PROFESSOR(A): ANDERSON NASCIMENTO

Big Data

Modelos de Análise de Big Data

Objetivo da Aula

Apresentar os modelos e tipos de análise mais utilizados, assim como descrever as

análises descritiva, diagnóstica, preditiva e prescritiva.

Apresentação

O Big Data possui alguns tipos de modelos que são utilizados para tratar seus grandes
volumes de dados. Basicamente, os modelos são descritivos e preditivos.
Esses modelos envolvem análises descritivas, diagnósticas, preditivas e prescritivas,
que possuem objetivos e ferramentas distintos.
Nesta aula, vamos aprender um pouco sobre cada modelo, através de exemplos que
vão nos permitir caracterizar cada tipo de análise e entender qual é o melhor cenário de
aplicação de cada um deles.
Então, estamos prontos?

1. Tipos de Modelos de Análise

À medida que coletamos uma gama absurdamente grande de dados, de várias fontes e
formatos diferentes, observamos o crescimento da base de dados, o que implica numerosas
novas possibilidades de análise, de vários tipos, servindo a propósitos diferentes.
Basicamente, temos quatro tipos de análises que são amplamente discutidas no âmbito
da análise de dados. São elas:

• Descritiva: identifica o que já aconteceu, a partir de resultados e fatos. É um tipo de

análise simples, já que o seu resultado deve ser feito por meio de exploração de uma
base de dados já carregada, integrada e consolidada;
• Diagnóstica: tenta entender os motivos que levaram um fato a acontecer. São iden-
tificados padrões e relação entre os dados;

Livro Eletrônico
faculdade.grancursosonline.com.br 1 de 8
 Professor(a): Anderson Nascimento

• Preditiva: visa identificar tendências futuras, com base em dados históricos. Tem a
ver com previsão a partir dos dados;
• Prescritiva: são recomendações sobre o que deve ser feito após a análise preditiva.

Além desses modelos, também temos outros exemplos de modelos de análise de Big
Data, como modelos de clusterização, modelos de detecção de anomalias e modelos de
processamento de linguagem natural (NLP).

2. Análise Descritiva e Análise Diagnóstica

2.1. Análise Descritiva

Quando buscamos distinguir e classificar os tipos de análise, podemos dizer que a análise
descritiva está diretamente relacionada com a análise diagnóstica.
Os modelos descritivos são usados para resumir e descrever os dados, fornecendo uma
visão geral das características e propriedades dos conjuntos de dados analisados. Eles
podem incluir estatísticas descritivas, como média, mediana, desvio-padrão, gráficos de
distribuição, entre outros.
Por trás desse conceito está o de que se deve observar o que aconteceu, através de
dados e fatos históricos, buscando, em uma análise simples, trazer insights para resolução
de problemas, como maximizar o que deu certo e minimizar o que deu errado no passado.
Para apoiar esse quesito, há ferramentas bastante populares, como dashboards e cubos
de dados. Repare que o resultado dessa análise é algo bastante tangível e exato, isto é,
resultado de cálculos e agregações de dados, a partir de uma grande massa de dados.
A análise descritiva tem como base a estatística, pois, por meio de suas ferramentas,
permite resumir e descrever as características e propriedades de um conjunto de dados.
Com essas ferramentas, é possível identificar padrões, tendências e informações relevantes,
de forma resumida e compreensível, a partir da base de dados que está sendo manipulada.
Alguns exemplos de ferramentas estatísticas que apoiam esse processo:

• Medidas de tendência central (média aritmética, mediana e moda);

• Medidas de dispersão (desvio-padrão, variância e amplitude);
• Gráficos e visualizações (dashboards, cubos de dados e histogramas);
• Tabelas de frequência (distribuição dos dados em categorias ou intervalos);

O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.

faculdade.grancursosonline.com.br 2 de 8
 Professor(a): Anderson Nascimento

• Medidas de associação (coeficiente de correlação, coeficiente de contingência e teste

qui-quadrado).

Por ser mais simples, a análise descritiva é frequentemente o primeiro passo na análise de
dados, visto que ajuda a obter uma compreensão inicial dos dados, antes de se aprofundar
em análises mais complexas, como as do tipo preditivo. Ela é capaz de responder perguntas
elementares, como:

• Quais são os valores médios, mínimos e máximos dos dados?

• Como os dados estão distribuídos?
• Existem valores discrepantes (outliers)?
• Quais são as relações entre as variáveis?
• Entre outras.

