03 - A Ciência de Dados
Tipos de análise e dados e a ciência de dados.
1. A Análise de Dados
1.1. O que é Análise de Dados?
1.1.1. "Os dados são o novo petróleo"
1.1.1.1. Os dados estão sendo usados para promover verdadeiras mudanças nos mais variados segmentos
1.1.1.2. Atualmente é impossível gerir uma empresa ou contribuir para a gestão sem algum tipo de análise de dados
1.1.1.3. Análise de dados é uma ferramenta poderosa para guiar estratégias
1.1.2. Conceito
1.1.2.1. Análise de dados é o processo de aplicação de técnicas estatísticas e lógicas para avaliar informações obtidas a partir de determinados processos.
1.1.2.2. Data Driven
1.1.2.2.1. Quando a empresa baseia a tomada de decisão e o planejamento estratégico na coleta e na análise de informações – e não em intuições ou simples experiências.
1.1.2.2.2. Vantagens
1.2. Benefícios da Análise de Dados
1.2.1. Antecipação de necessidades e trabalho proativo
1.2.1.1. Chega de trabalho reativo!
1.2.1.2. Com uma boa gestão e análise de dados, é possível trabalhar de forma preditiva
1.2.1.3. personalização e efetividade no atendimento
1.2.1.4. entender as particularidades de cada processo
1.2.2. Criação de estratégias de serviços e produtos mais efetivas
1.2.2.1. informações do mercado e a comparação entre resultados a nível global
1.2.2.2. identificação de tendências
1.2.2.3. impulsionar as estratégias
1.2.3. Redução de riscos
1.2.3.1. Risco é qualquer situação que pode afetar a capacidade de atingir objetivos.
1.2.3.2. Com a ajuda de dados eficientes e recursos de análise, as empresas conseguem projetar resultados e avaliar os riscos de investir em estratégias e ferramentas
