Turma Online On33 | Python | Semana 16 | 2024 | Professora Mariana Rezende
Antes de começar, vamos organizar nosso setup.
- Fork esse repositório
- Clone o fork na sua máquina (Para isso basta abrir o seu terminal e digitar
git clone url-do-seu-repositorio-forkado) - Entre na pasta do seu repositório (Para isso basta abrir o seu terminal e digitar
cd nome-do-seu-repositorio-forkado) - [Add outras intrucoes caso necessario]
O que veremos na aula de hoje?
- Por que criar uma visualização de dados?
- Como viemos parar aqui?
- O Cenário Atual
- Afinal, qual ferramenta devo aprender?
- Etapas da criação de uma visualização de dados
'
o github da visualização de dados
O Tableau Public é uma plataforma gratuita para explorar, criar e compartilhar publicamente visualizações de dados online. Através dele é possível publicar suas visualizações em uma espécie de "repositório", então é uma excelente alternativa para a criação de um portfólio de dados. No próprio site da empresa você consegue acessar os repositórios de outras pessoas e explorar seus projetos. A empresa Tableau possui vários produtos, contudo, o Tableau Public é um software gratuito que pode ser utilizado tanto no desktop quanto na nuvem.
Agora é hora de vocês conhecerem um pouquinho mais sobre essa ferramenta!
Com milhões de visualizações de dados interativas feitas por mais de um milhão de criadores em todo o mundo, o Tableau Public permite que você explore a arte do que é possível com dados sobre qualquer assunto, de música a esportes e política. Navegue nos canais selecionados de visualizações criadas pela comunidade ou pesquise tópicos por palavra-chave com a ajuda de hashtags.
🌟 DICA As visualizações no Tableau Public podem ser baixadas, exploradas ou copiadas em qualquer navegador (caso não exista restrições de acesso por parte do proprietário). Veja rapidamente como uma visualização foi criada, as lógicas utilizadas e replique para dentro do seu próprio projeto.
🌟 DICA Adicione as visualizações que o inspiram ao seu canal Favoritos para criar uma coleção de visualizações que você pode revisitar a qualquer momento.
Na aula anterior, aprendemos sobre os fundamentos da análise de dados, criamos um notebook exploratório com dados da Netflix e da Olist, e criamos visualizações utilizando o Python. Considerando que temos essa ferramenta que pode ser utilizada para trazer insights, qual o valor do Tableau aqui? Quais as vantagens de utilizar um dashboard em relação ao notebook?
Para responder essa pergunta, precisamos retomar um conceito aprendido na aula anterior: empresas data-driven. De forma simplista, uma empresa data-driven é uma empresa que toma decisões baseadas em dados. Portanto, os times que efetivamente tomam essas decisões não são técnicos, são pessoas de área comercial, negócios, operações que não necessariamente possuem qualquer conhecimento técnico. Portanto, se passamos um notebook exploratório para essas pessoas, poucos ou até nenhum insight e tomada de decisão será tomada a partir disso, porque? Porque a informação contida lá não está "digerida". É exatamente por esse motivo que ferramentas de dashboard são essenciais para apoiar os times de negócios. Com um dashboard, você é capaz de SIMPLIFICAR a informação e criar correlações que ajudem o time de negócios a entender padrões e tendências.
Hoje, existem diversas ferramentas que fazem esse papel de dashboards, temos o próprio Tableau, Power BI, Looker, etc. Cada uma tem a sua especificidade, mas a ideia por trás é sempre a mesma, democratizar a informação de forma simples e eficaz.
As primeiras visualizações de informação remontam aos mapas de navegação elaborados por exploradores e navegadores antigos, , especialmente a partir da Era dos Descobrimentos nos séculos XV e XVI. Estes mapas não apenas delineavam rotas marítimas e geografia, mas também eram essenciais para a compreensão e comunicação das descobertas e conquistas territoriais. Ao representar graficamente as rotas navegáveis, perigos marítimos e pontos de interesse, esses mapas não só facilitaram a navegação, mas também estabeleceram um precedente na arte de visualizar dados complexos de maneira intuitiva e compreensível.
