GUIA PRÁTICO

DE GRÁFICOS
Como escolher sempre o gráfico correto
no Excel e Power BI para qualquer cenário
 PARABÉNS!
Você vai aprender a ferramenta mais desejada
pelas empresas do momento

ESTE CONTEÚDO É PARTE INTEGRANTE DO TREINAMENTO ACELERADOR DE CARREIRA COM POWER BI E É

PROPRIEDADE DA EMPOWERDATA. É PROIBIDA A COMERCIALIZAÇÃO E REPRODUÇÃO TOTAL OU PARCIAL.
Introdução
Por meio da utilização de elementos visuais como mapas, gráficos e tabelas, somos capazes de
nos comunicar com nossa audiência e levar até ela informações que serão indispensáveis para
uma assertiva tomada de decisões.

No mundo do Big Data, transformar um grande volume de dados em informações e utilizá-las da

melhor maneira é um grande desafio. Para que isto ocorra de maneira efetiva, precisamos
entender como o ser humano interpreta representações visuais.

Os gráficos estão por toda parte

Vivemos em uma cultura visual, diariamente consumimos informações seja através de
publicidade, de arte, ou da TV. Nas representações gráficas não é diferente, nosso interesse é
capturado através de uma arte visual, e o que vai diferenciar uma boa visualização de dados é
a aplicação do conceito correto.

Por outro lado, vemos que a habilidade para construção de gráficos não é tão natural assim.

Na escola, aprendemos matemática, português, conhecemos alguns conceitos que também se

aplicam na construção de visuais como o plano cartesiano, mas somos efetivamente ensinados
a contar histórias com dados?

Certamente não, não em muitos modelos de ensino convencionais que temos hoje. Não somos
naturalmente bons em construir visualizações. Mas a verdade é que esta habilidade está sendo
cada vez mais demandada e é preciso muito conhecimento técnico para dominar esta arte.

Porque a visualização de dados é importante em qualquer carreira

Cada vez mais ouvimos a afirmação de que “Contar histórias com os dados é a nova skill da
atualidade”. Quase tudo que fazemos hoje em dia, desde uma troca de mensagens, uma ida ao
mercado, viagens, exames médicos, geram dados. Vivemos em um mundo conectado e o
volume de dados gerados é cada vez maior.

A análise de dados já está sendo utilizada em diversas áreas, desde setor de Recursos Humanos,
na área médica, no setor de vendas, na área de finanças, e em diversas outras.

Não existe um limite para sua aplicação, quase tudo que fazemos hoje deixa um rastro digital,
para termos uma ideia o processamento de dados dos últimos 2 anos supera todo o
processamento de dados dos últimos 3 mil anos.

Nossos dados possuem uma história, e eles não são capazes de contá-la sozinhos, saber usá-
los para interpretar cenários, tomar decisões e acompanhar métricas é cada vez mais útil e,
utilizando elementos visuais, somos capazes de contar histórias e transformar esses dados em
informações.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Funcionamento e benefícios da visualização de dados
Analisar linhas e linhas de dados dispostos em uma tabela é difícil e toma bastante tempo.
Dispor essas informações em gráficos otimiza a análise e nos fornece insights que tomariam
horas ou até mesmo seriam impossíveis de se obter apenas lendo os dados.

A visualização de dados é uma forma de arte visual que capta nosso foco, mantendo nossa
atenção na mensagem que está sendo transmitida.

70% de nossos receptores sensoriais estão em nossos olhos e ao olhar para gráficos,
rapidamente identificamos tendências, notamos padrões e exceções, internalizamos tudo isso
antes mesmo de percebemos.

Tabela vs Gráfico

Para Fernanda Viegas e Martin Wattenberg, pioneiros em análise de dados e líderes do grupo de
pesquisa de visualização de dados do Google, uma visualização ideal deve não só comunicar a
informação claramente, mas também estimular o engajamento e chamar a atenção do público.

Em uma visualização de dados efetiva, temos que tomar cuidado para não fornecemos mais
informações do que nosso cérebro consiga processar, a ideia é sempre ser claro e objetivo.

Quando vemos um visual, aquela informação é recebida inicialmente pela nossa memória
icônica e é armazenada ali por um curto período, não mais que 1 segundo. Este processo ocorre
de forma automática, processamos e armazenamos a imagem em frações de segundos, antes
mesmo de prestarmos atenção nos dados, e é conhecido como processamento pré-atentivo.

Alguns elementos pré-atentivos são cores, formas e tamanho, entender a maneira como eles
funcionam e aplicá-la corretamente é um grande diferencial na construção de visuais.

No exemplo ao lado, temos uma sequência de números. Tente identificar

quantas ocorrências temos do número 5.

A resposta é 6. Verifique em quanto tempo esta mesma análise ocorre no

próximo exemplo, temos os mesmos números e apenas alteramos um
elemento visual.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Definitivamente neste exemplo a identificação
dos números 5 foi muito mais fácil.

Na verdade, quase não foi necessário esforço

para contar as ocorrências do 5 e isso acontece
devido a intensidade de cor que aplicamos a
eles.

Este é uma poderosa aplicação do uso do processamento pré-atentivo para mostrar a

informação que desejamos, os seis números 5 simplesmente aparecem na nossa frente antes
mesmo de começarmos a contá-los e se destacam de todo o resto.

