[adrotate banner=”4″]

[adrotate banner=”10″]

O time de Business Intelligence da Luby compilou dados do agronegócio históricos da Organização das Nações Unidas para Alimentação e Agricultura (FAO) para possibilitar análises com influência direta ou indireta em eventos externos que servem como comparativo com fatos locais (seu negócio) para tomada de decisões mais assertivas. Transformamos esses dados do agronegócio em um dashboard interativo. Isto é, um painel de informações com métricas e indicadores-chave de performance.

Para acessar o Dashboard e analisar dados do agronegócio agora mesmo, clique aqui.

Neste artigo, vamos falar sobre as vantagens do dashboard e conferir um passo a passo de como utilizá-lo da melhor maneira para tirar insights valiosos dos dados do Agronegócio.·       

Vantagens do Dashboard

Visão global de dados do agronegócio

Visão global dos dados do agronegócio através de mapa que possibilita análises por região, país e período. Dessa forma, proporcionando o comparativo com fatos locais para tomada de decisões mais assertivas.

Comparativo de produção entre países e período

O Dashboard oferece a possibilidade de analisar a relação entre Production, Area Harvested e Yield. Além disso, possui uma visualização do ranking top 10 de todas variáveis entre os países mapeados.

Análise de Production, Area Harvested e Yield

Esses dados do agronegócio possibilitam um comparativo de crescimento ou decréscimo da Production, Area Harvested e Yield, podendo influenciar no investimento em produção, área colhida ou colheita da sua empresa.

Como funciona o Dashboard Interativo?

Neste momento, vamos entender como funciona cada funcionalidade do dashboard. É importante lembrar que todos os valores (Production, Area Harvested and Yield) dos gráficos estão em milhares. Isso foi necessário porque, caso deixasse em milhões ou superior, quando filtrássemos por um país específico ou item específico, o valor seria tão pequeno que deixaria a casa de milhões zerada.

Além disso, todas as páginas possuem botão para resetar os filtros e um menu para voltar para o menu principal ou navegar entre as páginas.

Para acessar o Dashboard e analisar dados do agronegócio agora mesmo, clique aqui.

Mas, primeiro, vamos saber mais sobre como utilizar os dados do agronegócio?

Preview Page

A página inicial é a capa do dashboard. Ou seja, neste momento, o usuário terá o primeiro contato com o dashboard. Aqui o foco é na navegação do usuário, em que ele poderá escolher por onde iniciar sua navegação.

Main Page

Na Main Page, temos a página principal com Big numbers em cards com o Total Production, Total Yield, Total Area Harvested, Total Itens e Total Countries.

Abaixo das visualizações em cards dos totais, temos o aumento em porcentagem da produção comparada com o ano anterior, na cor verde, quando positivo e, quando há decréscimo do valor, a cor se torna vermelho negativo. Ou seja, isso facilita a compreensão da variação anual dos totais (positiva ou negativa).

Além disso, Total Itens e Total Countries possui variação em números e não em porcentagem. Sendo assim, abaixo das visualizações em cards dos totais, temos um visual em gráfico de barras com o Total Production by country.

À direita desse visual, temos um visual também de gráfico de barras com o Total Area Harvested by Item. No primeiro gráfico abaixo à esquerda, temos um gráfico de colunas com o total de produção por item. Essa é uma linha que destaca o esforço gasto (Princípio de Pareto, em que 80% das consequências advém de 20% das causas).

Por fim, a última visualização desta página está em gráfico de linha, para que possa ser avaliado o total de Yield por ano, destacando alguns valores da linha do tempo – que vai de 1961 a 2019- sendo possível, por meio do mouse, verificar cada ano através da linha.

demais, a página também possui filtros por ano, Country e Year, caso deseje avaliar as visualizações pelos filtros separadamente.

Overview Page

Aqui, teremos mais 5 visuais que complementam a Main Page, trazendo novos insights. Porém, com os mesmos esquema de cards da Main Page para auxiliar nos comparativos.

Como o primeiro visual no topo à esquerda, temos um visual de gráfico de coluna agrupado de 10 em 10 anos. Dessa forma, facilitando a visualização dos totais por décadas.

Abaixo dessa visualização, temos uma visualização por matriz, em que é possível visualizar os totais de Yield, Area Harvested e Production ao longo dos anos com um barra dentro das colunas que aumenta de acordo com o crescimento do valor apresentado.

Assim, ao lado direito, temos uma visualização de gráfico de barras que mostra o Total Yield by item, com destaque para o maior valor através de um verde mais forte e o menor valor em vermelho.

Para finalizar, abaixo temos um gráfico de Área com o Total Production by Year, com o destaque da linha central com a média para comparativo com os anos.

Countries Page

Nesta página, separamos 4 países de diferentes regiões do mundo (as melhores escolhas de variação) para realizar um comparativo entre eles.

Dessa forma, nos visuais da esquerda, temos gráficos de linhas em que podemos acompanhar a média de produção ao longo dos anos e a previsão para os próximos 10 anos de crescimento ou não do país.

Já do lado direito, temos a Production, Area Harvested e Yield, divididos por seus totais acumulados de todos os anos.

Aqui, podemos também realizar filtros separados por item ou Year, e os filtros não inferem um no outro para não causar quebra na lógica dos visuais.

Para acessar o Dashboard e analisar dados do agronegócio agora mesmo, clique aqui.

Items Page

Aqui, o objetivo é ser capaz de analisar os itens separadamente, escolher o item e poder analisar pelas visualizações distribuídas na página como os 10 países com maior Yield, Total Area Harvested by Country e Total Production by Country.

Temos também à direita um mapa que mostra – de uma forma mais simplificada – a visão geral dos países, onde a produção foi maior ou menor de acordo com uma escala de cor gradiente entre o vermelho e o verde, como explicado na imagem abaixo.

Os filtros, acima da página, liberam apenas a escolha de 1 Item por vez e de Year é igual como nas outras páginas.

