Compreender os tipos de análise de dados
A análise de dados é usada para explorar dados, extrair insights e agir com base nesses insights.
A análise de dados abrange uma série de atividades, cada uma com seu próprio foco e objetivos. Essas atividades são categorizadas como análise descritiva, diagnóstica, preditiva, prescritiva e cognitiva.
Nesta unidade, você aprenderá sobre essas cinco categorias de análise de dados e para que elas são usadas.
Análise descritiva
O que aconteceu?
A análise descritiva responde a perguntas sobre o que aconteceu, com base em dados históricos, para informar decisões sobre o futuro. As técnicas de análise descritiva resumem grandes conjuntos de dados para apresentar insights às partes interessadas. A análise descritiva é o tipo mais comum de análise e geralmente é realizada por um analista de dados.
O desenvolvimento de indicadores-chave de desempenho (KPIs) e outras medidas de desempenho ajuda a acompanhar o sucesso ou fracasso dos objetivos de negócios. Os KPIs e as métricas de desempenho geralmente são definidos pela empresa para acompanhar as principais iniciativas. A apresentação dos dados relacionados a esses KPIs é uma análise descritiva.
As saídas de análise descritiva podem assumir muitas formas, incluindo relatórios e painéis. O relatório de vendas e marketing abaixo exibe dados de vendas e marketing de um ano por produto, canal e ao longo do tempo.
Análise de diagnóstico
Por que isso aconteceu?
A análise de diagnóstico ajuda a responder a perguntas sobre por que as coisas aconteceram e, muitas vezes, é a próxima etapa da análise de dados após a análise descritiva. Os analistas pegam as descobertas da análise descritiva e se aprofundam para encontrar a causa. Métricas e indicadores de interesse são investigados para descobrir por que melhoraram ou pioraram. A análise de diagnóstico é frequentemente realizada por analistas de dados e cientistas de dados.
A análise de diagnóstico geralmente ocorre em três etapas:
- Identificar anomalias nos dados. As anomalias podem ser alterações inesperadas numa métrica ou num mercado específico.
- Recolher dados relacionados com estas anomalias.
- Utilizar técnicas estatísticas para descobrir relações e tendências que expliquem estas anomalias.
No relatório de vendas da Contoso abaixo, queremos entender por que a Contoso está ou não ganhando licitações para novos negócios. A análise de diagnóstico ajuda os tomadores de decisão a ver que aplicar descontos de 2% aumenta a probabilidade de ganhar uma licitação.
Análise preditiva
O que acontecerá no futuro?
A análise preditiva ajuda a responder a perguntas sobre o que acontecerá no futuro. As técnicas de análise preditiva usam dados históricos para identificar tendências e determinar se elas provavelmente se repetirão, fornecendo informações sobre o que pode acontecer no futuro. As técnicas incluem técnicas estatísticas e de aprendizado de máquina, como previsão, redes neurais, árvores de decisão e regressão. A análise preditiva é frequentemente realizada por cientistas de dados.
O gráfico de linhas abaixo mostra a receita obtida por ano e mês, o que mostra queda histórica. As previsões apontam para que as receitas obtidas continuem a diminuir. Os tomadores de decisão podem usar essa previsão para mudar de rumo em um esforço para aumentar a quantidade de receita conquistada.
Análise prescritiva
Que medidas devem ser tomadas?
A análise prescritiva leva a análise preditiva um passo adiante e ajuda a responder a perguntas sobre quais ações devem ser tomadas para atingir uma meta ou meta. Esta técnica permite que as empresas tomem decisões baseadas em dados face à incerteza. As técnicas de análise prescritiva dependem de estratégias de aprendizagem automática para encontrar padrões em grandes conjuntos de dados. Através da análise de decisões e eventos anteriores, pode estimar-se a probabilidade de se obterem resultados diferentes. A análise prescritiva é frequentemente realizada por cientistas de dados. A Microsoft também fornece ferramentas low-code que podem ser usadas por analistas para conduzir análises prescritivas, como o uso de aprendizado de máquina no Power BI.
As recomendações de conteúdo algorítmico são uma implementação comum de análise prescritiva. Usando o algoritmo de recomendação no estúdio de Aprendizado de Máquina do Azure, os cientistas de dados podem recomendar as melhores ações que a Contoso deve tomar com base nos hábitos e características anteriores de um cliente. A captura de tela abaixo exibe o algoritmo de recomendação no designer do Azure Machine Learning, no qual os dados do cliente estão sendo usados para prescrever uma classificação de recomendação específica.
Nota
Para saber mais sobre a análise prescritiva usando o Azure Machine Learning, consulte Criar um sistema de recomendação baseado em conteúdo.
Análise cognitiva
Como resolver melhor o problema?
A análise cognitiva combina abordagens de inteligência artificial, aprendizado de máquina e análise de dados para orientar a tomada de decisões. A análise cognitiva extrai inferências de dados e padrões existentes, deriva conclusões com base em bases de conhecimento existentes e adiciona descobertas de volta à base de conhecimento para inferências futuras - um ciclo de feedback de autoaprendizagem. Este ciclo de feedback permite que as aplicações cognitivas se tornem mais precisas ao longo do tempo.
Ao aproveitar os benefícios da computação paralela/distribuída massiva e a queda dos custos de armazenamento de dados e poder de computação, não há limite para o desenvolvimento cognitivo que esses sistemas podem alcançar. Os Serviços de IA do Azure da Microsoft permitem que os usuários aproveitem a análise cognitiva extraindo insights de vários tipos de dados, incluindo coisas como texto e imagens.
Nota
Para saber mais sobre a análise cognitiva de dados usando os Serviços de IA do Azure, consulte Introdução aos Serviços de IA do Azure.