PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO – PUC

Ricardo Lemos Oliveira

Business Intelligence: Visualização de Dados a partir do Enfoque Narrativo

Mestrado em Tecnologias da Inteligência e Design Digital

São Paulo
2020
 Ricardo Lemos Oliveira

Mestrado em Tecnologias da Inteligência e Design Digital - TIDD

Business Intelligence: Visualização de Dados a partir do Enfoque Narrativo

Dissertação apresentada à Banca

Examinadora da Pontifícia Universidade
Católica de São Paulo, como exigência
parcial para obtenção do título de Mestre
em Tecnologias da Inteligência e Design
Digital, na área de Processos Cognitivos
e Ambientes Digitais, na linha de
pesquisa de Inteligência Artificial e
Gestão.

Orientador: Profª Dr° Hermes Renato

Hildebrand

São Paulo
2020
Banca Examinadora

________________________________

________________________________

________________________________
 Não são dados ou informações,
máquinas e tecnologia, que fazem a diferença.
São as pessoas. E mais do que isso, relacionamentos.” – Tom Coelho
 AGRADECIMENTOS

Agradeço ao Prof. Dr. Hermes Hildebrand por ter aceito a minha

solicitação para ser seu orientando, em um momento de extrema
dificultade e pelos ensinamentos passados ao longo de todo o semestre.
Gratifico também o Prof. Dr Ítalo Vega pelas oportunidade de através dele
conhecer a metodologia de ensino OCC-RDD, confesso nunca ter imaginado
aprender conceitos de software utilizando feijões ou o jogo da forca; ao Prof. Dr.
Winfried Nöth por ampliar a minha cognição com as aulas de semiótica, indo
desde a filosofia aristotélica, até os conceitos de semioticistas como Saussure,
Barthes e, principalmente Peirce.
Agradeço profundamente a todos os colegas do TIDD, em especial
Jonatan Lemes e Wilson Vendramel pelo incentivo, indicações de materiais de
estudo e que mesmo na correria do dia a dia, conseguimos nos reunir para
prosear assuntos completamente aleatórios.
Não há como deixar de agradecer à Profa. Dra. Lúcia Santaella, por ter
trazido a utilização dos conceitos de Peirce, para a estruturação lógica de uma
pesquisa científica; à importantíssima Edna Conti, pela companhia nos
momentos que antecediam as aulas, por sempre reiterar qual caminho seguir e
pela paciência de sempre.
Obrigado à minha esposa Dayse, por ter me encorajado a me desprender
de tudo e de todos, incluindo ela, para trilhar o meu caminho na PUC-SP.
Agradeço por sempre ter acreditado em mim, quando eu mesmo não acreditava,
por sempre estar ao meu lado nos momentos difíceis, sendo o meu porto seguro.
E por fim, mas não menos importantes, agradeço aos meus pais Júlio Celso
Lemos e Isabel Lemos, por terem sido os alicerces da minha formação,
ensinando me o valor do conhecimento, sendo o maior investimento que a
pessoa pode fazer a si mesma.
 RESUMO

A velocidade com que os dados estão sedo gerados vem aumentando

significativamente, e estão impulsionado por uma disputa econômica
onde ter a informação torna-se uma vantagem competitiva frente à
concorrência. Verifica-se que fazer com que as informações relevantes estejam
disponíveis para os usuários é um dos desafios do business intelligence. A partir
de imagens que permitem a visualização das informações observa-se a
transformação dos dados em possibilidades interpretativas, onde o usuário é
capaz de analisar e extrair informações úteis. A utilização de narrativas também
vem sendo explorada para a apresentação de grande volumes de dados, pela
capacidade que possuem de dar contexto a informação representada. Sendo
assim, o propósido desta pesquisa é analisar e propor formas de apresentar
dados, por meio das formas narrativas no contexto de negócio, a fim de apoiar a
tomada de decisão em um ambiente corporativo, com base na criação de um
modelo de visualização de dados. Com o modelo proposto e a partir do resultado
de análise, acredita-se que o presente trabalho possa apoiar a construção de
narrativas, indo desde o mapeamento dos elementos narrativos, até a
representação visual.

Palavras-chave: visualização de dados, Business Intelligence, narrativas,

imagens gerando informação.
 ABSTRACT

The speed with which the data is being generated has been increasing
significantly, and is driven by an economic dispute where having
information becomes a competitive advantage over the competition. It
turns out that making relevant information available to users is one of the
challenges of business intelligence. From images that allow the
visualization of the information, the transformation of the data into
interpretative possibilities is observed, where the user is able to analyze
and extract useful information. The use of narratives has also been
explored for the presentation of large volumes of data, due to their ability
to give context to the information represented. Therefore, the purpose of
this research is to analyze and propose ways of presenting data, through
narrative forms in the business context, in order to support decision
making in a corporate environment, based on the creation of a data
visualization model. . With the proposed model and from the result of
analysis, it is believed that the present work can support the construction
of narratives, ranging from the mapping of narrative elements, to visual
representation.

Keywords: data visualization, Business Intelligence, narratives, images

generating information.
 Lista de ilustrações

Figura 1 – Exemplos de aplicações de análise de dados na cadeia

de valor do varejo..............................................................16
Figura 2 – Arquitura de BI em alto nível..................................................18
Figura 3 – Cubo de Informações........................................................19
Figura 4 – Exemplo de dashboard executivo.........................................20
Figura 5 – Princípio de Proximidade da Gestaut................................23
Figura 6 – Princípio de Similaridade da Gestalt ................................ 25
Figura 7 – Princípio de Acercamento da Gestalt ............................... 26
Figura 8 – Princípio de Fechamento da Gestalt ................................ 26
Figura 9 – Princípio de Continuidade da Gestalt ............................... 27
Figura 10 – Princípio de Conexão da Gestalt .................................... 28
Figura 11 – Processo de Percepção .................................................. 29
Figura 12 – Variáreis visuais de Bertin: (a) Tamanho;
(b) Orientação; (c) Forma; (d) Posicionamento;
(e) Matiz; (f) Tonalidade da Cor e; (g)Textura....................30
Figura 13 – Exemplos de utilização de cores em visualizações ........ 32
Figura 14 – Exemplo de utilização de tamanho ................................. 33
Figura 15 – Apresentação por gradação de cor ................................. 34
Figura 16 – Representação de dados através de tabela................... 35
Figura 17 – Exemplos de Gráficos para visualizações de Padrão ... 36
Figura 18 – Exemplos de Gráficos para visualizações de Padrão ... 37
Figura 19 – Exemplo de gráficos que representam relações ............ 38
Figura 20 – Gráfico de coordenadas paralelas .................................. 39
Figura 21 – Exemplo de mapa de calor ............................................. 40
Figura 22 – Exemplo de utilização de Treemaps..................................41
Figura 23 – Exemplos de representações com grafos (a) e (b). ........ 42
Figura 24 – Exemplo de uso de mapas ............................................. 43
Figura 25 – O que é um infográfico?Os principais componentes e
diferenciação................................................................... 44
Figura 26 – Infográfico informativo..........................................................46
Figura 27 – Tio Sam “I Want You for U.S. Army” ............................... 47
Figura 28 – 10 coisas que você não sabe sobre o Guinness .......... 48
Figura 29 – Vingadores, avante ......................................................... 49
Figura 30 – Exemplo de infográfico explanatório ................................ 50
Figura 31 – Representação do framework 5W1H em VI ................... 54
Figura 32 – Modelo interativo para visualização de informações
com base em narrativa visual (narração) para
inteligência de negócios...................................................56
Figura 33 – Lógica Horizontal ............................................................. 58
Figura 34 – Lógica vertical ................................................................. 58
Figura 35 – Storyboard Inverso .......................................................... 59
Figura 36 – Gêneros de narrativas.....................................................60
Figura 37 – História criada por um especialista durante o espaço de
design..............................................................................61
Figura 38 – Visão geral do modelo desenvolvido .............................. 70
Figura 39 – Visão geral do mapa em detalhe expandido ................... 72
Figura 40 – Visão do gráfico de linha em detalhe .............................. 72
Figura 41 – Visão dos produtos com mais perda em detalhe ............ 73
Figura 42 – Visão das lojas com mais perdas em detalhe ................ 73
 Lista de abreviaturas e siglas

5W1H What, Who, Why, When, Where, How

ABNT Associação Brasileira de Normas

Técnicas
BI Business Intelligence

BPM Business Process Management

CRM Customer Relationship Management

DRE Demonstrativo do Resultado do

Exercício
DW Data Warehouse

ERP Entrerprise Resource Planning

ETL Extract Transform Load

KPI Key Performance Indicator

LGPDP Lei Geral de Proteção de Dados

Pessoais
OLAP Online Analytical Processing

SI Sistemas de Informação
 Sumário

1 Introdução ............................................................................................ 12

2 Business Intelligence ............................................................................. 15

2.1 Arquitetura de BI......................................................................................18

3 Visualização de dados e Percepção Humana...................................... 21

3.1 Variáveis Visuais ................................................................................... 30
3.2 Técnicas de Visualização ...................................................................... 34
3.2.1 Infográficos - Definição e Tipos ...................................................... 43

4 Storytelling em Visualização de Informações de BI ........................... 52

4.1 Elementos de uma Narrativa em 5W1H................................................ 53
4.2 Processo de Criação ............................................................................. 56
4.3 Espaço de Design .................................................................................. 59

5 Modelo para Representação de Narrativa Através de Visualiza-

ções com Dados do Varejo ......................................................................62
5.1 Gerencimanento de Dados ................................................................... 62
5.2 Desenho da História .............................................................................. 63
5.2.1 Informações....................................................................................64
5.2.2 Gêneros..........................................................................................65
5.2.3 Visualizações..................................................................................66
5.3 Compartilhamento da História ............................................................. 67
5.4 Recebimento da História....................................................................... 67

6 Instanciação do Dashboard Executivo .................................................68

6.1 Modelo do Dashboard Executivo ......................................................... 70
6.2 Explorando a Narrativa Visual .............................................................. 71

Considerações finais..............................................................................75

Referências ............................................................................................ 78
 13
1 Introdução

Nunca se fez tão presente o termo Sociedade da Informação

(SANTOS; CARVALHO, 2009), onde cada vez mais os dados
transformam-se em um fator importante de remodelação da sociedade,
ou seja, os processos de comunicação tornam-se mais ágeis e eficientes
e auxiliam no desenvolvimento das organizações e instituições de ensino
unindo pesquisa e informação.
O INSTITUTO INFORMATION MANAGEMENT (2014), estima que
os dados gerados até o ano de 2020 atingiram uma proporção gigantesca,
que os especialistas terão que medir o volume da informação em
proporções relativas à distância da Terra à Lua. Desde o início dos anos
1990, essa quantidade de dados vem crescendo significativamente em
função da criação da Internet e, esse aspecto, foi sendo consolidado, cada
vez mais, com a popularização dos smartphones e, mais recentemente, em
função do movimento da Internet das Coisas (IoT – Internet of Things).
Como consequência dessa enorme geração de dados, os quais ficam
disponíveis em diversas formas e formatos, observa-se a necessidade de
um tipo de processamento mais ágil do que os praticados tradicionalmente,
nasce assim, o termo Big Data. Uma das aplicações do Big Data é a “geração
de insights, por meio de análise de dados“ (SHARDA et al., 2019, p. 440).
Sendo o Business Intelligence - BI responsável por levar maior eficiência
ao processo de tomada de decisão. Empresas como Google, Netflix e
Facebook estão encarando este desafio de frente, aplicando o conceito e
desenvolvendo técnicas de análise de grandes volumes de dados e, com
isso, tirando proveito desse fato na construção de novas estratégias
mercadológicas (SALVO, 2014).
Segundo Coutinho (2016), devido à quantidade de dados e a sua
constante atualização, o consumo por parte dos usuários tornou-se mais
flexível e, isto, permite uma maior falta de atenção. Para Gershon e Page
(2001), a visualização de dados auxilia no direcionamento de nossa
atenção, permitindo a descoberta de padrões, informações de interesse e
a projeção de tendências que ajudam a entender as informações e, assim,
 14
reduzem a incerteza na tomada de decisões em negócios.
Dessa forma, conforme dito por Gutiérrez et al. (2017), é importante
definir como apresentar as informações de maneira compreensível e
memorável por meio dos sistemas de visualização e de análise de BI. Por
isso, a empresa Gartner que é líder de mercado em pesquisas e
consultorias em tecnologia da informação, nos Estados Unidos, criou o
Quadrante Mágico de Plataforma de Inteligência de Negócios e Análise
de Dados para avaliar as principais ferramentas do mercado. As
plataformas que se destacam são: Microsoft Power BI, Tableau e Qlik.
Por outro lado, “todo mundo que tem dados para analisar tem
histórias para contar, quer seja diagnosticando os motivos para defeitos
de fabricação ou vendendo uma nova ideia de forma a capturar a
imaginação de seu público alvo’’ (SHARDA et al., 2019, p. 131). Apenas
apresentar os dados e fatos sobre os negócios em questão, pode não dar
o resultado esperado para uma tomada de decisão. Identificamos uma
parcela de argumentos em uma apresentação que se utiliza de slides para
informar. Com isso, o presente estudo tem por objetivo criar um modelo
de painel visual (dashboard) no contexto de BI, utilizando técnicas de
visualização de dados em conjunto com recursos narrativos, para explorar
o potencial de conhecimento que pode ser extraído dos dados para uma
determinada audiência e como eles podem auxiliar na tomada de decisão
em um ambiente de negócios. Para isso serão abordados os seguintes
temas: Business Intelligence, Visualização de informações e Storytelling
de dados.
No capítulo ‘Business Intelligence’, iremos tratar da definição de BI.
Além do que, também iremos identificar como é possível adquirir
aplicabilidade ao utilizar essa metodologia na cadeia de valor do varejo,
por exemplo. Assim, será apresentado a arquitetura de BI proposta por
Sharda et al. (2019), onde explicaremos quais são os principais
componentes, culminando com as questões que envolvem a interface dos
usuários que é utilizada para o monitoramento, análise e gerenciamento
dos dados.
No capítulo ‘Visualização de Dados e Percepção Humana’, será
apresentado as principais categorias de exploração visual das
 15
informações. Para entender como o cérebro processa as informações e
percepções exemplificadas com representações gráficas do cotidiano
(WARE, 2012; GOLDSTEIN, 2009; KNAFLIC, 2015). Além disso, também
realizaremos comentários sobre as técnicas de visualização de dados,
dando destaque aos infográficos que são parte integrante do campo de
estudo.
O capítulo ‘Storytelling em Visualização de Informações de BI’, exprime
sobre os conceitos de storytelling e como, através de um framework, pode
ser utilizado no contexto de BI. Por conseguinte, será apresentado o
modelo proposto por Gutiérrez et al. (2017) para criação de histórias e
quais são as principais técnicas de design, segundo Segel e Heer (2010)
e Elias et al. (2013), para a criação de um modelo visual de narrativa.
Nos capítulos ‘Modelo para Representação de Narrativa por meio
de Visualizações de Dados do Varejo’ e ‘Instanciação do Dashboard
Executivo’, iremos apresentar a criação de um modelo visual produzido a
partir dos conceitos discutidos ao longo desta pesquisa, assim como a
exploração da narrativa a partir deste mesmo modelo criado.
Discutiremos como a narrativa em seu contexto, consegue ajudar na
tomada de decisão.
 16