Comparative Page

Nesta página, podemos realizar o comparativo entre dois países sobre um determinado item e ter uma previsão para os próximos 10 anos baseado nos anos anteriores.

Na parte superior, temos os Big Numbers do país selecionado à esquerda e outro à direita.

Já na parte inferior da página, temos visuais de gráficos de barras com dados sobre Total Production, Total Area Harvested e Total Yield.

Os filtros superiores funcionam da mesma forma que a Page Items e os filtros da esquerda não inferem no da direita e vice-versa.

Melhore a sua Tomada de Decisão com os dados do agronegócio

Encontrar oportunidades de negócios, desenvolver estratégias e prever tendências. As análises e previsões dos dados do agronegócio, possibilitadas pelo Dashboard desenvolvido sob medida, ajudam você a encontrar o equilíbrio ideal entre o potencial do mercado e sua própria produção.

Para acessar o Dashboard e analisar dados do agronegócio agora mesmo, clique neste link: aqui.

Nosso time é capaz de criar cenários e fornecer parâmetros para investimento, forecasting, redução de riscos e previsibilidade de colheita e receita. Para saber mais sobre Business Intelligence no seu negócio, clique aqui e fale com um dos nossos especialistas.

Por Raphael Amorim em parceria com o Guilherme Campanez.

[adrotate banner=”5″]

O post Dados do Agronegócio: Dashboard interativo com insights globais apareceu primeiro em Luby Software.

[adrotate banner=”4″]

Na Coleta de Dados, possuímos métodos quantitativos e qualitativos. Em poucas palavras, podemos dizer que uma é mais focada na objetividade da pesquisa e outra na subjetividade. Iremos abordar com mais detalhes e exemplos ambos os casos a seguir.

Pesquisa Quantitativa

Metodologia na qual o foco é quantificar os dados coletados. Ou seja, ela é baseada em contabilização de fatos e ocorrências através de técnicas estatísticas e matemáticas.

[adrotate banner=”10″]

Vantagens e desvantagens

Quando falamos de Pesquisa Quantitativa, definir o que é vantagem e o que é desvantagem acaba sendo muito subjetivo. Por isso, os itens que iremos elencar abaixo servirão de ambas as formas, dependendo de como você interpreta cada um.

• Necessidade de amostras muito grandes: com o crescimento do Big Data, existem várias ferramentas para análise de dados que facilitam grandes amostras. Entretanto, dependendo do prazo e de como esses dados virão, isso pode dificultar a coleta de dados de quem não possui habilidade suficiente.
• Generalização dos dados coletados: se o seu objetivo for apenas quantificar de fato uma amostra de dados, você se sairá bem. Porém, dependendo do tipo de análise (onde precisamos entender um determinado comportamento baseado em sua opinião), pode ser perigoso a generalização dos dados. Isso porque nem sempre sabemos a fundo o perfil de quem forneceu aqueles dados. Além disso, pode existir a necessidade de uma abordagem mais qualitativa

Exemplos de Pesquisa Quantitativa

• Pesquisas com perguntas fechadas;
• Contagem de registros com um objetivo definido;
• Avaliação de contagem de determinadas colunas de um banco de dados (como quantidade de funcionários, clientes, vendas totais, quantidade de produtos e etc).

Pesquisa Qualitativa

Metodologia na qual o foco é a coleta de sentimentos, emoções e percepções. Ou seja, a coleta de dados não está preocupada em contabilizar quantas pessoas responderam a letra A em uma pesquisa, por exemplo. Mas sim o que cada uma pensa sobre um determinado assunto de acordo com sua resposta.

Vantagens e desvantagens

O mesmo vale para a Pesquisa Qualitativa quando nos referimos a vantagens e desvantagens. Sua utilização irá depender do seu ponto de vista do que é vantagem e desvantagem para o seu projeto.

• Ser mais subjetivo que objetivo: aqui nos deparamos com o quesito habilidade de quem está analisando os dados. Isso porque tudo vai depender de quão experiente ele é e conhece o assunto, tendo a premissa de que dados quantitativos são mais fáceis de serem analisados do que os qualitativos;
• Análise profunda da coleta de dados: nem sempre queremos nos aprofundar em uma pesquisa, principalmente se o prazo para a análise for curto. Em suma, nem sempre você irá precisar ir tão afundo na coleta de dados. Muitas vezes basta entender somente o necessário para responder às perguntas do projeto;
• Dados abrangentes: os dados coletados podem ser utilizados para pesquisas futuras, já que as perguntas de um pesquisa qualitativa são abertas e você pode coletar opiniões diferentes de diferentes indivíduos. Entretanto, se a pesquisa é pontual, esse tipo de histórico a torna irrelevante.

Exemplos de Pesquisa Qualitativa

• Entrevistas com escopo aberto de perguntas;
• Coleta de informações de anotações e documentos;.
• Coleta de dados audiovisuais.

Conclusão

A Coleta de Dados pode ser realizada sob diversas metodologias, que abordamos no último artigo (clique aqui para acessar). Então, hoje trouxemos a Pesquisa Qualitativa X Quantitativa afim de te ajudar a definir qual abordagem que será utilizada no seu projeto.

A Luby é uma parceira na evolução de projetos de Business Intelligence. Para entender mais sobre a utilização de dados para evoluir seus resultados, clique aqui e converse com nosso time.

[adrotate banner=”5″][/vc_column_text][/vc_column][/vc_row]

O post Coleta de Dados: Pesquisa Qualitativa X Quantitativa apareceu primeiro em Luby Software.

Imagine que você é dono de um grande restaurante e, dentro desse restaurante, existe um armazém onde todos os milhares de alimentos (frutas, legumes, carnes, ingredientes e etc.) serão armazenados antes de serem limpos, tratados, separados e organizados para a produção dos pratos do restaurante. Na cozinha, cada cozinheiro irá pegar somente os produtos que serão utilizados na produção dos seus pratos, de acordo com a área da culinária (Italiana, Brasileira, Americana e etc.).

