Formulação do ProblemaCAPÍTULO 2Aluna: Amanda Reis Silva

Formulação do problema1. Formulação Do Problema• Reconhecimento do problema;• Revisão das descobertas anteriores;

2. Solução Do Problema• Modelagem e seleção das variáveis;• Coleta de dados;• Análise dos dados;

3. Resultados: Comunicação e Ação• Apresentação dos resultados e adoção de providências.

Passo do Reconhecimento do Problema➢Análise quantitativa começa com o reconhecimento do problema a ser resolvido/decisão a ser tomada;

➢Situações que levam a esse primeiro estágio:• Pura curiosidade;• Experiências no trabalho;• Necessidade de decisão ou ação;• Situações em andamento, exigindo atenção;• Desenvolvimento/contestação de teorias existentes/pesquisas passadas;• Aceitação de ofertas de projetos/estimativa da disponibilidade de financiamento.

➢O fator mais importante no estágio de reconhecimento do problema é compreender plenamente a questão e sua importância;

Identificação dos Stakeholders na Análise➢Nesse passo, vale a pena refletir sobre quem são os stakeholders da análise e como se sentem em relação ao problema;

➢Componentes comuns desse processo:1. Indentificar todos os stakeholders;2. Registrar as necessidades dos stakeholders;3. Avaliar e analisar os interesses e influências dos stakeholders;4. Administrar as expectativas dos stakeholders;5. Tomar providências;6. Revisar o status e repetir.

➢ A análise de stakeholders destina-se a identificar quem são os principais responsáveis pelas decisões e a maneira mais provável de convencê-los quanto aos resultados;

Que Tipo de História Analítica Está se Contando?➢ Foco em como desenvolver respostas/ideias para a decisão;

➢Histórias de CSI;

➢Histórias Eureca;

➢Histórias de Cientista Maluco;

➢Histórias de Pesquisas;

➢Histórias de Predições;

➢Histórias “Eis o que aconteceu”.

Passo do Reconhecimento do Problema➢Escopo do problema: É importante não limitar prematuramente o escopo do problema ou decisão;

➢“Seja específico sobre o que quer descobrir”: É necessário ter criado uma descrição clara da questão, com definições concretas dos principais itens ou variáveis a serem estudadas;

➢Em pesquisa quantitativa, faz muita diferença a maneira como as coisas são definidas;

Passo de Revisão das Descobertas Anteriores➢Deve-se investigar todas as descobertas correlatas anteriores após o reconhecimento do problema;

➢Basicamente perguntamos: “Já se contou antes história semelhante a esta?”;

➢Reformulação do problema.

Solução do problemaCAPÍTULO 3

Passo da modelagem➢Modelo é representação deliberadamente simplificada do problema;

➢Modelos são comparáveis a caricaturas. Boa caricatura é aquela em que os traços especiais são escolhidos com convicção e eficácia;

➢George Box, estatístico famoso, observou que “todos os modelos são falhos, mas alguns são úteis;

➢Como selecionar as variáveis e descobrir como elas se relacionam umas com as outras?• Hipóteses;• Hipóteses serão testadas mais tarde; isso que diferencia da intuição, por exemplo.

Passo da coleta de dados (mensuração):➢O passo seguinte é coletar dados e medir variáveis selecionadas.

➢Primeiro organiza-se o problema reconhecido que se tornam dados depois da mensuração.

➢Se as variáveis que estão sendo reunidas foram medidas e analisadas com frequência por outrem, esse passo será muito simples.

➢Maneiras de medir as variáveis:• Variáveis binárias;• Variáveis categóricas (nominais);• Variáveis ordinais;• Variáveis numéricas (intervalo e razão).

Tipos de dados➢Dados secundários:• Dados já coletados por outrem.

➢Dados primários:• Variáveis medidas pelo próprio pesquisador.

➢Dados estruturados e não estruturados:• Dados estruturados são aqueles em forma de fileiras e colunas;• Dados não estruturados se apresentam em fluxo contínuo, exemplo: textos.

•Agora, na era do Big Data, organizações lidam no dia a dia com vários petabytes (1.000.000.000.000.000 unidade de dados);

•Esse tipo de dado requer muitas filtragens, classificações e outras formas de triagem para poder ser analisados;

Passo da análise de dados➢A análise de dados resulta na descoberta de padrões consistentes, ou seja, a relação entre as variáveis embutidas nos dados;

➢A análise de dados pode ser realizado por meio da utilização de um relatório ou de fornecedores de software para categoria de análise na qual se tenta usar a estatística.

➢Microsoft Excel, pode fazer algumas análises estatísticas e analítica visual, assim como elaborar relatórios, embora não seja o mais robusto quando se tem muitos dados a processar.

