TDC2016SP - Trilha Data Science
-
Upload
tdc-globalcode -
Category
Education
-
view
99 -
download
2
Transcript of TDC2016SP - Trilha Data Science
![Page 1: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/1.jpg)
Visual Literacycomunicar e decidir sobre dados
Ingrid Pino
![Page 2: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/2.jpg)
Ingrid [email protected]
4 anosdedicados a
Marketing Intelligencena
5 paísesenvolvidos nos projetos de
desenvolvimento deDashboards
![Page 3: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/3.jpg)
Como usar conhecimentos essenciais sobre visualização de dados
para tornar Data Science relevante para a empresa
?
![Page 4: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/4.jpg)
Visual Literacyou
Data Visualization?
![Page 5: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/5.jpg)
Data Visualizationestudar e criar representações
visuais para dados
![Page 6: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/6.jpg)
capacidade de expor e interpretar dados de forma visual
Visual Literacy
![Page 7: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/7.jpg)
Por que é importante?
Como aplicar no dia a dia?
Como facilitar absorção do conteúdo?
Dicas Avançadas
Visual Literacy
![Page 8: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/8.jpg)
Por que DataViz é
importante?Comunicar a mensagem de
forma rápida e eficiente
![Page 9: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/9.jpg)
50%das funções cerebrais estão relacionadas com processamento visual
70%de todos os receptores
sensoriais estão nos seus olhos
![Page 10: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/10.jpg)
90%Das informações transmitidas para o cérebro são visuais
Informações visuais são processadas 60.000 vezes mais rápido do que texto
![Page 11: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/11.jpg)
Pirâmide deAprendizado
5%Palestra
10%Leitura20%
Audiovisual30%
Demonstração50%
Discussão75%
Prática90%
Ensinar outros
![Page 12: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/12.jpg)
Análise de dados
Estruturação de dados
Empresa guiada por
dados
Dados são seu produto
Ferramentas Básicas
Engenharia de Software
Estatística
Machine Learning
Mineração de dados
Visualização de Dados
Pensamento guiado por dados
Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
![Page 13: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/13.jpg)
Análise de dados
Estruturação de dados
Empresa guiada por
dados
Dados são seu produto
Ferramentas Básicas
Engenharia de Software
Estatística
Machine Learning
Mineração de dados
Visualização de Dados
Pensamento guiado por dados
Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
![Page 14: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/14.jpg)
Análise de dados
Estruturação de dados
Empresa guiada por
dados
Dados são seu produto
Ferramentas Básicas
Engenharia de Software
Estatística
Machine Learning
Mineração de dados
Visualização de Dados
Pensamento guiado por dados
Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
![Page 15: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/15.jpg)
Fonte: Holtz, Dave. (2014). 8 Skills you need to be a Data Scientist. http://blog.udacity.com/
Análise de dados
Estruturação de dados
Empresa guiada por
dados
Dados são seu produto
Ferramentas Básicas
Engenharia de Software
Estatística
Machine Learning
Mineração de dados
Visualização de Dados
Pensamento guiado por dados
Dados só têm valorquando são entendidos,
não basta estarem disponíveis
![Page 16: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/16.jpg)
Quarteto de AnscombeConjuntos de dados
I II III IVx y x y x y x y
10.0 8.04 10.0 9.14 10.0 7.46 8.0 6.58
8.0 6.95 8.0 8.14 8.0 6.77 8.0 5.76
13.0 7.58 13.0 8.74 13.0 12.74 8.0 7.71
9.0 8.81 9.0 8.77 9.0 7.11 8.0 8.84
11.0 8.33 11.0 9.26 11.0 7.81 8.0 8.47
14.0 9.96 14.0 8.10 14.0 8.84 8.0 7.04
6.0 7.24 6.0 6.13 6.0 6.08 8.0 5.25
4.0 4.26 4.0 3.10 4.0 5.39 19.0 12.50
12.0 10.84 12.0 9.13 12.0 8.15 8.0 5.56
7.0 4.82 7.0 7.26 7.0 6.42 8.0 7.91
5.0 5.68 5.0 4.74 5.0 5.73 8.0 6.89
![Page 17: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/17.jpg)
Quarteto de AnscombeConjuntos de dados
I II III IVx y x y x y x y
10.0 8.04 10.0 9.14 10.0 7.46 8.0 6.58
8.0 6.95 8.0 8.14 8.0 6.77 8.0 5.76
13.0 7.58 13.0 8.74 13.0 12.74 8.0 7.71
9.0 8.81 9.0 8.77 9.0 7.11 8.0 8.84
11.0 8.33 11.0 9.26 11.0 7.81 8.0 8.47
14.0 9.96 14.0 8.10 14.0 8.84 8.0 7.04
6.0 7.24 6.0 6.13 6.0 6.08 8.0 5.25
4.0 4.26 4.0 3.10 4.0 5.39 19.0 12.50
12.0 10.84 12.0 9.13 12.0 8.15 8.0 5.56
7.0 4.82 7.0 7.26 7.0 6.42 8.0 7.91
5.0 5.68 5.0 4.74 5.0 5.73 8.0 6.89
Y
X
![Page 18: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/18.jpg)
Quarteto de AnscombeEstatística descritiva de cada um dos conjuntos