[adrotate banner=”10″]

É assim que funciona um Data Lake. Ele é como um grande armazém onde são inseridos dados de várias fontes diferentes no seu estado bruto em grande volume, e que serão utilizados pelas áreas e profissionais distintos de acordo com suas necessidades.

Neste artigo, iremos entender como utilizar Data Lake e por que ele é considerado uma ótima opção quando nos referimos a um grande volume de dados e suas diferentes estruturas e tipos de dados.

Formas de utilização

Para que possamos entender a melhor forma de utilizar o Data Lake, vamos imaginar um local onde você precisa armazenar vários tipos de dados nas mais diversas estruturas: tabelas; músicas; imagens; arquivos .JSON, .PDF, .CSV; entre vários outros tipos de dados que serão utilizados pelos mais diversos setores da empresa. Eles irão servir como um grande repositório de dados, todos em estado bruto.

Além disso, outro ponto importante da necessidade da utilização do Data Lake é que ele fará com que você evite realizar consultas ou modelagem diretamente no banco de dados. Isso porque realizar essas ações diretamente no banco podem ocasionar problemas de performance para o usuário ou até a queda do sistema.

Assim, iremos mostrar exemplos de onde o Data Lake deve ser utilizado e onde não tem necessidade.

Exemplo 1 – Empresa 1

O dono de um pequeno comércio pediu para que você fizesse uma análise dos dados de sua empresa. A empresa possui cerca de 20 funcionários, um sistema de ERP, CRM e algumas planilhas de Excel. Os dados a serem tratados e analisados serão os dados de movimentação de compras e vendas (Comercial), do investimento realizado nas campanhas de divulgação da empresa (Marketing) e dos custos internos, que envolvem folha de pagamento e alguns custos de manutenção (manutenção e RH).

Essa empresa necessita de um Data Lake na construção de sua arquitetura de dados?

A resposta é não, e então você pode perguntar: “Por que não? Eu não poderia colocar um Data Lake mesmo com um pequeno volume de dados?”

E a resposta é sim. Porém, neste caso não seria um Data Lake, o ideal seria um Data Warehouse. Devemos lembrar que Data Lake não é uma ferramenta ou uma tecnologia, mas sim um conceito de como organizar um repositório de dados. O conceito de Data Lake envolve o armazenamento de dados quando nos referimos a Big Data. Ou seja, um grande volume com uma variedade enorme de tipos de dados.

No caso explicado acima, temos somente sistemas que virão em formato estruturado (tabelas) e em arquivos Excel (que também são tabelas). Ou seja, qual a necessidade de um Data Lake? Nenhuma. 

Exemplo 2 – Empresa 2

Uma grande empresa do ramo automobilístico precisa acompanhar de hora em hora o desempenho dos setores da sua empresa (como vendas, SAC, financeiro, RH, Marketing e logística de todas as suas 50 lojas no Brasil). Nesta realidade, teremos arquivos de vários tipos, como bancos de dados, sistemas, áudio de clientes, imagens de peças, arquivos JSON, PDF de notas fiscais e APIs com grande volume de dados.

Dessa forma, a empresa precisa desses dados organizados sem tratamento. Ou seja, em sua forma bruta em um repositório onde os analistas e cientistas de dados de cada setor poderão criar suas próprias consultas para acompanhar o desempenho dos setores. Neste caso, a necessidade do Data Lake aparece de forma mais clara, certo?

Basicamente, o Data Lake entra quando a variedade e o volume são muito grandes e a estrutura tradicional somente com Data Warehouse não será suficiente. Entretanto, isso não impede, por exemplo, que dentro de uma arquitetura não possamos ter um Data Lake e em seguida um Data Warehouse.

Assim, podemos deixar o Data Lake para quem deseja conseguir os dados de forma bruta e realizar suas próprias consultas. E o Data Warehouse para quem quer algo já tratado, padronizado de acordo com as regras de negócio.

Conclusão

Após alguns exemplos, conseguimos perceber que, mesmo com nomes parecidos e algumas similaridades, a forma de utilizar Data Lake tem o objetivo de atender a uma camada diferente quando nos referimos a dados. Ele possui suas próprias características que devem ser usadas de forma correta nos projetos que, assim necessitem, da sua estrutura.

[adrotate banner=”5″][/vc_column_text][/vc_column][/vc_row]

O post Como utilizar Data Lake? apareceu primeiro em Luby Software.

[adrotate banner=”4″]

Pesquisa Exploratória

O objetivo principal da Pesquisa Exploratória é, como o próprio nome já diz, explorar um determinado assunto, as possibilidades e cenários,  por meio da coleta de dados para obtenção de insights e ideias.

A ideia deste método é preencher os espaços faltantes dentro de um objetivo que ainda não ficou 100% claro, com os dados atuais. Assim, a Pesquisa Exploratória busca por dados complementares para uma análise mais profunda e com maior compreensão do assunto. 

Entretanto, devemos tomar cuidado para não confundir a Pesquisa Exploratória com a Pesquisa Descritiva. Isso porque a característica mais importante deste tipo de pesquisa é a necessidade de conhecer um fato que irá agregar valor à coleta de dados através de discussões e proposições (hipóteses) dos dados analisados. Em contrapartida, a Pesquisa Descritiva foca apenas na descrição do dado.

Dicas para aplicação

Pensando nisso, quando realizamos uma Pesquisa Exploratória, devemos seguir algumas etapas que irão facilitar a pesquisa, por exemplo:

• Faça resumos expandidos, artigos e reportagens sobre o material coletado;
• Delimite o tema para evitar pesquisas muito amplas e perder o foco no assunto;
• Trace objetivos bem definidos e também o levantamento de hipóteses;
• Busque pessoas para entrevistar que estejam relacionadas com o tema que você está desenvolvendo. Por exemplo, a opinião de especialistas da área é uma ótima fonte de coleta de dados.