Ao longo da história da visualização de dados, figuras como Florence Nightingale foram pioneiras na criação de representações que transcendem o simples relato numérico. Florence, conhecida não apenas por suas contribuições na enfermagem, mas também na estatística, criou um diagrama que se tornou icônico: a rosa de Nightingale. Este diagrama, desenvolvido durante a Guerra da Crimeia, ilustrou de forma vívida e acessível a magnitude das mortes por doenças evitáveis nos hospitais militares britânicos. A notoriedade do diagrama não se limita à sua eficácia técnica, mas também à habilidade de Nightingale em comunicar visualmente uma mensagem complexa de maneira impactante e memorável para o público da época.
Infográficos: uma linha do tempo
A história de Florance Nightingale
Com o advento da era digital e a disseminação de computadores pessoais, surgiram uma infinidade de softwares especializados, (como o Tableau), que democratizaram e facilitaram a criação de visualizações complexas. Essas ferramentas proporcionam interfaces intuitivas e recursos de arrastar e soltar (NO-CODE, LOW-CODE), permitindo que mais pessoas possam criar visualizações dinâmicas e informativas. Esse avanço não apenas simplificou o processo de análise de dados, mas também ampliou o alcance e a eficácia das interpretações derivadas dos dados, transformando a maneira como empresas e profissionais abordam a visualização e a utilização de dados para decisões estratégicas.
🌟 DICA Esta é uma coleção de algumas das muitas ferramentas, aplicativos, kits de ferramentas, bibliotecas, plataformas e pacotes de visualização de dados (e relacionados). Organizada desde de 2010 para fornecer aos leitores uma visão atual e abrangente do cenário da tecnologia de visualização de dados. link
Anualmente a empresa de consultoria de TI Gartner Group, publica sua série de relatórios de pesquisa de mercado, conhecidada como "Magic Quadrant", que se baseiam em métodos proprietários de análise de dados qualitativos para demonstrar tendências de mercado, como direção, maturidade e participantes.
Com base em seu último levantamento, podemos ter uma noção de como anda a percepção do mercado em relação a diferentes fornecedores de soluções e softwares voltados para análise e inteligência de negócios (BI).
Figura 1: Quadrante Mágico para Plataformas de Análise e Inteligência de Negócios, junho de 2024 (Gartner). Fonte: https://www.gartner.com/doc/reprints?id=1-2HW1JC8Q&ct=240620&st=sb
Líderes de Mercado:
Power BI: é uma solução de análise de negócios baseada em nuvem que permite reunir diferentes fontes de dados, analisá-las e apresentar a análise de dados por meio de visualizações, relatórios e painéis.
Qlik Sense: é uma ferramenta de visualização de dados projetada para grandes empresas e indivíduos que desejam usar a análise aumentada para analisar dados.
Looker Studio: é uma ferramenta de visualização de dados da Google que permite a criação de relatórios e dashboards personalizados. Antigo Google Data Studio.
Tableau: é uma ferramenta avançada e popular de visualização de dados que permite analisar dados de várias fontes simultaneamente. Adquirida em 2019 pela Salesforce.
Cada plataforma tem seus pontos fortes e fracos, não havendo uma "melhor" ou "pior" universal. A escolha da ferramenta ideal depende muito das necessidades específicas da empresa e do contexto em que ela será utilizada. Atualmente, Power BI e Tableau são amplamente usados no mercado, não necessariamente por serem as melhores em todos os aspectos, mas porque muitas empresas já as adotaram, criaram uma base de conhecimento interna e integraram essas ferramentas em seus processos. A familiaridade com essas plataformas e o suporte da comunidade também contribuem para sua popularidade. Por isso, ao escolher uma ferramenta de BI, é importante considerar não apenas os recursos técnicos, mas também o ecossistema e o suporte disponíveis.