2 Business Intelligence

As organizações estão sendo atraídas a capturar, compreender e

aproveitar seus dados para embasar decisões que são capazes de aprimorar
operações empresariais. Leis e regulamentações, como por exemplo a lei
n°11.638/2001, que exigem dos responsáveis, a documentação de seus
processos comerciais e ratificação da legitimidade das informações que
embasam dados que serão repassados as partes interessadas. Os gestores
precisam das informações na hora e lugar certos, é o que define as abordagens
modernas de BI.
A literatura existente oferece várias definições de BI, porém, nenhuma
delas ainda foi bem aceita. Desde o surgimento do termo BI, com Luhn (1958),
o conceito foi mais usado para descrever processos sistemáticos (LONNQVIST;
PIRTTIMAKI, 2006), metodologias (RANJAN, 2009), tecnologias (BOSE, 2009),
ferramentas analíticas (EL- BASHIR et al., 2008; WATSON; WIXOM, 2007) e
técnicas (LIM; LEE, 2010) que usam sistemas suportados por computador para
coletar, analisar e disseminar informações para atividades de negócios e para
melhor tomada de decisão.
O conceito atual e mais utilizado para BI, é o de Chen et al. (2012, p.
1166). Essa definição é abrangente e atinge a maioria das perspectivas da
literatura existente e se refere ao BI como “as técnicas, tecnologias, sistemas,
práticas, metodologias e aplicativos que analisam dados críticos de
negócios para ajudar uma empresa a entender melhor seus negócios e seu
mercado e tomar decisões de negócios oportunas”. Essa perspectiva leva a
diferentes aspectos do processo de criação de valor.
A literatura acadêmica e profissional recente enfatiza a capacidade das
organizações de criar valor por meio do uso de BI. LaValle et al. (2011)
descobriram que as organizações de melhor desempenho têm experiência
substancial no uso de BI para criar valor. Da mesma forma, Chen et al. (2012)
reconheceram o papel do BI na aquisição de inteligência sobre as necessidades
e opiniões dos clientes, levando a novas oportunidades de negócios.

1
A lei obriga as empresas de sociedade anônima ou limitada a apresentar um Demonstrativo
do Resultado do Exercício - DRE.
 17

Apesar do crescente interesse, o processo de transformação dos insights

desencadeados pelo BI em conhecimento de negócios permanece vago. Desse
modo, muitos autores, como Sharma et al. (2014) e Ross et al. (2013) pedem
uma análise mais profunda de como as organizações podem criar valores por
meio do uso de BI e entender os processos subjacentes de alocação de
recursos. Para exemplificar essa criação de valor, Sharda et al. (2019) apresenta
por meio do quadro a seguir, exemplos de aplicação de análise de dados na
cadeia de valor do varejo:

Figura 1 – Aplicação de análise de dados na cadeia de valor do varejo

Fonte: Sharda, Delen e Turban (2019).

Uma presunção geral da literatura existente é que o uso de BI leva

a uma maior eficiência no processo de tomada de decisão. Assim, uma
 18

premissa comum dessa visão é que o BI permite a identificação, captura

e produção de novos insights e conhecimentos para a tomada de decisões
(ACHARYA et al., 2018; HOU, 2012). Por exemplo, Popovic et al. (2010)
propuseram um modelo de pesquisa para derivar o valor comercial do BI
e encontraram maturidade e recursos absorvíveis de BI para facilitar o uso
de informações de qualidade habilitadas pelo BI nos processos de
negócios e na tomada de decisões.
Da mesma forma, Elbashir et al. (2008) em sua pesquisa,
descobriram que o BI agrega valores por meio dos processos de negócios
aprimorados (relações com parceiros de negócios, eficiência de
processos internos e benefícios de inteligência do cliente). Trkman et al.
(2010) descobriram empresas que suportam recursos analíticos com bom
Sistema de Informação - SI para obter um melhor desempenho na
tomada de decisões.
Além disso, Isik et al. (2013) encontraram empiricamente a
importância de recursos tecnológicos e dados de alta qualidade para
apoiar a tomada de decisão e a acessibilidade a todos os usuários em
diferentes ambientes de negócios. Dessa forma, quanto mais rica a
inteligência organizacional de uma empresa, mais rápida será sua
resposta em um ambiente competitivo. Conforme Hannula e Pirttimaki
(2003), em sua pesquisa, encontraram os benefícios mais significativos
fornecidos pelo BI, foi à aquisição de informações de melhor qualidade
para a tomada de decisões, a melhoria da capacidade de antecipar
ameaças e oportunidades, bem como o crescimento de base de
conhecimento e economia de tempo.
Hoje em dia, é essencial que a análise de negócios seja feita, mas
também ações em resposta à análise de resultados possam ser
executadas e altere instantaneamente os parâmetros dos processos de
negócios. Os sistemas de BI iniciam, automaticamente, ações em
sistemas com base em regras e contexto para suportar vários processos
de negócios. Esses sistemas analíticos derivam insights da riqueza de
dados disponíveis, fornecendo informações conclusivas, baseadas em
fatos.
 19

2.1 Arquitetura de BI

Tradicionalmente, os sistemas de BI são arquitetados com foco no

back end (processo interno), que geralmente é alimentado por
tecnologias para armazenamento de dados. Ultimamente, as arquiteturas
para BI evoluíram para aplicativos analíticos corporativos de várias
camadas distribuídas.
Para Sharda et al. (2019) um sistema de BI caracteriza-se por
contemplar quatro componentes principais: um Data Warehouse - DW,
com seus dados fonte; análise de negócios, uma coleção de ferramentas
para manipular, minerar e analisar os dados no DW; Business Process
Management - BPM para monitorar e analisar desempenhos; e uma
interface de usuário, como portais, por exemplo. A relação dos
componentes citados está ilustrada na Figura 2.

Figura 2 – Arquitura de BI em alto nível

Fonte: Eckerson (2003).

Os dados operacionais são a matéria-prima da arquitetura de BI e

em uma empresa eles são extraídos de várias fontes internas, por
exemplo, ERP (software integrado de gestão empresarial, CRM (software
de gestão de relacionamento com o cliente) e planilhas excel; e fontes
externas usando as ferramentas Extração, Transformação e Carga (ETL),
 20

logo “os dados sobre os quais as tarefas de BI são executadas

geralmente são carregados em um repositório chamado Data
Warehouse“ (CHAUDHURI et al., 2011, p. 90).
Com o principal objetivo de armazenar informações, segundo
Antonelli (2009), o DW serve para organizar um conjunto de dados não
voláteis por assunto e integrá-los por data. Esse depósito de dados
possibilita gerenciar grandes quantidades de informação, modelando-os
para suprir as necessidades dos usuários empresariais e para auxiliar na
análise do negócio.
De acordo com a figura 2, com um mesmo cubo de informações é
possível atender as várias demandas referentes as análises voltadas
para cada nível hierárquico de uma organização de forma rápida e
precisa.

Figura 3 – Cubo de Informações

Fonte: Antonelli (2009).

Após a descrição do processo, são necessárias ferramentas que

possibilitem a visualização destas informações, de forma amigável,
auxiliando assim os usuários do BI a tomarem suas decisões. Existem
vários aplicativos de front end populares por meio dos quais os usuários
realizam tarefas de BI: planilhas, portais corporativos para pesquisa,
aplicativos de gerenciamento de desempenho que permitem aos
tomadores de decisão rastrear os principais indicadores de desempenho
(KPI) dos negócios usando painéis visuais (dashboards).
Esses painéis visuais, também chamados de dashboards, são as
 21

ferramentas de visualização mais populares na análise de BI. Eles são

coleções de componentes visuais (como gráficos ou tabelas) em uma
única exibição (ELIAS et al., 2013), que permitem aos analistas explorar
seus dados e visualizar rapidamente diferentes aspectos de conjuntos de
dados complexos.
Do ponto de vista do tomador de decisão, os dashboards fornecem
uma maneira útil de visualizar dados e informações. Os resultados
exibidos incluem métricas únicas, análise gráfica de tendências,
indicadores de capacidade, mapas geográficos, compartilhamento de
porcentagem, semáforos e comparações de variações. Permitindo a
apresentação de relacionamentos complexos e métricas de desempenho
em um formato mais compreensível pelos gerentes, ou seja, diminuem a
curva de aprendizado. A Figura 4 apresenta um típico dashboard com
uma variedade de KPIs relativos a uma empresa hipotética.

Figura 4 – Exemplo de dashboard executivo

Fonte: Sharma (2009).

No lado esquerdo do dashboard pode ser visto as alterações

 22

trimestrais em margens de lucro, despesas e receitas, além da

comparação de valores mensais dos anos antecedentes. No canto
superior direito, é visto dois quantificadores de despesas sinalizadas
através de um ponteiro e na parte inferior direita, é visto o mapa
geográfico, onde mostra a distribuição de vendas por países de todo o
mundo. Ao clicar nós ícones geográficos, o usuário pode se aprofundar
em níveis mais granulares de informações e dados.
No entanto, para Elias et al. (2013) as coleções simples de
representações visuais podem não ser interpretadas por públicos não
treinados; para se tornarem significativos, eles exigem interpretação e
explicação, frequentemente apresentados em uma narrativa. Ela tem a
capacidade de oferecer uma estrutura e sequência lógica às
visualizações (GUTIÉRREZ et al., 2017), dando ao usuário mais
facilidade de lembrar os pontos chaves e pintar um retrato de como o
futuro deve parecer.
Contar histórias é importante para o BI, porque inevitavelmente
outras pessoas precisam entender a mensagem que transmitem para
contribuir com a tomada de decisões. A incorporação da análise de BI no
contexto de uma narrativa estruturada ajuda outras pessoas a apreciar
melhor sua utilidade ao abordar o problema em questão. Ou seja,
enquanto os dados explicam o que está acontecendo, incorporá-los em
uma história ajuda outras pessoas a entender por que elas estão
ocorrendo. Perceber esse entendimento ajuda os outros a decidir como
agir.

3 Visualização de dados e Percepção Humana

A crescente quantidade de dados gerados e consumidos no século

XXI fez da Visualização de Dados uma área crucial da ciência moderna.
Por meio do uso de elementos visuais como gráficos, tabelas e mapas,
as ferramentas de visualização de dados propiciam uma maneira
acessível de observar e compreender tendências e padrões e identificar
pontos fora da curva.
A visualização de dados pode ter muitas definições e ser bastante
 23

abrangente. Entretanto, ela pode ser considerada como “o estudo de

representação de dados de alguma forma sistemática, incluindo atributos
e variáveis para a unidade de informação” (KHAN; KHAN, 2011, p. 3). O
seu objetivo é facilitar a compreensão, visto a dificuldade de se interpretar
a informação somente a partir de números. Embora o termo mais
frequente seja visualização de dados, em geral o que ser quer dizer é
visualização de informações.
Ao organizar dados segundo critérios específicos, com o objetivo
final de visualizá-los, acaba-se por obter informações e possibilitar a
construção de novos conhecimentos sobre os mesmos. Assim,
ferramentas computacionais de visualização e análise de dados pode dar
apoio aos usuários de todo o processo de análise das informações.
Conforme dito por Alexandre (2007), a análise pode apoiar atividades
como:
 Análise exploratória - onde o usuário pretende descobrir
novos conhecimentos contidos nos dados: através de um
processo analítico. Para Knaflic (2015), a análise exploratória
é o que você faz para entender os dados e descobrir o que
pode ser digno de nota ou interessante para destacar para
os outros.
 Análise confirmatória – onde o usuário tem uma hipótese e
o objetivo é, através da exploração visual, determinar a
evidência para aceitação ou rejeição dessa mesma hipótese.
Segundo Gamero et al. (2003), os dados são utilizados para
se confirmar supostas informações previamente esperadas e
que se acredita estarem neles contidas, e que podem ser
confirmadas após uma maior exploração dos dados.
 Apresentação – é utilizada para representação gráfica e
apresentação do relacionamento, estrutura, comportamento
e outras características intrínsecas aos dados em questão.