Exemplos da aplicação da Pesquisa Exploratória:

• Projeto sobre o comportamento dos consumidores;
• Estudo exploratório sobre empreendimentos autogeridos no centro-oeste paulista;
• Estudo exploratório sobre os métodos de ensino utilizados por professores das escolas públicas.

Pesquisa Explicativa

Esse tipo de pesquisa é voltado para a explicação de um determinado assunto através da coleta de dados. Assim, é mais utilizado quando estamos desenvolvendo algo mais voltado para pesquisa científica ou tese de doutorado.

Aqui, diferente da Pesquisa Exploratória, não queremos descobrir novos insights ou ideias. Mas sim explicar a razão das coisas. Dessa forma, a Pesquisa Explicativa é considerada a mais complexa. Isso porque envolve, em um primeiro momento, pesquisas exploratórias e descritivas.

Dicas para aplicação

Suas principais características são:

• Necessidade de coletar uma grande quantidade de dados, possibilitando a conclusão que explique e defenda sua tese;
• Foco em dados quantitativos;
• Desejo de criar um novo conhecimento a partir do que está sendo pesquisado;
• Desenvolvimento e criação.

Nesse caso, queremos responder:

• Por que o objeto da coleta de dados ocorre?
• Qual a explicação por trás da análise de dados que foi encontrada?
• Quais fatores causam ou colaboram com a ocorrência do objeto?

Exemplos da aplicação da Pesquisa Explicativa:

• Uma pesquisa que visa a criação de um novo método de ensino;
• Uma pesquisa que avalia os impactos negativos de desastres naturais na economia a nível, municipal e federal.

Conclusão

Entre os diversos métodos para realização da coleta de dados estão a Pesquisa Exploratória e Pesquisa Explicativa. Dessa forma, cada metodologia tem características específicas que podem ser vantajosas para para diferentes projetos.

A Luby é uma parceira na evolução contínua do seu projeto de Business Intelligence. Pensando nisso, para entender mais sobre a utilização de dados para evoluir seus resultados, clique aqui e converse com um de nossos especialistas.

[adrotate banner=”5″][/vc_column_text][/vc_column][/vc_row]

O post Coleta de Dados: Pesquisa Exploratória X Explicativa apareceu primeiro em Luby Software.

[adrotate banner=”10″]

Quando falamos de entrevista, provavelmente você deve imaginar a imagem de uma entrevista de emprego, algo tenso, em que o entrevistador tenta retirar o máximo de informações relevantes que irão responder às perguntas predeterminadas em seu relatório, certo?

Bem, de maneira geral, você não está errado. Retirando a parte do tenso, a forma de se realizar uma coleta de dados por entrevista é bem similar a que vivenciamos em entrevistas de empregos tradicionais. Entretanto, com algumas diferenças.

O grande objetivo da coleta de dados por entrevista não é aprovar ou reprovar de acordo com suas respostas e sim de entender a opinião do entrevistado em relação a um determinado assunto.

A Coleta de Dados por entrevista é muito utilizada em TCC (Trabalho de Conclusão de Curso) como fonte de dados argumentativa para defesa de teses e também em artigos científicos. Isso porque a entrevista ajuda a estabelecer um contato direto com sua fonte (entrevistado), oferecendo uma melhor compreensão do assunto abordado.

Tipos de entrevista

• Entrevista Estruturada

Esse modelo de coleta de dados por entrevista consiste em um questionário com perguntas predeterminadas que não difere o entrevistado. Assim, são realizadas sempre as mesmas perguntas.

• Entrevista Semiestruturada

Nesse tipo de coleta de dados por entrevista, você deve separar somente os principais tópicos que deseja abordar. Dessa forma, terá maior liberdade durante a entrevista.

• Entrevista Informal

Nesse método, a conversa é livre, sem perguntas específicas ou predeterminadas. É quase como uma conversa informal. Em entrevistas informais, é importante utilizar algum método de gravação, para que os dados sejam coletados na íntegra, não dependendo de sua memória, o que poderia prejudicar a veracidade das informações. 

• Entrevista Focalizada

Método parecido com a entrevista informal, porém o foco deve ser totalmente dentro do escopo do assunto. Esse método é interessante para evitar uma entrevista muito longa e que possa perder o sentido.

• Entrevista por pautas

A ideia aqui é trabalhar por blocos, tendo uma estrutura básica e sequência. Porém, não confunda com entrevista estruturada! Aqui, não temos perguntas predefinidas, apenas temas predefinidos e em sequência.

Passo a passo da Coleta de Dados por Entrevista

1º Etapa – Definição do roteiro de entrevista

Independente do tipo de entrevista (formal ou informal), é importante você ter um roteiro do que pretende abordar. Ainda que a coleta de dados por entrevista seja mais como um bate-papo – sem escopo, não podemos perder o foco do que precisa ser respondido pelo entrevistado. Isso para que a entrevista não perca o sentido e acabe sendo inutilizada.

2º Etapa – Registro dos dados da entrevista

Seja através de gravação ou anotações, você deve registrar todas as informações relevantes que respondam aos objetivos daquela entrevista. O registro dos dados é fundamental para que você possa realizar uma análise, em caso de dados sensíveis e protegidos pela LGPD (Lei Geral de Proteção de Dados).

Dessa forma, o entrevistado deverá estar de acordo, por meio de uma documentação que assegure o sigilo e a forma que serão utilizadas as informações.

3º Etapa – Seja objetivo e imparcial

Lembre-se que seu objetivo é coleta de dados e não o julgamento ou discussão sobre o assunto. Assim, seja objetivo e foque apenas em registrar as respostas do entrevistado. Evite questionar e faça suas anotações de acordo com cada pergunta.