Assim como o destaque de cores, o uso de contraste, formas e posições também são recursos
que podemos utilizar para direcionar a atenção de nossa audiência, e isto é muito poderoso.

Mas lembre-se, o uso desse recurso deve ser direcionado para o nosso objetivo, quando
destacamos tudo, nada se torna importante.

A visualização de dados é uma maneira efetiva e universal de comunicar informações, ela não
se limita em deixar um gráfico bonitinho ou sobrecarregá-lo de elementos, equilibrar estética
com funcionalidade é o que vai fazer a diferença em seus gráficos, e são esses tópicos que
iremos explorar ao longo deste documento.

Em suma, Stephen Few, especialista em visualização de dados reconhecido mundialmente,

resume bem o conceito sobre Dashboard na seguinte afirmação:

“Exibição visual das informações mais necessárias para alcançar um ou mais

objetivos que podem ser consolidadas em uma única tela e então podem ser
monitoradas rapidamente.”

Esta ideia é perfeitamente aplicada quando falamos não só de dashboards, mas de visualização
de dados em geral.

Da mesma forma que no display de um carro temos as informações mais críticas para seu
funcionamento, ao demonstrar dados seguimos o mesmo conceito, dispor as informações
importantes, da melhor forma possível.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

Tipos de visuais
CARTÃO SIMPLES
Muitas vezes, uma importante informação que desejamos transmitir se resume a um único
número. Nestes casos, não faz sentido expressar este valor em um gráfico, uma vez que eles
ocupariam um espaço considerável e não teríamos outras variáveis para compor a visualização.

Além disso, na construção de um painel, esta informação facilmente se perderia em meio a

outros gráficos, ficando desconectada e sem o devido destaque.

A visualização do tipo Cartão é indicada nestes casos, onde o objetivo é mostrar um valor
específico, como por exemplo, o valor total de produtos vendidos, o faturamento, ou a
quantidade de entregas em atraso.

É importante mencionar que ao utilizar o cartão simples, temos como boa prática apresentar o
valor de forma resumida, desde que não atrapalhe a compreensão do dado apresentado. Desta
forma, economizamos espaço e orientamos a atenção de nossa audiência para o que
realmente importa.

Comumente este tipo de visualização está disposto na parte superior

de seu dashboard, seguindo o design Z, onde geralmente dispomos
informações que contextualizam o conteúdo explorado no painel.

Em alguns casos, é importante visualizarmos o dado numérico sem nenhum tipo de

arredondamento. Um exemplo disso é para variáveis sensíveis, que envolva por exemplo
análises na área de saúde, análises de risco, número de vítimas, ou seja, tipos de análises onde é
importante a abordagem precisa do valor.

Veja o quadro ao lado

apresentado pela CNN

Brasil quanto à situação
epidemiológica da
COVID-19 no Brasil.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 No canto direito, podemos visualizar rapidamente os dados como: quantidade de casos
confirmados, recuperados, óbitos ou em investigação. Em um cenário de pandemia global, este
registro é importantíssimo e cada unidade é relevante, vemos então a aplicação deste visual de
forma simples e precisa.

CARTÃO DE LINHAS MÚLTIPLAS

Em alguns casos, podemos ter mais de uma informação importante para nosso público alvo.
Com o cartão de linhas múltiplas podemos agrupá-las e apresentar esses dados de forma
simples e direta.

Este visual é uma alternativa ao cartão simples, e

cumpre bem o seu papel nos casos em que desejamos
mostrar dados totais que são importantes para
compreensão completa da análise.

TABELAS
Certamente em algum momento você já teve contato com uma tabela, seja nos estudos,
trabalhando com planilhas, ou vendo os resultados dos jogos da copa do mundo.

Tabelas se caracterizam por dados organizados em linhas e colunas. Elas são projetadas para
organizar informações textuais e numéricas de forma clara e conveniente, permitindo uma
leitura mais rápida e são um dos instrumentos mais aplicados para análise e compreensão de
dados. Por isto, saber utilizá-las da maneira correta se torna ainda mais importante.

As tabelas interagem diretamente com nosso sistema verbal, elas são lidas por nosso cérebro.
Reforçamos que, ao optar pela utilização de uma tabela, precisamos identificar de forma clara
como a informação será consumida. Stephen Few, afirma que tabelas podem ser usadas nos
seguintes cenários:

· Comparação de valores individuais

· Necessidade de visualizar valores precisos

· Valores serão consumidas de forma individual

Como criar um design para suas tabelas?

O que temos de mais importante em uma tabela são os dados. Por isso, tenha em mente que
esta informação precisa ser o destaque de seu visual.

Bordas espessas e cores em excesso acabam atrapalhando a leitura, opte sempre por manter
essas informações em segundo plano, mantendo o protagonismo no que realmente importa.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Abaixo temos exemplos de duas tabelas contendo o mesmo tipo de dado.
Na tabela ao lado, temos alguns
recursos visuais que acabam por
prejudicar a leitura da tabela, como o
uso excessivo de cores e o tamanho
das bordas.

No exemplo 2, temos as bordas e cores

suavizadas. Alternar cores entre as
linhas também é um recurso visual que
auxilia na leitura do dado.

Lembre-se que não são regras, são

boas práticas que tornarão seus
visuais mais eficientes e profissionais.

