como fazer

Análise de dados
3 Introdução

5 Como é feita uma boa análise de dados?

8 Conceitos iniciais para suportar uma boa análise de dados

11 Quando, como e exemplos para gráficos

13 Conclusão

15 Sobre o autor
Introdução
INTRODUÇÃO

A análise de dados tem sido uma habilidade cada vez mais requisitada no mercado de trabalho. A quantidade de dados
disponíveis é enorme, mas poucas pessoas conseguem transformá-los em insights para decisões de negócios. Muitas vezes
isso acontece porque as pessoas não sabem qual gráfico utilizar em cada uma das situações que lhes são apresentadas.

Pensando em ajudar você, na hora em que for realizar análises, a Escola

EDTI montou este guia. Nele, você encontrará em linguagem simples e
descomplicada a ocasião certa para utilizar cada tipo de gráfico, como
interpretar os resultados e exemplos para ajudá-lo nas aplicações práticas.

Você saberá “quando” e “como” usar os seguintes

gráficos: histograma, boxplot, gráfico de dispersão
(correlação), gráfico de Pareto e gráfico de tendência.
Também incluímos uma seção introdutória para você
preparar melhor sua análise e aumentar ainda mais a
qualidade dos seus resultados.

Este material é para ser utilizado como um guia de bolso e ajudá-lo a

melhorar suas decisões e apresentações gráficas. Use e abuse!

4
Como é feita uma boa
análise de dados?
Como é feita uma boa análise de dados?

Comece pelas perguntas

Antes de mais nada, é preciso ter perguntas! O

que queremos responder? Quais são os pontos
nebulosos em nossa estratégia de negócios? O que
tem gerado muita discussão e poderia ser clareado
com os dados?

Esse será o ponto de partida para uma análise rica.

Nesse momento, quanto mais conhecimento sobre
o problema, mais relevantes serão as questões
propostas. Caso você não seja um expert no assunto
em análise, procure quem seja para ajudá-lo a
preparar perguntas relevantes.

Invista um bom tempo nessa preparação inicial. Não

fique afoito para partir direto para a análise. Uma boa
reflexão nessa etapa é um investimento que fará você
ganhar muita qualidade analítica em seus estudos.

6
Como é feita uma boa análise de dados?

Descubra onde e como os

dados serão obtidos

Com as dúvidas iniciais em mãos, é preciso levantar os dados

necessários para respondê-las. Eles já estão disponíveis?
Se sim, em qual sistema e quem terá que extrair essas
informações? Os dados disponíveis são confiáveis?

Essa fase de questionamento é relevante. Afinal, caso os

dados sejam ruins, a análise gerada também será. Portanto, a
preocupação com a qualidade dos dados é de vital importância.

Tome especial cuidado para que todos os dados necessários

para responder às perguntas sejam solicitados/coletados,
para evitar perder tempo nas próximas etapas. Organize os
dados em uma estrutura de banco de dados, com variáveis nas
colunas e observações nas linhas, uma vez que a maioria dos
softwares de análise exige essa organização.

7
Execute a anÁlise

Comece avaliando a presença de outliers e investigue a razão da ocorrência desses valores atípicos ou discrepantes.
Caso eles existam, o que você fará? Eles realmente fazem parte da população em estudo ou são erros de digitação?
Essa é uma fase que nos ajuda a fazer uma limpeza dos dados, deixando-os prontos para a análise.

8
Como é feita uma boa análise de dados?

Com os dados preparados para a análise, comece respondendo às perguntas iniciais. Para cada gráfico preparado,
anote os aprendizados. Lembre-se de que a análise é iterativa, ou seja, as respostas às perguntas iniciais levam à
formulação de novas perguntas e esse ciclo segue-se diversas vezes.

Faça um compilado com os principais gráficos e resultados. Discuta com outras pessoas. Veja se aparecem novas
dúvidas e volte à análise.

Lembre-se de que a qualidade visual é importante, assim, faça ajustes nos eixos e legendas
dos gráficos para que esses fiquem claros e visíveis para sua audiência, mas cuidado para
não rebuscar demais, evitando que as conclusões sejam de difícil compreensão – quanto
menos tinta melhor!