4º Etapa – Definição do tipo de pesquisa

Em relação ao tipo de pesquisa, iremos elencar os 4 principais modelos utilizados. É importante entender se a sua entrevista terá um foco em uma pesquisa mais exploratória, explicativa, quantitativa ou qualitativa. 

• Pesquisa exploratória: o foco é trazer maior entendimento sobre o assunto. Ou seja, além dos dados que serão coletados referentes às entrevistas, a utilização de pesquisas bibliográficas e estudos de caso como referência e complementação da entrevista são muito utilizados.
• Pesquisa explicativa: seu objetivo vai além da exploratória. Isso porque visa explicar os motivos da entrevista. Ela possui um maior alcance e é mais estruturada do que a exploratória.
• Pesquisa quantitativa: está voltada para quem deseja utilizar entrevistas estruturadas (como as perguntas predefinidas) e será respondida dentro do escopo de respostas já definido (múltipla-escolha e V ou F, por exemplo). O objetivo é realizar uma análise estatística de quantas pessoas responderam uma pergunta (com uma resposta A ou B) e assim tirar conclusões sobre um determinado assunto. Por exemplo: pesquisas eleitorais (em que é perguntado algo sobre um candidato e você escolhe entre bom, ruim ou péssimo).
• Pesquisa qualitativa: esse método tem o foco em análise de sentimento, intenções e percepções. Está além das repostas de uma pesquisa quantitativa, em que você é obrigado a responder uma pergunta dentro de um escopo predeterminado. Na qualitativa, as respostas são mais pessoais.

5º Etapa – Definir a amostragem de dados

Nesta etapa da coleta de dados por entrevista, será definido quem participará da sua pesquisa. Ou seja, dentro de uma população específica, você definirá um parte dessa população (amostra), que será utilizada para realizar a entrevista.

Essa amostra deve ser uma parte representativa dentro da população escolhida. Por exemplo, você definiu que irá fazer entrevistas através de um questionário no qual os objetos são partidas de futebol. Não faz sentido a amostra ser entrevistados que gostam de jogar basquete, entende?

Dessa forma, dentro dessa amostragem de dados, temos dois tipos de amostragem:

Amostragem Probabilística

Método baseado na teoria da probabilidade. Este método considera que qualquer indivíduo tem a mesma probabilidade de participar da amostragem, independente de qualquer característica diferente que possa ter de outro indivíduo. Por exemplo, renda ou gênero. Confira as 3 principais técnicas de amostragem probabilística:

• Amostragem Casual simples: esta técnica é equivalente a um sorteio da loteria. Por exemplo, a população é numerada de 1 a N. Decide-se que dentro dessa população N, indivíduos serão utilizados na amostragem para a entrevista através de um sorteio.
• Amostragem Sistemática: nesta técnica, os elementos da população se apresentam ordenados e a retirada dos elementos da amostra é feita periodicamente.
• Amostragem por meio de Conglomerados: esta técnica é similar à amostragem casual simples. Mas a diferença é que, nesta, os números são pequenos grupos e não indivíduos contados separadamente.                                                  

Amostragem não-probabilística

Esse tipo de amostragem, como o próprio nome diz, é o inverso da amostragem probabilística. Neste caso, os indivíduos não possuem a mesma chance de participação na amostra e podemos entender melhor através de 3 principais técnicas:

• Amostragem de Conveniência: esta técnica é muito simples e se baseia não em modelos estatísticos, mas sim no simples fato dos indivíduos para amostra estarem próximos e dispostos a participar da entrevista. Por exemplo, fazer uma entrevista com perguntas sobre o estilo de música favorito em um evento como o Rock in Rio, com os participantes ali presentes e que desejam participar.
• Amostragem de Bola de Neve: nesta técnica, a amostragem é definida por indivíduos que possuem alguma característica específica e rara de se encontrar, como um problema de saúde específico.
• Amostragem Criteriosa/Proposital: consiste em usar uma amostra baseada em uma resposta esperada. Quando você entrevista indivíduos que você tem certeza que responderam sim para uma determinada pergunta. Por exemplo, somente indivíduos que será certo que gostam de sorvete de morango.

A Coleta de Dados por Entrevista trará resultados relevantes para o seu negócio

Na coleta de dados por entrevista, você irá conseguir captar muitas informações relevantes, entendendo a opinião do entrevistado em relação aos tópicos específicos.

Para saber como aplicar o Business Intelligence da melhor forma no seu negócio, clique aqui e fale com um de nossos especialistas.

[adrotate banner=”11″][/vc_column_text][/vc_column][/vc_row]

O post Coleta de Dados por Entrevista: passo a passo técnico apareceu primeiro em Luby Software.

[adrotate banner=”10″]

Ocorrência das Coletas de Dados

Além dos métodos de coleta de dados que iremos aprender, precisamos estar cientes de que a coleta de dados também é dividida por tempo determinado. Ou seja, a pesquisa irá iniciar e finalizar dentro de um tempo determinado. Assim, quando falamos em tempo, a coleta de dados é dividida de 3 formas:

• • Contínua: os dados são registrados à medida que vão sendo coletados, até que o objeto de sua coleta finalize sem tempo predeterminado;
  • Periódica: ocorre em ciclos, ou seja, em períodos determinados (como de 6 em 6 meses, ano e ano, etc.);
  • Ocasional: este é o único caso em que a coleta e dados não se preocupa com a periodicidade ou continuidade.

1. Métodos de Coleta de Dados Primário

Essa metodologia tem o foco em informações atuais. Ou seja, é desconsiderada qualquer informação do passado referente a outra coleta, sendo utilizada muitas vezes em projetos muito específicos. Isso porque não possui o interesse comparativo com dados históricos.

Pensando nisso, dentro do escopo de métodos de coleta de dados primários, temos os métodos quantitativos e qualitativos.

Coleta de Dados Quantitativos

Metodologia na qual o foco é quantificar os dados coletados. Ou seja, ela é baseada em contabilização de fatos e ocorrências através de técnicas estatísticas e matemáticas.