Para Germano (2019), a análise explanatória abrange tudo aquilo

que será mostrado ao público interessado. Após explorar os dados e
encontrar algum padrão interessante, é na fase explanatória que você irá
 24

explicar melhor ou contar uma história sobre a descoberta, ou seja, é

focada na comunicação para o público interessado.
Na visualização da informação, há modelos gráficos que
relacionam diversos tipos de conceitos e relacionamentos, muitas vezes
caracterizados por dados de múltiplos atributos e que não se
caracterizam nem pela natureza espacial, nem temporal. Desta forma,
conforme dito por Alexandre (2007), é cada vez mais complexa a tarefa
de representar os dados de forma visível e adequada.
Uma forma de potencializar essa visualização é conhecer como o
cérebro processa as informações de maneira mais efetiva, como, por
exemplo, reconhecimento de padrões. A visualização de informação
baseia-se, principalmente, no sentido humano que tem a maior
capacidade de capturar e processar estímulos, a visão. A partir dela, é
possível construir relações entre espaço, luz, cor, forma e contraste
(KANASHIRO, 2003).
É importante entender como a mente humana processa as
informações a seu redor, para decidir como melhor direcionar o foco da
atenção e como aproveitar o intervalo da atenção do usuário, que hoje
está sendo mais limitada. Segundo Ware (2012), o sistema visual
humano, além de ser um investigador de padrões com grande poder de
acuidade, também forma um poderoso centro de processamento paralelo
que pode fornecer um canal de banda larga para processos cognitivos
humanos.
Para Berg (2012), o uso da visualização da informação é
influenciado, principalmente, por dois conjuntos de fatores, que são os
subjetivos e os contextuais. Como valores subjetivos, entende-se as
diversas personalidades, experiênciae e habilidades; e como
motivacionais temos as expectativas e estresses. Mesmo considerando
que cada individuo tendo a sua particularidade, o processo cognitivo das
pesooas são similares.
Já a percepção humana se dá a partir dos sentidos. Estes são
constantemente estimulados, pois a todo o momento os acontecimentos
ao nosso redor podem mudar em relação as concepções dos fatos. Os
estímulos percebidos pelos sentidos geram impulsos elétricos que,
 25

através do sistema nervoso, geram sensações no cérebro, mudando,

com isso, a maneira pela qual as pessoas percebem aquilo que lhes afeta
(RUŠINOVÁ, 2016).
Seguindo a linha de raciocínio de que a percepção se dá a partir da
interação com o ambiente, Rušinová (2016) afirma que o mundo real e o
mundo que percebemos não são os mesmos, mas estão fortemente
relacionados. Uma das mais conhecidas teorias relacionadas à
percepção é aquela que é adotada em diversas áreas de conhecimento:
a Teoria da Gestalt (ELLIS, 2013). Essa teoria defende a ideia de que o
todo é compreendido de maneira diferente que a soma de suas partes.
Isso tem relação direta sobre o nível de pregnância de um objeto.
Dessa forma, um objeto é pregnante, como dito por Alexandre (2007, p.
5), desde que “exprima uma característica qualquer, de maneira
suficientemente forte para destacar-se, impor-se e ser de fácil evocação”.
As características que determinam a pregnância de uma imagem são
observadas nas Leis da Teoria da Gestalt, que são princípios estruturais
e funcionais de nosso campo perceptivo.
Estas leis estabelecem a forma como os elementos constitutivos de
uma imagem podem vir a ser percebidos em termos organizacionais,
seguindo determinados princípios. Segundo Knaflic (2015, p. 68-73), são
eles:

 Proximidade: Tende-se a pensar que os objetos fisicamente

próximos fazem parte de um grupo. Esse princípio está demonstrado
na Figura 5; é possível notar naturalmente os pontos como três grupos
distintos, graças a sua posição relativa.

Figura 5 – Princípio de Proximidade da Gestaut

Fonte: Knaflic (2015).

 26

Este princípio pode ser facilmente associado ao resultado do

algorítmo K-means, onde encontra regiões diferentes em um gráfico
observado as condições para o evento, para assim realizar uma análise
de agrupamento. Por exemplo, se a informação mais importante a ser
avaliada é o desempenho do grupo, torna se um conceito importante a
ser utilizado.

 Similaridade: Objetos que têm cor, forma, tamanho ou orientação

semelhantes são percebidos como relacionados ou pertencentes a
parte de um grupo. Na Figura 6, associam-se naturalmente os círculos
azuis à esquerda ou os quadrados cinzas, à direita.

Figura 6 – Princípio de Similaridade da Gestalt

Fonte: Knaflic (2015).

Pode-se usar esse princípio de forma a chamar a atenção do

usuário para um determinado padrão de informações, uma tendência, ou
uma sequência física de elementos. Ao utilizá-lo, vale destacar que a cor
é destacadamente o atributo mais perceptível, enquanto forma e tamanho
são mais frágeis.

 Acercamento: Os objetos que são delimitados tendem a fazer o

cérebro pensar como integrantes de um grupo (a). Um modo de
aproveitar o princípio do acer- camento é traçar uma distinção visual
dos dados, como no gráfico (b) da Figura 7.
 27

Figura 7 – Princípio de acercamento da Gestalt

Fonte: Knaflic (2015).

O efeito de fechamento é poderoso o suficiente para se sobressair

em relação aos princípios de similaridade e da proximidade. O gráfico (b)
é comumente utilizado em balanços para demonstrar duas fases
distintas, como em um Demonstrativo de Resultado do Exercício - DRE.

 Fechamento: Tende-se a perceber um conjunto de elementos

individuais como uma única forma reconhecível - quando partes de um
todo estão a faltar, os olhos preenchem as lacunas (c). O princípio do
fechamento ignora elementos como bordas e sombreado de fundo em
gráficos, efeitos 3D, linhas de grade (d) e ainda assim continuam
coesos. Conforme visto na Figura 8:

Figura 8 – Princípio de Fechamento da Gestalt

Fonte: Knaflic (2015).

 28

A partir deste princípio entende-se o quão importante é prezar pela

simplicidade e eliminar a chamada carga cognitiva, ou seja, a quantidade
de esforço realizada pelo cerébro para interpretar a visualização em
questão.

 Continuidade: O princípio da continuidade é semelhante ao do

fechamento, os olhos buscam o caminho mais suave e criam
continuidade no que observam, mesmo onde não pode existir. Por
exemplo, na Figura 9, ao separar os objetos (1), pode-se ter como
resultado o objeto (2) ou o (3). Ao se remover o eixou y do objeto (e), a
visualização não é comprometida por este princípio.

Figura 9 – Princípio de Continuidade da Gestalt

Fonte: Knaflic (2015).

Ao observar (e) percebe-se que ‘A’ é maior do que ‘B’, ‘B’ é maior
do que ‘C’ e assim por diante. A depender do caso, não se faz necessário
nem mesmo uma escala de valores no eixo horizontal.

 Conexão: Tende-se a considerar objetos fisicamente conectados

como parte de um grupo, como visto na Figura 10.
 29

Figura 10 – Princípio de Conexão da Gestalt

Fonte: Knaflic (2015).

O gráfico de linhas gera uma associação mais acentuada pois há

uma conexão entre os elementos. Em uma área como a visualização de
dados, em que os estímulos visuais são os mais prevalecentes, é
importante ter em mente tais princípios ao criar visualizações e
apresentá-las aos usuários. O princípio de Gestalt ajuda a identificar
elementos desnecessários e facilitar o processamento de comunicações
visuais mais eficientes, tendo em vista a melhor experiência de usuário
possível.
Entretanto, os princípios da Gestalt não contemplam todas as
etapas do processo da percepção, por se tratar de um processo bastante
complexo e interativo. Nesse sentido, Goldstein (2009) apresenta um
modelo de percepção (Figura 11) que é divido em três grandes fases
chamadas de Estímulo, Eletricidade e Experiência e Ação.
 30

Figura 11 – Processo de Percepção

Fonte: Goldstein (2009).

Cada fase possui um sub-processo que, por sua vez, contém mais
três fases. Na fase de estímulo, temos o ambiental que compreende
todas as sensações possíveis de serem percebidas pelo indivíduo em um
ambiente (independente do foco de atenção); o da atenção que acontece
quando o indivíduo focaliza a atenção em um ponto específico e o dos
receptores que diz respeito a excitação dos sentidos para a captação
destes estímulos, por exemplo, a observação de um objeto que resultará
em uma imagem na retina.
Tudo baseia-se em sinais elétricos. Por isso, a fase chamada de
eletricidade compreende as etapas de transformação de estímulos em
formas que sejam possíveis de interpretação do cérebro humano. A
transdução é a transformação de sinais químicos ou físicos em impulsos
elétricos – isso ocorre, por exemplo, quando a luz visível (fóton) é
transformada em impulso elétrico pelo sistema visual. A transmissão
ocorre no momento em que um neurônio transmite o pulso elétrico para
outro, e, a comunicação entre um conjunto de neurônios é denominada
 31

processamento.
Por fim, a etapa de experiência e ação começa pela percepção, que
ocorre quando o indivíduo toma consciência do estímulo. A identificação do
objeto caracteriza a fase de reconhecimento e, finalmente, as ações
motoras, como movimentos da cabeça ou dos olhos caracterizam a última
etapa do processo, chamada de ação.
O autor Goldstein (2009) ainda faz duas considerações importantes
sobre este processo. Inicialmente, embora as etapas de percepção e
reconhecimento sejam facilmente entendidas como uma única etapa, as
doenças como Agnosia Visual mostram que são de fato fases distintas em
nosso cérebro, pois quando o indivíduo possui lesões nas áreas de
associação visual ele consegue ver o objeto ou suas características, mas
não consegue reconhecê-los.
Todo processo pode ser considerado interativo, isso porque a ação
do indivíduo pode provocar (e geralmente provoca) o início de um novo
ciclo do processo estímulo, eletricidade e experiência ação, pois o cerébro
sempre está em busca de conexões com mudo exterior.

3.1 Variáveis Visuais

As variáveis visuais servem para dar contexto para a transformação

dos dados em representações gráficas, diagramas e mapas mais
eficazes. A partir da percepção do sistema visual humano, as variáveis
foram criadas para permite uma melhor comunicação das informações.
De acordo com Ghidini (2017), a transformação dos dados brutos
em representações visuais pode ser uma tarefa complexa. Quando se
objetiva representar dados visualmente, devem se considerar os diversos
aspectos, particularmente, as variáveis visuais. Basicamente, elas são
signos diferentes com características próprias que podem ser percebidos.
Um dos conjuntos de variáveis mais conhecidos é o proposto por
Bertin (2011): tamanho, posicionamento, forma, orientação, matiz e
tonalidade da cor e textura. Neste contexto, o tamanho diz respeito ao
espaço ocupado pelo signo dentro de uma determinada área e, o
posicionamento, a sua localização. A forma é relativa às características
 32

físicas do signo. A orientação descreve a direção do signo, e a textura, o

aspecto da sua superfície.
Por fim, as características relacionadas às cores, matizes e
tonalidades, caracterizam, respectivamente, pela distinção das cores em
seus aspectos mais primários (como a distinção entre o vermelho e o azul)
e a quantidade de luz que está presente na cor (determinando, com isso,
a sua escala tonal). A Figura 12 apresenta a representação gráfica destas
variáveis.

Figura 12 – Variáreis visuais de Bertin: (a) Tamanho; (b) Orientação; (c)

Forma; (d) Posicionamento; (e) Matiz; (f) Tonalidade da Cor e; (g) Textura

Fonte: Ghidini (2017).

O uso das cores em visualização de dados não é apenas uma

questão de estética, mas um importante instrumento para construção
efetiva das visualizações. Segundo Lidwell et al. (2010), as cores podem
ser utilizadas para atrair a atenção para algo, agrupar elementos, indicar
significados, além de melhorar a apresentação estética dos elementos.
Por outro lado, o uso inadequado de cores pode atrapalhar e
confundir o usuário. Ware (2012) afirma que devem ser utilizadas cores
distintas apenas quando houver diferentes significado entre elas. Além
disso, não devemos utilizar mais do que 12 cores, pois pode ser que isto
cause confusão no usuário. A Figura 13 apresenta um exemplo de como
as cores podem ser exploradas em visualizações de informação, neste
caso específico mostra o índice de criminalidade bairro a bairro da cidade
de São Paulo.
 33

Figura 13 – Exemplos de utilização de cores em visualizações

Fonte: (Secretaria de Estado da Segurança Pública de São Paulo (2019).

Ao analisar o mapa, percebe-se a simplificação da informação,

pois com a facilidade de chegar o valor da legenda torna mais
acessível a comparação entre os bairros mais distantes e a
possibilidade de realizar agrupamentos entre os bairros com índices
parecidos.

Outra variável, o tamanho, é uma das mais comumente utilizadas

em visualização de informação (STEELE; ILIINSKY, 2010). O
tamanho, quando utilizado para diferenciar objetos, é facilmente
reconhecido, além de ser muito utilizado para dar noção de proporção
e contrastar informações. A Figura 14 mostra um exemplo da utilização
de tamanho para visualizar proporções.
 34

Figura 14 – Exemplo de utilização de tamanho

Fonte: Worldmapper (2020).

Este mapa mostra a proporção de mortes confirmadas por COVID-

19 (coronavírus) em 04 de junho de 2020. O mapa usa dados
da OMS (último acesso em 04.06.2020). Percebe-se as proporções dos
países com maiores casos, como Estados Unidos, Brasil, Espanha, Itália
e China em detrimento dos países do continente africano, por exemplo.
A utilização de gradação de cores pode fazer com que a
representação gráfica obtenha maior valor informacional, pois há
possibilidade de comparar os dados entre os vizinhos próximos,
entretanto torna-se mais difícil checar os valores em sua legenda pelo
nível de interpretação exigido. A Figura 15 apresenta um mapa com
classificação a partir de gradação entre o tom especificado.
 35

Figura 15 – Apresentação por gradação de cor

Fonte: IPEA (2018).

O mapa apresenta os indíces de acidentes de trânsitos no ano de

2018, no mês de dezembro em todo o Brasil. De acordo com a nível de
intensidade das cores, pode se inferir que as regiões sudeste (31,82%) e
sul (29,41%) concentram mais da metade dos acidentes de trânsito de
todo Brasil, muito se deve à sua malha rodoviária e concentração
populacional, em contrapartida a região norte visivelmente apresenta o
menor índice (5,82%) por ser justamente o oposto das regiões que
lideram.