É importante pontuar que é preciso desenvolver a habilidade de interpretação gráfica. É possível fazer um paralelo
com médicos que se especializam em interpretar exames como ressonância magnética. Para uma pessoa que não
foi treinada, provavelmente seja impossível entender esse tipo de informação. Com os gráficos também é preciso
treino e, por essa razão, colocamos as nossas interpretações em cada gráfico dos exemplos, para ajudá-lo a
desenvolver essa habilidade.

9
 Conceitos iniciais
para suportar uma
boa análise de dados
Conceitos iniciais para suportar uma boa análise de dados

Estatística, Análise de Dados e Variabilidade

A Estatística é um conjunto de conceitos e técnicas, utilizado no planejamento da coleta e na análise de dados, com
o objetivo de resolver problemas reais. Claramente, cientistas, engenheiros, economistas e outros profissionais estão
envolvidos com essas atividades e, portanto, necessitam utilizar a Estatística. Além disso, de uma forma ou de outra,
todas as pessoas são afetadas pelo uso da Estatística. Cada vez mais órgãos governamentais e empresas baseiam as
próprias decisões, as quais afetam o dia a dia das pessoas, em análises estatísticas, o que faz com que não apenas
profissionais tenham de adquirir algum conhecimento dessa técnica.

O que torna essa disciplina de grande utilidade, e única, é que a aplicação dela ocorre em
situações ou processos em que a incerteza e a variabilidade estão presentes.

Um processo é definido como uma combinação de pessoas, materiais, procedimentos, métodos, políticas e meio
ambiente, cujos elementos integrados formam uma série de ações que conduzem a determinado resultado. Em
nosso caso, o resultado é um produto ou serviço. Para avaliar a utilidade de um produto para o consumidor, variáveis
são medidas no produto. Dois itens produzidos nas mesmas condições não são, em geral, idênticos, com respeito às
variáveis consideradas. Existe uma variabilidade inerente em cada processo.

11
Conceitos iniciais para suportar uma boa análise de dados

Os métodos estatísticos são desenvolvidos para lidar com a incerteza

e a variabilidade. Eles são fundamentais para se fazer inferências
sobre processos a partir de uma amostra de uma população.
Considere, em seguida, exemplos de algumas áreas de atividade.

•• Processos econômicos: renda familiar, índice de inflação,

taxa de juro etc.

•• Processos industriais: porcentagem de peças defeituosas,

diâmetro de peças, rendimento de um processo industrial etc.

•• Processos biológicos: pressão arterial, número de espécies,

tempo de vida etc.

Em todas as situações descritas anteriormente, o que obtemos são

respostas, as quais podem assumir diferentes características: podem
ser resultados numéricos (renda familiar, tempo de sobrevivência)
ou simplesmente resultados qualitativos (opção partidária, local de
nascimento, sobrevivência ou não de um animal etc.).

12
Conceitos iniciais para suportar uma boa análise de dados

Para avaliar a performance do processo e a qualidade do que se está produzindo, é preciso dados sobre o processo ou
o produto. Os dados devem ser analisados, e as decisões devem ser feitas com respeito ao processo, além de que elas
devem ser tomadas na presença de variabilidade. A Estatística é a ferramenta adequada para se planejar a coleta de
dados, que sejam relevantes para o problema em estudo, bem como para a análise.

Tipos de dados

Antes de realizar qualquer análise, é preciso entender qual o tipo de dado que está na sua frente. Quando queremos
colocar um prego na parede utilizamos um martelo, já quando queremos apertar um parafuso podemos usar uma
chave de fenda. Da mesma forma, dependendo do tipo de variável que coletamos, iremos utilizar uma ferramenta
gráfica diferente. Em termos gerais, os dados podem ser de três tipos, como você pode observar a seguir.