Seus principais objetivos são:
Agrupar dados de várias fontes em um único lugar para facilitar o acesso e a análise.
Benefício: Reduz o tempo gasto na busca de informações dispersas, proporcionando uma visão completa e integrada dos dados.
Fornecer informações essenciais de maneira clara e intuitiva para apoiar decisões informadas e baseadas em dados.
Benefício: Ajuda gestores e equipes a tomar decisões mais rápidas e precisas, baseadas em dados atualizados e relevantes.
Visualizar dados históricos e em tempo real para identificar tendências, padrões e anomalias.
Benefício: Permite prever comportamentos futuros, preparar-se para mudanças e ajustar estratégias conforme necessário.
Apresentar dados complexos de forma simplificada e visualmente atraente para facilitar a compreensão e a comunicação.
Benefício: Melhora a clareza e a eficiência na comunicação de insights e resultados para diferentes públicos, incluindo stakeholders não técnicos.
Exibir métricas e KPIs críticos em tempo real para avaliar o desempenho de processos, projetos ou negócios.
Benefício: Permite identificar rapidamente áreas que estão performando bem e aquelas que precisam de atenção, ajudando a focar em ações corretivas ou preventivas.
Clareza e Concisão: Apresenta informações complexas de maneira clara e acessível.
Interatividade: Permite aos usuários interagir com os dados, filtrando e detalhando informações conforme necessário.
Atualização em tempo real (ou quase = NRT): Fornece dados atualizados, permitindo monitoramento e reação rápida a mudanças. Dependendo das necessidades do negócio e das capacidades técnicas, essa atualização pode ser em tempo real, diária (D-1), semanal, ou conforme definido pelos requisitos da organização. *Atualmente tem se utilizado muito o termo NRT, para se referir à dados atualizados "near real-time" ou "próximo ao tempo real". Isso acontece porque com o aumento de volume, velocidade e quantidade de dados, é quase impossível para operações computacionais regulares, que o tempo de registro x o tempo de processamento desses dados se de de forma imediata.
Customização: Pode ser adaptado para atender às necessidades específicas de diferentes usuários e funções dentro da organização. Existem recursos que nos permitem dispnibilizar o mesmo dashboard com filtros padrões diferentes para cada grupo de usuário. Ou seja, a partir de um mesmo painel, dependendo do seu time ou nível hierárquico dentro de uma organização a sua visualização padrão, ao acessar o dashboard pode ser levemente diferente do que a de demais usuários, facilitando assim a identificação de informações relevantes em diferentes contextos.
Um dos objetivos listados foi monitorar KPIs, e falaremos sobre esses indicadores agora.
KPIs (Indicadores Chave de Desempenho) são métricas utilizadas para avaliar e medir o desempenho de processos, projetos, equipes ou organizações em relação a objetivos estratégicos definidos. Eles fornecem uma maneira objetiva de acompanhar o progresso e a eficácia das ações implementadas, ajudando na tomada de decisões informadas.
Relevância: Devem estar diretamente ligados aos objetivos estratégicos da organização.
Mensurabilidade: Devem ser quantificáveis para permitir uma avaliação objetiva.
Alcance: Devem ser claros quanto ao que está sendo medido e a quem se aplica.
Temporalidade: Devem ser monitorados regularmente para fornecer dados atualizados sobre o desempenho.
Comparabilidade: Devem permitir a comparação ao longo do tempo ou entre diferentes áreas da organização.
Em geral, existem 4 tipos diferentes de indicadores-chave, conforme explicamos abaixo. \
- Indicadores de produtividade
Os KPIs de produtividade estão relacionados às necessidades de recursos para a entrega dos produtos e serviços aos clientes. Nesse sentido, eles ajudam a delimitar melhor os custos e otimizar o uso dos insumos. Um bom exemplo de um indicador de produtividade é o tempo de produção gasto em uma determinada atividade.