3.2 Técnicas de Visualização

A escolha da técnica de visualização a ser utilizada é uma das

principais e mais importantes tarefas no processo de visualização. Isto
porque a escolha adequada da visualização permite que grandes volumes
de dados se tornem compreensíveis e inteligíveis aos usuários (GHIDINI,
 36

2017). Esta etapa deve levar em conta, principalmente, o tipo da

informação a ser apresentada e as tarefas que serão realizadas pelos
usuários (SASSO et al., 2001).
Devida a grande variedade de técnicas de visualização existentes,
o foco desta seção está nas técnicas que são mais comumente utilizadas.
Apresentaremos a pesquisa de Khan e Khan (2011), que mapearam e
listaram diversas técnicas de visualização, e, também, outras técnicas
encontradas na literatura. Além disso, em seguida, abordaremos os
Inforgráficos que são parte integrante da área de visualização de dados.
Uma das técnicas de visualização mais utilizadas e tradicionais são
as tabelas. Por meio delas é possível facilmente entender e interpretar os
dados nelas contidos. Nesta estrutura, os dados são representados em
linhas, e é possível representar as relações através das colunas. A Figura
16 apresenta um exemplo de representação de dados em tabela com
valores simbólicos em reais para representar o cálculo de consumo de
um ar condicionado.

Figura 16 – Representação de dados através de tabela

Fonte: dados do autor (2020).

Outra forma muito utilizada de representar dados é através de

gráficos. Dentre os tipos de gráficos citados pelos autores estão os que
foram categorizados por Yau (2011) como sendo para visualizar padrões,
 37

proporções ou relações.
Dentre os gráficos existentes para visualizar padrões, podem ser
citados os gráficos de colunas, de dispersão e de linha (Figura 17). Estes
gráficos apresentam dois eixos (x e y) e, por meio destes, é possível
verificar tendências (é comum que no eixo x se utiliza a variável tempo) e
fazer comparações. No gráfico de colunas apresentado na Figura 17 (a),
por exemplo, poderia ser representado o número de vendas de uma loja
ao longo dos meses de um ano, sendo possível, por meio dele, fazer uma
comparação das vendas através dos meses.
Outra forma de verificar tendências e fazer comparações é através do
gráfico de linhas apresentado na Figura 17 (c), que mostra a quantidade de
itens vendidos de dois produtos através dos meses entre julho e outubro.

Figura 17 – Exemplos de Gráficos para visualizações de Padrão

Fonte: Ghidini (2017).

Os gráficos que melhor permitem visualizar proporções são os

gráficos de setores (também conhecidos como gráficos de pizza) e os
gráficos de área. Os gráficos de proporção objetivam, principalmente,
visualizar a distribuição das partes de um valor em relação às outras, que,
 38

juntas, formam um todo (YAU, 2011). Estes dois gráficos são bem
distintos em suas representações: o gráfico de setores possui uma forma
circular em que as proporções são visualizadas através do recorte do
círculo. Os gráficos de áreas, por sua vez, possuem valores nos eixos x
e y; geralmente, o eixo x representa dados temporais e o eixo y apresenta
alguma variável categórica. A Figura 18 apresenta exemplos de gráficos
de proporção.

Figura 18 – Exemplos de Gráficos para visualizações de Padrão

Fonte: Ghidini (2017).

Embora o gráfico de setores seja uma ótima representação de

proporção, algumas condições devem ser observadas, como a utilização
de poucas variáveis para sua análise e evitar sua representação em
formato 3D, pois a sua interpretação pode ser equivocada ou se alongar
no tempo para uma conclusão correta, o que vai justamente ao contrário
do que visualização de dados sugere.
O gráficos de bolhas, ou histogramas, permitem visualizar relações
não triviais, como, por exemplo, a relação entre a escolaridade e a
criminalidade de um país, ou o tamanho das televisões ao longo dos
anos. Os gráficos de bolha permitem a visualização de três variáveis, pois
estes são compostos por um eixo x, um eixo y e, além disso, é possível
visualizar a proporção de um valor no gráfico através do tamanho da bolha.
Os histogramas são, visualmente, muito similares aos gráficos de
 39

colunas, com a diferença que, no eixo x, os valores dos intervalos são

contínuos, e, no gráfico de colunas, os valores são discretos. A Figura 19
apresenta exemplos de representação dos gráficos de relação.

Figura 19 – Exemplo de gráficos que representam relações

Fonte: Ghidini (2017).

Os gráficos de coordenadas paralelas permitem visualizar dados

multidimensionais. As dimensões, neste contexto, referem-se aos
atributos que o gráfico possui. Estes atributos são representados através
de linhas verticais valoradas (geralmente quanto mais acima, maior é o
seu valor) ao longo do gráfico. Cada linha representa uma unidade de
registro que liga os atributos de acordo com o valor. Com isto, é possível
identificar, além das relações, as dependências entre os atributos. A
Figura 20 mostra um exemplo de uso de coordenadas paralelas.
 40

Figura 20 – Gráfico de coordenadas paralelas

Fonte: https://help.salesforce.com/articleView?id=bi_chart_intro_parallelcoords.htm&type=5.

Como pode ser visto, o gráfico de coordenandas paralelas pode ser

útil quando se deseja identificar valores discrepantes ou padrões com
base em métricas relacionadas. No caso da Figura 20, é apresentado
dados sobre o preço de produtos, mas não se sabe por que alguns
produtos de maior volume são mais lucrativos que outros.
Representados por retângulos, os mapas de calor (heat maps)
apresentam os valores individuais de um conjunto de dados dispostos em
uma matriz. Esta técnica utiliza cores para representar as grandezas dos
valores. É comum que os valores mais altos possuam as cores mais
escuras e os valores mais baixos possuam as cores mais claras. Com o
mapa de calor é possível contrastar informações e comparar rapidamente
uma grande quantidade de itens. A Figura 21 mostra um exemplo de uso
de mapa de calor que apresenta a densidade de aniversariantes por dia
e mês.
 41

Figura 21 – Exemplo de mapa de calor

Fonte: Ghidini (2017).

Outra forma de visualização muito utilizada é a baseada em grafos ou

árvores. Elas são direcionadas, basicamente, à visualização de hierarquias e
conexões. Dentre as diversas técnicas existentes, podem ser citadas como
exemplo a Treemapings, o Browser Hiperbólico (Hyperbolic Browser) e a
Hierarchical Edge Bundles.
A treemapping, criada por Johnson e Shneiderman (1991), é uma
proposta de representação dos dados através de retângulos que possuem suas
áreas baseadas em suas proporções dentro de um domínio. Cada retângulo
possui seus “filhos” representados por retângulos que também possuem sua
área proporcional à sua dimensão e são dispostas dentro do retângulo “pai”. É
comum utilizar cores para diferencias as categorias neste tipo de visualização. A
Figura 22 mostra um exemplo desta técnica de visualização.
Na técnica Browser Hiperbólico (LAMPING; RAO, 1996) temos mapas
conceituas baseados na técnica Fisheye (olho de peixe), que consiste em
mostrar um nó principal no centro e os nós filhos em seu entorno. Isto faz com
que seja possível observar um determinado ponto específico dos dados e ainda
manter a noção do todo. Já a técnica Hierarchical Edge Bundles mostra os dados
 42

em um círculo. Seus nodos ficam nas bordas deste círculo e as relações entre
os nodos são mostradas em seu centro. Na Figura 23 são apresentados um
exemplo do Browser Hiperbólico (a) e de um Hierarchical Edge Bundles (b).

Figura 22 – Exemplo de utilização de Treemaps

Fonte: Wood e Dykes (2008).

Conforme comentado, quanto maior o retângulo, maior será o seu valor

numérico, dessa forma essa visualização ajuda a responder perguntas como:
Quais são as proporções de categorias para o total? Como exemplo, a Figura 22
apresenta o treemap de uma companhia de seguro que deseja comparar o valor
total de apólices em suas respectivas classes.
 43

Figura 23 – Exemplos de representações com grafos (a) e (b)

Fonte: Ghidini (2017).

Representação de dados por mapas é outra forma bastante comum de

visualizar dados. Segundo Yau (2011), os mapas têm o benefício de serem mais
intuitivos. O autor ainda afirma que, por ser uma representação do mundo físico
que, geralmente, temos contato desde cedo, o seu uso é de fácil entendimento
para a maior parte das pessoas. As possibilidades que os mapas oferecem para
análise dos dados e para obter novas informações a partir deles, são inúmeras.
É possível, por meio deles, estabelecer relações, destacar regiões,
visualizar proporções de diversos domínios de dados. Geralmente, utilizam-se
outras características visuais para dar o foco desejado em mapas, como, por
exemplo, formas geométricas (como bolhas ou pontos), cores para destacar
regiões ou ícones que tenham significado em algum domínio (como quando se
deseja destacar estabelecimentos ou ocorrências em uma área de uma cidade)
(NÖLLENBURG, 2007). A Figura 24 apresenta exemplos de visualização de
dados em mapas.
 44

Figura 24 – Exemplo de uso de mapas

Fonte: Congosto (2019).

A imagem acima representa a malha metroviária da cidade de Madrid na

Espanha, o segundo maior da Europa. Atualmente conta com 12 linhas,
identificadas por número e cor, com um total de 238 estações e que transporta
cerca de dois milhões de passageiros por dia. Além da área metropolitana, a
rede de metrô de Madrid abrange outros municípios, tais como: Alcobendas, San
Sebastián de los Reyes, Coslada, San Fernando de Henares, Rivas-
Vaciamadrid, Arganda del Rey, Alcorcón, Leganés, Getafe , Móstoles,
Fuenlabrada, Pozuelo de Alarcón e Boadilla del Monte (os dois últimos estão
ligados por linhas ferroviárias).

3.2.1 Infográficos - Definição e Tipos

A fonte do termo infográfico é uma mistura de “informational“ e ”graphics“,

que surgiu pela primeira vez continuamente por volta da década de 1960 nos
livros de língua inglesa. A definição da palavra ”infográfico“ diluiu-se por volta de
 45

2010, coincidindo com o aumento nas pesquisas no Google2. Vitall (2018) afirma
que o conceito de infográfico está nas áreas de design, jornalismo, estatística e
estrutura de informação e que há quatro elementos essenciais em um infográfico.
A Figura 25 apresenta-os com as suas determinadas relações:

Figura 25 – O que é um infográfico? Os principais componentes e

diferenciação

Fonte: Vital (2018).

Ao observar a ilustração, é possível identificar os quatro elementos

de apresentação: Dado (informações): O que; Design (gráficos) - como;
Jornalismo (texto) - por que; Função (arquitetura da informação) - a quem.
Além disso, a partir das intersecções pode-se descobrir como os
infográficos cruzam seus diferentes campos:

 Arte generativa (dados + design) - Para Vassallo (2019), pode ser vista
como uma arte gerada por computador que é determinada
algoritmicamente.

2
Para mais informções acesse o site
https://trends.google.com/trends/explore?date=all&q=infographic), o volume de pesquisa da
palavra “infográfico” começou a aumentar em 2010 em todo o mundo.
 46

 Visualização de dados (dados + design + jornalismo) - “o uso de

representa- ções visuais para explorar, dar sentido e comunicar
dados”’ (SHARDA et al., 2019, p. 116), codificando-os como objetos
visuais.
 Gráficos estatísticos (dados + design + função) - Conforme dito por Vitall
(2018), são técnicas de exibição de padrões encontrados em dados não
proces- sados.
 Redação técnica (dados + jornalismo) - uso de dados verificáveis para
apoiar as declarações feitas pelo escritor (VASSALLO, 2019).
 Jornalismo de dados (dados + jornalismo + função) - um gênero de
redação que depende de dados verificáveis para transmitir uma
mensagem específica, adaptada ao público (MANCINI;
VASCONCELLOS, 2016).
 Estatística (data + function) - métodos para extrair padrões de dados
não processados (VITALL, 2018).
 Redação ilustrada (design + jornalismo) - uso de técnicas de design
que inte- gram imagens a um artigo (FREIRE, 2009).
 Jornalismo visual (design + jornalismo + função) - um gênero de
redação que integra imagens e redação para atingir um público
específico.
 Arquitetura da informação (design + função) - métodos de estruturar
informa- ções que as tornam úteis para o usuário final (VASSALLO,
2019).
 Escrita expositiva (jornalismo + função) - um gênero de escrita que
explica e informa em oposição a persuadir (VITALL, 2018).

Além disso, os infográficos podem ser distinguidos por suas áreas de

aplicação e, de acordo com Krum (2013) podemos classificá-los em cinco
categorias de infográficos:

1) Infográfico Informativo

O modelo informativo tem por objetivo comunicar um conceito novo

ou especializado, ou para dar uma visão geral de um tópico (MCGUIRE,
18/05/2020). É o modelo mais popular dentre os tipos de infográficos
 47

fornecendo uma quantidade de dados úteis de uma maneira conectada

(geralmente por linhas ou números), fácil e rápida de consumir, entender
e recuperar. A Figura 26 apresenta um exemplo.

Figura 26 – Infográfico informativo

Fonte: Mcguire (2020).

O infográfico apresenta cinco dicas para o leitor se manter ativo. Ao utilizar

uma linguagem simples, direta, cabeçalhos descritivos e ícones ilustrativos o
infográfico ajuda a comunicar cada ponto.

2) Infográfico Persuasivo

Infográficos persuasivos servem de estratégia para induzir o

indivíduo. Eles são criados para “levar o leitor a uma conclusão pre-
determinada e, em seguida, fornecer uma ação específica que o leitor
deve executar” (KRUM, 2013, p. 64). Eles são usados para votar em um
político, participar de uma festa, doar para uma instituição de caridade ou
simplesmente comprar um produto. A Figura 27 apresenta um infográfico
 48

utilizado na campanha de recrutamento dos Estados Unidos para a

Primeira Guerra Mundial, no ano de 1917.

Figura 27 – Tio Sam “I Want You for U.S. Army”

Fonte: Vassallo (2019)

O infográfico criado por James Montgomery Flagg (1877 a 1960)

apresenta a figura do Tio Sam, um símbolo popular dos Estados Unidos
retratado por um homem de cabelos brancos, vestido com as cores da
bandeira norte-americana e uma cartola. Ao apontar o dedo em conjunto
com a frase “Eu quero VOCÊ para as forças armadas”, utiliza recursos
emocionais e simbólicos para atingir o seu próposito.