Exemplos: 

• Pesquisas com perguntas fechadas;
• Contagem de registros com um objetivo definido;
• Avaliação de contagem de determinadas colunas de um banco de dados (como quantidade de funcionários, clientes, vendas totais, quantidade de produtos e etc).

Coleta de Dados Qualitativos

Metodologia na qual o foco é a coleta de sentimentos, emoções e percepções. Ou seja, a coleta de dados não está preocupada em contabilizar quantas pessoas responderam a letra A em uma pesquisa, por exemplo. Mas sim o que cada uma pensa sobre um determinado assunto de acordo com sua resposta.

Exemplos: 

• Entrevistas com escopo aberto de perguntas;
• Coleta de informações de anotações e documentos;
• Coleta de dados audiovisuais.

2. Métodos de Coleta de Dados Secundários

Essa metodologia tem o foco em analisar o passado, pesquisas que já foram usadas. Isso porque são mais baratas e rápidas de serem utilizadas, pois, como se trata de dados históricos, é mais fácil de encontrar as informações necessárias. Dessa forma, este método possui duas formas de fontes de dados: Fontes Internas e Fontes Externas.

Fontes internas

• Bancos de dados;
• Pesquisas passadas;
• Relatórios e tabelas.

Fontes Externas

• Revistas e jornais;
• Relatórios governamentais;
• Internet;
• Bibliotecas.

3. Métodos de Coleta de Dados via Questionário

Esse método consiste em coletar dados através de uma série de perguntas predeterminadas com foco em análises quantitativas. Isso porque as perguntas são as mesmas para todos os participantes do questionário.

O Método de Coleta de Dados via Questionário é muito utilizado principalmente quando se deseja coletar dados sobre comportamento de compra de um determinado produto e análise de dados básicos, como renda e escolaridade. Por meio desse método, é possível alcançar uma abrangência maior e anonimato dos participantes.

Assim, os questionários podem ser enviados por e-mail, agilizando muito o processo de entrega e resposta. Falamos mais sobre esse método neste artigo.

Exemplos:

• Questionário para coleta de leads;
• Para coleta de opinião de clientes sobre um produto;
• Questionário para pesquisa de satisfação de um determinado serviço.

4. Métodos de Coleta de Dados por Observação

A Coleta de Dados por Observação foca na utilização dos sentidos para coletar informações, através da audição e visão para examinar fatos ou fenômenos. Por exemplo, observar o comportamento de clientes após receberem um brinde.

Exemplos: 

• Observar o comportamento de animais em um determinado horário do dia ou após se alimentarem;
• Observar o comportamento de indivíduos após o nascimento de um filho;
• Ouvir qual a primeira palavra ou som que um determinado objeto ou indivíduo faz em um situação específica.

5. Métodos de Coleta de Dados por Entrevista

Uma coleta de dados por entrevista é bem similar a que vivenciamos em entrevistas de empregos tradicionais, porém com algumas diferenças. Assim, o objetivo não é aprovar ou reprovar de acordo com suas respostas e sim de entender a opinião do entrevistado em relação a um determinado assunto.

Esse método de coleta de dados é muito utilizado em TCC (Trabalho de Conclusão de Curso) como fonte de dados argumentativa para defesa de teses e também em artigos científicos. Dessa forma, ele ajuda a estabelecer um contato direto com sua fonte (entrevistado), oferecendo uma melhor compreensão do assunto abordado.

Exemplos: 

• Entrevista com funcionários de uma empresa para entender pontos fortes e fracos;
• Entrevista para entender o comportamento do entrevistado em relação ao objeto de estudo.

6. Métodos de Coleta de Dados Científico

Esse método é focado na coleta de dados para a comprovação de determinado conteúdo com base científica. Ou seja, tudo que possa dar embasamento para comprovação e veracidade do objeto de estudo da coleta de dados.

Exemplos: 

• Coleta de dados de documentos oficiais para comprovação de veracidade de uma pesquisa;
• Em artigos científicos para TCC;
• De livros com fatos para a criação de uma análise de dados e criação de insights.

7. Métodos de Coleta de Dados Fenomenológico

Esse método está preocupado com a descrição da experiência do indivíduo, exatamente como ela é, de acordo com o filósofo e matemático Edmund Husserl, acreditando que a realidade é construída através do contexto social e entendida da forma que é interpretada.

Exemplos: 

• Estudos sobre os aspectos subjetivos do corpo, do esporte, do desejo e da autoestima;
• Projetos que privilegiem a “vocação” da educação e da docência;
• Estudos que analisam aspectos subjetivos, como desenvolvimento cognitivo ou percepções das crianças e adolescentes sobre si mesmos ou de outros aspectos.

8. Métodos de Coleta de Dados Dedutivo

Esse é um método considerado um método racional, colocando a razão como a única forma de chegar ao objetivo da coleta de dados.

Utiliza uma forma não subjetiva. Ou seja, não utiliza hipóteses ou achismos para sua conclusão e coleta os dados de forma focada em fatos que ocorreram, isto é, em fatos reconhecidos como verdadeiros. Através de duas premissas estabelecidas (Maior e Menor), chega-se a uma terceira lógica.

Exemplo: 

• Todo homem é um ser vivo (premissa maior);
• Carlos é um homem (premissa menor);
• Logo, Carlos é um ser vivo (conclusão).

Conclusão

Existem diversos métodos para realização da coleta de dados. Então, cada metodologia tem características específicas que podem ser vantajosas para para diferentes projetos.

Vimos neste artigos os principais métodos utilizados. Assim, para definir o melhor para o seu projeto, você deve entender qual melhor se encaixa no seu escopo de trabalho e saber suas possibilidades.

[adrotate banner=”11″][/vc_column_text][/vc_column][/vc_row]

O post 8 Métodos de Coleta de Dados mais utilizados apareceu primeiro em Luby Software.

