O QUE É ANÁLISE DE DIAGNÓSTICO?

4 EXEMPLOS

A análise de dados — geralmente chamada de análise de negócios pelas

organizações — é o processo de usar dados para responder perguntas,
identificar tendências e extrair insights. Esses insights podem ser valiosos
para as organizações porque ajudam a impulsionar a tomada de decisões e a
formulação de estratégias.

Existem quatro tipos principais de análise de dados:

● Descritivo, que responde à pergunta: "O que aconteceu?"

● Diagnóstico, que responde à pergunta: "Por que isso aconteceu?"
● Preditivo, que responde à pergunta: "O que pode acontecer no
futuro?"
● Prescritivo, que responde à pergunta: "O que devemos fazer a
seguir?"

Cada tipo de análise serve a um propósito específico e pode ser usado em

conjunto com os outros para obter uma visão completa da história que os
dados contam.
A análise de diagnóstico fornece informações cruciais sobre por que uma
tendência ou relacionamento ocorreu e é útil para profissionais que desejam
apoiar suas decisões com dados. Aqui está uma introdução à análise de
diagnóstico e as principais considerações para usá-la em sua organização.

O QUE É ANÁLISE DE DIAGNÓSTICO?

A análise de diagnóstico é o processo de usar dados para determinar as

causas de tendências e correlações entre variáveis. Ele pode ser visto como
um próximo passo lógico depois de usar análises descritivas para identificar
tendências. A análise diagnóstica pode ser feita manualmente, usando um
algoritmo, ou com softwares estatísticos (como o Microsoft Excel).

Há vários conceitos para entender antes de mergulhar na análise diagnóstica:

teste de hipóteses, a diferença entre correlação e causalidade e análise de
regressão diagnóstica.

Teste de Hipóteses

O teste de hipóteses é o processo estatístico de provar ou refutar uma

suposição. Ter uma hipótese para testar pode orientar e focar sua análise
diagnóstica.

As hipóteses podem ser orientadas para o futuro (por exemplo, "Se

mudarmos o logotipo de nossa empresa, mais pessoas na América do Norte
comprarão nosso produto."), mas elas ajudam a análise preditiva ou
prescritiva. Ao realizar análises de diagnóstico, as hipóteses são
historicamente orientadas (por exemplo, "Prevejo que a queda nas vendas
deste mês foi causada pelo recente aumento de preços do nosso produto.").
A hipótese direciona sua análise e serve como um lembrete do que você
pretende provar ou refutar.
Correlação x Causalidade

Ao explorar relações entre variáveis, é importante estar ciente da distinção

entre correlação e causalidade. Se duas ou mais variáveis estão
correlacionadas, seus movimentos direcionais estão relacionados. Se duas
variáveis estão positivamente correlacionadas, significa que, à medida que
uma sobe ou desce, a outra também sobe. Alternativamente, se duas
variáveis estiverem correlacionadas negativamente, uma variável sobe
enquanto a outra desce.

A chave na análise de diagnóstico é lembrar que, só porque duas variáveis

estão correlacionadas, isso não significa necessariamente que uma causou a
ocorrência da outra.

Se sua organização for capaz de dedicar recursos à execução de

experimentos controlados, você poderá determinar a causalidade entre
variáveis. Embora determinar a causalidade seja o ideal, a correlação ainda
pode oferecer o insight necessário para dar sentido aos seus dados e usá-los
para tomar decisões impactantes.

Análise de Regressão Diagnóstica

Algumas relações entre variáveis são facilmente discernidas, mas outras

requerem análises mais aprofundadas, como a análise de regressão, que
pode ser usada para determinar a relação entre duas variáveis (regressão
linear simples) ou três ou mais variáveis (regressão múltipla). A relação é
expressa por uma equação matemática que se traduz na inclinação de uma
reta que melhor se ajusta à relação das variáveis.

"A regressão nos permite obter insights sobre a estrutura desse

relacionamento e fornece medidas de quão bem os dados se encaixam nessa
relação", diz o professor da Harvard Business School Jan Hammond, que
ministra o curso online Business Analytics, um dos três cursos que compõem
o programa Credential of Readiness (CORe). "Esses insights podem ser
extremamente valiosos para analisar tendências históricas e desenvolver
previsões."

Quando a análise de regressão é usada para explicar as relações entre

variáveis em um contexto histórico, esse é um exemplo de análise de
diagnóstico. A regressão pode então ser usada para desenvolver previsões
para o futuro, que é um exemplo de análise preditiva.

A análise de diagnóstico pode ser aproveitada para entender por que algo
aconteceu e as relações entre os fatores relacionados. Com o básico em seu
currículo, considere esses quatro exemplos de análise de diagnóstico em
ação e como eles podem se aplicar à sua empresa.

4 EXEMPLOS DE ANÁLISE DE DIAGNÓSTICO EM

AÇÃO

1. Examinando a demanda do mercado

Um caso de uso da análise de diagnóstico é determinar as razões por trás da

demanda do produto.

Por exemplo, pegue a empresa de assinatura de kits de refeições HelloFresh.

A empresa reúne milhões de pontos de dados de usuários globais, incluindo
informações sobre localização geográfica, dados demográficos divulgados,
tipo de refeição, preferências de sabor e cadência e tempo típicos de pedidos.