Média de X: 9 (exato)
Variância de X: 11 (exato)
Média de Y: 7.50 (2 casas decimais)
Variância de Y: 4.122 ou 4.127 (3 casas decimais)
Correlação entre X e Y: 0.816 (3 casas decimais)
Regressão Linear: y = 3.00 + 0.500x (2 e 3 casas decimais, respectivamente)
![Page 19: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/19.jpg)
Média de X: 9 (exato)
Variância de X: 11 (exato)
Média de Y: 7.50 (2 casas decimais)
Variância de Y: 4.122 ou 4.127 (3 casas decimais)
Correlação entre X e Y: 0.816 (3 casas decimais)
Regressão Linear: y = 3.00 + 0.500x (2 e 3 casas decimais, respectivamente)
Quarteto de AnscombeEstatística descritiva de cada um dos conjuntos
![Page 20: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/20.jpg)
Quarteto de AnscombeRepresentação gráfica dos quatro conjuntos
![Page 21: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/21.jpg)
Por que fazer algo além de pizzas e linhas?
É uma ferramenta importante entre suas
habilidades profissionais?
Gráficos complexos são legais e fazem a mensagem
parecer importante?
![Page 22: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/22.jpg)
ContextoVisualizações mais complexas devem mostrar o sistema a que pertencem as informações, ou as correlações entre os dados
Isso traz clareza para as análises e gera insights!
![Page 23: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/23.jpg)
PersuasãoMostrar os dados de forma compreensível é essencial como ponte de
comunicação entre operacional e executivo.
Só assim as decisões são tomadas com base nos dados!
![Page 24: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/24.jpg)
Fonte: Data Visualization Applications Market: 2015-2020. Mordor Intelligence
Como está o mercado de DataViz?
Global Data Visualization applications Market
$4.25 billion
$8.33 billion2015
2020
![Page 25: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/25.jpg)
Big Data
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 26: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/26.jpg)
Big Data
Necessidade de decisões rápidas
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 27: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/27.jpg)
Big Data
Necessidade de decisões rápidas
Avanços em desenvolvimento de software
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 28: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/28.jpg)
Demanda por ferramentas fáceis de usar
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 29: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/29.jpg)
Demanda por ferramentas fáceis de usar
Integrar dashboards nas atividades diárias com as plataformas mobile
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 30: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/30.jpg)
Demanda por ferramentas fáceis de usar
Integrar dashboards nas atividades diárias com as plataformas mobile
Novos processos e habilidades necessárias
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 31: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/31.jpg)
Demanda por ferramentas fáceis de usar
Integrar dashboards nas atividades diárias com as plataformas mobile
Novos processos e habilidades necessárias
Gerenciamento da qualidade dos dados
Como está o mercado de DataViz?
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 32: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/32.jpg)
Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataViz
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 33: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/33.jpg)
Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataVizIntegração de dados
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 34: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/34.jpg)
Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataVizIntegração de dados
Real Time
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 35: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/35.jpg)
Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataVizIntegração de dados
Real TimeMobile
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 36: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/36.jpg)
Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataVizIntegração de dados
Real TimeMobile
Self service
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 37: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/37.jpg)
Como está o mercado de DataViz?
Aumento do interesse e do gasto com DataVizIntegração de dados
Real TimeMobile
Self serviceStorytelling
Fonte: Data Visualization: 2015 HorizonWatch Trend Report. IBM Market Development & Insights
![Page 38: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/38.jpg)
Como mostrar informações da melhor forma?