•• Classificação (qualitativos): os resultados possíveis são classificações (peça defeituosa ou não defeituosa,
entrega atrasada ou não atrasada, cliente satisfeito ou não satisfeito, cor de determinado produto).

•• Contagem: os resultados são números inteiros (número de riscos em uma peça, número de acidentes no mês,
número de cursos vendidos).

•• Contínuos: os resultados podem ser quaisquer números dentro de um intervalo (peso, comprimento, gasto mensal).

13
 Quando, como e
exemplos para gráficos
QUANDO, COMO E EXEMPLOS PARA GRÁFICOS htp:/ w w.escolaedti.com.br htps:/w .facebok.cm/EdtiProjetsDeMlhoriaEInovaco/ htps:/br.linkedin.com/edu/escola-edti-19708

Você perceberá que é fácil!

HISTOGRAMA

Histograma é uma representação gráfica da distribuição de frequências de um

conjunto de dados quantitativos contínuo, pode ser um gráfico por valores
absolutos ou frequência relativa ou densidade. Em termos matemáticos, um
histograma é uma função que conta o número de observações de cada um
dos intervalos de classe. Um gráfico é apenas uma forma de representar um
histograma. Então, se for o número total de observações e se for o número
total de intervalos de classe, o histograma satisfaz a seguinte condição

15
QUANDO, COMO E EXEMPLOS PARA GRÁFICOS htp:/ w w.escolaedti.com.br htps:/w .facebok.cm/EdtiProjetsDeMlhoriaEInovaco/ htps:/br.linkedin.com/edu/escola-edti-19708

HISTOGRAMA
Quando utilizar: adequada para quando temos dados numéricos e desejamos
aprender sobre a distribuição dele.
No caso de densidade, a frequência relativa do intervalo i, (fri), é representada pela
área de um retângulo que é colocado acima do ponto médio da classe i. Conse-
quentemente, a área total do histograma (igual a soma das áreas de todos os
retângulos) será igual a 1. Assim, ao construir o histograma, cada retângulo deverá
ter área proporcional à frequência relativa (ou à frequência absoluta, o que é
indiferente) correspondente.
Já para os onde os intervalos são de tamanhos (amplitudes) iguais, as alturas dos
retângulos serão iguais às frequências relativas (ou iguais às frequências absolu-
tas) dos intervalos correspondentes.

Como interpretar: no histograma olhamos informações de localização e de

variação dos dados. Por exemplo, qual o centro (a média), qual o mínimo e o
máximo, qual a amplitude (variação)? O objetivo é conhecer um pouco sobre os
dados que estamos trabalhando e também identificar a possível presença de
outliers. Por essas razões, o histograma é uma das primeiras ferramentas que
utilizamos na chamada análise descritiva ou exploratória de dados. Geralmente se
recomenda a utilização de histogramas de frequência relativa, pois a influência do
tamanho da amostra é minimizada, tornando possível comparar duas distribuições.

16
QUANDO, COMO E EXEMPLOS PARA GRÁFICOS htp:/ w w.escolaedti.com.br htps:/w .facebok.cm/EdtiProjetsDeMlhoriaEInovaco/ htps:/br.linkedin.com/edu/escola-edti-19708

A utilização do histograma depende do tipo de variável coletada e que será utilizada:

HISTOGRAMA

Classificação (qualitativos): os resultados possíveis são classificações. No

contexto de indicadores aparecerão na forma sim ou não (peça defeituosa ou não
defeituosa, entrega atrasada ou não atrasada, cliente satisfeito ou não satisfeito).

Contagem: os resultados são números inteiros (número de riscos em uma peça,

número de acidentes no mês).

Contínuos: os resultados podem ser quaisquer números dentro de um intervalo

(peso, comprimento, gasto mensal).

17
Quando, como e exemploS para gráficos

Exemplo: 60 registros do peso de uma caixa de leite

em pó foram coletados durante uma hora de produção.
A distribuição é representada graficamente pela figura
ao lado.

