Visual Analytics engloba o potencial da visualização de dados com o objetivo de fornecer melhores insights e destravar caminhos nas análises de dados, ajudando a revelar percepções escondidas.
Há uma parte importante da jornada de estruturação das áreas de dados nas organizações que, muitas vezes, é relegada a segundo plano, mas que pode fazer bastante diferença para amparar tomadas de decisões melhores. É o que alguns especialistas chamam de Visual Analytics e engloba o potencial da visualização de dados com o objetivo de fornecer melhores insights e destravar caminhos nas análises de dados, ajudando a revelar percepções escondidas.
O Visual Analytics faz parte de todo processo de análise de dados e pode ser utilizada tanto como resultado final de um trabalho quanto como um painel destinado ao uso contínuo das equipes dentro de uma empresa. Às vezes confundida com visualização de dados, essa análise visual não é simplesmente uma questão de representar os dados graficamente. Em vez disso, o Visual Analytics moderno facilita a combinação de dados de várias fontes e analisa com mais profundidade os dados diretamente na própria visualização.
Exemplo de painel visual de dados, da plataforma Qlik.
Gilks afirma que o Visual Analytics é, junto com a etapa de preparação de dados, um dos gargalos mais comuns nas equipes de BI, podendo se tornar uma grande perda de tempo para os profissionais em troca de resultados apenas razoáveis no final das contas. Geralmente, não há gente focada apenas nessa parte, então cada um faz um pouco dessa construção visual, sem padronização. Isso levava, inclusive, há uma certa mistura de dados, gráficos, dashboards e resultados que podem não ser tão satisfatórios.
Uma das saídas que o Spotify encontrou foi contratar um especialista focado especificamente nesta área visual, cujas funções girariam em projetar e construir painéis centrais para a unidade de negócios, criar modelos e guias para padronizar e melhorar todos os painéis, prestar mentoria e treinamento para desenvolver outros profissionais com essas habilidades, a fim de não ficar tudo centralizado nele próprio.
Sobre os resultados, Peter Gilks comenta:
“Definitivamente foi um sucesso. A qualidade de nossas visualizações e painéis aumentou assim como o nível de habilidade de toda a equipe. Estamos usando a visualização para agregar valor real ao negócio, enquanto nos esforçamos para melhorar continuamente a tomada de decisões baseada em evidências. Agora não apenas fornecemos painéis como um serviço para outras pessoas, mas também usamos de forma proposital nossas próprias criações de painel para encontrar insights novos e surpreendentes”.
O líder da área de Visual Analytics no Spotify é Jacob Olsufka, engenheiro sênior de análise visual. Ele defende que uma boa execução do trabalho de visualização de dados permite que a tomada de decisão baseada em evidências prospere – uma parte importante da cultura do Spotify e de qualquer empresa que preze por se tornar data-driven. Entre outros benefícios, investir em Visual Analytics permite conceder ferramentas para que as lideranças possam monitorar o estado das áreas de foco do negócio.
Práticas recomendadas de Visual Analytics
Reunimos algumas dicas para quem deseja avançar nesse processo e colher frutos reais no dia a dia do setor de Dados aprofundando o uso de Visual Analytics:
Definir metas
Antes de começar, certifique-se de definir objetivos específicos para seu trabalho de análise de dados visuais. Que perguntas específicas você está tentando responder?
Integre e gerencie os dados
Seus dados de origem precisam ser transformados em informações limpas e prontas para serem utilizadas. Você precisará combinar e replicar dados de uma variedade de fontes e, em seguida, trazê-los para formatos padronizados armazenados em um repositório, como um data lake ou data warehouse.
Simplifique as visualizações
Escolha a técnica visual certa para apresentar sua história da maneira mais simples possível. Cada tipo de gráfico é mais útil para determinado efeito interpretativo.
Explore diferentes possibilidades
Selecione uma ferramenta de análise de dados que permite explorar relacionamentos nos dados em qualquer direção, em vez de ficar restrito a caminhos mais lineares.
Envolver as partes interessadas e coletar feedbacks antecipadamente é uma das melhores maneiras de garantir que o trabalho de análise visual seja eficaz. Mesmo após esse estágio inicial, manter os usuários finais envolvidos em todo o processo é fundamental. Uma boa maneira é executar pequenos questionários informais durante as reuniões por meio de bate-papos. Apresentar uma questão de insights de múltipla escolha e checar quantas pessoas sabem a resposta. Em seguida, mostrar como um painel criado pela equipe seria usado para responder à pergunta.
Organizar breves reuniões semanais, nas quais as pessoas podem obter ajuda em qualquer parte do processo de painel, desde o brainstorming e o esboço no início até o polimento no final. Um pequeno investimento de tempo ajudando os outros pode melhorar muito as habilidades de um grupo e deixa os outros empolgados com o que é possível no mundo da visualização de dados.