Uma grande aplicação deste tipo de visual é no cenário esportivo, onde por meio de tabelas
acompanhamos os resultados dos jogos de um campeonato, de corridas de F1, da Copa do
mundo, entre diversas outras modalidades.

Abaixo, temos um exemplo do quadro de medalhas das Olimpíadas de 2016:

Apresentação da performance dos
países que conquistaram as 15
primeiras posições nas Olimpíadas.

Fonte: olimpiadas.globoesporte.globo.com

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Este quadro possui um fácil entendimento, e cumpre bem o seu objetivo. Os dados estão
expostos de forma clara, e temos um bom aproveitamento dos elementos visuais, os símbolos
como as bandeiras e as medalhas ajudam na compreensão das informações, além de trazerem
um toque visual à tabela.

Vemos assim que este visual possui ampla utilização, tendo a simplicidade e a objetividade
como pontes fortes, além disso, as tabelas apresentam uma linguagem mundial que é
facilmente compreendida.

GRÁFICO DE LINHA
No gráfico de linhas, visualizamos os dados em forma de pontos, chamados de marcadores,
que são interligados por uma linha. Devido a sua estrutura, são frequentemente utilizados para
demonstrar dados contínuos, ou seja, características que podem ser descritas com números.

Ele tem grande aplicação principalmente para análises temporais, onde desejamos verificar o
comportamento de nossos dados ao longo tempo, possibilitando assim a identificação de
tendências, comportamentos atípicos, momentos de picos e de queda. Veja o exemplo abaixo:

Neste gráfico, podemos analisar o valor total de venda por mês de

uma empresa. Identificamos facilmente os meses de pico, as
oscilações no ano, assim como os meses de menor venda.

Em segundos, vemos que janeiro foi o mês de maior venda, com

uma queda nos meses subsequentes. Verificamos também uma
grande oscilação entre os meses de julho e outubro, onde setembro
foi o mês que registrou o menor valor de vendas no ano.

Note a diferença caso estes dados tivessem dispostos em uma

tabela. Os dados são os mesmos, conseguimos identificar os meses
de maior venda por exemplo, mas veja que o esforço é muito maior,
e a identificação de padrões e tendências é inviável.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Em alguns casos, temos mais de uma série de dados, e uma alternativa para visualizar essas
informações é o gráfico de linhas com múltiplas variáveis.

Por exemplo, possuímos o valor total de venda de 3 filiais e desejamos verificar como este valor
se comportou nos últimos 3 anos. Abaixo temos dois exemplos:

No gráfico ao lado, temos cada

loja representada por uma cor, e
o ano de referência no eixo X.

Após um tempo de análise conseguimos tirar algumas conclusões, como:

· Ao longo dos anos, as lojas 1, 2 e 3 tiveram um aumento no seu valor de venda;

· Em 2017 e 2018, a Loja 2 foi a loja com o maior valor de produtos vendidos;

· Em 2019, a Loja 1 superou as demais lojas e obteve o maior valor de venda.

· A loja 4 foi a única loja que apresentou uma queda no valor total vendido de 2018 para 2019.

Repare como esta análise acontece de forma muito mais intuitiva e rápida quando dispomos
estas mesmas informações no gráfico de linhas:

Além disso, conseguimos visualizar com maior clareza o comportamento individual de cada loja
e obter também um comparativo entre elas: de 2018 para 2019, por exemplo, a loja 1 ultrapassou
o valor total de venda comparado a loja 2 e se tornou a loja com o maior valor de produtos
vendidos.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Esta mesma informação está disposta no gráfico de barras, mas vemos como, neste caso, o
gráfico de linhas nos traz inúmeras vantagens para interpretação dos dados.

Um importante ponto de atenção no gráfico de linhas são nos casos em que precisamos
demonstrar diversas variáveis. A primeira pergunta que podemos fazer é: “Todas essas
informações são realmente relevantes?”.

Veja este visual apresentado pelo blog Data to Viz (https://www.data-to-viz.com):

O gráfico acima mostra a evolução do uso dos nomes femininos de bebês mais comuns nos
Estados Unidos de 1880 a 2015.

Veja que, quando ultrapassamos a margem de 5 categorias, o gráfico de linhas se mostra um

tanto quanto “embolado”, a este efeito chamamos de “efeito espaguete”, mais conhecido em
inglês como ‘Spaghetti plot’. A leitura do gráfico é complexa, deixando confusa a interpretação
dos dados e ainda mais difícil a obtenção de insights.

Uma das estratégias para evitar este fenômeno é enfatizar os elementos mais importantes
através da utilização de cores mais fortes ou contrastantes, ou até mesmo a substituição de
um único gráfico por outras visualizações.

Fonte: https://www.data-to-viz.com

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Desta forma, damos destaque à informação que desejamos enfatizar. Os outros dados
continuam visíveis, permitindo sua utilização para compreensão da análise, mas a informação
principal é facilmente visualizada devido ao destaque aplicado.

Um importante cuidado para termos é sempre respeitar as marcações dos eixos e isso se aplica
a qualquer tipo de gráfico.
O visual ao lado foi reproduzido pela
Fox News, para apresentar a taxa de
desemprego nos EUA de janeiro a
novembro de 2011.

Em um primeiro momento, podemos

não notar os erros existentes neste
gráfico.