Por meio do gráfico podemos observar o

comportamento dos pesos e examinar características
como: simetria da distribuição (nesse caso distribuição
simétrica), região onde há maior concentração de
valores (entre 270 e 277), o centro da distribuição (em
torno de 273), a dispersão dos valores ao redor de uma
medida central (dados entre 265 e 283). Também é
possível perceber que não existe nenhum outlier.

A distribuição nos fornece uma grande quantidade

de informações sobre o conjunto de dados que
estamos analisando, além de ser um bom estudo
inicial, que nos permite ganhar mais familiaridade
com a variável em estudo.

18
QUANDO, COMO E EXEMPLOS PARA GRÁFICOS htp:/ w w.escolaedti.com.br htps:/w .facebok.cm/EdtiProjetsDeMlhoriaEInovaco/ htps:/br.linkedin.com/edu/escola-edti-19708

BOXPLOT
O boxplot (gráfico de caixa) é um gráfico utilizado para avaliar a distribuição
empírica do dados. O boxplot é formado pelo primeiro e terceiro quartil e pela
mediana. As hastes inferiores e superiores se estendem, respectivamente, do
quartil inferior até o menor valor não inferior ao limite inferior e do quartil
superior até o maior valor não superior ao limite superior. Os limites são
calculados da forma abaixo

Limite Inferior:
Limite Superior:
Para este caso, os pontos fora destes limites são considerados valores
discrepantes (outliers) e são denotados por asterisco (*).
O boxplot pode ainda ser utilizado para uma comparação visual entre dois ou
mais grupos. Por exemplo, duas ou mais caixas são colocadas lado a lado e se
compara a variabilidade entre elas, a mediana e assim por diante. Outro ponto
importante é a diferença entre os quartis que é uma medida da
variabilidade dos dados.

19
QUANDO, COMO E EXEMPLOS PARA GRÁFICOS htp:/ w w.escolaedti.com.br htps:/w .facebok.cm/EdtiProjetsDeMlhoriaEInovaco/ htps:/br.linkedin.com/edu/escola-edti-19708

BOXPLOT

Quando utilizar: assim como o histograma, o Boxplot (também chamado de

box e whisker plot) também é utilizado para variáveis numéricas, quando o
objetivo for o estudo da distribuição dos dados, é um método alternativo ao
histograma para representar os dados, preferível quando o objetivo é
comparar dois ou mais grupos.
Em um box plot são apresentados 5 estatísticas: o mínimo, o primeiro quartil
(Q1), a mediana, o terceiro quartil (Q3) e o máximo. Esse valores também são
chamados de resumo dos cinco números.
Como interpretar: o Boxplot fornece informação sobre as seguintes característi-
cas do conjunto de dados: localização, dispersão, assimetria, comprimento da
cauda e outliers (medidas discrepantes).
O centro da distribuição é indicado pela linha da mediana, no centro da caixa. A
dispersão é representada pela amplitude do gráfico, que pode ser calculada como
máximo valor – mínimo valor. Quanto maior for a amplitude, maior a variação nos
dados.

20
Quando, como e exemploS para gráficos

Exemplo 1: Na figura, a
seguir, você encontra todas
as informações apresentadas
em um Boxplot.

21
Quando, como e exemploS para gráficos

O centro da distribuição é indicado pela linha da mediana (alguns softwares estatísticos também representam a média
com um símbolo, nesse caso o ‘+’). A dispersão é representada pela altura do retângulo (Q3 – Q1), no qual Q3 é o terceiro
quartil e Q1 é o primeiro quartil. O retângulo contém 50% dos valores do conjunto de dados. A posição da linha mediana no
retângulo informa sobre a assimetria da distribuição. Uma distribuição simétrica teria a mediana no centro do retângulo,
bem próxima à média – no exemplo anterior, o conjunto de dados foi assimétrico. Se a mediana é próxima de Q1, então, os
dados são positivamente assimétricos. Se a mediana é próxima de Q3, os dados são negativamente assimétricos.

O comprimento das linhas fora do retângulo (algumas vezes chamadas de whisquers) informam sobre a cauda da distribuição.