Tipos de modelos➢Vários são os modelos adotados por analistas e organizações para decidir sobre os dados;

➢Três questões a serem consideradas na identificação do modelo adequado:• Quantidade de variáveis a serem analisadas;• Se envolve questões de descrição ou de inferência;• Níveis de medida que se dispõe nas variáveis de interesse.

➢Nenhum modelo dura para sempre.

Resultados:Comunicação e açãoCAPÍTULO 4

Resultados: Comunicação e ação➢Último estágio do referencial;

➢Os analistas podem tornar os resultados de suas pesquisas mais interessantes e atraentes, a fim de inspirar mais ações;

➢A essência desse estagio é descrever o problema e contar a história por trás dele;

➢Depois de identificar essas relações, o significado delas deve ser interpretado, descrito e apresentado de maneira relevante para o problema;

➢Os analistas mais bem sucedidos são aqueles que “contam uma história com dados”;

➢Um erro trágico é pensar que o público se sente confortável com termos técnicos e os métodos estatísticos abordados. Grande parte não compreende um relatório altamente técnico;

Métodos modernos de comunicação dos resultados➢A analítica visual (visualização de dados) progrediu muito nos últimos anos;➢Propósitos e tipos de analítica visual:

◦ Ver as relações entre pontos de dados-> Gráfico de dispersão Matriz de dispersão Mapa de calor Diagrama de rede◦ Compara conjunto de frequências ou valores-> Gráfico de barras Histograma Gráfico de bolhas◦ Mostrar as altas e baixas de uma variável em relação a outra-> Gráfico de linha Gráfico de pilha◦ Ver as partes de um todo e como se relacionam-> Gráfico de setores ou de pizza Mapa de árvore◦ Compreender dados ao longo de área geográfica-> Sobrepor dados resumidos em mapas geográficos◦ Analisar ocorrências em textos-> Nuvem de tags Rede de frases

Métodos modernos de comunicação dos resultados➢As apresentações ou relatórios não são os únicos produtos possíveis dos projetos analíticos. O melhor seria se os analistas se empenhassem na produção de resultados bem próximos da criação de valor.

➢Os cientistas de dados se concentram em áreas de desenvolvimento de produtos. O objetivo é desenvolver protótipos de produtos e novos atributos de produtos;

➢A chave do sucesso é planejar e executar bem o passo inicial e o passo final do processo.

Analítica quantitativa e criatividadeCAPÍTULO 5

Analítica quantitativa e criatividade➢ A criatividade e analítica não são conceitos antagônicos, mas sim, não raro, ideias correlatas

e complementares;➢ As aplicações mais bem sucedidas da analítica são altamente criativas e criatividade é

componente importante das abordagens analíticas à solução de problemas;

Rápida revisão dos seis passos➢No passo de reconhecimento e formulação do problema, a criatividade é extremamente útil e importante;➢No passo da Revisão das descobertas anteriores, a identificação das mesmas e a escolha das técnicas analíticas, que talvez sejam relevantes, envolvem criatividade;➢No passo da modelagem, a escolha de variáveis em um modelo às vezes é obvia, mas às vezes, pode ser criativo;➢Decidir que dados coletar pode ser muito criativo;➢O passo de análise de dados não é aquele em que mais se exige criatividade. O seu uso pode causar problema;➢O passo da apresentação de resultados e adoção de providências é envolvido por muita criatividade.

Os quatro estágios de raciocínio analítico criativo➢O processo criativo segue esses passos sequenciais:• Preparação: construção dos fundamentos para a solução do problema;• Imersão: engajamento intenso com a solução do problema e com os dados disponíveis (luta em busca

de respostas);• Incubação: internalização do problema na mente subconsciente, na expectativa de que se desenvolvam

prováveis conexões inusitadas abaixo do nível de consciência;• Insight: o grande avanço na compreensão de como o problema pode ser resolvido por meio da análise

quantitativa.

Imersão e trabalho árduo como fonte de criatividade e insight➢Criatividade é insight que de súbito ilumina a solução do problema;

➢Qual é a fonte da criatividade?

➢Cho Jung Era, ator coreano, assevera que a inspiração não surge de repente, mas, sim, jorra de longa duração de trabalho exaustivo e de dimensão persistente;

➢A intuição é habilidade que se pode desenvolver basicamente pela repetição contínua da análise quantitativa e por outros meios;

➢Georg Hegel, filosofo alemão, achava que apenas quem raciocina de maneira altamente analítica é capaz de ter intuições puras e verdadeiras.