Inicialmente, vemos o comportamento do gráfico, com a taxa de desemprego sofrendo uma

queda nos primeiros meses do ano, e com uma subida a partir de abril, com algumas
oscilações. Mas quando paramos para analisar o gráfico por completo, vemos que não foi
exatamente isso ocorreu.

Em março, a taxa de desemprego era de 8,8%, enquanto novembro apresentou uma taxa inferior,
de 8,6%. No entanto, note que graficamente, a taxa de novembro parece ser maior do que a de
março. Isto ocorre pois o número foi plotado incorretamente, levando a uma representação
gráfica errada.

Ressaltamos ainda que de janeiro a março a taxa de desemprego caiu 0,2%, uma queda menor
do que a ocorrida entre outubro e novembro, porém, observando o comportamento da curva,
temos a falsa impressão de que a queda entre janeiro e março foi maior. Abaixo, temos a correta
representação gráfica destes dados:

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 GRÁFICO DE BARRAS VERTICAIS
O gráfico de barra (também conhecido como gráfico de colunas quando as barras estão
dispostas verticalmente) é ideal para realizar comparações entre categorias, onde os dados
são apresentados em barras retangulares, e cada uma delas representa um valor.

Uma vez construídos adequadamente, conseguimos de maneira fácil identificar as categorias

de maior e menor valor, a diferença entre elas, entre outras análises, como no exemplo abaixo:

Note que no gráfico ao lado, o eixo Y foi ocultado. A quantidade

de alunos em cada série está demonstrada como rótulo de
dados no topo de cada barra. Neste caso, optamos por omitir o
eixo Y pois este trazia uma informação adicional
desnecessária.

Isto não é uma regra, apenas uma boa prática que pode ser
aplicada para facilitar a leitura dos gráficos e evitar distrações.

Nos casos em que desejamos mostrar mais de uma série de dados dentro de cada categoria,
podemos usar o gráfico de barras agrupadas, veja abaixo:

Neste gráfico podemos visualizar a informação de

alunos por série dividida entre os gêneros masculino e
feminino.

Outra forma de visualizar este dado é através do gráfico de barras empilhadas. Ele pode ser
utilizado tanto para demonstrar valores absolutos, quanto para uma análise percentual.

Valores absolutos Análise percentual

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Não há um certo ou errado, o importante aqui é avaliar o propósito do visual, identificar a
maneira como a informação será consumida e desta forma você será capaz de definir a melhor
construção do gráfico.

Faça perguntas como “É importante para minha audiência saber o valor exato de cada variável?
Ou o intuito é ter uma ideia de proporção?”, o objetivo final e a maneira mais eficiente de
consumir esta informação serão sempre a resposta.

Uma importante prática na construção dos gráficos empilhados é sempre trazer as

informações na mesma posição. Além de apresentarmos cada informação com a mesma cor
(azul claro para feminino e azul escuro para masculino), manter o padrão de posição é
imprescindível na construção do gráfico, evitando confusões e tornando o gráfico coeso.

Um outro exemplo da aplicação do

gráfico de barras empilhadas é para
visualizarmos a composição de valores
de um determinado produto.

A ilustração ao lado, divulgada

oficialmente pela BR Distribuidora,
apresenta a composição do preço
médio da gasolina no Brasil.
Fonte: br.com.br

Neste caso, vemos que o custo da gasolina na refinaria equivale a aproximadamente 1/3 do
preço pago pelo consumidor. Os valores dos tributos federais e estaduais (CIDE, PIS/PASEP,
COFINS e ICMS) correspondem a quase metade do custo final da gasolina. A adição do etanol
anidro, obrigatória por lei, fica em 3º lugar e por último temos os custos de revenda e distribuição.

Veja que é um gráfico simples,

trazendo diversas aplicações.

A BR distribuidora também apresenta

uma comparação do preço médio da
gasolina no Brasil com o preço
praticado em outros países, veja ao
lado:

Fonte: br.com.br

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 A utilização do gráfico de barras empilhadas nos permite visualizar os dados de forma eficiente.
Além de possibilitar a comparação entre os preços, observamos os diferentes comportamentos
na composição do custo da gasolina pelo mundo.

Na Itália, Alemanha e Reino Unido, vemos que no período observado, mais de 50% do valor do
combustível era referente ao custo com tributos. Enquanto na Argentina, temos uma alta
margem bruta com a distribuição e revenda da gasolina. Note que o padrão de cores e a
ordenação das categorias foi fundamental para a leitura do gráfico.

Como boa prática ressaltamos a importância de sempre iniciarmos o eixo Y no zero. Nossos
olhos costumam comparar o topo das barras para comparar os valores, caso contrário,
podemos ter uma má interpretação da informação, observe abaixo:

O que aparenta ser um grande acréscimo se observado no gráfico da esquerda, traz uma outra
impressão quando dispomos a informação corretamente, mantendo as devidas proporções.

Se observamos atentamente os gráficos, vemos que a diferença numérica entre as barras

representa 1,2%. Porém, analisando o gráfico da esquerda, notamos que a diferença de tamanho
entre as barras é inclusive maior que o valor da barra de 2018, que numericamente é de 30,3%.
Ou seja, a proporção não é mantida e passamos uma ideia errada ao leitor, o que é extremamente
prejudicial à análise.

Por muitas vezes, vemos a utilização

desta prática como forma de
manipular a informação, levando o
leitor a uma análise tendenciosa.