3) Infográfico de Anúncio

Os anúncios infográficos são uma forma específica de infográficos

persuasivos, na medida em que tentam motivar o público a agir. Nesse
caso, a chamada à ação geralmente visa convencer os leitores a comprar
produtos ou serviços específicos. O objetivo de um anúncio infográfico,
segundo Vassallo (2019), é educar os clientes em potencial sobre o
produto. Eles podem ser usados para compartilhar efetivamente as
 49

informações frequentemente complexas sobre um produto. A Figura 28

apresenta um exemplo.

Figura 28 – 10 coisas que você não sabe sobre o Guinness

Fonte: Vassallo (2019).

Ao analisar o infográfico percebe-se a intenção do anúncio em

informar o leitor sobre a marca de cerveja Guinness, ao relaciomar 10
curiosidades sobre ela. O intuito além de informar, é gerar empatia e
curiosidade por um potencial consumidor.

4) Infográfico de Relações Públicas

Os objetivos do infográfico de Relações Públicas - RP são

diferentes dos anúncios. O autor Krum (2013) comenta que em vez de
 50

tentar diretamente vender um produto, uma estratégia de RP pode usar

um infográfico para conscientizar os produtos e as marcas, fornecer
informações aos acionistas ou agregar valor. Os infográficos usados para
relações públicas podem ser publicados como um complemento a um
comunicado de imprensa somente em texto ou todo o comunicado de
imprensa pode estar contido na concepção do infográfico. A Figura 29 o
exemplifica:

Figura 29 – Vingadores, avante

Fonte: Webinar (2020)

Ao utilizar esse exemplo de infográfico RP, a área de recursos

humanos, por exemplo, pode gerar uma aproximação entre os
colaboradores da empresa e personagens da cultura pop, por apresentar
característas em comum.
 51

5) Infográficos Explanatórios

Enquanto os infográficos informativos se concentram na

identificação de estatísticas e informações, os infográficos explicativos
fornecem “descrições mais detalhadas de como algo funciona ou de
como está relacionado a problemas relacionados” (VASSALLO, 2019,
p.58). Para Escobar e Spinillo (2016), os infográficos explicativos são
escolhidos para tornar compreensível para toda uma ideia, conceito ou
processo complicado e respondem perguntas como ’porquê’ e ’como’.

Figura 30 – Exemplo de infográfico explanatório

Fonte: Visible Logic (2020).

 52

Ao se verificar o infográfico apresentado, percebe-se a dedicação

do autor em informar descrevendo as etapas necessárias com dados,
para justificar ao leitor o posicionamento da empresa em seu negócio. Os
infográficos apresentam informações em um espaço limitado e em um
formato artístico. Eles são capazes de repassar fatos rapidamente e
manter os leitores lendo, fornecendo dados/informações importantes e
são agradáveis de ler e entender.
Além disso, mostram como a publicidade de dados e informações
podem ser ordenada/organizada e oferecida para integrar as ideias
resumidamente. Toda empresa precisa comunicar dados úteis para seus
funcionários, acionistas e clientes. Os métodos de visualização de dados
e infográficos podem tornar as informações atraentes e significativas para
as empresas.
 53

4 Storytelling em Visualização de Informações de BI

O termo Storytelling remete à expressão da língua inglesa “tell a

story” que significa “contar uma história”. Uma história significa,
resumidamente, uma sequência ordenada de fatos, que podem possuir
palavras, imagens, visualizações, vídeos ou quaisquer combinações
destes (KOSARA; MACKINLAY, 2013a). Massarolo (2013) afirma que as
histórias sempre existiram e que é a partir delas que a humanidade
transmite seu legado através das gerações. Ainda para Elias et al. (2013),
ainda argumentam que a narrativa vai além da comunicação, é um
processo de extrair significado dos eventos, que é central para a
experiência e conduta humana.
Com o avanço da tecnologia, foi possível utilizar recursos
computacionais para contar histórias por meio de sistemas interativos,
como, por exemplo, Microsoft Power BI. Isso permitiu a expansão desta
disciplina a outros contextos, como, por exemplo, o de visualização de
informação. A arte, tecnologia e computação convergiram de tal forma
que, hoje, é possível contar histórias através de dados. Para Gershon e
Page (2001), storytelling é uma forma muito efetiva de representar os
dados, pois permite que visualizações revelem informações tão efetiva e
intuitivamente como se o espectador estivesse assistindo a um filme.
No campo de visualização de informação, existem alguns conjuntos
de elementos utilizados na literatura. Cruz e Machado (2011), baseando-
se nos elementos de fábulas proposto por (BAL; BOHEEMEN, 2009),
apresenta uma série de elementos inerentes a narrativas de dados. Os
elementos propostos por Bal são eventos, atores, tempo e localização.
Embora Bal e Boheemen (2009), tenha elencado como elemento de uma
fábula a localização, no trabalho proposto por Cruz e Machado (2011),
este elemento não foi mapeado.
Eventos são definidos como a transição de um estado para outro,
causados por atores (BAL; BOHEEMEN, 2009). Atores, nesse sentido,
são os personagens envolvidos e que, a partir das suas ações, geram as
mudanças nas histórias. O tempo é o elemento que ordena e serializa a
história. A ordem, neste contexto, é a ordem cronológica dos fatos. Por
 54

fim, a localização diz respeito ao local a qual os eventos ocorrem.

Outra forma de identificar os elementos de uma narrativa é através
do framework 5W1H (YOSHIOKA et al., 2001), que é um acrônimo para as
palavras where, why, what, when e who (onde, porque, o quê, quando e
quem) e da palavra how (como). A sua proposta é que, segundo Ghidini
(2017), respondendo estas perguntas, seja possível identificar todo o
contexto de uma narrativa, como os participantes, a localização, o
propósito, o momento, o evento em si e quais foram as circunstâncias que
permitiram que o fato ocorra. Por se tratar de um framework teórico, este
pode ser utilizado em diversos contextos como, por exemplo, no
jornalismo e no marketing e em negócios.
Estes elementos são importantes em diversos níveis, pois, com
eles, é possível identificar representações visuais que são baseadas em
narrativas e, além disso, perceber quais informações serão necessárias
obter a partir dos dados. A análise capaz de extrair os principais elementos
do framework 5W1H e melhor comunica-los, é a explanatória, pois,
direciona o usuário para a descoberta de insights e chamada a ação.

4.1 Elementos de uma Narrativa em 5W1H

Ao preparar uma história rica em dados, o primeiro objetivo é

encontrar a linha narrativa. Quais são os personagens? Qual é o drama ou
o desafio? Quais barreiras têm de ser superadas? E ao final da história, o
que é desejável que o público interessado faça com o resultado? Identificar
os seus elementos e como representá-los através de visualização de dados
é o desafio que antecede a criação de um storyboard. A Figura 31
exemplifica-o.
 55

Figura 31 – Representação do framework 5W1H em VI

Fonte: Eleraqi (2017).

O objetivo dos elementos da narrativa é contribuir para a

elaboração do contexto, facilitar a capacidade de articular de forma
concisa e exata o que deseja ser transmitido antes de começar a construir
o conteúdo. Com isso, reduz o tempo de iterações e ajuda a garantir que
a comunicação construída atinja a finalidade pretendida.Os elementos
são:
Quem - Knaflic (2015) afirma que se deve ser específico quanto ao
público, pois, ele quanto mais heterogêneo for mais tende a ter
necessidades diferentes, tornando a comunicação ineficaz. Identificar o
tomador de decisão é uma forma de restringir o público a ser atingido.
Quanto mais delimitado estiver, mais bem posicionado o analista estará,
estabelecendo uma comunicação que satisfaz a necessidade de ambos.
O quê - Ao realizar esta pergunta, Lynch (2020), indica o desafio para
solucionar um problema e o que deve ser feito para chegar a este objetivo.
Conforme dito por Knaflic (2015), a sua finalidade é conduzir o público ao
entendimento e à ação. Uma forma de exemplificá-lo pode ser através de
 56

gráficos de linhas com a comparação de duas variáveis as quais

apresentam as tendências de dados e como elas são alteradas ao longo do
tempo.
Onde - Refere-se as perguntas sobre localização no qual a história
está situada ou onde a tomada de decisão será aplicada. Um mapa é,
geralmente, a primeira imagem que surge como exemplo. Eles podem ser
usados para visualizar informações geográficas básicas, mas também são
ferramentas úteis para estruturar a análise, que mostram os detalhes dos
locais que podem nos levar a novas histórias (ELERAQI, 2017).
Porque - Responder “por que”, conforme dito por Lynch (2020), se
refere a discutir desde o problema percebido até as abordagens discutidas
sobre como resolvê- lo e melhorá-lo. Eleraqi (2017), cita como exemplo de
visualização de dados, o gráfico de bolhas. Ele exibe quatro dimensões para
análise, capazes de revelar a correlação entre elas.
Quando - “A evolução do enredo se dá a partir da organização dos
eventos, que acontecem através do tempo e em algum lugar” (GHIDINI,
2017, p. 31). O tempo é crucial para entender a causalidade entre os
acontecimentos, a influência que os eventos antecedentes exercem sobre
os consecutivos (KOSARA; MACKINLAY, 2013b). A melhor opção para
visualizar “quando” é a linha do tempo, que permite ao usuário ver, seguir e
entender os eventos através de uma linha cronológica.
Como - Após identificado quem é o público e o que eles precisam
saber ou fazer, pode-se considerar os dados e fazer a pergunta: “Quais os
dados estão disponíveis e que ajudarão a dar consistência a minha
narrativa?” “Dados se tornam a evidência que corrobora a história a ser
construída e contada” (KNAFLIC, 2015, p. 23). O “como” reflete as etapas
ou as fases envolvidas em uma história, que podem ser apresentadas
através de um fluxograma. Esse tipo de gráfico mostra as etapas como
caixas de vários tipos e sua ordem, conectando-as com setas. Essa
representação diagramática ilustra um modelo de solução para um
determinado problema.
 57

4.2 Processo de Criação

O processo de criação de histórias, no contexto de visualização de

informação na conjuntura de negócio, é uma tarefa complexa. Embora
processos de criação de visualizações já tenham sido mapeados
previamente, existem especificidades na criação de histórias com dados
que demandam processos especificos para este fim.
A criação de histórias, em visualização de dados, requer a definição
do contexto, seleção das informações, seleção da técnica de visualização e
a escolha da ordem de apresentação dos dados para apresentar a narrativa
(HULLMAN et al., 2013). Gutiérrez et al. (2017) propõem um processo para
transformar dados em histórias, voltado para business intelligence. Neste
processo, é possível perceber as atividades envolvidas, desde a análise
para explorar os dados, criar e compartilhar as histórias e receber o
feedback dos tomadores de decisão. A representação visual do processo
pode ser vista na Figura 32.

Figura 32 – Modelo interativo para visualização de informações com

base em narrativa visual (narração) para inteligência de negócios

Fonte: Gutiérrez (2017).

A exploração inicial dos dados tem por objetivo de entendê-los, para,

com isso, criar fragmentos (resumos) de uma base de dados (GHIDINI,
2017). Estes fragmentos podem compreender, por exemplo, um
 58

subconjunto ou dados sequenciados ou dados procedentes de insights

obtidos por meio da análise e podem ou não ser selecionados para uma
representação visual já definida previamente.
A partir dos fragmentos obtidos na fase de análise de dados, cria-se
a narrativa propriamente dita. Para isso, atividades envolvidas são identificar
o contexto e a audiência, ordenar os dados, estabelecer uma conexão
lógica, desenvolver o fluxo dos dados, formular a mensagem a ser passada
e criar o desfecho. Ao final desta etapa do processo, espera-se que seja
possível decidir qual será o enredo da história e como será a relação dos
fragmentos (como, por exemplo, através do tempo, causa-efeito, padrões,
entre outros).
Contar a história é a etapa em que, de fato, constrói-se e compartilha-
se a narrativa e recebe-se o feedback da audiência. A construção da história
(edição) consiste em desenvolver a representação visual e as interações da
narrativa. É nesta etapa que se definem, além da forma de representação
que será utilizada, os componentes gráficos que farão parte da
representação visual, como textos de ajudas, animações, caminhos que são
possíveis de serem percorridos, entre outros.
A última etapa inicia-se a partir do momento que a representação
visual da história é compartilhada com alguém. A percepção da história é o
que os leitores/usuários (ou a audiência) compreendem a partir da narrativa
visual apresentada (LEE et al., 2015). Espera-se após a apresentação que
o usuário tenha encontrado o valor na tomada de decisão advindo de um
insignt proveniente da história contada.
Para Knaflic (2015, p. 168) há quatro abordagens para garantir que a
história seja clara em sua apresentação: lógica horizontal, lógica vertical,
storyboard inverso e uma nova perspectiva.

 Lógica Horizontal: Através da leitura do título de cada slide de toda

a pilha, juntos os fragmentos contam a história abrangente que se
quer comunicar. É importante ter títulos descritivos para melhor
compreensão e um slide de resumo com slides subsequentes na
mesma ordem (Figura 33).
 59

Figura 33 – Lógica Horizontal

Fonte: Knaflic (2015).

 Lógica Vertical: Significa que todas as informações de determinado

slide se auto-reforçam. O conteúdo reforça o título e vice-versa. As
palavras corroboram o visual de forma mútua (Figura 34).

Figura 34 – Lógica vertical

Fonte: Knaflic (2015).

 Storyboard inverso: Após finalizar a comunicação final e folhear e

escrever o ponto principal de cada página, a garantir a lógica
conjuntamente. A lista resultante deve se parecer com o storyboard
ou o esboço da história que se deseja contar (Figura 35). Caso
 60

contrário, isso pode ajudar a entender estruturalmente onde você

pode adicionar, remover ou mover peças para criar o fluxo e a
estrutura geral da história que se deseja transmitir.

Figura 35 – Storyboard Inverso

Fonte: Knaflic (2015).

 Nova perspectiva: Uma vez elaborada a visualização de dados, é

necessário apresentar a um terceiro que tenha ou não contexto sobre
a visualização e colher o feedback para melhorá-la.