Figura 1: Análise descritiva e diagnóstica

Fonte: Insight Data Services. Disponível em: <https://www.insightdataservices.com.br/business-intelligence-ou-data-

-science/> Acesso em: 19 jun. 2023.

O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.

faculdade.grancursosonline.com.br 3 de 8
 Professor(a): Anderson Nascimento

2.2. Análise Diagnóstica

Seguindo o contexto de Big Data, a análise diagnóstica visa compreender as raízes de

determinado problema ou a condição detectada na análise descritiva.
Devido a essa natureza, ela é uma etapa avançada da análise de dados, que vai além da
análise descritiva e preditiva, focando a compreensão das relações causais e a explicação
de eventos ou resultados.
Para que seja possível esse tipo de análise, existe a necessidade de utilização de técnicas
e algoritmos sofisticados para explorar os dados e descobrir insights que ajudem a entender
os motivos por trás de determinados acontecimentos. Esse tipo de análise deve ser capaz
de responder a perguntas do tipo:

• Por que determinado evento ocorreu?

• Quais foram os fatores que contribuíram para esse resultado?
• Quais variáveis estão mais fortemente relacionadas ao problema em questão?

O processo para a realização de análise diagnóstica exigirá técnicas avançadas para

responder tais questões, e, entre elas, podemos destacar:

• Análise de causa e efeito (análise de regressão, análise de variância e análise de caminho);

• Mineração de dados (aplicação de algoritmos com o uso de técnicas como regras de
associação, árvores de decisão, redes neurais e algoritmos de aprendizado de máquina);
• Análise de séries temporais (identificar padrões sazonais);
• Visualização de dados interativa (identificação de correlações ou relações não óbvias
entre as variáveis);
• Análise de texto (técnicas de processamento de linguagem natural – NLP);

A análise diagnóstica possui papel importante para as organizações que possuem os seus
processos orientados a dados e ao Big Data, pois permite uma maior compreensão sobre
os porquês de determinados resultados, o que apoia o processo de tomada de decisões,
que deve sempre ser o foco de todo o processo de análise.

O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.

faculdade.grancursosonline.com.br 4 de 8
 Professor(a): Anderson Nascimento

3. Análise Preditiva e Análise Prescritiva

3.1. Análise Preditiva

Os modelos baseados em análise preditiva possuem um direcionamento associado

ao futuro, ou seja, uma abordagem pautada em padrões de comportamento, previsões e
tendências.

A análise preditiva é uma técnica ou um modelo de análise de dados que utiliza estatística
e/ou algoritmos de aprendizado de máquina, para fazer previsões ou estimativas sobre
eventos futuros, com base em dados históricos.

Repare que a mesma base coletada, integrada e consolidada, utilizada para as análises
descritivas, também é usada para a elaboração de análises preditivas.

Esse tipo de análise busca identificar padrões, tendências e relações nos dados para criar
modelos que possam ser aplicados a novos conjuntos de dados, a fim de fazer previsões
ou classificações.

Para que esse processo obtenha êxito, normalmente serão aplicadas tarefas e técnicas
de mineração de dados, como associação, regressão, classificação, clusterização e séries
temporais, para obter resultados que devem ser observados e analisados para a posterior
tomada de decisão.

A análise preditiva responde perguntas para qualquer área de negócio, que podem incluir:

• Qual será a demanda de um produto no próximo trimestre?

• Qual cliente tem maior probabilidade de cancelar seu contrato?

• Qual é o risco de inadimplência de um cliente?

• Que tipo de produto deve ser descontinuado?

• Como a sazonalidade impactará minhas vendas no próximo mês?

Essas previsões podem ser usadas para otimizar operações, melhorar a eficiência, reduzir
riscos e melhorar a tomada de decisões estratégicas, novamente colocando a empresa à
frente dos seus concorrentes, no que diz respeito à vantagem competitiva.

O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.

faculdade.grancursosonline.com.br 5 de 8
 Professor(a): Anderson Nascimento

Figura 2: Análise preditiva e prescritiva

Fonte: Insight Data Services. Disponível em: <https://www.insightdataservices.com.br/business-intelligence-ou-data-

-science/> Acesso em: 19 jun. 2023.