Desenvolvimento de recursos de análise quantitativaCAPÍTULO 6

Desenvolvimento de recursos de análise quantitativa➢Segundo Aristóteles, os hábitos, ou que se faz repetidamente, define como ser configura seu destino, conforme o fluxograma:

Pensamentos Ações Hábitos Caráter Destino

Desenvolvimento de recursos de análise quantitativa➢Atitudes quantitativas: • É necessário manter-se aberto ao aprendizado de números;• O inumerismo/incapacidade de executar e entender operações aritméticas, aflige muita gente

esclarecida e bem informada• Pensadores quantitativos cultivam certas habilidades, atitudes e hábitos a que recorrem sempre que

precisam tomar decisões baseadas em números;• Ser amigo dos dados;• Recorrer à internet sempre para aprender conceitos numéricos.• Ampliação da curiosidade;

Desenvolvimento de recursos de análise quantitativa➢Atitudes quantitativas <-> Conhecimento quantitativo;

➢Compreensão das leis da probabilidade e da aleatoriedade;

Desenvolvimento de recursos de análise quantitativa➢Hábitos quantitativos-> Praticando com regularidade e persistência os seguintes hábitos quantitativos, é possível cultivar atitudes quantitativas:• Exija números;• Nunca confie nos números:• Não raro, os números estão ultrapassados e, portanto, não refletem a realidade;• As dúvidas em relação aos números devem ser concentradas nas três categorias: relevância, exatidão

e interpretação correta.• Desconfie principalmente dos argumentos de causação;• Faça perguntas; • Práticas de análises quantitativas.

Hábitos quantitativos <-> Métodos/conhecimentos quantitativos➢Nessa fase, é preciso estudar os fundamentos para compreender e executar análises quantitativas. Os cursos a fazer primeiro são Estatística Elementar e Métodos de Pesquisa;

➢As atividades que envolvem análise quantitativa ocorrem como parte de processos e de contextos sociais;• O primeiro passo para adquirir prática de “contar histórias com dados” é escrever um relatório. • Formar uma comunidade de análise quantitativa;• Realizar seminários com regularidade;

Trabalhando com os quantsCAPÍTULO 7

Trabalhando com os quants➢O que se descreve no capítulo é um conjunto de relacionamento entre três conjuntos de atores: • Decididores de empresas;• Profissionais de negócios;• Analista quantitativo ou cientista de dados.

➢Há boas razoes para a interação desses três grupos;

➢O objetivo é então tomar decisões analíticas e, ao mesmo tempo preservar o papel do instinto dos executivos e de outros profissionais;

Atribuições analíticas ➢Atribuições analíticas a serem exercidas pela pessoa de negócio:• Aprender alguma coisa de matemática e de estatística;• Compreender e questionar as premissas;• Pressionar quando não compreender.

➢O que esperar dos profissionais da analítica:• Aprender o negócio e interessar-se pelos seus problemas;• Conversar em linguagem de negócios;• Explicar qualquer termo técnico;• Dispor-se a desenvolver relacionamentos;• Não fazer os executivos se sentirem estúpidos.

Cientista de Dados➢Profissionais capacitados em estatística, ciência da computação e/ou matemática capazes de analisar grandes volumes de dados e extrair deles insights que criem novas oportunidades de negócio;

➢Devem ser capazes de capturar, armazenar, gerenciar e analisar grandes volumes de dados que devem ser interpretados e utilizados de maneira coerente e concisa de modo que a empresa possa utilizá-los a seu favor;

➢Usualmente esse profissional é formado em estatística, matemática ou ciências da computação.

➢Habilidades necessárias:• Saber programação;• Ser capaz de criar modelos estatísticos;• Ter o conhecimento e domínio apropriado de negócios;• Compreender as diferentes plataformas de Big Data e como elas funcionam.

Referências DAVENPORT, T; KIM, J. Dados Demais. 1. ed. Rio de Janeiro: Elsevier, 2013. Disponível em: <http://www.sas.com/pt_br/insights/analytics/cientistas-de-dados.html> Acesso: 01. set.2015

Disponível em: <http://up.mackenzie.br/lato-sensu/sao-paulo/tecnologia-da-informacao/ciencia-de-dados-big-data-analytics/> Acesso: 01.set.2015

Disponível em: <http://www.brasilmaisti.com.br/index.php/pt/2014-08-01-19-12-05/a-blog/240-cientista-de-dados-a-profissao-do-futuro> Acesso: 01.set.2015

Disponível em: <http://blog.corujadeti.com.br/cientista-de-dados-o-profissional-de-big-data/> Acesso: 01.set.2015

Disponível em: <http://www.portal-administracao.com/2014/07/stakeholders-significado-classificacao.html> Acesso: 01.set.2015