[adrotate banner=”10″]

O que é a coleta de dados via questionário?

É fácil entender como funciona uma coleta de dados via questionário quando paramos para pensar no que consiste um questionário. Uma lista de perguntas será entregue a quem responderá o questionário com a intenção de coletar dados específicos que estarão contidos dentro das perguntas. 

Como podemos trazer essa técnica para a realidade do Business Intelligence? 

A resposta a essa pergunta é muito simples: você deve imaginar esse questionário como uma primeira forma de mapear os interesses do dono do negócio e como os dados do negócio funcionam (fontes de dados, ramo de atividade, gargalos e qualquer pergunta relevante para entender melhor a resolver os problemas ali abordados). Ou seja, uma pesquisa mais qualitativa.

Dessa forma, o questionário não é utilizado como uma fonte de informações onde todos irão responder às mesmas perguntas. Assim, você irá realizar um comparativo entre os questionários e sim será usado para iniciar um projeto de Business Intelligence. 

Perguntas para questionários

Perguntas de resposta fechada

São perguntas que já possuem respostas definidas as quais você deve escolher uma entre elas como resposta, são usadas mais em coleta de dados quantitativas, são elas: perguntas de múltipla escolha, dicotômica, perguntas RU (Resposta única), matriz e ranking.

Perguntas de resposta aberta

São perguntas que permitem expressar sua opinião e tem natureza exploratória, a maior vantagem desse tipo de resposta é que quem está respondendo expõe exatamente o que pensa dando uma resposta mais completa e agregadora.

Como a coleta de dados via questionário funciona na prática?

O que precisamos saber para construir um questionário de qualidade voltado para o Business Intelligence e coleta de dados para iniciar o levantamento de requisitos e sua análise exploratória?

Listamos aqui alguns tópicos fundamentais para a realização deste questionário:

1. As perguntas devem ser construídas de maneira clara e objetiva. Ou seja, a resposta que será dada deverá atender a demanda do questionário.
2. Utilize perguntas mistas, aquelas que geram mais conteúdo em suas respostas. Assim, você conseguirá analisar ponto a ponto as respostas que foram feitas de forma dissertativa (perguntas mais abertas). Bem como analisar com maior facilidade perguntas fechadas, onde existe a possibilidade de múltipla escolha, como explicado anteriormente.
3. Evite uma quantidade muito grande de perguntas que possam desestimular quem está respondendo o questionário. Então, uma sugestão é limitar o tempo de resposta de no máximo 30 minutos.
4. Não fuja do escopo principal das perguntas. Assim, foque no que é importante para ajudar o dono do projeto a resolver seus problemas.

A coleta de dados via questionário irá facilitar a gestão da sua estratégia de dados

Saindo um pouco do escopo de Business Intelligence, a maior vantagem da coleta de dados via questionário é exatamente economizar tempo e dinheiro com coletas de dados de campo, tornando-as mais rápidas, exatas e respeitando o anonimato de quem a responde.

Para saber como aplicar o BI da melhor forma no seu negócio, clique aqui e fale com um de nossos especialistas.

[adrotate banner=”11″][/vc_column_text][/vc_column][/vc_row]

O post Como realizar a Coleta de Dados via questionário? apareceu primeiro em Luby Software.

[adrotate banner=”10″]

Neste artigo, vamos entender tudo sobre essa etapa de utilização de dados, vamos lá?

O que é a coleta de dados?

A coleta de dados é um processo que visa reunir dados específicos para serem utilizados para atender as demandas de um projeto, pesquisa, planejamento e estudo.

Por exemplo, se precisássemos entender o comportamento dos habitantes de uma cidade, teríamos que fazer a coleta de dados estatísticos referentes à idade, gênero, renda, gasto médio por família, quais os itens mais consumidos, entre outros.

Para realizar este processo, existem métodos e técnicas específicas, como: 

• Análises Estatísticas;
• Via questionário;
• Por observação;
• De acordo com a pesquisa (exploratória / explicativa);
• De acordo com a abordagem (quantitativa / qualitativa);
• Entre várias outras.

Passo inicial para transformar a relação do seu negócio com os dados

A coleta de dados é um ponto muito importante para as decisões. Isso porque, através dessa coleta, os dados são transformados em informações e as informações são transformadas em conhecimento para uma melhor tomada de decisão.

Esse é um dos primeiros passos que você deve executar para iniciar seu processo de ETL (Extract, Transform and Load) ou análise de dados, para poder entender os dados de acordo com a necessidade do negócio.

A Luby é uma parceira na evolução contínua do seu projeto de Business Intelligence, se você quer entender mais sobre a utilização de dados para performar seus resultados, clique aqui e converse com um de nossos especialistas para saber mais. Conte com a gente nessa jornada para levar o seu negócio para o próximo nível!

[adrotate banner=”11″][/vc_column_text][/vc_column][/vc_row]

O post O que é Coleta de Dados? apareceu primeiro em Luby Software.

[adrotate banner=”10″]

Hoje vamos falar sobre as diferentes possibilidades da aplicação do Power BI no seu negócio. Pode ser que você ainda não saiba, mas o Power BI existe em 3 diferentes tipos de licença:

• 1: Power BI Free (versão desktop);
• 2: Power BI PRO;
• 3: Power BI Premium.

Dessa forma, essas versões online de Power BI possuem características próprias, vantagens, desvantagens e público-alvo específico. Pensando nisso, neste artigo, vamos ver os detalhes de cada uma delas e quais são os preços de Power BI.

1. Power BI Desktop

Custo – R$0,00 por usuário, totalmente gratuito.

Com a licença gratuita, você é capaz de operacionalizar todos os recursos do Power BI na sua máquina. Porém, a grande diferença está quando vamos para o power BI online. Assim, dentro do Power BI online, você consegue fazer somente algumas coisas em comparação com a versão Desktop. Então, confira as principais vantagens e desvantagens desta versão:

Principais vantagens Power BI Desktop:

• Compartilhamento dos dashboards na web de forma pública (não segura);
• Utilização do seu “My workspace”;
• Atualização de dados via gateway.