Ao lado, trazemos um exemplo real

divulgado pela FOX News.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Neste gráfico, é apresentado como era o comportamento da taxa de imposto nos EUA em 2012 e
a projeção para o ano seguinte, caso as mudanças no código tributário do país, aprovadas
durante a presidência de Bush, expirassem. Neste caso, vemos claramente a manipulação do
eixo Y para causar um falso impacto.

A altura da barra para janeiro de 2013 parece 5 vezes maior do que a referente ao valor atual,
mas percentualmente vemos que é uma diferença de 35% para 39,6%. Acredite, no dia a dia,
esses detalhes passam por muitas vezes desapercebidos, o desenvolvimento de nosso senso
crítico é fundamental para nos apoiar com o correto entendimento de qualquer análise.

GRÁFICO DE BARRAS HORIZONTAIS

Outra maneira de visualizar os dados em
barras é através do gráfico de barras
horizontais.

Este é sem dúvidas um dos gráficos mais

utilizados, ele é simples, eficaz, de fácil
compreensão e pode ser utilizado de
diversas maneiras.

Em sua estrutura temos dados categóricos

no eixo X e os valores no eixo Y.

Também podemos utilizá-lo com séries simples e séries compostas:

Os gráficos de barras horizontais também podem ser usados para mostrar as partes que
compõe o valor total de uma categoria.

Por exemplo, uma rede de lojas analisa o valor vendido em um mês e deseja verificar a
representatividade deste valor por departamento, uma das formas de fazermos esta análise é
através dos gráficos de barras horizontais empilhadas.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Desta forma, podemos comparar o
comportamento das vendas entre
as lojas.

Vemos que a maior parte do valor

vendido da loja 1 foi referente a
produtos do setor de maquiagem.

Enquanto na loja 2 e 3, temos o

departamento de roupas
responsável pelo maior valor de
vendas.

Note que a leitura deste tipo de gráfico ocorre de maneira muito natural, e o nosso padrão de
leitura tem forte influência nisso.

Tipicamente, nossa leitura se dá da esquerda para a direita, debaixo para cima, conhecido como
“Padrão Z”, e a leitura do gráfico de barras horizontais ocorre dessa exata maneira.

Em um primeiro momento, olhamos para as categorias (eixo Y) e, em seguida, olhamos para os

valores que as representam, este padrão torna a leitura deste tipo de gráfico ainda mais fluida,
exigindo um menor esforço cognitivo.

GRÁFICO DE COLUNAS E LINHAS

O gráfico de colunas e linhas é um dos tipos de gráficos de combinação mais utilizados. Ele é útil
para visualizarmos simultaneamente o comportamento de duas categorias, possibilitando a
comparação entre elas.

O exemplo abaixo possui duas séries de dados. As barras representam o valor de venda
projetado para o mês e a linha representa o valor real vendido naquele mês. Neste exemplo,
ambas variáveis se referem ao valor de venda e foram plotadas utilizando um único eixo Y.

O objetivo aqui é comparar

a venda mensal com o
valor de venda estimado
para o período.

Vemos que nos 3 primeiros

meses do ano o valor
projetado não foi atingido,
diferente de abril e maio,
onde as vendas superaram
as estimativas.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Neste tipo de gráfico é imprescindível apresentarmos uma legenda, de modo a deixar claro o
tipo de informação que as barras e linhas representam.

Como se trata de duas representações gráficas no mesmo visual, é importante tomarmos

cuidado para que os elementos visuais estejam bem-dispostos, de forma que não haja
sobreposição de números, tendo atenção também nos casos em que a linha possa dificultar a
leitura dos rótulos de dados.

Uma aplicação deste gráfico é na meteorologia. O gráfico abaixo, apresentado pelo site Climate
Date, apresenta a temperatura média e o volume médio de precipitação na cidade do Rio de
Janeiro ao longo do ano.

Em vermelho temos as marcações

da temperatura.

As colunas em azul se referem à

precipitação.

Note como esta representação

gráfica nos apresenta diversas
informações sobre o clima em um
único visual.
Fonte: https://pt.climate-data.org/

Ambas as variáveis (temperatura e precipitação) compartilham o eixo X, o que é característico

deste tipo de gráfico. Um importante ponto a ser observado é que as categorias apresentam
tipos de dado distintos, um está relacionado à temperatura e outro ao volume.

Neste caso, precisamos adicionar um segundo eixo Y ao gráfico, assim temos um eixo Y para a
temperatura e outro para o volume de precipitação, chamamos o segundo eixo de eixo Y
secundário. O mesmo também pode ocorrer nos casos em que o tipo de dado é o mesmo, mas
apresentam grandezas diferentes.

Uma das grandes aplicações do gráfico de coluna e linha é na construção do Diagrama de

Pareto. O princípio de Pareto, também conhecido como regra 20-80, indica que 80% dos
impactos estão relacionados a 20% dos fatores. Ele tem grande aplicação em diversos
segmentos organizacionais como finanças, recursos humanos, gestão de suprimentos, e
também a nível pessoal, sempre com a proposta de concentrar esforços no que realmente tem
maior impacto, levando a uma resolução mais eficaz.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 No gráfico de Pareto, as barras verticais representam a frequência das ocorrências, sendo
classificadas em ordem crescente. Desta forma, conseguimos ver claramente quais são os
fatores que exercem maior influência sobre um resultado, facilitando a priorização e
determinação de estratégias.