- Indicadores de qualidade
Os KPIs de qualidade medem a eficiência dos processos em entregar aquilo que era esperado. Em geral, é utilizado para avaliar a satisfação dos clientes internos e externos em relação aos produtos e serviços prestados. A média de notas da pesquisa de satisfação é um exemplo desse indicador.
- Indicadores de capacidade
Os KPIs de capacidade medem o quanto a empresa é capaz de entregar em volume de produtos e serviços. Trata-se de indicadores essenciais para determinar o crescimento ou a retração na base de produção e pode se beneficiar bastante do uso de inteligência de dados para a tomada de decisões mais precisas. Um exemplo de indicador de capacidade é o volume de produção por pessoa.
- Indicadores estratégicos
Por fim, os KPIs estratégicos estão diretamente ligados às metas estabelecidas no planejamento estratégico do negócio. Esses indicadores mostram o quão perto (ou longe) a empresa está de alcançar seus objetivos e permitem a implementação de planos de ação caso seja necessário. Um exemplo desse indicador é o faturamento.
Identificar Objetivos Estratégicos:
- Compreender os principais objetivos da organização, projeto ou processo.
- Alinhar os KPIs com esses objetivos para garantir relevância e impacto.
Selecionar Métricas Adequadas:
- Escolher métricas que sejam relevantes, mensuráveis e comparáveis.
- Garantir que as métricas selecionadas possam fornecer insights acionáveis.
Estabelecer Metas:
- Definir metas claras e alcançáveis para cada KPI.
- Utilizar benchmarks internos e externos para orientar a definição de metas.
Coletar Dados:
- Implementar sistemas e processos para coletar dados precisos e atualizados.
- Utilizar ferramentas de software para automatizar a coleta e análise de dados.
Monitorar e Revisar Regularmente:
- Acompanhar os KPIs regularmente para avaliar o progresso e a eficácia.
- Revisar e ajustar os KPIs conforme necessário para refletir mudanças nos objetivos ou no ambiente operacional.
Foco Estratégico: Ajudam a alinhar esforços com os objetivos estratégicos da organização.
Tomada de Decisão Informada: Fornecem dados objetivos para apoiar a tomada de decisões.
Transparência e Responsabilidade: Tornam o desempenho visível, promovendo transparência e responsabilidade.
Melhoria Contínua: Identificam áreas de melhoria e permitem o acompanhamento do progresso ao longo do tempo.
Motivação: Podem servir como motivadores, incentivando equipes e indivíduos a alcançar metas estabelecidas.
Empresas:
- Receita Mensal Recorrente (MRR)
- Custo de Aquisição de Cliente (CAC)
- Retorno sobre Investimento (ROI)
Saúde:
- Taxa de Ocupação Hospitalar
- Tempo Médio de Espera para Atendimento
- Taxa de Infecção Hospitalar
Educação:
- Taxa de Graduação
- Média de Notas dos Alunos
- Taxa de Evasão Escolar
Serviço ao Cliente:
- Tempo Médio de Resposta
- Satisfação do Cliente (NPS)
- Taxa de Resolução no Primeiro Contato
Agora que já sabemos sobre os indicadores-chaves, veremos um pouco mais profundamente questões de design e boas práticas, partindo dos principais erros ao se construir um dashboard, e como evitá-los:
Incluir muitos gráficos, cores, ou elementos desnecessários que tornam o dashboard confuso. Exemplo: um dashboard com múltiplos gráficos de diferentes tipos, cores vibrantes e sem um esquema claro de organização.
Solução: Simplificar o design, usar um esquema de cores consistente e destacar apenas as informações mais importantes.
Escolher tipos de gráficos que não representam corretamente os dados. Exemplo: utilizar um gráfico de pizza para mostrar variações mínimas entre categorias ou eixos truncados que distorcem a percepção das diferenças nos dados.
Solução: Selecionar gráficos que melhor correspondam à natureza dos dados e à mensagem que se deseja transmitir.