4.3 Espaço de Design

O espaço de design foi proposto por Segel e Heer (2010), estes

foram os primeiro autores a inserirem o termo “visualização narrativa”, ou
seja, visualizações criadas com o “tom de história”. Foram analisadas em
seu estudo, 58 visualizações que utilizam elementos de narrativas. Eles
propuseram um framework, cuja análise foi feita baseando-se em
trabalhos relacionados às narrativas em filmes, literatura e arte. Desta
análise, extraiu-se o framework, possuindo três categorias: são os
gêneros, os elementos visuais e os elementos estruturais.
 61

Conforme Ghidini (2017), gêneros de narrativas são formas básicas

de apresentar a história. Segel e Heer (2010) identificaram sete gêneros
distintos que são magazine style, annotated chart, partitioned pôster, flow
chart, comic strip, slide show e film/vídeo/animation (Figura 36). No estudo de
Elias et al. (2013), ao abordarem o uso de narrativas no contexto de BI, em
relação ao design, eles afirmam que os usuários preferiram o gênero
Annotated Chart, embora também vissem potencial nos gêneros Partitioned
Poster, Slide Show e Flow Chart.

Figura 36 – Gêneros de narrativas

Fonte: Segel e Heer (2010).

O Annotated Chart “apresenta algum gráfico (como, por exemplo,

gráfico de linha, mapas, entre outros) com informações adicionais,
contextualizadas, com o objetivo de prover ajuda ou explicações sobre
algum ponto do gráfico” (GHIDINI, 2017, p. 34). Já o gênero Partitioned
Poster apresenta um pôster ou imagem particionada, cujas partes
apresentam múltiplas visões da história. E o Slideshow é uma forma de
apresentação de dados de forma sequencial, comumente utilizada pelo
software Power Point.
O principal modelo de visualização utilizada nas empresas de BI, é
o dashboard, uma coleção de componentes visuais (como gráficos ou
tabelas) em uma única exibição (ELIAS et al., 2013), sendo utilizado por
40% das 2 mil maiores empresas do mundo (ANTE; MCGREGOR, 2006).
“O desafio fundamental do design de dashboards é exibir todas as informações
 62

necessárias numa mesma tela, de modo claro, sem distrações, e de tal forma
que possam ser assimiladas rapidamente” (SHARDA et al., 2019, p. 138).
Para acelerar a assimilação dos números, eles precisam ser
apresentados em contexto. Uma forma de fazê-lo é comparando-se números de
interesse com patamares-alvo, indicando se os números são favoráveis ou não
e se a tendência demonstrada por ele é boa, ou ruim. Para melhorar a
visualização destes números, utilizam-se objetos visuais especializados como
semáforos, mostradores de ponteiros, indicadores ou atributos visuais como
codificação cromática para estabelecer o contexto avaliativo.
Em sua pesquisa, Elias et al. (2013) pediu para que um especialista de BI
desenhasse o design para uma ferramenta de narrativa de BI de uma maneira
que pudesse ser interpretada por uma audiência geral, sem treinamento. A
Figura 37 apresenta a versão final da história criada manualmente pelo
especialista, onde se pode observar o uso intenso de anotações e explicações,
conectadas por setas e linhas.
Figura 37 – História criada por um especialista durante o espaço de
design

Fonte: Elias (2013).

Outras estruturas usadas pelo especialista foram retângulos de

agrupamento de gráficos (gabinetes para colocar gráficos que precisam ser lidos
juntos), marcadores de sequência (o que precisa ser lido primeiro) e marcadores
de destaque (para chamar a atenção para parte da história).
 63

5 Modelo para Representação de Narrativa Através de Visualizações com

Dados do Varejo

Para a elaboração do modelo proposto no trabalho será criado um

dashboard gerencial, com dados obtidos de um banco de dados de uma rede de
supermercados. Para ajudar a alcançar o objetivo, será utilizado a arquitetura
proposta por Gutiérrez (2017) (Figura 32) baseada na técnica de contar histórias
para fornecer informações que melhoram a compreensão de informações no
processo de tomada de decisão em BI, ela é formada pelas seguintes etapas:
gerenciamento de dados, desenho, compartilhamento e recebimento da história.

5.1 Gerenciamento de dados

O estágio de gerenciamento de dados consiste no grupo de atividades

destinadas a explorar e analisar dados em ferramentas de BI, como softwares
de ETL e banco de dados. O resultado do gerenciamento de dados, uma vez
processados pelas soluções de BI, é obter informações refinadas, cuja as quais
serão utilizadas para projetar o modelo através da narrativa visual para se
comunicar efetivamente com o público.
No caso do modelo os dados passaram de planilhas eletrônicas, para o
banco de dados, logo em seguida os dados foram importados pelo software de
apresentação, Microsoft Power BI. Considerando o contexto explorado neste
trabalho, foram disponibilizado os dados durante o período específico de janeiro
de 2017 a dezembro de 2018. Vale ressaltar que embora houvesse a
disponibilização dos dados, houve um cuidado para que informações
estratégicas da empresa não fossem apresentados no modelo, protegidos
principalmente pela Lei Geral de Proteção de Dados Pessoais3.

3
Lei nº 13.709/2018 (planalto.gov.br/ccivil_03/_Ato2015-2018/2018/Lei/L13709.htm), é a
legislação brasileira que regula as atividades de tratamento de dados pessoais e que também
altera os artigos 7º e 16 do Marco Civil da Internet.
 64

5.2 Desenho da história

Na fase de desenho da história é onde ela será projetada com base no

resultado da análise de informação. Posteriormente, analisa-se o contexto que
envolve o público: preferências necessidades e características especiais.
Finalmente, a história é construída a partir de uma sequência lógica, darão
significado às informações na forma de narrativa. Alguns elementos necessários
para sua construção são:
 Cenário: o contexto onde a história se desenrola é apresentado ao
público e é fornecido um apanhado geral sobre o assunto.
 Contraste: um ponto de contraste é apresentado na interface de
forma comparativa, a fim de capturar a atenção do espectador e criar
questionamentos.
 Solução do problema: é fornecida uma solução que permite ao
expectador entender a mensagem, explorar as informações e
descobrir novos conhecimentos.
 Atração: Deve ser desenvolvida sob critérios estéticos para atrair a
atenção do público através de uma história visualmente agradável.
Para alcançar esses objetivos decidiu-se adotar o framework 5W1H
(YOSHIOKA et al., 2001), por ser o que melhor se encaixava na proposta do
modelo. Os elementos identificados como What (O que), Why (Porque), Where
(Onde), Who (Quem), When (Quando) e How (Como), além de suas
características próprias, possuem relação entre si.
A partir dos elementos da narrativa, é possível determinar quais
informações serão representadas no modelo. Estas são apresentadas através
das visualizações, que são organizadas de uma determinada forma (gênero). Os
elementos estruturais e visuais, além de estruturar a narrativa, terão influência
em como será a interação com a interface. A partir desta análise da estrutura
dos dados a serem utilizados, organizaram-se os elementos da narrativa:
 65

Quadro 1 – Tabela com a relação entre os elementos e descrição para a

narrativa

Elemento Descrição
Quem Corpo executivo da empresa

Reduzir a falta de produtos na gôndola, acelerar a saída de

O quê
produtos com baixa demanda

Onde Nas lojas as quais apresentam os maiores índices

Porque Aumentar a cobertura e faturamento

Quando Período de maior procura

Baseado nos dados obtidos pela rede, fazer o pedido dos

Como
produtos com a antecedência necessária para ser
consumido.

Fonte: dados do autor (2020).

A tabela estabelece um resumo visual do conteúdo a ser criado, como um

storyboard. Ter um planejamento ajuda a garantir o alinhamento do que é
necessário para se chegar ao objetivo, mesmo que haja alterações a medida que
se entra nos detalhes de desenvolvimento.

5.2.1 Informações

A informação é a base da área de Visualização de Dados. Ghidini

(2017) afirma que os dados de maneira isolada, embora expressem valor,
não possuem um valor informativo. Dessa forma, a informação é a
“interpretação ou significado dos dados” (HOUAISS, 2001, p. 1615), sendo
assim, não há informação sem dados e dados não tem significância real
antes de se tornarem informação.
Com base na contextualização de dado e informação, o modelo
apresenta um conjunto de visualizações que abrangem os elementos da
narrativa 5W1H e as quais estivessem disponíveis na ferramenta de
construção do modelo, o Microsoft Power BI, além disso, analisaram-se
quais informações eram essenciais constarem na representação visto o
contexto trazido pelos elementos da narrativa.
 66

Sendo assim as principais informações consideradas para o

dashboard foram: A evolução do faturamento da rede de supermercado,
cobertura do estoque em dias, valor em perda de vendas por falta do produto
na gôndola, produtos com menor rotatividade, a localidade das lojas com
menor faturamento por perda de vendas e o período de maior perda por
sazonalidade.

5.2.2 Gênero

Conforme visto no capítulo 4, gêneros de narrativas são formas

básicas de apresentar a história. “Ele define o template dos elementos
que serão dispostos na interface, além de definir como serão as cenas da
narrativa, e quais caminhos o leitor poderá tomar ao longo da narrativa
(GHIDINI, 2017, p. 55). Ao verificar os gêneros propostos por Segel e
Heer (2010) e quais foram os com maior potencial no contexto de BI, na
pesquisa de Elias et al. (2013) decidiu-se o utilizar os gêneros Annotated
Chart e Partitioned Poster.

5.2.3 Visualizações

“As visualizações são as formas pelas quais as informações são

expressas na interface” (GHIDINI, 2017, p. 56). Dessa forma, através
delas a narrativa será apresentada aos leitores, ou seja, uma mesma
informação pode ser aplicada de diversas maneiras. A sua escolha pode
variar de acordo com qual se adéque mais a narrativa a ser apresentada
em conjunto com a informação que se deseja absorver. Com isso, o
Quadro 2 apresenta a lista dos elementos com as informações que
podem ser apresentadas, com as sugestões de algumas técnicas de
visualizações que podem ser utilizadas.
 67

Quadro 2 – Tabela com informações para cada elemento e sua visualização

correspontente para a narrativa

Elemento Informação Visualizações

Quem Corpo executivo da empresa #

Produtos com mais saída, valores Gráfico de barras

O quê
de perda dos produtos e por lojas, horizontal, cartão de
total de perdas em reais, dados
porcentagem de perda sobre o
faturamento, somatório do
faturamento

Onde Cidades as quais apresentam os Mapa

maiores índices de perda

Porque Aumentar a cobertura e faturamento #

Quando Período com maior perda de venda Gráfico de linhas

Baseado nos dados obtidos pela #

Como
rede, fazer o pedido dos produtos
com a antecedência necessária
para ser consumido
Fonte: dados do autor (2020).

O símbolo “#” significa não haver visualização para o elemento,

servindo para a criação do contexto. Alem dos elementos visuais citados
na tabela, pretende-se utilizar também recursos estruturais, eles servem
para apoiar a interação do usuário com a narrativa. As categorias que
envolvem estes elementos são: ordenação, a forma como os elementos
visuais estarão ordenados, no caso específico utilizará do tipo de
ordenação em “Z”, pois é a forma mais comum de leitura dos usuários;
interatividade, seria a capacidade do usuário em realizar filtros, seleção
e botões de navegação para analisar a narrativa de forma mais
específica, contudo sem sair do contexto já estabelecido.

.
 68

5.3 Compartilhamento da História

Depois que história é projetada, ela é compartilhada com o público para
ser analisada. A ferramenta escolhida deve permitir, preferencialmente, que seus
dados sejam analisados na nuvem, para que suas informações sejam acessadas
em tempo real por um computador ou até mesmo smartphone. Por isso a
ferramenta a ser utilizada para construção do modelo será o Microsoft Power BI,
por atender todos os requisitos para se compartilhar a história. Entretanto, para
o compartilhamento do modelo é necessário uma conta com assinatura Pro, no
qual se faz necessário o pagamento mensal de dez dólares por usuário. Por
conta disso será utilizada a versão gratuita da ferramenta, ficando a critério a
alteração da conta se necessário.

5.4 Recebimento da história

Após o recebimento da história por parte dos tomadores de decisão, ou
pelo público responsável pela análise, a história ganha valor e fornece o
feedback para melhores práticas para uma próxima análise. Neste último
estágio, a comunicação é estabelecida entre o desenvolvedor do modelo e o seu
público por meio da ferramenta de visualização de informações que permite ao
público interagir e analisar com os elementos da história que ajudarão a reduzir
a incerteza no processo de tomada de decisão.
Entretanto, a presente pesquisa, não chegará até a ultima etapa da
arquitetura, o objetivo é apresentar o modelo e discutir os elementos da narrativa,
deixando em aberto para uma continuidade futura da pesquisa.
 69

6 Instanciação do Dashboard Executivo

Com o objetivo de analisar o modelo proposto, foi construído um

dashboard, utilizando a lógica vertical de apresentação (Figura 34), com base
nas informações de uma rede de supermercados nos anos de 2017 e 2018. Para
sua instanciação, utilizou-se a suíte Microsoft Power BI, utilizado amplamente no
mercado de business intelligence. Neste capítulo serão apresentados detalhes
para a construção do modelo, respectivamente: base de dados, os elementos da
narrativa utilizando o framework 5W1H, as informações e visualizações que o
compõe.
Dados - A base de dados é composta por dados advindos de uma rede
de supermercados no período de entre janeiro de 2017 e dezembro de 2018. O
modelo fez parte na época de uma representação de como os proprietários
poderiam visualizar seus dados de uma forma mais analítica. Com isso, foi
conectado o Microsoft Power BI diretamente no banco de dados da rede de
supermercados.
Após o procedimento foi realizado a modelagem dos dados no esquema
“estrela”. Este esquema é composto por uma tabela fato (métricas), rodeada por
tabelas de dimensão (entidades de negócios), ficando parecido com o formato
de uma estrela. Ao utilizar este modelo, prioriza-se a otimização do desempenho
e usabilidade das consultas, pois um modelo bem projetado fornece tabelas para
filtragem e agrupamento e tabelas para resumo.
Desta forma o modelo esquema ficou organizado tendo como dimensões
as tabelas de ‘Calendário’, ‘Fornecedores’, ‘Lojas’, ‘Produto’ e duas tabelas fato,
‘Ruptura’ e ‘Sellout’, com métricas de faturamento e ruptura (perda de venda pelo
produto não está posicionado na gôndola), por exemplo.
Elementos da Narrativa – Por utilizar os dados referentes ao varejo
buscou se informações com potencial de agregar valor aos tomadores de
decisão. O indicador base escolhido foi a ruptura, ou seja, a perda causada pela
falta do produto na gôdola do ponto de venda, a partir dela foi mapeado o
elementos da narrativa utilizando o framework 5W1H. O objetivo é gerar uma
análise explanatória sobre o indicador base, a fim de proporcionar uma narrativa
mais direcionada a tomada de ação para solucionar o problema.
 70

Informações – As tomadas de decisões sobre às informações que seriam

apresentadas ao usuário no dashboard seguiram o princípio de que deveriam
haver informações relacionadas a cada elemento da narrativa, com base no
indicador base de ruptura. Ela foi relacionada com outras informações da base
de dados, como local, lojas, produtos e período de ocorrência.
Visualizações – As visualizações foram escolhidas de acordo com as
informações as quais seriam apresentadas. Destaque para o gráfico de barras
horizontal, pois se percebeu que ele seria muito útil para transmitir proporção e
ordenamento de elementos. Verificando-se as possíveis técnicas de visualização
para as informações a serem apresentadas, escolheu-se aquelas julgadas mais
pertinentes para o propósito do trabalho:

 Volume de faturamento por produto em reais: Gráfico de barras

horizontal;
 Volume de perda de produto em reais: Gráfico de barras horizontal;
 Volume de perda por loja em reais: Gráfico de barras horizontal
agrupado;
 Linha do tempo de perda por mês: Gráfico de linhas;
 Cidades com maior volume de perda: Mapa;
 Consolidado de faturamento: Cartão de informação;
 Consolidado de perda: Cartão de informação;
 Porcentam de perda sobre o faturamento: Cartão de informação;
 Filtro: Segmentação de dados.