No exemplo acima, temos a receita anual de uma loja, subdividida entre os produtos vendidos.
As barras representam o valor vendido de um determinado produto, e a linha representa a
porcentagem acumulada da frequência desta ocorrência.

Analisando o gráfico, visualizamos que a venda de TVs constituiu 44% da receita desta loja em
2019, seguido pela venda de notebooks e de refrigerador. Note que o princípio de Pareto é
claramente observado pois, em média, 80% da receita obtida foi gerada por 20% dos produtos
da loja, sendo estes TV e Notebook.

GRÁFICO DE PIZZA
Você provavelmente já viu um gráfico de pizza.
Também chamado de gráfico de setores, ele
consiste em um diagrama circular, onde cada
seção do gráfico consiste na representação
numérica da categoria.

Ao lado, vemos a distribuição dos habitantes de

uma região por estado. Visualmente, podemos
identificar que a maior parte da população da
região é do Estado A, seguida pelo C e pelo B.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Sua utilização é recomendada nos casos em que possuímos no máximo 3 categorias, o que
torna a análise um pouco mais agradável.

Ainda assim, vale dizer que a utilização

deste gráfico não é indicada em
diversas literaturas.

Temos a restrição em relação ao

número de categorias, conforme o
gráfico ao lado.

Tente observar o gráfico e responder às seguintes perguntas:

· Qual estado possui a menor população?

· Qual é o estado com a 3ª maior população?

· Qual estado possui a maior população?

Provavelmente você recorreu aos rótulos de dados para chegar a esta conclusão. Isto acontece
quando as seções possuem tamanhos semelhantes, se torna difícil identificar qual delas é maior.

Além disso, mesmos nos casos em que existe

uma diferença considerável de tamanho,
não conseguimos identificar com clareza a
diferença entre esses valores, este tipo de
gráfico dificulta bastante esta comparação.

Veja como esta mesma análise é mais

simples se o transformarmos em um gráfico
de barras horizontais, por exemplo.

Os gráficos de pizza em diversos casos podem não ser a melhor maneira de demonstrar seus
dados, tenha isso em mente, eles não são de fácil interpretação para o olho humano, além de
ocuparem um espaço significativo.

Em algumas ocasiões eles são aplicados para análises de “parte num todo”. Mas como
explicitado, há algumas limitações e vale a pena avaliar outras alternativas para apresentar
esta informação.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 GRÁFICO DE CASCATA
O objetivo do gráfico de cascata é demonstrar como um valor inicial, ao ser alterado por valores
intermediários, gera um valor final. É um tipo de gráfico com grande aplicação, pois com ele
podemos entender eventos intermediários que afetaram o valor de início, visualizando os
impactos positivos ou negativos que ocorreram, até chegarmos no resultado.

O valor intermediário pode estar relacionado à categoria tempo, por exemplo, representando
valores que entraram/saíram mês a mês; ou representando outras categorias de dados como,
por exemplo, fontes de receita ou despesa. Abaixo temos um exemplo de análise do lucro de
uma empresa a partir de sua receita em um mês.

No gráfico acima, temos como ponto de partida a receita da venda de produtos. A partir dele,
plotamos valores que representaram entrada ou saída de caixa, até chegarmos no valor final
de lucro.

Note que, no gráfico de cascatas, todos os valores intermediários são apresentados com base
no valor inicial, diferente por exemplo do gráfico de colunas, onde todos os valores são plotados
a partir da mesma referência de eixo, de forma independente.

Este visual alguns pontos de atenção:

Cores: É fundamental utilizarmos cores diferentes para representar os valores negativos e

positivos. Um exemplo comum é ilustrar os valores de entrada em verde, azul, ou algum tom que
não traga um aspecto ‘negativo’; os valores negativos podem ser representados em vermelho,
deixando a leitura mais fluida por já inferirmos intuitivamente o significado dessas cores.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Rótulo de dados: Deixe explícito em seu gráfico os valores de cada barra. Como no exemplo,
entendemos facilmente que os custos variáveis causaram um impacto negativo de R$ 225.00,00,
não deixando espaço para interpretações ambíguas. Neste tipo de gráfico, não é tão fácil
identificar os valores de cada componente sem o auxílio dos rótulos.

Barra final do gráfico: A última coluna do gráfico de cascata representa o valor final da análise
que está sendo analisada. Ela sempre irá começar no mesmo eixo do valor inicial, comumente
no 0, e para destacar este valor temos como boa prática a utilização de uma cor diferente para
este dado. Uma sugestão é adotar uma cor neutra, de forma a não prejudicar a interpretação do
gráfico, utilizando também do contraste de cores para diferenciar este valor diante aos demais.

Podemos observar que o gráfico de cascata tem como grande vantagem a capacidade de
transmitir as mudanças graduais ocorridas de forma clara; por dispensar os eixos e as linhas
de grade, ele permite aos usuários focar na informação relevante e interpretá-la de forma
rápida e prática. Um outro exemplo de sua aplicação é na análise temporal, conforme abaixo.