Dicas para o dia a dia
![Page 39: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/39.jpg)
O que será mostrado no
gráfico?
![Page 40: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/40.jpg)
O que será mostrado no
gráfico?
Comparação:confrontar dados ao longo do tempo ou entre várias categorias
![Page 41: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/41.jpg)
O que será mostrado no
gráfico?
Comparação:confrontar dados ao longo do tempo ou entre várias categorias
Relação:mostrar a interdependência entre variáveis
![Page 42: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/42.jpg)
O que será mostrado no
gráfico?
Comparação:confrontar dados ao longo do tempo ou entre várias categorias
Composição:mostrar os componentes de um todo
Relação:mostrar a interdependência entre variáveis
![Page 43: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/43.jpg)
O que será mostrado no
gráfico?
Comparação:confrontar dados ao longo do tempo ou entre várias categorias
Distribuição:mostrar a frequência em que ocorrem os dados
Composição:mostrar os componentes de um todo
Relação:mostrar a interdependência entre variáveis
![Page 44: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/44.jpg)
Quantas variáveis, itens ou
categorias?
Comparação:
Distribuição:Relação:
Composição:
![Page 45: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/45.jpg)
Quando criar um gráfico, pergunte:
Objetivo?
![Page 46: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/46.jpg)
Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?
![Page 47: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/47.jpg)
Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?
Métricas e dimensões?
![Page 48: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/48.jpg)
Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?
Métricas e dimensões?
Quem vai ler?
![Page 49: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/49.jpg)
Quando criar um gráfico, pergunte:
Objetivo?
Tipos de dados?
Métricas e dimensões?
Quem vai ler?
Quais decisões podem ser tomadas?
![Page 50: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/50.jpg)
Como facilitar a absorção das informações?O cliente precisa entender
![Page 51: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/51.jpg)
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Etiam eget ligula eu lectus lobortis condimentum. Aliquam nonummy auctor massa. Pellentesque habitant morbi tristique senectus et netus et malesuada fames ac turpis egestas.
Ordem de Leitura
![Page 52: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/52.jpg)
Ordem de Leitura
PADRÃO
F
![Page 53: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/53.jpg)
Ordem de Leitura
PADRÃO
Z
![Page 54: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/54.jpg)
Tipografia
A COM SERIFA (serif)Ex: Times New Roman
A SEM SERIFA (sans serif)Ex: Arial
![Page 55: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/55.jpg)
Espaçamento
![Page 56: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/56.jpg)
Percepção de área e comprimento
A B C D E F G H0
5
10
15
20
25
30
ABCDEFGH
![Page 57: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/57.jpg)
Percepção de áreas 3D
Ângulo
Área na tela
![Page 58: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/58.jpg)
Quais cuidados devemos tomar?
Não é só evitar pizzas
![Page 59: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/59.jpg)
Número de pessoas que se afogaram em piscinastem correlação com
Filmes em que o Nicolas Cage apareceCorrelação: 66,6% (r=0.666004)
Fonte: tylervigen.com/spurious-correlations
140
120
100
80
6
4
2
0Afog
amen
tos e
m p
iscin
asFilm
es com Nicolas Cage
Nicolas Cage Afogamentos em piscinas
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Correlação ≠ Causalidade!
![Page 60: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/60.jpg)
Evitar distorcer os dados!
![Page 61: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/61.jpg)
Evitar interpretações inadequadas!
![Page 62: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/62.jpg)
Escolher o gráfico
conforme a mensagem
Comparação:
Distribuição:Relação:
Composição:
![Page 63: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/63.jpg)
Testar mais de um gráfico
![Page 64: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/64.jpg)
Como mudar a forma de pensar?
