Introdução

Todas as análises depende da pergunta de quem precisa dessa análise, da interpretação dessa necessidade e esclarecimentos da pergunta e noção ou descoberta de bloqueios. E só após isso é que se percebe qual o tipo de análise de dados vai ser necessária fazer e se é possível fazer na sua integridade ou não.

 

O QUÊ?

Análise Descritiva – Dados para tomar uma decisão, entender uma ação realizada ou antecipar um comportamento.

Esta análise tem como principal objetivo descrever o que aconteceu ou o que está a acontecer num determinado momento. Deve estar sempre limitada ao âmbito do projeto, utilizando técnicas estatísticas para resumir os dados brutos.

Principais características:

  • Medidas de Tendência Central: média, moda, mediana
  • Medidas de Dispersão: variância, desvio padrão, quartis
  • Visualizações: gráficos de colunas, barras, linhas, dispersão, correlação
  • Identificação de tendências e padrões nos dados
  • Exploração inicial dos dados, permitindo detectar problemas e entender a distribuição

Exemplo:
Vendas do produto X nos últimos 3 anos.
Objetivo: entender o estado da métrica e o comportamento dos atores que influenciam essa métrica.

A análise pode ser encerrada aqui, ou pode seguir para uma análise mais aprofundada – análise de diagnóstico.

 

PORQUÊ

Análise Diagnóstica – Dados para entender as causas por trás do que foi identificado na análise descritiva.

Esta análise tenta responder ao “porquê” de um fenómeno acontecer, identificando relações e padrões que ajudam a explicar as variações observadas.

Principais características:

  • Investigativa por natureza
  • Baseada em hipóteses, priorizando aquelas que devem ser testadas primeiro
  • Utiliza dados históricos para compreender comportamentos
  • Multivariada, já que normalmente não há uma única causa para um fenómeno
  • Requer interpretação cuidadosa e um conhecimento mais avançado de estatística
  • Evolui naturalmente a partir da Análise Descritiva
  • Técnicas utilizadas: regressão, correlação, análise de clusters (clusterização), entre outras

Exemplo:
O número de conversões diminuiu no último mês.
Objetivo: identificar as causas possíveis para essa diminuição, como mudanças no comportamento do consumidor, campanhas de marketing ou fatores externos.

A análise pode ser encerrada aqui, ou seguir para prever o que poderá acontecer no futuro.

 

QUANDO?

Análise Preditiva – Esta análise procura antecipar eventos futuros com base em dados históricos e técnicas de modelagem estatística.

Principais características:

  • Criação de modelos para prever comportamentos futuros
  • Baseada em dados históricos, com ajustes e simulações
  • Utiliza análises multivariadas
  • Insere-se no campo da Ciência de Dados
  • Emprega Machine Learning e modelos estatísticos
  • Reduz a dependência de suposições baseadas apenas em experiência
  • Fornece orientações às equipas de negócio sobre o que pode vir a acontecer

Exemplo:
Com base nos dados dos últimos 3 anos, é possível prever as vendas do produto X para o próximo trimestre, considerando fatores como sazonalidade, comportamento de clientes e campanhas previstas.

A análise pode ser encerrada aqui, ou pode avançar para uma análise prescritiva, indicando o que deve ser feito com base nas previsões.

 

COMO?

Análise Preescritiva – Dados para recomendar ações futuras.

É o nível mais avançado de análise, oferecendo recomendações específicas sobre o que fazer após as análises anteriores.

Principais características:

  • Suporte à tomada de decisão baseada em dados (data-driven)
  • Redução de riscos nas decisões
  • Baseia-se em simulação de múltiplos cenários
  • Considera diferentes variáveis e restrições
  • Pode utilizar técnicas de otimização, modelagem matemática e sistemas de apoio à decisão

Exemplo:
Com base na previsão de queda nas vendas do produto X, a análise preescritiva pode recomendar o melhor mix de canais de marketing, distribuição de orçamento e ações promocionais para mitigar essa tendência.

 

Conclusão

As diferentes análises – Descritiva, Diagnóstica, Preditiva e Preescritiva – formam um ciclo contínuo de melhoria e aprendizado a partir dos dados.
Cada uma tem seu momento e valor dentro de uma estratégia de análise mais ampla e, quando combinadas, ajudam as organizações a compreender melhor o presente, explicar o passado e moldar o futuro com decisões mais informadas.