Para complementar as visualizações, são utilizados recursos visuais de

estruturação por níveis (na qual o nível de detalhe da narrativa vai aumentando
conforme o usuário vai interagindo com a interface). O dashboard criado no
Microsoft Power BI permite ao usuário analisar a narrativa sob a perspectiva da
cidade ou sob a perspectiva de algum produto ou ponto de venda específico,
sempre levando em consideração o contexto de ruptura do varejo.
As técnicas de interatividade incorporadas foram detalhamento de
informações, filtros e seleção. No que se refere ao detalhamento de informações,
quando os usuários passarem o cursor do mouse sobre qualquer ponto
visualização, são apresentados informações relacionadas aos dados disponíveis
 71

nela. Os filtros foram incorporados através da interação entre as informações

das visualizações (por exemplo, ao clicar em uma cidade do mapa) e através da
visualização de segmentação de dados, onde é possível específicar o ano em
que se deseja realizar a análise.

6.1 Modelo do Dashboard Executivo

Como dito anteriormente, o dashboard foi construído utilizando a

aplicação Microsoft Power BI, com o objetivo de analisar as perdas de um
varejista causado por ruptura. Procurou-se prover pelo menos uma visualização
para cada elemento de narrativa. Além disso, em todas as visualizações
existentes na interface é possível selecionar o dado que está sendo mostrado,
para mudar a perspectiva da narrativa, adicionando filtros pelo elemento
selecionado. Há também um filtro específico para segmentar os dados pelos
anos disponíveis. A Figura 38 apresenta o modelo de dashboard construído para
análise.

Figura 38 – Visão geral do modelo desenvolvido

D F
B

G
E

Fonte: dados do autor (2020).

A princípio é apresentada uma série de visualizações, com dados da base

que se relacionem com o contexto. Nos cartões (Figura 38 - A) são apresentadas
as informações de somatório do valor de perda por conta da ruptura em reais e
 72

o valor em porcentagem em relação ao faturamento. No gráfico de barras

horizontal (Figura 38 - B) apresenta por ordem decrescente os segmentos de
produtos que mais faturam até os de menor faturamento, ao descer a barra de
rolagem. O gráfico de barras horizontal (Figura 38 - C) apresenta por ordem
decrescente os segmentos de produtos que obtiverram o maior valor de perda
por conta de ruptura.
No gráfico de linha (Figura 38 - D) é apresentada a relação entre o volume
de perda real e virtual (perda não contabilizada pelo software de estoque) pelo
período de tempo. Quando é clicado em algum determinado ponto, o gráfico filtra
o período de perda de todos os elementos do dashboard. Foi implementado o
mapa (Figura 38 - E) para visualização das cidades onde há pontos de venda e
qual o valor de perda por cidade, sendo simbolizado proporcionalmente ao
tamanho da sua bolha.
A segmentação de dados (Figura 38 - F) serve para filtrar os dados pelos
anos de 2017 e 2018 e com isso obter uma análise mais específica. Por fim, o
gráfico de barras agrupados na horizontal apresentam os pontos de vendas que
obtiveram o maior valor de perda.

6.2 Explorando a narrativa visual

A análise do modelo foi feita em cima do framework 5W1H, ele

proporcionou a análise do contexto a ser explorado na visualização de dados.
Para explorar a na narrativa proposta pelo modelo, deve-se ter em mente o
público a qual ela se destina e o que precisamos que ele faça, no caso do modelo
proposto é o corpo executivo da rede de supermercados.
Após a identificação do público é essencial construir o contexto sobre o
tema e assim criar a trama da narrativa. Para isso são apresentados os
elementos da história através do ambiente (quando e onde a história ocorre?), o
personagem principal (quem conduz a ação?), o estado de coisas não resolvido
(por que é necessário e o que fazer com o problema) e o resultado esperado
(como provocar as mudanças para solucioná-lo).
Dessa forma, as visualizações de dados no modelo tem o objetivo ser
parte dos elementos da narrativa, ao utilizar o mapa (Figura 39) e o gráfico de
 73

linha (Figura 40), procura-se ambientar o cenário da narrativa. O fator de

desequilibrio da história são os valores de perda de faturamento por ruptura de
produtos, ententer por que é necessário realizar as mudanças, ou seja, aumentar
o faturamento e o que fazer para encontrar o equilíbrio, ter uma reposição de
estoque mais ágil para os produtos com maior perda (Figura 41), nas lojas com
maiores índices (Figura 42).

Figura 39 – Visão do mapa em detalhe expandido

Fonte: dados do autor (2020).

Figura 40 – Visão do gráfico de linha em detalhe

Fonte: dados do autor (2020).

 74

Figura 41 – Visão dos produtos com mais perda em detalhe

Fonte: dados do autor (2020).

Figura 42 – Visão das lojas com mais perdas em detalhe

Fonte: dados do autor (2020).

 75

Uma vez atribuído os elementos da narrativa, quando os tomadores de

decisão analisarem o dashboard, a parte principal se desenvolve, o que poderia
ser diferente para alcançar o objetivo? Manter a atenção nessa parte da história,
tratando de como eles podem resolver o problema apresentado, no caso o valor
de perda de faturamento por ruptura no estoque. O dashboard serve para a partir
dele, facilitar a geração de insights, pois há exemplos e dados que demonstram
os problemas e a motivação para combatê-los: aumentar o nível de faturamento.
Com o problema em mente e objetivo em foco, a história deve passar a
mensagem, por fim, para a tomada de ação. Seja aumentar o número de
fornecedores, realizar o pedido de produtos com mais antecedência, realizar
promoções para retirar os produtos com baixa rotatividade do estoque, por
exemplo. Depois da tomada de ação será avaliado o valor que as decisões
tomaram para o negócio.
 76

Considerações Finais

A velocidade com que os dados estão sendo gerados vem crescendo

significativamente e estão sendo impulsionados por uma economia baseada na
informações. Os dados criados pelas atividades desenvolvidas pela Internet e o
número crescente de sensores no contexto ambiental só mostram a importância
das informações contidas nos dados e porque ele é considerado um ponto
importante no século XXI. Entretanto, fazer com que as informações relevantes
estejam disponíveis para as pessoas, exige um empreendimento de várias áreas
de estudo, como a matémática, computacão, o design e o tratamento de
imagem, por exemplo.
Apresentar esta grande quantidade de dados por meio de narrativas é
uma forma efetiva de engajar o usuário na utilização de uma determinada marca,
no marketing; reter informações, seja no jornalismo de dados; tomar decisões
com mais assertividade, por exemplo. A visualização de dados com o enfoque
narrativo utilizado no contexto de inteligência de negócio, visa extrair
informações relacionadas a um determinado assunto, no caso da pesquisa foram
os dados de uma varejista, e a partir destes dados surgiu o questionamento da
pesquisa: “Como a utilização da narrativa em visualização de dados podem
auxiliar na tomada de decisão em empresas que utilizam inteligência de
negócio?”.
Com a questão motivadora formulada, foram identificados os objetivos
principais da pesquisa. De forma mais específica, pretende-se criar um modelo
de visualização de dados que abrangesse recursos narrativos no contexto
empresarial. De fato, para esse propósito, foi realizado um levantamento
bibliográfico para haver um melhor entendimento de como o processo de
business intelligence consegue agregar valor a uma empresa, principalmente em
sua camada de apresentação de relatórios e como se dariam as visualizações
construídas com uma proposta narrativa dos dados.
Nesta busca identificou-se que já havia um framework amplamente
utilizado para construção de narrativas nas mais diversas áreas do
conhecimento, como marketing, jornalismo de dados e negócio. O framework
5W1H parte do pressuposto que a partir das resposta das perguntas where, why,
 77

what, when e who (onde, porque, o quê, quando e quem) e da palavra how
(como), é possível identificar os elementos de uma narrativa e implementá-las
em visualizações.
Com isso partiu-se para a área de design, representar os dados obtidos
em visualizações apropriadas capazes de transmitir os elementos da narrativa,
além disso foram observados algumas propriedades que aumentavam o nível de
interpretação, como por exemplo, as cores, ordenamento visual e dessaturação
dos elementos que viriam a compor o modelo.
Foi desenvolvido o modelo de representação com dados de uma rede de
varejo, utilizando elementos que são compostos por três componentes: dados,
elementos da narrativa, informações e visualizações. Neste proceso onde foi
discutido a origem dos dados, o contexto no qual a narrativa estaria focada e os
elementos visuais que melhor transmitiriam a história. Definido o modelo, criou-
se através dele o dashboard desenvolvido na ferramenta Microsoft Power BI para
ser analisado a narrativa criada.
O objetivo do dashboard é transmitir informações para os tomadores de
decisão propiciando uma análise direcionada pelo contexto apresentado
agregando assim mais valor ao resultado esperado, entretanto qualquer usuário
é capaz de interpretar e interagir sem conhecimento ou interesse prévio, pois o
dashboard dispõe de anotações, o tornando mais amigável. A exploração do
dashboard pelas visualizações pode tornar a análise mais específica a partir dos
filtros, mas sem comprometer a narrativa, pois se trata de uma análise
explanatória, onde o contexto é previamente definido para estruturação da
narrativa.
Por fim, no decorrer da pesquisa, algumas limitações foram identificadas.
Primeiramente, houve limitações técnicas quanto ao desenvolvimento do
dashboard, pois se tratava de uma grande quantidade de dados, o que requeria
uma máquina com nível de processamento maior, isso fez com que a construção
demorasse além do planejado. Outra limitação percebida era em relação a
ferramenta utilizada, Microsoft Power BI, pois até a finalização da pesquisa, ela
não disponibiliza a opção de realizar anotações nos elementos visuais, como a
Figura 37 exemplifica, apenas era possível inserir um texto no próprio dashboard.
Já para o processo de análise dos elementos narrativos a serem
apresentados, percebeu-se que era importante que o processo de codificação
 78

fosse feito por mais de uma pessoa, para verificar o quão válido e confiável foram
as respostadas para os elementos extraídos e consequêntemente avaliar o
dashboard criado, principalmente por um analista de negócio ou um profissional
de nível hierarquico mais elevado (supervisor, gerente, diretor). Por conta disso
não foi possível realizar a última etapa da arquitetura proposta na Figura 32,
sendo o recebimento do feedback
Como trabalho futuro prentende-se explorar os dados não estruturados
advindos de redes sociais, em especial o Twitter, pois a partir dos comentários
dos usuários sobre um tema específico, pode-se criar um contexto para a
visualização de dados, por exemplo, análise dos comentários feitos por usuários
sobre um político específico, isso traria de forma visual uma análise de seu
eleitorado, servindo como termômetro para eleições. Para isso seria necessário
utilizar recursos de Processamento de Linguagem Natural, afim de extrair
informações relacionadas ao contexto e um aprofundamento nos conceitos de
narrativa de dados para sua estruturação a patir de redes sociais.
Por fim, acredita-se que os objetivos propostos nesta pesquisa foram
alcançados, sendo sua principal contribuição o apoio a construção de narrativas,
por meio de visualizações com dados voltados para a área de negócios,
passando pela conceituação, estruturação e definição de sua representação.
 79

Referências

ACHARYA, A. et al. Big data, knowledge co-creation and decision

making in fashion industry. International Journal of Information
Management, Elsevier, Amsterdam, v. 42, p. 90-101, 2018.

ALEXANDRE, D. S. Factores da Percepção Visual Humana na

Visualização de Dados. In: CMNE, 2007, Porto. Métodos Numéricos e
Computacionais em Engenharia CMNE CILAMCE 2007. Porto, 2007.

ANTE, S. E.; MCGREGOR, J. Giving the boss the big picture.

Business Week, Nova Iorque, p. 48-50, 2006.

ANTONELLI, R. A. Conhecendo o Business Intelligence (BI): Uma

Ferramenta de Auxílio à Tomada de Decisão. Revista TECAP, Pato
Branco, v. 3, n. 03, p. 79-81, 2009.

BAL, M.; BOHEEMEN, C. V. Narratology: Introduction to the theory of

narrative. Toronto: University of Toronto Press, p. 264, 2009.

BERG, M. Human abilities to perceive, understand, and manage multi-

dimensional information with visualizations. Tese (Department of Media
Technology) - Aalto University. 2012.

BERTIN, J. Semiology of graphics: diagrams networks maps. [S.l.]:

ESRI Press, 2011.