Para comunicar e interpretar melhor
![Page 65: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/65.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
São PauloRio de JaneiroMinas GeraisParaná
15.311 17.230 19.210 18.747 22.081
21.087 16.987 16.120 13.402 11.203
12.302 12.210 11.098 10.120 79.20
11.209 11.687 11.987 12.987 11.909
![Page 66: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/66.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
São PauloRio de JaneiroMinas GeraisParaná
15.311 17.230 19.210 18.747 22.081
21.087 16.987 16.120 13.402 11.203
12.302 12.210 11.098 10.120 79.20
11.209 11.687 11.987 12.987 11.909
EliminarEfeito 3D
![Page 67: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/67.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
São PauloRio de JaneiroMinas GeraisParaná
15.311 17.230 19.210 18.747 22.081
21.087 16.987 16.120 13.402 11.203
12.302 12.210 11.098 10.120 79.20
11.209 11.687 11.987 12.987 11.909
EliminarEfeito 3DFundo colorido
![Page 68: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/68.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
São Paulo Rio de Janeiro Minas Gerais Paraná
EliminarEfeito 3DFundo coloridoTabelas
![Page 69: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/69.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
São Paulo Rio de Janeiro Minas Gerais Paraná
EliminarEfeito 3DFundo coloridoTabelas
AlterarTipo do gráfico
![Page 70: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/70.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
São Paulo Rio de Janeiro Minas Gerais Paraná
EliminarEfeito 3DFundo coloridoTabelasGuias
AlterarTipo do gráfico
![Page 71: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/71.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
Rio de JaneiroParaná
Minas Gerais
São PauloEliminarEfeito 3DFundo coloridoTabelasGuias
AlterarTipo do gráficoLegenda
![Page 72: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/72.jpg)
Makeover tradicional
2011 2012 2013 2014 20150
5,000
10,000
15,000
20,000
25,000
21,087
11,203 Rio de JaneiroParaná
Minas Gerais
São PauloEliminarEfeito 3DFundo coloridoTabelasGuias
AlterarTipo do gráficoLegendaDestaque
![Page 73: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/73.jpg)
Makeover tradicional: Antes e Depois
![Page 74: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/74.jpg)
Vamos um pouco além?
![Page 75: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/75.jpg)
Vamos um pouco além?
DificuldadesComparar valores das etapasDestaque para o mês atual
![Page 76: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/76.jpg)
Repensar um formato semelhante
3.32427%
12.24763%
19.59263%
31.03729%
107.24049%
217.93150%
434.716
2.815 21%
13.421 67%
20.063 61%
32.928 26%
128.367 37%
344.856 68%
504.797
Var.
-6pp.
+4pp.
-2pp.
-3pp.
-12pp.
+18pp.
Sucesso
Pagamento
Entrega
Cadastro
Identificação
Produto
Visitas
Dezembro Janeiro
Taxa deIntenção
24%
Taxa deIntenção
25%
Taxa de Conversão0,34%
Taxa de Conversão0,24%
![Page 77: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/77.jpg)
Repensar um formato semelhante: Antes e Depois
![Page 78: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/78.jpg)
Que tal repensar toda a leitura?
550.000DOWNLOADS
150,000
400,000
App1 App2 App3
DOWNLOADS
UPDATES
310.000
90.000
150.000
130.000
50.000
7.000
App4
40.000
5.000
![Page 79: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/79.jpg)
Foco nas necessidades do negócio
550.000DOWNLOADS
150,000
400,000
DOWNLOADS
Quais apps tiveram mais downloads?
Qual é o perfil de usuários de cada app?
![Page 80: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/80.jpg)
Foco nas necessidades do negócio
DOWNLOADS
Quais apps tiveram mais downloads?
Qual é o perfil de usuários de cada app?
0 2,000 4,000 6,000 8,0000
500
1,000
1,500
2,000
DOW
NLOA
DS
DOWNLOADS0
App1 App2 App3 App4
![Page 81: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/81.jpg)
Foco nas necessidades do negócio
App1 App2 App3
UPDATES 90.000 130.000 7.000
App4
5.000
UPDATES
Os usuários adotaram as últimas versões de cada app?
O que pode levar os usuários a não adotarem as últimas versões?
![Page 82: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/82.jpg)
Foco nas necessidades do negócio
UPDATES
Os usuários adotaram as últimas versões de cada app?
O que pode levar os usuários a não adotarem as últimas versões?
App 4
App 3
App 2
App 1
0% 20% 40% 60% 80% 100%Última versãoVersões anteriores
![Page 83: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/83.jpg)
Foco nas necessidades do negócio
App 4
App 3
App 2
App 1
0% 20% 40% 60% 80% 100%Última versãoVersões anteriores
0 2,000 4,000 6,000 8,0000
500
1,000
1,500
2,000
DOW
NLOA
DS
DOWNLOADS0
App1 App2 App3 App4
![Page 84: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/84.jpg)
Foco nas necessidades do negócio: Antes e Depois
![Page 85: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/85.jpg)
Como usar perguntas de negócio pra
fazer melhores gráficos?
