples aqui, por exemplo, eh, evolução
5:06da renda do consumidor, eh, evolução da
5:09inflação, eh, taxas de juros, enfim,
5:12variáveis que explicam um pouco do
5:13consumo, não às vezes de um item tão
5:15básico quanto a gente tá falando de um
5:17mercado, mas que eh muitas vezes a gente
5:19precisa pensar primeiro no problema para
5:22encontrar esses candidatos, né? Quais
5:23são essas variáveis candidatas e a serem
5:26variáveis explicativas de um modelo.
5:29Feito isso, eu vou buscar a metodologia.
5:31Qual que é o melhor método de do ponto
5:33de vista de modelo matemático para eu
5:35explicar o meu problema? A partir disso
5:37e a partir da análise estatística por
5:39trás desse modelo, eu vou entender se,
5:41de fato, eu tô com os melhores pilares
5:43para explicar o meu problema. E a partir
5:45do comportamento dessas outras
5:47variáveis, o que que eu posso esperar do
5:49futuramente da evolução da demanda, né,
5:51das vendas de arroz desse supermercado,
5:54por exemplo? Então, se a gente parar
5:56para pensar em cada um desses elementos
5:57que eu falei, eles passam por um modelo
5:59matemático, mas a resposta final não é
6:02necessariamente um número, né? A
6:04resposta final, ela vai depender de toda
6:06essa construção estatística e
6:08metodológica que foi feita durante esse
6:10processo. Por isso que é eu costumo
6:12dizer que em matemática aplicada, uma
6:14das coisas mais importantes é saber
6:16exatamente a pergunta que você quer
6:18responder. Com uma boa pergunta, com
6:20certeza, você vai encontrar o melhor
6:22caminho no dado e o melhor caminho do
6:24ponto de vista metodológico para chegar
6:26na melhor tomada de decisão possível.
6:28fazendo uma reflexão eh um pouco mais
6:31ampla do exemplo que nós estamos
6:32tratando aqui de modelagem. Grande parte
6:34dos problemas organizacionais parte do
6:37estudo de relação entre entre variáveis,
6:39como duas variáveis diferentes se
6:41relacionam. Como que eu posso usar às
6:43vezes um elemento externo da companhia,
6:45por exemplo, eu que sou economista, um
6:47dado econômico para entender como vão
6:49evoluir as vendas do meu produto ou do
6:51meu serviço. Mas aqui tem uma coisa
6:53importantíssima, conhecer
6:55metodologicamente o que esse modelo quer
6:57dizer, porque qual que é o grau de
6:58associação entre essas variáveis? Eh,
7:00nem sempre uma uma correlação alta
7:03significa uma eh eh uma relação de causa
7:06e efeito. e a matemática aplicada, a
7:09modelagem adequada e a análise
7:11estatística vão ajudar a responder isso
7:13e e assim vocês vão ter a construção de
7:15uma análise e de um dashboard final
7:17muito mais responsável, sabendo com
7:20profundidade como que esses modelos
7:22primeiro foram construídos, qual que é a
7:24pergunta que você quer responder e quais
7:26são os elementos da estatística que te
7:28permitem avaliar os pilares ali do
7:30modelo que você construiu. O meu
7:32objetivo aqui é nessa conversa é
7:35justamente despertar a consciência do
7:37trabalho que precisa ser feito
7:39anteriormente à construção de um
7:40dashboard. E com todo esse trabalho bem
7:42feito, com essa capacidade profunda
7:45analítica de quem tá trabalhando com o
7:47dado, pensando na visualização,
7:50selecionando a ferramenta, é que você
7:52chegue no melhor dashboard possível para
7:54uma tomada de decisão. Eu costumo dizer
7:56que é aquele dashboard que vai viver por
7:58si só. Ele não precisa ser explicado,
7:59ele vai ter começo, bem e fim. E todo
8:02mundo que tiver um mínimo contexto do
8:03negócio vai entender a mensagem
8:05principal que tá sendo passada em cada
8:07um dos gráficos e análises que vocês
8:09montarem.