1.2.4. Melhor experiência do cliente
1.2.4.1. Estratégias devem ser sempre focadas em atender às principais demandas dos clientes
1.2.4.2. A analise de dados cria uma base de conhecimento pautada na mensuração de resultados
1.2.4.3. Podemos então aplicar métricas e indicadores para acompanhar a evolução do serviço
1.2.4.4. E tambem consultar o desempenho de estratégias semelhantes aplicadas em contextos diversos
1.3. Tipos de Análise de Dados
1.3.1. Análise descritiva
1.3.1.1. O que aconteceu?
1.3.1.2. Análise de dados baseado em fatos
1.3.1.3. Feita a partir de resultados obtidos
1.3.1.4. Para guiar a construção de estratégias que orientam a condução do negócio
1.3.1.5. Exemplos
1.3.1.5.1. Relatórios
1.3.1.5.2. Segmentação e controle de clientes
1.3.1.5.3. Análises de negócio - BI
1.3.1.5.4. Aplicação de métricas
1.3.1.5.5. Avaliação de resultados
1.3.2. Análise diagnóstica
1.3.2.1. Por que isso aconteceu?
1.3.2.2. Concentrada em algo que já aconteceu.
1.3.2.2.1. Como a análise descritiva
1.3.2.3. Tem, como objetivo, encontrar relações de causa e efeito para destrinchar um acontecimento
1.3.2.3.1. analisar o impacto e alcance de uma ação tomada
1.3.2.4. Baseada em probabilidades
1.3.2.5. Um pouco menos difundida, mas nem por isso menos útil
1.3.2.6. Exemplos
1.3.2.6.1. testes A/B
1.3.2.6.2. testes de hipótese
1.3.2.6.3. método científico
1.3.3. Análise preditiva
1.3.3.1. O que acontecerá?
1.3.3.2. O mais popular dos tipos de análise de dados
1.3.3.3. Faz a previsão de cenários futuros com base na análise de padrões revelados pela base de dados
1.3.3.3.1. O objetivo da análise preditiva é determinar uma tendência, correlação, causa ou probabilidade
1.3.3.3.2. o que deve acontecer SE determinadas condições se cumprirem
1.3.3.4. Baseada em dados estatísticos e históricos
1.3.3.5. Exemplos
1.3.3.5.1. Detectar fraude
1.3.3.5.2. Otimizar campanhas de marketing
1.3.3.5.3. Melhorar operações
1.3.3.5.4. Reduzir o risco
1.3.4. Análise prescritiva
1.3.4.1. O que fazer quando acontecer?
1.3.4.2. É o próximo passo após os resultados da avaliação preditiva
1.3.4.2.1. uma prescrição é uma recomendação a algo potencialmente previsto
1.3.4.2.2. Serve para direcionando dos esforços para obter o melhor resultado a partir das possibilidades.
1.3.4.3. Constantemente mutável
1.3.4.4. Usa Inteligência Artificial
1.3.4.4.1. Machine Learning
1.3.4.4.2. Deep Learning
1.3.5. Resumo
1.3.5.1. O Bi tradicional normalmente utiliza somente as análises descritiva e diagnostica
1.3.5.2. Com a grande quantidade de dados sendo gerados
1.3.5.3. com a capacidade de processamento cada vez maior disponível
1.3.5.4. Os conceitos tradicionais foram expandidos
1.3.5.5. Isso deu origem a Ciência de Dados
2. Ciência de Dados
2.1. O que é a Ciência de Dados
2.1.1. “Decisões baseadas em emoções não são decisões. São instintos.”
2.1.2. Conceitos
2.1.2.1. A Ciência de Dados é o termo usado para definir a extração de insights de dados que são coletados de várias fontes.
2.1.2.1.1. Ciência de Dados é o processo para extrair informações valiosas a partir de dados
2.1.2.2. Ciência de Dados ajuda a analisar e interpretar grandes quantidades de dados.
2.1.2.3. Usando todas as técnicas e ferramentas disponíveis
2.1.3. A Ciência de dados é multidisciplinar.
2.1.3.1. Ferramentas e Métodos Automatizados
2.1.3.1.1. Computação
2.1.3.2. Analise de enormes quantidades de dados
2.1.3.2.1. Estatística
2.1.3.3. Extração de conhecimento
2.1.3.3.1. Negócio
2.1.4. A Ciência de dados é abrangente
2.1.4.1. A Ciência de Dados está ajudando a criar novos ramos da ciência e influenciando áreas das ciências sociais e humanas
2.1.4.2. A análise de dados estará presente em todas as áreas de conhecimento
2.1.5. Objetivos
2.1.5.1. extrair e interpretar os dados de forma eficaz e apresentá-los em uma linguagem simples e não técnica para os usuários finais e tomadores de decisão.
2.1.5.2. A palavra-chave em ciência de Dados, não é DADOS e sim CIÊNCIA.
2.2. Ciência de Dados e o BI - Business Intelligence.
2.2.1. BI e a ciência de dados tem muita coisa em comum
2.2.2. mas a sua abordagem, tecnologia e função diferem de diversas maneiras.
2.2.3. BI X Ciência de Dados
2.2.3.1. BI
2.2.3.1.1. O objetivo do BI é converter dados brutos em insights de negócio,
2.2.3.1.2. Que os líderes empresariais e gestores possam usar para tomar decisões.
2.2.3.2. Ciência de Dados
2.2.3.2.1. também converte dados brutos em insights de negócio
2.2.3.2.2. mas aplica
3. Knime para Ciência de Dados
3.1. Porque o Knime?
3.1.1. todas as principais técnicas de ciência de dados e aprendizado de máquina baseados em programação visual.
3.1.2. software de código aberto
3.1.3. É gratuito
3.2. Plataforma
3.2.1. Low Code
3.2.1.1. NODEs
3.2.1.1.1. substitui uma ou mais linhas de script
3.2.1.2. Fluxo
3.2.1.2.1. substitui um script
3.2.1.3. Tudo Gráfico - Sem Codificação
3.2.1.4. arrastar e soltar
3.3. Aprendizado
3.3.1. muito fácil de usar
3.3.2. Pode ser usado por pessoas sem conhecimento em programação
3.3.3. liberando tempo e recursos preciosos para investigações mais importantes.
3.4. Comunidade
3.4.1. KNIME Hub
3.4.2. Compartilhar seus Fluxos
3.4.3. fazer o download de fluxos de outros usuários do KNIME