BOSE, R. Advanced analytics: Opportunities and challenges. Industrial

Management & Data Systems, Emerald Group Publishing Limited,
Bingley, v. 109, n. 2, p. 155-172, 2009.

CONGOSTO, Mariluz. Queixas do metrô de Madri por estação. Online, 12

set. 2019. Disponível em: http://congosto.carto.com/viz/e5da12e2-9fe7-11e4-
bc43-0e853d047bba/public_map. Acesso em: 21 mar. 2020.

COUTINHO, M. Comunicação em tempos de escassez de atenção. Revista de

Administração de Empresas, Fundação Getúlio Vargas, São Paulo, v. 15, n.
2, p. 27-30, Jul 2016.

CHAUDHURI, S. et al. An overview of business intelligence technology.

Communications of the ACM, ACM, New York, v. 54, n. 8, p. 88-98, 2011.

CHEN, H. et al. Business intelligence and analytics: From big data to big
impact. MIS quarterly, JSTOR, New York, v. 36, n. 4, p. 1165-1188,
2012.

CRUZ, P.; MACHADO, P. Generative Storytelling for Information Visualization.

IEEE Computer Graphics and Applications, v. 31, n. 2, p. 80- 85, 2011.
 80

ELBASHIR, M. Z. et al. Measuring the effects of business intelligence

systems: The relationship between business process and organizational
performance. International journal of accounting information
systems, Elsevier, Amsterda, v. 9, n. 3, p. 135-153, 2008.

ELERAQI, A. Visualizando os cinco Ws e um H: Como chamar a atenção

do público na era dos dados. 2017. Disponível em:
https://advocacyassembly.org/en/news/43/. Acesso em: 25/05/2020.

ELIAS, M. et al. Storytelling in visual analytics tools for business

intelligence. In: IFIP Conference on Human-Computer Interaction.
Heidelberg: Springer, p. 280-297, 2013.

ELLIS, W. A source book of Gestalt psychology. Gouldsboro: Routledge,

2013. ESCOBAR, B. T. de; SPINILLO, C. G. Retórica visual na infografia
sobre saúde. InfoDesign-Revista Brasileira de Design da Informação,
São Paulo, v. 13, n. 2, p. 162-180, 2016.

FREIRE, E. O design no jornal impresso diário. Do tipográfico ao digital.

Revista Galáxia, São Paulo, n. 18, p. 291-310, dez 2009.

GAMERO, E. J. T. et al. Agrupamento visual em grandes conjuntos de

dados multidimensionais. Dissertação (Mestrado em Ciências da
Computação e Matemática Computacional) - Universidade de São Paulo,
São Paulo/SP, 2003.

GERMANO, C. Análise Exploratória: Você não precisa contar sobre tudo

que viu. 2019. Disponível em: www.medium.com/data-
hackers/an%C3%A1lise-explanat%C3%B3ria- voc%C3%AA-n%C3%A3o-
precisa-contar-sobre-tudo-que-viu-ecb0255cc3ac. Acesso em: 07/04/2020.

GERSHON, N.; PAGE, W. What storytelling can do for information

visualization. Association for Computing Machinery. Communications of
the ACM, Proquest ABI/INFORM, v. 44, n. 8, p. 31-37, 2001.

GHIDINI, E. Representação de narrativas interativas por meio de

visualizações com dados extraídos de redes sociais. Dissertação
(Mestrado em Ciência da Computação) - Universidade Católica do Rio
Grande do Sul, Porto Alegre/RS, 2017.

GOLDSTEIN, B. Sensation and perception. Belmont: Cengage Learning,

2009.

GUTIÉRREZ, A. et al. Visual stories in business intelligence to support

decision making. Iberian Conference on Information Systems and
Technologies (CISTI), IEEE, Washington, p. 1-4, 2017.

HANNULA, M.; PIRTTIMAKI, V. Business intelligence empirical study on the

top 50 Finnish companies. Journal of American Academy of Business, v.
2, n. 2, p. 593 - 599, 2003.
 81

HERMAN, I. et al. Graph visualization and navigation in information

visualization: A survey. IEEE Transactions on visualization and
computer graphics, IEEE, p. 24-43, 2000.

HOLTEN, D. Hierarchical edge bundles: Visualization of adjacency relations

in hierarchical data. IEEE Transactions on visualization and computer
graphics, IEEE, v. 12, n. 5, p. 741-748, 2006.

HOU, C. Examining the effect of user satisfaction on system usage and

individual performance with business intelligence systems: An empirical
study of Taiwan’s electronics industry. International Journal of
Information Management, Elsevier, Amsterdam, v. 32, n. 6, p. 560-573,
2012.

HOUAISS, I. A. Dicionário Houaiss de Língua Portuguesa. Rio de

Janeiro: Objetiva, p. 2743. 2001.

HULLMAN, J. et al. A Deeper Understanding of Sequence in Narrative

Visualization. IEEE Trans. Vis. Comput. Graph., v. 19, n. 12, p. 2406-
2415, 2013.

INSTITUTO INFORMATION MANAGEMENT. Quantidade de dados

gerados pelas empresas vai mudar as estratégias de negócios até 2020.
Disponível em: www.https:
//docmanagement.com.br/06/14/2016/quantidade-de-dados-gerados- pelas-
empresas-vai-mudar-as-estrategias-de-negocios-ate-2020-segundo-cto-da-
hds. Acesso em: 30/01/2020.

IPEA. Atlas da Violência. 2020. Disponível em:

https://www.ipea.gov.br/atlasviolencia/pontos/157. Acesso em: 12/06/2020.

ISIK, O. et al. Business intelligence success: The roles of BI capabilities and

decision environments. Information & Management, Elsevier, Amsterdam,
v. 50, n. 1, p. 13-23, 2013.

JOHNSON, B.; SHNEIDERMAN, B. Tree-maps: A space-filling approach to

the visualization of hierarchical information structures: A space-filling
approach to the visualization of hierarchical information structures. IEEE
Computer Society, San Diego, p. 284-291, 1991.

KANASHIRO, M. A cidade e os sentidos: sentir a cidade.

Desenvolvimento e meio ambiente, Curitiba, v. 7, p. 155-160, 2003.

KHAN, M.; KHAN, S. S. Data and information visualization methods, and

interactive mechanisms: A survey. International Journal of Computer
Applications, IJCA Journal, v. 34, n. 1, p. 1-14, 2011.
 82

KNAFLIC, C. N. Storytelling com Dados: Um guia sobre visualização de

dados para profissionais de negócios. Rio de Janeiro: Alta Books, 2015.
256 p.

KOSARA, R.; MACKINLAY, J. Storytelling: The next step for visualization.

Computer, IEEE Computer Society, v. 46, n. 5, 2013a.

KOSARA, R.; MACKINLAY, J. Storytelling: The next step for visualization.

Computer, IEEE Computer Society, Washington, v. 46, n. 5, p. 44-50,
mayo 2013b.

KRUM, R. Cool infographics: Effective communication with data

visualization and design. 1. ed. Nova Jersey: Wiley, p. 347, 2013.

LAMPING, J.; RAO, R. The hyperbolic browser: A focus+ context technique

for visualizing large hierarchies. Journal of Visual Languages &
Computing, Elsevier, v. 7, n. 1, p. 33-55, 1996.

LARSON, D.; CHANG, V. A review and future direction of agile, business

intelligence, analytics and data science. International Journal of
Information Management, Elsevier, Amsterdam, v. 36, n. 5, p. 700-710,
2016.

LAVALLE, S. et al. Big Data, Analytics and the Path from Insights to Value.
MIT Sloan Management Review, Cambridge, v. 52, n. 2, p. 21-32, 2011.

LEE, B. et al. More than telling a story: A closer look at the process of
transforming data into visually shared stories. IEEE Computer Graphics and
Applications, IEEE Computer Society, v. 35, n. 5, p. 84-90, Sept 2015.

LIDWELL, W. et al. Universal principles of design, revised and updated:

125 ways to enhance usability, influence perception, increase appeal, make
better design decisions, and teach through design. Houston: Rockport Pub,
p. 272, 2010.

LIM, A. H.; LEE, C. Processing online analytics with classification and

association rule mining. Knowledge-Based Systems, Elsevier,
Amsterdam, v. 23, n. 3, p. 248 – 255, 2010.

LONNQVIST, A.; PIRTTIMAKI, V. The measurement of business

intelligence. Information systems management, Taylor & Francis,
Abingdon, v. 23, n. 1, p. 32- 40, 2006.

LUHN, H. P. A business intelligence system.2(4), 314–319. IBM Journal of

Research and Development, IBM, v. 2, n. 4, p. 314-319, 1958.

LYNCH, A. Método 5W1H: Conceitos, Aplicativos e Dicas. 2020.

Disponível em: https://www.edrawsoft.com/business-diagram/5w1h-
method.html. Acesso em: 23/05/2020.
 83

MANCINI, L.; VASCONCELLOS, F. Jornalismo de Dados: conceito e

categorias. Revista Fronteiras - estudos midiáticos, Porto Alegre, v. 18,
n. 1, p. 69 – 82, jan 2016.

MASSAROLO, J. C. Storytelling transmídia: narrativa para múltiplas

plataformas.
Tríade: Revista de Comunicação, Cultura e Midia, v. 1, n. 2, p. 335-347,
2013.

MCAFEE, A. et al. Big Data: The Management Revolution. Harvard

Business Review, Harvard, v. 90, n. 10, p. 60-68, 2012.

MCGUIRE, S. Infográficos: 9 principais modelos de infográficos e quando

usá-los. 18/05/2020. Disponível em: https://pt.venngage.com/blog/modelos-
de-infografico/#2. Acesso em: 20/05/2020.

MITHAS, S. et al. Leveraging Big Data and Business Analytics. IT

Professional, IEEE, v. 15, n. 6, p. 18-20, 2013.

NÖLLENBURG, M. Geographic visualization. Human-centered visualization

environments, Springer Berlin Heidelberg, Dagstuhl Castle, p. 257-294,
2007.

PATHAK, S.; PATHAK, S. Data Visualization Techniques, Model and

Taxonomy. Data Visualization and Knowledge Engineering, Springer,
Suíça, p. 249-271, 2020.

POPOVIC, A. et al. Conceptual model of business value of business

intelligence systems. Management: Journal of Contemporary
Management Issues, Universidade de Split, Poljica, v. 51, n. 1, p. 5-30,
2010.

RANJAN, J. Business intelligence: Concepts, components, techniques and

benefits. Journal of Theoretical and Applied Information Technology,
Islamabade, v. 9, n. 1, p. 60-70, 2009.

ROSS, W. J. et al. You may not need big data after all. Harvard business
review, Harvard Business School, Harvard, v. 91, n. 12, p. 90, 2013.

RUŠINOVÁ, M. On the Influence of Higher Cognitive Functions on

Perception. Sborník, 2016.

SALVO, M. A. Big Data como estratégia para o sucesso das empresas.

2014. Disponível em: https://canaltech.com.br/big-data/O-Big-Data-como-
estrategia-para-o- sucesso-das-empresas/. Acesso em: 16/05/2020.

SANTOS, P. L. V. A. da C.; CARVALHO, A. M. G. Sociedade da

Informação: avanços e retrocessos no acesso e no uso da informação.
Informática & Sociedade: Estudos, Universidade Federal da Paraíba,
João Pessoa, v. 19, p. 45 - 55, 2009.
 84

SASSO, C. M. D. et al. Introdução à visualização de informações. Revista

de informática teórica e aplicada, v. 8, p. 143-158, 2001.

SEGEL, E.; HEER, J. Narrative visualization: Telling stories with data. IEEE
transactions on visualization and computer graphics, IEEE, v. 6, n. 16,
p. 1139 - 1148, 2010.

SHARDA, R. et al. Business Intelligence e Análise de Dados para

Gestão do Negócio. 4. ed. São Paulo: Bookman Editora, p. 566 2019.

SHARMA, R. et al. Transforming decision-making processes: a research

agenda for understanding the impact of business analytics on organisations.
EJIS, Taylor & Francis, Abingdon, v. 23, n. 4, p. 433-441, 2014.

STEELE, J.; ILIINSKY, N. Beautiful visualization: Looking at data through

the eyes of expert. Sebastopol: O’Reilly Media, p. 418, 2010.

TRKMAN, P. et al. The impact of business analytics on supply chain

performance.
Decision Support Systems, Elsevier, Amsterdam, v. 49, n. 3, p. 318-327,
2010.

VASSALLO, M. How infographics can enhance business. Dissertação

(Mestrado em Gestão, Inovação e Marketing) - Universidade de Veneza,
Itália/UE. 2019.

VISIBLE LOGIC: Compelling Brand Identities. Online, 12 jan. 2020. online.

Disponível em: https://www.visiblelogic.com/portfolio/. Acesso em: 20 mar.
2020.

VITALL, A. What is an-infographic? 2018. Disponível em:

https://blog.adioma.com/what-is-an-infographic. Acesso em: 10/05/2020.

WARE, C. Information visualization: perception for design. Waltham:

Elsevier, 2012.

WATSON, H. J.; WIXOM, B. H. The current state of business

intelligence. Computer, IEEE, Piscataway, v. 40, n. 9, p. 96-99, 2007.

WOOD, Jo; DYKES, Jason. "Treemaps Ordenados

Espacialmente," Transações IEEE em Visualização e Computação
Gráfica 14, n. 6, p. 1348-1355, 2008.

WORLDMAPPER. Covid-19/Coronavirus deaths. 2020. Disponível em:

https://worldmapper.org/maps/covid-19-coronavirus-deaths. Acesso em:
12/06/2020.

WEBINAR: Como fortalecer estratégias de marketing por meio da

 85

tecnologia: Infográfico Design. Online, 23 jun. 2020. [online]. Disponível

em: https://visual.ly/product/infographic-design. Acesso em: 20 mar. 2020.

YAU, N. Visualize this: the FlowingData guide to design, visualization, and

statistics. Indianápolis: John Wiley & Sons, p. 384, 2011.

YOSHIOKA, T. et al. Genre taxonomy: A knowledge repository of

communicative actions. ACM Transactions on Information Systems
(TOIS), ACM, v. 19, n. 4, p. 431-456, 2001.