💡Vale a leitura:
- https://pt.khanacademy.org/math/pt-9-ano/probabilidade-e-estistica-9ano/graficos-e-tabelas-9ano/a/erro-de-leitura-em-graficos
- https://www.statisticshowto.com/probability-and-statistics/descriptive-statistics/misleading-graphs/
Não organizar as informações de maneira que o usuário possa identificar rapidamente o que é mais importante. Exemplo: todas as informações são apresentadas com o mesmo destaque, dificultando a identificação do que é mais importante.
Solução: Utilizar tamanho, cor e disposição para criar uma hierarquia clara, destacando as informações mais críticas.
Mostrar dados que não são atuais ou não refletem a situação atual.
Solução: Garantir que o dashboard seja atualizado regularmente com os dados mais recentes.
Criar dashboards sem considerar as necessidades e o nível de conhecimento dos usuários finais.
Solução: Conhecer o público-alvo e adaptar a complexidade e o tipo de informação exibida de acordo com suas necessidades.
Apresentar dados sem fornecer o contexto necessário para interpretá-los corretamente.
Solução: Incluir comparações históricas, metas, ou benchmarks para dar aos usuários uma melhor compreensão dos dados.
Criar dashboards que não são acessíveis a todos os usuários, incluindo aqueles com deficiências.
Solução: Seguir as melhores práticas de acessibilidade, como o uso de textos alternativos, cores contrastantes, e opções de navegação via teclado.
Mostrar muitos detalhes que podem sobrecarregar o usuário e obscurecer as principais conclusões.
Solução: Focar nas principais métricas e fornecer a opção de explorar mais detalhes conforme necessário.
Utilizar gráficos 3D que podem distorcer a percepção dos dados.
Solução: Preferir gráficos 2D que são mais precisos e fáceis de interpretar.
Antes de iniciar um projeto para um novo dashboard ou ao longo de seu desenvolvimento vale a pena considerar e investir algum tempo nesses pontos:
Prototipagem: Investir tempo no planejamento do layout e no design do dashboard para garantir clareza e eficácia. Para isso podemos lançar mão de algumas ferramentas, das mais especalizadas (Figma) à algumas que já conhecemos bem: nossas mãos! (rascunhos)
Teste com usuários finais: Testar os dashboards com uma amostra do público-alvo e coletar feedback para melhorias. Esse processo também pode ser antecipado antes do início do projeto, a partir de pesquisas com os usuários por meio de técnicas de Design Thinking.
Atualização contínua: Monitorar e atualizar os dashboards regularmente para garantir que eles permanecem relevantes e precisos. DICA: GARANTA SEU TRABALHO PARA SEMPRE!
Limitar a quantidade de informações
- Utilizar uma quantidade limitada de gráficos e elementos por dashboard.
- Priorizar as métricas e KPIs mais importantes para o objetivo do dashboard.
Fazer uso de espaços em branco
- Utilizar espaços em branco para criar uma separação visual entre diferentes seções e gráficos.
- Garantir que cada elemento tenha espaço suficiente ao redor para ser claramente distinguível.
Uso moderado e adequado de cores
- Escolher uma paleta de cores consistente e evitar o uso excessivo de cores.
- Utilizar cores para destacar informações importantes e manter o restante neutro.
- Utilizar cores de forma coerente para representar categorias ou valores similares.
- Evitar combinações de cores que possam ser difíceis de distinguir para pessoas com daltonismo.
Escolher o tipo de gráfico adequado
- Selecionar o tipo de gráfico que melhor representa os dados e facilita a compreensão.
- Evitar gráficos de pizza para muitas categorias e preferir gráficos de barras ou linhas.
O diagrama abaixo pode ajudar você a escolher um gráfico para apresentar seus dados a partir do que você gostaria de mostrar: relações, comparações, distribuição, etc.
No entanto, lembre-se que, porque essas escolhas são sempre muito relativas esse é um tipo de conhecimento vem com a experiência, então... EXPERIMENTE!