Desvantagens Power BI Desktop:

• O compartilhamento dos dashboards de maneira privada não é possível;
• Você não pode criar outros workspaces;
• Não é possível utilizar a função assinar (em que você pode enviar um print diário do seu dashboard via e-mail).

2. Power BI Pro

Custo – R$57,10/ mês por usuário (variando conforme o valor do dólar).

Você pode realizar um teste gratuito por 60 dias. Esta versão é muito mais completa do que a gratuita. Dessa forma, confira suas vantagens e desvantagens.

Principais Vantagens Power BI PRO:

• Todas as vantagens da versão FREE;
• Compartilhamento de dashboards entre outros usuários PRO ou PREMIUM;
• Criação de outros workspaces e organização por setor ou temas de sua preferência;
• 8 atualizações diárias de dashboards e relatórios;
• Tamanho limite do dashboard ou relatório 1GB;
• Tamanho máximo de armazenamento 10GB.

Desvantagens Power BI PRO:

• Limite de tamanho de dashboard ou relatório menor que a Premium;
• Limite de atualizações diárias menor que a versão Premium;
• Tamanho máximo de armazenamento menor que a versão Premium.

3. Power BI Premium

Custo – R$114,30/mês por usuário (variando conforme o valor do dólar), ou R$23.586,50 (variando conforme o valor do dólar) no plano por capacidade.

Este plano por capacidade é vantajoso para empresas que precisam de mais de 500 licenças. Isso porque, neste modelo, a Microsoft disponibiliza um servidor dedicado sem limite de usuários. Ou seja, sai muito mais barato do que 501 usuários pagando a licença PRO ou Premium por usuário separado. 

Você pode realizar um teste gratuito por 60 dias. Essa versão é muito mais completa do que a gratuita e a PRO. Dessa forma, veja suas vantagens e desvantagens:

Principais Vantagens Power BI Premium:

• Todas as vantagens da versão FREE e PRO;
• Compartilhamento de seus dashboards entre outros usuários PREMIUM;
• 48 atualizações diárias de dashboards e relatórios;
• Tamanho limite do dashboard ou relatório 100GB (plano por usuário) 400GB (plano por capacidade);
• Tamanho máximo de armazenamento 100TB.

Desvantagens Power BI Premium:

• Não é possível compartilhar relatórios para usuários PRO;
• Alto custo da licença para menos de 500 usuários (plano por capacidade).

Conclusão

Os preços de Power BI variam conforme o plano escolhido. Pensando nisso, é importante que, ao definir um plano para o seu negócio, você entenda quais são as necessidades do seu projeto. E, assim, analise qual irá trazer mais resultados a curto, médio e longo prazo.

Por isso, se você quer um parceiro nessa caminhada rumo à evolução contínua do seu projeto de Business Intelligence, clique aqui e converse com um de nossos especialistas.

[adrotate banner=”11″][/vc_column_text][/vc_column][/vc_row]

O post Quais são os preços de Power BI? apareceu primeiro em Luby Software.

[adrotate banner=”4″]

Pensando nisso, criamos um passo a passo de como você pode exportar um conjunto de dados de uma tabela ou um gráfico específico do Power BI para o Excel.

Continue lendo o artigo para conferir algumas formas de facilitar este processo.

1° Botão Exportar Data

Uma das maneiras mais conhecidas de exportar dados do Power BI para Excel é através de uma visualização clicando nos 3 pontos (…) no canto superior direito.

Após isso, é possível clicar em exportar data (na versão Desktop, só é possível exportar no formato .CSV, através do Power BI online você consegue também exportar no formato Excel).

2° Power Query (sem botão transformar dados)

Para exportar do Power BI para Excel, você também pode clicar com o botão direito em qualquer parte da tabela dentro do Power Query e irá aparecer no menu a opção “copiar tabela”.

Portanto, após realizar a cópia virtual dessa tabela, você deverá copiá-la em uma tabela em branco no Excel com o comando CTRL + V. 

Porém, fique atento: medidas não podem ser copiadas dessa forma, somente tabelas na forma que estão no Power Query.

3° Power Query (com botão transformar dados)

Após clicar em “Transformar dados”, você pode clicar no canto superior esquerdo da tabela, clicar com o botão direito e irá aparecer a primeira opção “copiar a tabela inteira”.

Assim, após feito isso, basta ir até o Excel e utilizar o comando CTRL + V.

4° Linguagem R ou Python

Essa maneira de exportar um conjunto de dados do Power BI para Excel é um pouco mais avançada, mas é muito útil em alguns casos. Por meio do Power Query, você irá escrever um Script através da linguagem R ou Python que irá salvar sua tabela em Excel no seu computador.

Entretanto, o único problema desse método é que ele não copia sua tabela e recorta. Portanto, ele retira os dados do Power BI.

5° DAX Studio

É possível realizar uma consulta dentro do DAX Studio. Por meio disso, você pode utilizar um OUTPUT para salvar a tabela no formato CSV ou TXT.

Exportar dados do Power BI para Excel irá facilitar a gestão de informações do seu projeto

Transformando dados em informações relevantes, o Power BI é um facilitador para a sua operação. Além disso, ele possibilita o envio dessas informações para a ferramenta que faz sentido para o seu negócio. 

Neste artigo, explicamos como um conjunto de dados de uma tabela ou gráfico pode ser exportado para do Power BI para o Excel de forma simples.

Então, se você quer saber mais sobre como o Power BI pode impulsionar o seu negócio, clique neste link e fale com um de nossos especialistas em Business Intelligence.

[/vc_column_text][/vc_column][/vc_row]

[adrotate banner=”5″]

O post Como exportar do Power BI para o Excel apareceu primeiro em Luby Software.