Outra dica para criar uma prática de análise visual bem-sucedida é fazer uma documentação do processo e das instruções, com diretrizes e princípios de design, documentos de práticas recomendadas de painel e templates para construir uma boa visualização.
Aqui, vale compartilhar uma experiência pessoal de Jacob Olsufka no Spotify:
“Nossa equipe sempre fala sobre painéis e insights ‘picantes, onde ‘picante’ significa alta qualidade e alto impacto. Esse apego ao tema ‘picante’ faz as pessoas falarem sobre design de alta qualidade e percepções de alto impacto de uma forma acessível e divertida. Todos estão inspirados para construir o painel mais picante ou compartilhar os insights mais picantes com sua equipe. Tornar divertido e legal aspirar à mais alta qualidade possível tem sido uma parte contagiante de nossa cultura”.
Outra prática aqui idealizada pelo Spotify para que todos abracem as ideias de Visual Analytics é realizar o que chamam de Insight Safaris. São reuniões com pequenos grupos de trabalho a fim de explorar um determinado painel, procurando por tendências ou dados interessantes que se destaquem. Em seguida, as principais descobertas são compartilhadas com o restante da empresa, para quem possam gerar mais ideias e inspirar outras pessoas a buscar insights semelhantes ou então dar às pessoas uma melhor compreensão do poder por trás das ferramentas e visualizações de dados.
Paineis Visuais
Bem, não podemos falar de um assunto tão visual sem trazer boas imagens não é mesmo? Aqui estão alguns exemplos ilustrativos do que se pode fazer colocando em prático o conceito de Visual Analytics:
Neste exemplo, a análise visual ajuda o Marketing a aumentar o ROI, permitindo que vejam e entendam cada fase do ciclo de vida do cliente. Isso é possível conectando dados do CRM, ferramentas de publicidade e plataforma de análise da web.
Aqui, as visualizações podem fornecer aos executivos de RH a capacidade de revisar e analisar KPIs em um único painel. Este exemplo mostra dados sobre funcionários por função e local, além de dados importantes, como proporção de gênero e progresso de treinamento.
Já neste painel os gerentes de TI podem aproveitar a análise e visualização de dados para prever melhor as necessidades de tecnologia futuras e identificar sistemas e aplicativos subutilizados.
Um exemplo de análise visual na prática
O seguinte exemplo, apresentado pelo Tableau, detalha um fluxo de trabalho de análise visual típico. Vamos a este painel interativo que demonstra vendas e lucros por região.
Os móveis não estão atingindo a meta de lucros, mas a visualização das diferentes regiões não revela o motivo. Para descobrir o porquê, cria-se uma nova exibição que demonstre vendas e lucros para cada tipo de produto incluído em “Móveis”.
Gráfico de barras duplo demonstrando resultados de vendas de mesas como prejuízo ou lucro
Agora, é possível ver que as mesas não são lucrativas. Para responder o porquê, seleciona-se somente as vendas e lucros de fabricantes de mesas.
Gráfico de dispersão demonstrando lucros por fabricante
Por que tantas marcas diferentes de mesas estão perdendo dinheiro? Geralmente, se aplica descontos a mesas. Assim, altera-se a exibição para ver o nível de descontos aplicado a cada pedido de mesa vendida:
Lucros e descontos de mesas, codificados por cor, por fabricante
Parece que vender mesas com desconto está causando uma perda de lucros. Aqui está a raiz do problema. Poder perguntar por que e ver a resposta rapidamente nos dados revelou a causa (estratégia de descontos) ao problema original (baixos lucros em móveis).
Isso tudo é muito rápido com uma ferramenta de Análise Visual bem configurada e implantada. Essa economiza de tempo e possibilidade de descoberta de problemas de negócios é o poder da análise visual.
De acordo com o jornalista de dados britânico David McCandless, “ao visualizar as informações, nós as transformamos em uma paisagem que você pode explorar com os olhos, uma espécie de mapa de informações. E quando você está perdido nas informações, um mapa de informações é bastante útil”.
Na verdade, focar em Visual Analytics é reforçar o papel do quanto é importante e benéfico para a organização criar uma cultura onde todos olhem para os dados para descobrir padrões e encontrar nuances que levam a melhorias no negócio.
Investir na apresentação visual dos dados também é útil em casos em que você precise provar a clientes, colegas, superiores como aquilo que você está trabalhando é impactante. Lembre-se de eles podem não ser capazes de entender os relatórios analíticos apenas ao lê-los.
Como dizia o escritor Ernest Hemingway: “Mostre tudo aos leitores, não diga nada a eles”.