Os valores fora de Q1-1.5*(Q3-Q1) e Q3+1.5*(Q3 -Q1) geralmente são chamados de outside e

devem ser investigados como possíveis outliers, além de serem geralmente representados por
um asterisco. Valores outside não são necessariamente outliers, mas um outlier usualmente
aparece no gráfico como um outside.

Uma utilidade muito importante do Boxplot é na comparação gráfica de dois ou mais grupos. Nesse caso, o Boxplot é
preferível ao histograma. Essa comparação pode ser feita desenhando-se os Boxplots para cada conjunto de dados,
paralelamente, em um mesmo gráfico.

22
Quando, como e exemploS para gráficos

Exemplo 2: O próximo gráfico apresenta dados de

viscosidade de três misturas diferentes. O Boxplot
comparativo é apresentado ao lado.

Como podemos ver, as misturas apresentam níveis

médios diferentes de viscosidade, decrescentes
da mistura 1 para a mistura 3. Supondo que no
exemplo o desejo seja aumentar a viscosidade,
claramente a mistura 1 é preferível nesse critério.

Também é possível perceber que existe razoável

simetria nos dados para as 3 misturas e que para
a mistura 3 existe um outlier (representado pelo
ponto isolado no gráfico). Esse ponto deve ser
investigado, e causa dele, identificada.

É importante ressaltar que muitas vezes a grande

informação está na causa especial, por isso, não a
ignore simplesmente.

23
Quando, como e exemploS para gráficos

Gráfico de dispersão

Quando utilizar: quando queremos estudar a relação entre duas variáveis numéricas. O
objetivo é responder à pergunta: a variável X influencia a variável Y? Se conseguirmos entender
como ocorre a relação entre as variáveis, pode ser possível propor novos direcionamentos para
um negócio. Por exemplo, podemos descobrir que o tempo para responder a uma proposta
influencia negativamente a chance de sucesso na venda e, com isso, redesenhar as atividades
da área comercial de modo a diminuir esse tempo de envio de propostas.

Como interpretar: Veja, em seguida, como interpretar o gráfico de dispersão.

•• Direção: positiva (quando “x” aumenta e “y” também aumenta) ou negativa (quando “x”
aumenta e “y” diminui).

•• Forma: a relação é linear (pode ser aproximada por uma reta) ou não linear.

•• Força: quanto mais aproximados os pontos estão da forma da relação identificada

entre “x” e “y”, maior a força dessa relação.

24
Quando, como e exemploS para gráficos

Exemplo: Uma equipe estava incumbida

de elevar a satisfação dos clientes com a
entrega dos projetos do escritório. Existia
uma forte convicção de que a satisfação
era influenciada pelos dias de atraso. Para
comprovar essa teoria, a equipe coletou o
nível de satisfação e os dias de atraso (dias
de atraso negativos significam entrega antes
do prazo) de 24 projetos.

Você consegue perceber, no gráfico

de dispersão, acima, se a satisfação é
influenciada pelos dias de atraso da entrega
do projeto?

Olhando o gráfico de dispersão, no qual cada

ponto representa um projeto, com os respectivos
atraso e satisfação, fica fácil perceber que,
quanto maior o atraso, menor a satisfação.

25
Quando, como e exemploS para gráficos

Além do gráfico, podemos também utilizar o Coeficiente de Correlação Linear, que mede o grau de associação entre
duas variáveis. Esse coeficiente pode ter valores entre -1 e 1.

Quanto mais próximo de 1 ele estiver, maior será a relação positiva, e quanto mais
próximo de -1, maior a relação negativa entre as variáveis X e Y.

Cuidado especial deve ser tomado em relação a possíveis relações espúrias ou “viciadas”.

26
Quando, como e exemploS para gráficos

Gráfico de Pareto

Quando utilizar: quando queremos representar a distribuição de dados categóricos

e ordená-los por frequência. Muitas vezes essa forma de representação gráfica é
utilizada para focar esforços, localizando quais são as categoriais vitais de uma
realidade, para atuação posterior.