3.2. Análise Prescritiva

Por fim, a análise prescritiva tem a ver com quais medidas devem ser tomadas após a
análise e identificação dos resultados. O objetivo é o de proativamente tomar decisões para
impedir determinadas consequências ou, ainda, tomar ações para maximizar a possibilidade
de determinado fato ocorrer.
No contexto da análise de dados e dos modelos de Big Data, a análise prescritiva é
uma abordagem avançada que vai além das análises descritiva, preditiva e diagnóstica.
Ela envolve o uso de técnicas analíticas sofisticadas para fornecer recomendações e ações
prescritivas para otimizar resultados futuros, com base em insights extraídos dos dados.
Para que seja possível trabalhar nesse nível de modelo, a análise prescritiva, normalmente,
vai utilizar como ferramentas:

• Modelos estatísticos complexos;

• Algoritmos de aprendizado de máquina;
• Técnicas de otimização;
• Técnicas de simulação.

O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.

faculdade.grancursosonline.com.br 6 de 8
 Professor(a): Anderson Nascimento

Todas essas ferramentas vão ajudar na tomada de decisões estratégicas. Ao contrário

das análises descritiva, preditiva e diagnóstica, que focam a compreensão e explicação
de eventos passados, presentes ou futuros, a análise prescritiva busca orientar ações
futuras para influenciar resultados desejados, evitando perdas, por exemplo, ou acelerando
oportunidades de negócio identificadas durante o processo de análise.

Considerações Finais da Aula

Nesta aula, abordamos alguns modelos de Big Data, focando, principalmente, os tipos
de análise que tais modelos possibilitam. Esse conceito é muito importante, no contexto
de Big Data, no momento em que as análises das grandes massas de dados são, de fato,
utilizadas com foco no processo de melhoria da tomada de decisão.
Os tipos de análise estudados foram a descritiva, diagnóstica, preditiva e prescritiva.
A análise descritiva permite entender os dados por meio de resumos estatísticos e
visualizações, fornecendo uma visão geral do que ocorreu no passado. Já a diagnóstica vai
além, identificando as raízes de problemas ou eventos por meio da exploração de relações
de causa e efeito nos dados.
Além disso, a análise preditiva utiliza técnicas estatísticas e algoritmos de aprendizado
de máquina para fazer previsões sobre eventos futuros; ela permite antecipar tendências,
comportamentos e resultados, com base em padrões históricos e informações relevantes.
Por fim, a análise prescritiva vai além das previsões, fornecendo recomendações acionáveis
e orientando ações estratégicas para otimizar resultados futuros.
Esses modelos podem, também, ser combinados com o objetivo de obter insights ainda
mais poderosos para melhorar processos, tomar decisões mais eficazes e obter vantagem
competitiva.

Materiais Complementares

Transformando Dados em Insights Análise Descritiva, Preditiva e Prescritiva

2022, Jerry Strazzeri.
O vídeo aborda as análises descritiva, preditiva e prescritiva, dando exemplos e apre-
sentando ferramentas que podem ser empregadas nessas análises.
Link para acesso: https://www.youtube.com/watch?v=x2gpjL7uvkI (acesso em 19 set.
2023.)

O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.

faculdade.grancursosonline.com.br 7 de 8
 Professor(a): Anderson Nascimento

Business Intelligence ou Data Science?

2018, Anderson Nascimento.
O texto apresenta definições sobre os tipos de análise descritiva, preditiva, diagnósti-
ca e preditiva, traçando uma diferenciação entre Business Intelligence e Data Science.
Link para acesso: https://www.insightdataservices.com.br/business-intelligence-ou-
-data-science/ (acesso em 19 set. 2023.)

Referências

HURWITZ, Judith et al. Big Data Para Leigos. [s.l.]: Editora Alta Books, 2015. E-book.
ISBN 9786555206906. Disponível em: https://integrada.minhabiblioteca.com.br/#/
books/9786555206906/. Acesso em: 19 jun. 2023.

MORAIS, Izabelly Soares de et al. Introdução a Big Data e internet das coisas (IOT).
Porto Alegre: SAGAH, 2018. Livro digital. (1 recurso on-line). ISBN 9788595027640. Dis-
ponível em: https://integrada.minhabiblioteca.com.br/books/9788595027640. Acesso
em: 19 jun. 2023.

SANTOS, Roger R.; BORDIN, Maycon V.; NUNES, Sergio E. et al. Fundamentos de Big Data.
[s.l.]: Grupo A, 2021. E-book. ISBN 9786556901749. Disponível em: https://integrada.
minhabiblioteca.com.br/#/books/9786556901749/. Acesso em: 19 jun. 2023.

O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.

faculdade.grancursosonline.com.br 8 de 8