![Page 86: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/86.jpg)
Visual Literacycapacidade de expor e interpretar
dados de forma visual
![Page 87: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/87.jpg)
O que queremos ver com cada métrica?
![Page 88: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/88.jpg)
O que queremos ver com cada métrica?
Quais são os objetivos do negócio e como sabemos se foram atingidos?
![Page 89: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/89.jpg)
O que queremos ver com cada métrica?
Quais são os objetivos do negócio e como sabemos se foram atingidos?
Existe uma forma mais objetiva de mostrar os mesmos dados?
![Page 90: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/90.jpg)
Qual informação realmente precisa ser mostrada no gráfico?
![Page 91: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/91.jpg)
Qual informação realmente precisa ser mostrada no gráfico?
Qual é o contexto desses dados?
![Page 92: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/92.jpg)
Qual informação realmente precisa ser mostrada no gráfico?
Qual é o propósito de mostrar esses dados?
Qual é o contexto desses dados?
![Page 93: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/93.jpg)
Qual informação realmente precisa ser mostrada no gráfico?
Qual é o propósito de mostrar esses dados?
Qual é o contexto desses dados?
Quem vai ler e como vai interpretar o gráfico?
![Page 94: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/94.jpg)
E se não der certo?
Prepare-se para falhar
![Page 95: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/95.jpg)
Mapa de Pizzas
Visitas por ÁreaBlogComunidadeDownloadExemplosGaleriaOutros
![Page 96: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/96.jpg)
Pior pizza de todos os tempos
![Page 97: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/97.jpg)
Batatas fritas
Jan Fev Mar Abr Mai Jun Ago Set Out0
2000
4000
6000
8000
0%5%10%15%20%25%
Visitas Conversão
Visit
as
Conv
ersã
o
Jan Fev Mar Abr Mai Jun Ago Set Out0
2000400060008000
10000
0%5%10%15%20%25%
Visitas Conversão
Visit
as
Conv
ersã
o
Jan Fev Mar Abr Mai Jun Ago Set Out0
2000400060008000
1000012000
0%
5%
10%
15%
20%
Visitas Conversão
Visit
as
Conv
ersã
o
Jan Fev Mar Abr Mai Jun Ago Set Out0
2000400060008000
10000
0%5%10%15%20%25%
Visitas Conversão
Visit
as
Conv
ersã
o
Jan Fev Mar Abr Mai Jun Ago Set Out0
2000400060008000
1000012000
0%
5%
10%
15%
20%
Visitas Conversão
Visit
as
Conv
ersã
o
Landing Page A
Display Paid Search
Social Natural Search
Monthly Mobile Activities
![Page 98: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/98.jpg)
Data Visualization é uma ponte de comunicação
![Page 99: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/99.jpg)
Data Visualization é uma ponte de comunicação
O mercado está crescendo
![Page 100: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/100.jpg)
Data Visualization é uma ponte de comunicação
O mercado está crescendo
A capacidade de expor e interpretar dados de forma visual se tornou praticamente indispensável
![Page 101: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/101.jpg)
Pensar nos objetivos das métricas e dos gráficos
![Page 102: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/102.jpg)
Pensar nos objetivos das métricas e dos gráficos
Considerar a ordem de leitura, espaçamento e outras percepções visuais
![Page 103: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/103.jpg)
Pensar nos objetivos das métricas e dos gráficos
Considerar a ordem de leitura, espaçamento e outras percepções visuais
Testar mais de um tipo de gráfico
![Page 104: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/104.jpg)
Repensar a leitura visual conformeos objetivos e necessidades do negócio
![Page 105: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/105.jpg)
Converse sobre os gráficos
!
![Page 106: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/106.jpg)
Converse sobre os gráficos
!
Escute o leitor
![Page 107: TDC2016SP - Trilha Data Science](https://reader030.fdocumentos.com/reader030/viewer/2022021502/58cfd3261a28ab13238b492d/html5/thumbnails/107.jpg)
Quer mais?
DS3• https://d3js.org
Google Data Studio• www.google.com/analytics/360-suite/data-studio
Data Visualization - Coursera• https://www.coursera.org/learn/datavisualization