A equipe da HelloFresh usa esses dados para identificar relações entre

tendências em atributos e comportamento do cliente. Como um exemplo
hipotético, imagine que a equipe da HelloFresh identifique um pico nos
pedidos de receitas à base de peixe. Depois de realizar análises diagnósticas,
eles descobriram que os atributos mais altamente correlacionados com o
pedido de receitas de peixe são se identificar como fêmea e viver no nordeste
dos Estados Unidos.

A partir daí, a equipe pôde realizar uma pesquisa de mercado com esse
grupo demográfico específico para saber mais sobre a demanda por receitas
de peixe. Foi causada por um estudo científico recente que divulga os
benefícios do peixe para a saúde das mulheres? Talvez as pessoas que
vivem no nordeste dos Estados Unidos tenham um paladar refinado para
frutos do mar porque vivem relativamente perto do Oceano Atlântico. Seu
raciocínio pode fornecer insights impactantes para a HelloFresh.

Mergulhando nos outros tipos de análise, a equipe também pode considerar

se a tendência deve continuar (análise preditiva) e se vale a pena o esforço e
o dinheiro para criar mais receitas à base de peixe para atender à preferência
desse público (análise prescritiva).

2. Explicando o comportamento do cliente

Para as empresas que coletam dados de clientes, a análise de diagnóstico é

a chave para entender por que os clientes fazem o que fazem. Esses insights
podem ser usados para melhorar os produtos e a experiência do usuário
(UX), reposicionar as mensagens da marca e garantir a adequação do público
do produto.

Continuando com o exemplo da HelloFresh, considere o valor da retenção de

clientes para a empresa, que opera em um modelo de assinatura. Manter
clientes é mais econômico do que obter novos, portanto, a HelloFresh usa
análises de diagnóstico para determinar por que os clientes que saem optam
por cancelar assinaturas.

Durante o processo de cancelamento, os clientes que partem devem fornecer

o motivo do cancelamento. As opções variam de "não se encaixa no meu
orçamento" a "não se encaixa na minha agenda ou necessidades
alimentares", e também há uma opção para escrever uma resposta. Ao reunir
esses dados, a HelloFresh pode analisar os motivos mais citados para perder
clientes entre regiões e dados demográficos específicos e usar análises de
diagnóstico para responder à pergunta: "Por que as pessoas estão
cancelando suas assinaturas?"

Esses insights podem ajudar a melhorar o produto e a experiência do usuário

da HelloFresh para evitar perder mais clientes por esses motivos.

3. Identificando problemas de tecnologia

Um exemplo de análise de diagnóstico que requer o uso de um programa de

software ou algoritmo proprietário é a execução de testes para determinar a
causa de um problema de tecnologia. Isso geralmente é chamado de
"diagnóstico em execução" e pode ser algo que você já fez antes ao enfrentar
dificuldades no computador.

Alguns desses algoritmos estão constantemente em ação no fundo de sua

máquina, enquanto outros precisam ser iniciados por um humano. Um tipo de
teste de diagnóstico com o qual você pode estar familiarizado é o diagnóstico
baseado em solução, que detecta e sinaliza sintomas de problemas
conhecidos e realiza uma varredura para determinar a causa raiz. Isso pode
permitir que você resolva o problema e o escale se a causa for grave.

4. Melhorar a cultura da empresa

A análise de diagnóstico também pode ser aproveitada para melhorar a

cultura interna da empresa. Os departamentos de recursos humanos podem
reunir informações sobre a sensação de segurança física e psicológica dos
funcionários, questões com as quais eles se preocupam e qualidades e
habilidades que tornam alguém bem-sucedido e feliz. Muitos desses insights
vêm da realização de pesquisas internas e anônimas e da realização de
entrevistas de desligamento para identificar fatores que contribuíram para o
desejo dos funcionários de permanecer ou sair.

Reunir informações sobre os pensamentos e sentimentos dos funcionários

permite analisar os dados e determinar como áreas como a cultura e os
benefícios da empresa podem ser melhoradas. Isso pode incluir desde
desejar que a empresa faça mais contribuições de responsabilidade social
corporativa (RSE) até se sentir discriminada no trabalho. Nesses casos, os
dados apresentam um argumento para alocar mais recursos para RSE e
esforços de diversidade, equidade, inclusão e pertencimento.

Insights de pesquisas e entrevistas também podem permitir que os gerentes

de contratação determinem quais qualidades e habilidades tornam alguém
bem-sucedido em sua empresa ou em sua equipe específica e, assim, ajudar
a atrair e contratar melhores candidatos para as vagas abertas.

A análise de diagnóstico pode ajudar a aumentar a felicidade, a segurança e

a retenção dos funcionários, além de levar a processos de contratação mais
eficazes.

RESPONDENDO A GRANDES PERGUNTAS COM

DADOS

A análise de diagnóstico pode permitir que você chegue ao "porquê" por trás
das tendências de dados. Com uma compreensão mais profunda de seus
dados, seja sobre clientes, funcionários ou questões de tecnologia, você pode
se sentir capacitado para tomar decisões baseadas em dados.

Para aumentar suas habilidades de análise, considere fazer um curso on-line,

como Business Analytics. Faça perguntas sobre conjuntos de dados, aprenda
a executar regressões lineares e múltiplas e ouça profissionais de negócios
do mundo real que usaram a análise de dados para impactar suas
organizações.