Neste exemplo vemos a variação do fluxo de caixa mês a mês, note que no gráfico de cascata
podemos também adicionar totalizadores intermediários para enfatizarmos alguma
informação, podemos por exemplo quebrar esta análise por semestre da seguinte forma:

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Neste caso, visualizamos um totalizador intermediário que representa o valor do fluxo de caixa até
o 1 semestre de 2019. Este recurso é indicado quando desejamos apresentar alguma informação
intermediária em mais detalhes, enriquecendo a análise com uma pontuação adicional.

GRÁFICO DE DISPERSÃO
O gráfico de dispersão é uma representação gráfica utilizada para analisar a relação entre
duas ou mais variáveis quantitativas. Com ampla utilização na análise de correlação entre
duas variáveis, ele consiste em um eixo vertical (y) e um horizontal (x), onde por meio de
coordenadas cartesianas, os dados são exibidos em forma de pontos.

Desta forma, o valor de uma coordenada determina a posição do ponto no eixo X e o valor da
outra coordenada determina a posição no eixo Y, obtendo assim um ponto no gráfico.

No exemplo ao lado, temos uma análise

da relação entre o faturamento mensal
de uma empresa com o número de
novos clientes, no período de um ano.

Analisando este gráfico, podemos perceber que há uma correlação positiva entre o número de
novos clientes e o faturamento, a tendência crescente dos pontos indica que à medida que
uma variável cresce, a outra também aumenta.

De modo contrário, existem análises

onde podemos observar que os pontos
se concentram em uma linha
decrescente.

Ou seja, à medida que uma variável

aumenta, a outra diminui, nestes casos
temos uma correlação negativa, veja o
exemplo ao lado.

Nesta análise podemos identificar que um aluno com menor número de faltas apresentou uma
nota maior, caracterizando assim uma correlação negativa.

Temos ainda a correlação nula, como podemos verificar no próximo gráfico. Vemos que há uma
grande dispersão entre os pontos, o que significa que não há uma relação aparente entre as
variáveis.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 É importante mencionar que para
analisar a relação entre variáveis,
precisamos de uma boa quantidade de
dados que possibilite a verificação de
uma tendência.

A sugestão é sempre aumentar o

número da amostra, pois quanto maior
a amostra melhor será sua análise final.

Vantagens do diagrama de dispersão:

· Ideal para identificar correlação entre variáveis;

· Possibilita visualizar a relação entre variáveis e o comportamento adquirido conforme a

variação das mesmas;

· Permite identificar a intensidade de relacionamento entre as variáveis.

Pontos de atenção do diagrama de dispersão:

· A construção e análise de diagramas de dispersão não é simples, necessitando de um nível

mínimo de conhecimento estatístico;

· Exige um profundo conhecimento sobre o processo que está sendo analisado;

· Não existe garantia de causa-efeito. É necessário reunir outras informações para tirar melhores
conclusões.

Precisamos ter em mente que: correlação não implica causalidade. Em qualquer tipo de análise
é sempre importante utilizarmos nosso senso analítico para interpretarmos os dados que
estamos visualizando.

O exemplo ao lado, nos mostra uma

análise entre o número de afogamentos
em uma praia e a quantidade de
sorvete vendida em um mesmo período.

Há uma correlação positiva entre as

variáveis, mas faz sentido a afirmação
de que ”Quanto mais sorvetes são
vendidos, maior é o número de
afogamentos?”, com certeza não.

Assim, conseguimos ilustrar a importância do contexto que está sendo analisado, assim como
reforça a necessidade de reunirmos informações antes de concluirmos relações de causa-efeito.
Podemos, por exemplo, inferir que em dias mais quentes temos uma quantidade maior de
pessoas na praia, o que pode levar a um aumento na venda de sorvetes e no maior número de
afogamentos, pois temos mais banhistas. Mas são apenas hipóteses que precisam ser validadas
antes de chegarmos a uma conclusão final.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

Boas práticas
Como abordado, a criação de gráficos tem seu lado técnico, onde com o uso dos visuais adequados,
conseguimos fazer análises eficientes, observar tendências e obter insights. Além da escolha do
gráfico, temos as boas práticas na visualização de dados, elas nos ajudam na escolha da disposição
dos elementos visuais, de forma que valorize e facilite a análise, deixando nossos gráficos ainda mais
poderosos.

Dados negativos
A simples maneira de construir o gráfico pode influenciar bastante na análise, observe o exemplo:

Nos dois gráficos vemos um comparativo entre o saldo de 6 pessoas. Porém, no gráfico da
esquerda, vemos facilmente que há pessoas com saldo negativo, enquanto no gráfico da direita
esta análise não é tão favorecida. Nestes casos, priorize o valor 0 como eixo base de seus dados e
plote valores negativos abaixo e valores positivos acima.

Cuidado ao usar 3D
Podemos resumir esta boa prática em: “Evite o
uso de 3D”. Observe o gráfico ao lado e tente dizer
qual produto tem maior representatividade sobre
o valor total vendido.

Alguns diriam que é o produto A, outros o Produto

B, ou até mesmo o Produto C.

Na análise de dados não podemos deixar a

interpretação dos dados na mão na audiência.
Devemos fornecer as respostas da maneira mais clara possível. O uso do rótulo de dados pode
facilitar neste caso, mas ainda assim temos uma série de outras problemas.