Use as ferramentas e softwares a seu favor para testar várias possibilidades e variações para os mesmos dados.
Um bom catálogo de gráficos também pode te ajudar! Aqui seguem alguns links:
Sempre que estiver em dúvida sobre qual gráfico seria melhor. A resposta é simples: Qualquer um que seja MAIS FÁCIL para seu PÚBLICO ler e compreender.
Manter a proporcionalidade
- Garantir que os gráficos de pizza e outros gráficos proporcionais sejam dimensionados corretamente.
- Evitar truncamento de eixos, a menos que seja absolutamente necessário e claramente indicado.
Organização lógica
- Organizar visualmente os dados de forma lógica e intuitiva, agrupando informações relacionadas.
- Utilizar hierarquias visuais para guiar o olhar do usuário
Figura 2: Diagrama que mostra o ordenamento mais adequado de informações dada a sua importância.
Títulos e legendas informativos
- Adicionar títulos e legendas claros e descritivos para cada gráfico e seção.
- Garantir que os títulos expliquem claramente o que o gráfico ou a seção representa.
Glossário informativo
- Definir termos e métricas: Inclua definições claras para todos os termos e métricas usadas no dashboard.
- Facilitar a compreensão: Assegure que todos os usuários, independentemente do seu nível de conhecimento, compreendam os dados.
- Promover consistência: Evite mal-entendidos e promova uma interpretação uniforme dos dados.
- Referência rápida: Disponibilize uma referência rápida e fácil de acessar para esclarecer dúvidas instantaneamente.
- Suporte à decisão: Facilite a tomada de decisões informadas ao garantir que todos entendam exatamente o que os dados representam.
💡https://www.linkedin.com/pulse/creating-glossary-your-dashboard-why-its-important-how-singh/ (em inglês)
Tamanhos de fonte apropriados
- Utilizar tamanhos de fonte adequados para textos e rótulos (mínimo de 12-14pt para textos principais).
- Garantir que todos os textos sejam facilmente legíveis em diferentes dispositivos.
Contrastes adequados
- Utilizar contrastes de cor que garantam a legibilidade (verificar com ferramentas de contraste, como o simulador de contraste do WebAIM).
- Evitar combinações de cores que possam ser difíceis de distinguir.
Descrições alternativas
- Adicionar descrições alternativas para elementos gráficos, explicando o conteúdo e o contexto.
- Garantir que as descrições sejam concisas e informativas.
Dicas de Ferramenta (Tooltips)
- Forneça explicações adicionais e contextuais sobre os dados ao passar o cursor sobre elementos gráficos.
- Apresente detalhes adicionais que não cabem no visual principal, como valores específicos ou descrições de métricas (para descrições, considere também o Glossário como dito antes).
- Garanta que os tooltips sejam compatíveis com tecnologias assistivas, como leitores de tela, para melhorar a acessibilidade para usuários com deficiência visual.
Acessibilidade via teclado
- Garantir que todos os elementos interativos sejam acessíveis via teclado.
- Testar a navegação por teclado e corrigir problemas identificados.
💡https://help.tableau.com/current/pro/desktop/pt-br/access_keyboard_navigation.htm
Testes de acessibilidade
- Utilizar ferramentas específicas para testar a acessibilidade dos dashboards (por exemplo, ferramentas do WAVE ou Lighthouse [outro link]).
- Implementar as recomendações fornecidas pelas ferramentas de teste.
A Lei Geral de Proteção de Dados Pessoais (LGPD), Lei nº 13.709/2018, é a legislação brasileira que regula o tratamento de dados pessoais, tanto online quanto offline, por pessoas físicas ou jurídicas, públicas ou privadas. A LGPD tem como objetivo garantir a privacidade e a proteção dos dados pessoais dos cidadãos, estabelecendo direitos dos titulares dos dados, obrigações dos controladores e operadores, e sanções para quem descumprir a lei.