Como interpretar: quando o gráfico é construído de maneira adequada, é calculada

uma linha que identifica os percentuais acumulados (veja exemplo a seguir). As
categoriais vitais são definidas quando o crescimento de uma barra para outra se
estabiliza. É importante perceber que nem sempre o efeito de Pareto está presente,
não indicando nenhuma grupo de categoria vital.

27
Quando, como e exemploS para gráficos

Exemplo: Uma empresa de embalagens

precisava reduzir custos com peças
defeituosas encontradas em sua produção.
Como a empresa não sabia por onde
começar, decidiu-se utilizar o conceito
do Gráfico de Pareto para analisar quais
defeitos ocorriam com maior frequência.
Durante duas semanas os dados foram
coletados, resultando no gráfico ao lado.

28
Quando, como e exemploS para gráficos

Nesse caso, a análise do gráfico de Pareto permitiu à empresa identificar quais eram os defeitos mais recorrentes
e, assim, priorizar a solução dos problemas relacionados à não selagem do topo, não selagem do fundo e não
selagem lateral.

Vamos utilizar esse exemplo para entender como encontrar as categorias vitais. Para isso,
observe a linha azul, que mostra o percentual acumulado.

Perceba, no exemplo analisado, que da primeira para a segunda barra acontece um grande salto.
Da segunda para a terceira barra também ocorre um grande salto.

A partir da terceira barra os saltos ficam quase do mesmo tamanho e, com isso, podemos
concluir que encontramos as categorias vitais: as representadas pelas três primeiras barras.

29
Quando, como e exemploS para gráficos

Gráfico de tendência

Quando utilizar: quando o objetivo é avaliar o comportamento de um indicador ao

longo do tempo. Pode ser utilizado para variáveis numéricas ou classificatória, nesse
segundo caso é preciso calcular o indicador na escala percentual, para posterior
utilização no gráfico de tendência.

Como interpretar: o grande objetivo é avaliar o comportamento ao longo do tempo

(estabilidade), além da presença de causas especiais de variação que mereçam uma
ação pontual ou o impacto de mudanças no indicador.

30
 Quando, como e exemploS para gráficos

Exemplo 1: a figura, ao lado, é um

exemplo de um gráfico de tendências que
mostra o percentual de entregas fora do
40 prazo (observação: essa é uma variável
35 classificatória – fora ou dentro do prazo
% de entregas fora do prazo

– em que foi calculado um percentual ao

30
longo do tempo para acompanhamento em
25 um gráfico de tendência).

20
É fácil perceber, pelo gráfico, que houve
15 uma melhoria no indicador entre os meses
10 8 e 9, causando redução no percentual de
entregas atrasadas.
5

2 4 6 8 10 12 14 16 18 Uma questão importante é quando temos

Mês convicção de que a melhoria realmente
aconteceu e se sustentou. Vamos discutir
isso no próximo exemplo.

31
Quando, como e exemploS para gráficos

Exemplo 2: Em um Gráfico de Tendência é

útil criar “fases” no gráfico para evidenciar os
impactos produzidos por mudanças. No exemplo,
ao lado, o objetivo era reduzir o tempo de ciclo de
uma atividade, e uma mudança foi realizada entre
a semana 7 e 8. Claramente podemos verificar que
a mudança produziu o efeito desejado. Observe.

Uma dúvida recorrente, especialmente de pessoas

que estão iniciando a utilização de gráficos de
tendência para monitorar indicadores, é quando
criar “fases” em um Gráfico de Tendência. Essa é
uma pergunta sempre complicada principalmente
quando estamos reagindo a posteriori (após “ver”
os dados), ou seja, já temos dados do indicador
que cobrem um período anterior às mudanças, o
período em que mudanças foram realizadas e um
período após a implementação das mudanças
(fase de controle).

32
Quando, como e exemploS para gráficos

A situação ideal é a que denominamos “análise prospectiva”. Quando iniciamos um projeto, coletamos dados do
indicador de um período anterior (em geral em torno de 10 pontos é suficiente). Colocamos esses pontos em um Gráfico
de Tendência e tentamos avaliar se não há evidência para rejeitar que o indicador estava estável no período (atenção
para o detalhe: “se não há evidência para rejeitar” e não “se há evidência para aceitar” – é sútil).