Além do gráfico de pizza dificultar a análise da proporção dos números, o uso do 3D torna esta
percepção ainda mais difícil, veja que visualmente o produto B pode aparentar corresponder a
uma parte maior que o Produto A.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Além do gráfico de pizza dificultar a análise da
proporção dos números, o uso do 3D torna esta
percepção ainda mais difícil.

Veja que visualmente o produto B pode aparentar

corresponder a uma parte maior que o Produto A.

Neste caso, o efeito 3D faz com que as porções

superiores aparentem ser menores, por estarem
mais ‘distantes’.

De modo geral, sempre evite o uso de 3D para demonstrar

variáveis bidimensionais, eles ocupam um grande espaço,
acrescentam conteúdos visuais que não são relevantes e
muitas vezes acabam por dificultar ainda mais a análise.

O exemplo acima pode ser substituído por um gráfico de

barras, por exemplo.

Barras horizontais são poderosas

Como demonstrado anteriormente, os gráficos de barras podem ser dispostos na horizontal e na
vertical, eles são gráficos de fácil interpretação e não é à toa que são amplamente utilizados.

Em alguns casos, o uso das barras horizontais é ainda mais eficaz para demonstrar os dados,
veja os exemplos abaixo:

Inicialmente já podemos detectar a dificuldade de apresentar rótulos de dados no gráfico da

direita. Este é um ponto positivo do gráfico horizontal, em um espaço menor conseguimos
demonstrar os dados de uma maneira mais organizada e clara.

Ordene seus dados

Frequentemente, encontramos muitos gráficos que apresentam grandezas quantitativas em
ordem decrescente, já antecipando nossa intuição de ordenar os grupos de acordo com sua
frequência para facilitar as comparações.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 O segundo exemplo traz os dados ordenados por valor, o que facilita as análises.

Porém, tenha cuidado nos casos que as categorias possuem uma ordem natural, como faixas
etárias (0 – 10 anos; 11 – 20 anos...), nesses casos vale a pena manter o gráfico numa ordem
lógica. A dica é manter os dados numa ordem que faça sentido, sempre tendo em mente o
modo como a audiência irá consumir a informação.

Cores dos dados

Uma boa prática na representação de dados se refere às cores utilizadas, temos algumas boas
práticas quando falamos deste assunto. Cores trazem emoções, evite usar cores vibrantes em
excesso nas suas visualizações, tons mais suaves e complementares são mais agradáveis aos
olhos humanos.

Em ambos os gráficos apresentamos a mesma análise, como estamos falando do mesmo

atributo (número de habitante), uma boa prática é mostra-lo com o mesmo padrão de cores.

Imagine analisar gráficos semelhantes a esse várias vezes durante o dia, ou até ter diversos
gráficos dispostos numa mesma página, o uso excessivo de cores acaba atrapalhando e
fazendo com que tenhamos mais esforço para interpretarmos os dados.

De modo complementar, o uso de cores é um recurso muito poderoso em nossos visuais e

podem ser utilizado para destacar alguma informação.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 Áreas com mais contraste irão atrair a
atenção dos nossos olhos. Lembre-se de
usar esse recurso a seu favor.

O uso correto do contraste, do negrito, pode

ser um ótimo aliado quando desejamos dar
ênfase em alguma informação.

Além disso, outra dica é evitar o uso de vermelho e verde juntos, parte da população possui
daltonismo, o que dificulta a distinção desses dois tons. É fato que verde e vermelho são cores
com diversas aplicações e podem ser empregadas de maneira muito eficiente, já que o
vermelho é constante associado a perigo e o verde a valores que indicam crescimento, lucro.

Tenha apenas em mente que acrescentar outros parâmetros como rótulo de dados, marcação
de eixos, ou alguma escrita são um ótimo recurso para auxiliar na interpretação desses dados,
garantindo que todos possam ter uma leitura completa da análise.

Marcação de eixo vs. Rótulo de dados

Quanto mais elementos temos em um gráfico, maior é o esforço cognitivo para interpretá-lo.
Uma decisão comum ao construir visuais é a de incluir ou não rótulo de dados, e quando
mostrar os eixos. Não existe um certo ou errado, esta decisão vai depender do objetivo da
análise e do nível de especificidade necessário.

Nos casos em que o foco é analisar tendências, por exemplo, a utilização de rótulo de dados
pode não ser tão útil, nesses casos a apresentação dos eixos pode auxiliar mais na análise,
podemos mantê-los e deixar sua cor mais sutil, de modo que não chame muita atenção.

Nas análises onde o valor específico de uma variável é importante, o uso dos rótulos de dados é
recomendado.
De modo geral, sempre considere
como os dados serão interpretados
e qual a informação que se deseja
passar, dessa forma, construímos o
gráfico da maneira mais eficiente.

ACELERADOR DE CARREIRA COM POWER BI Empowerdata Todos os direitos reservados

 O MELHOR TREINAMENTO DE
POWER BI ESTÁ PRÓXIMO!

Uma imersão de 4 aulas para você dominar o Power BI e

criar dashboards que se destacam no mercado de trabalho.

mesmo que você nunca tenha usado a ferramenta

ESTE CONTEÚDO É PARTE INTEGRANTE DO TREINAMENTO ACELERADOR DE CARREIRA COM POWER BI E É

PROPRIEDADE DA EMPOWERDATA. É PROIBIDA A COMERCIALIZAÇÃO E REPRODUÇÃO TOTAL OU PARCIAL.