💡Links importantes:
Lei:
https://www.gov.br/esporte/pt-br/acesso-a-informacao/lgpd
https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm
Princípios da LGPD:
https://www.gov.br/esporte/pt-br/acesso-a-informacao/lgpd/principios-da-lgpd
Tipos de dados:
https://www.gov.br/esporte/pt-br/acesso-a-informacao/lgpd/classificacao-dos-dados
Glossário:
https://www.gov.br/esporte/pt-br/acesso-a-informacao/lgpd/glossario-de-termos-tecnicos-da-lgpd
Proteção da Privacidade
Mesmo não sendo responsáveis pela coleta dos dados, os analistas de dados manipulam e apresentam informações pessoais que podem identificar indivíduos. Assim, é importante garantir que os dados apresentados sejam tratados de maneira ética e segura é fundamental para proteger a privacidade dos titulares.
Conformidade Legal
Garantir que as visualizações não exponham dados sensíveis indevidamente, pois a não conformidade pode resultar em multas significativas, sanções administrativas e danos à reputação da empresa.
Segurança dos Dados
Implementar práticas para garantir que os dashboards ou resultados de análises sejam seguros e que dados sensíveis não sejam acessíveis sem autorização. Prevenir vazamentos de dados e acessos não autorizados é crucial para manter a integridade das informações e a confiança dos usuários.
Anonimização e Agregação de Dados
Utilizar técnicas de anonimização e agregação para proteger a identidade dos indivíduos ao apresentar seus dados, reduzindo o risco de exposição de informações pessoais, cumprindo os requisitos da LGPD para proteção de dados. A anonimização é uma técnica de processamento de dados que remove ou modifica informações que possam identificar a pessoa, garantindo sua desvinculação. Nestes casos, a LGPD não se aplicará ao dado.
Ressalta-se que o dado somente é considerado anonimizado se não permitir que, por meios técnicos ou outros, seja reconstruído o caminho para revelar quem é o titular do dado. Se a identificação ocorrer, não se tratará de dado anonimizado, mas sim de dado pseudonimizado, e estará sujeito à LGPD.
Transparência e Consentimento
Assegurar que os dados utilizados tiveram seu uso consentido pelo titular.
Responsabilidade Social e Ética:
Demonstrar um compromisso com a proteção dos dados pessoais, mesmo na fase de visualização e análise.
Para analistas de dados, a conformidade com a LGPD envolve garantir que as visualizações de dados protejam a privacidade dos indivíduos e cumpram os requisitos legais. Isso inclui práticas como anonimização, agregação de dados, implementação de controles de acesso e garantir a transparência e o consentimento no uso dos dados. A proteção dos dados pessoais nas análises não só evita sanções legais, mas também fortalece a confiança dos usuários e demonstra responsabilidade social e ética.
Objetivo: Sedimentar os conhecimentos de Visualização de Dados que aprendemos nessa aula.
Desafio: Criar um dashboard com os dados da Olist a partir da sua base final criada na Semana 14.
Requisitos:
- Formular o mínimo de 8 visualizações diferentes;
- Utilizar a sua base final criada com os dados da Olist (caso você deseje enriquecer sua base conforme você for criando as visualizações, fique à vontade!);
- Publicar seu dashboard final no repositório do Tableau.
Submeta uma pasta que contenha:
- o link de acesso ao seu dashboard no site do Tableau Web;
- print das telas finais;
- arquivo .py da base final utilizada para alimentar o dashboard.
- Indicação de livros de visualização de dados
- "Livro de Receitas" de Visualizações no Tableau
- Trilha de conhecimento para letramento em dados
- Exemplos de belas visualizações de dados
- Trilha de storytelling com Tableau (inglês)
- Guia de visualização de dados
- Dicas de como criar um bom dashboard
- Artigo de lista de acessibilidade para Tableau (inglês)
- Comparativo de ferramentas de BI (2022)
Desenvolvido com 💜