Se não há evidência para rejeitar que o indicador estava estável, então, traçamos a linha
de base e a projetamos para o futuro. A partir disso começamos a colocar novos pontos
no gráfico e anotamos mudanças que são realizadas no processo. Se a regra de 8 ou mais
pontos acima ou abaixo da linha de base é satisfeita, então, criamos uma nova linha de base
com esses novos pontos.

Se conseguimos associar a mudança de linha de base com alguma mudança realizada de forma intencional no
processo, ótimo. Se não conseguimos associar a alteração na linha de base com alguma mudança feita de modo
intencional, então, devemos tentar identificar alguma transformação que foi executada, às vezes sem nosso
conhecimento, que possa explicar esse impacto no indicador. E assim prosseguimos acompanhando o processo,
alterando a linha de base quando o indicador mostra que algo mudou no processo que impactou o indicador.

33
Quando, como e exemploS para gráficos

Exemplo de como definir

fases em um gráfico de
tendência

No exemplo anterior, a sequência

seria a que você pode ver em
seguida. Acompanhe.

1) Medimos o tempo de ciclo

por sete semanas, antes de se
fazer mudanças no processo,
e construímos um Gráfico de
Tendência com os dados. Não há
indicação de que o indicador não
esteja estável.

34
Quando, como e exemploS para gráficos

2) Projetamos a linha de base.

35
Quando, como e exemploS para gráficos

3) Coletamos pontos após a

mudança e colocamo-nos no
Gráfico de Tendência.

36
Quando, como e exemploS para gráficos

4) Após a mudança (realizada

entre a sétima e a oitava
semana), há sete pontos abaixo
da linha de base. Então, é o
momento de alterar a linha de
base. O valor 3 para o tempo de
ciclo (mediana dos últimos sete
pontos) é a nossa referência
agora. Os dados mostram que a
mudança foi uma melhoria.

37
Conclusão
Conclusão

Percebemos que uma correta análise de dados auxilia nos

direcionamentos estratégicos das decisões que devem ser
tomadas diariamente nas organizações. Para que você tenha
sucesso e insights valiosos é necessária uma preparação
adequada, levantando perguntas que direcionarão a
construção de gráficos.

Para responder às perguntas propostas será necessário

o conhecimento e entendimento de quais gráficos são
adequados para cada pergunta e para cada variável, como
descrito no decorrer desse e-book.

A constante análise gráfica e fundamentação de

suas decisões em dados e informações pode ser
o diferencial entre você e seus concorrentes.

Bons resultados!

39
Sobre o autor

Marcelo Petenate é diretor executivo da Escola

EDTI. É professor em cursos da Unicamp e tem
mais de 10 anos de experiência em Estatística
Aplicada e Seis Sigma, tendo coordenado alguns
programas de implantação dessa metodologia. É
formado em Estatística pela Unicamp e mestre
em Estatística pela USP.

Utiliza a análise de dados para construir histórias

e basear as decisões de negócio da própria
equipe executiva, além de gostar de compartilhar
esse conhecimento com quem se interessar
pelo assunto. Acredita que a análise de dados é
uma ferramenta extremamente importante para
melhorar as decisões de negócios e aumentar a
competitividade das organizações brasileiras.
Sobre o autor

A Escola EDTI, com base em uma longa experiência de

trabalho de consultoria em diversas indústrias, está
plenamente capacitada para treinar e orientar equipes em
atividades de melhoria e dar suporte à análise de dados
(inteligência analítica) para subsidiar decisões de negócios.

Nós acreditamos que a formação sólida de nossos

consultores e professores, aliada à experiência e
conhecimento do mercado, são fundamentais para ajudar
pessoas e empresas a na exploração de oportunidades de
crescimento.

Conheça mais materiais educativos.

Outros links úteis

Blog da Escola EDTI Site da Escola EDTI