1. Etapas da Análise de Dados
1.1. Entender o Problema
1.2. Decidir a Fonte dos Dados
1.3. Preparar os Dados
1.4. Analisar e Modelar
1.5. Implementar, Avaliar e Documentar
2. Tipos e Objetivos de Análises
2.1. Análise descritiva
2.1.1. Dashboards de KPI
2.1.2. Relatórios mensais de receita
2.1.3. Visão geral de leads de vendas
2.2. Análise diagnóstica
2.2.1. Investigar a causa de remessas lentas em uma região específica
2.2.2. Determinar quais atividades de marketing aumentaram os testes em uma empresa de software como serviço (SaaS)
2.3. Análise preditiva
2.3.1. Avaliação de risco
2.3.2. Previsão de vendas
2.3.3. Segmentação de clientes para determinar leads com maior chance de conversão
2.3.4. Análise preditiva para equipes de sucesso do cliente
2.4. Análise prescritiva
3. Principais Indicadores de Negócios
3.1. KPIs e Métricas
3.2. MAUs e DAUs
3.3. Taxa de Conversão
3.4. Churn Rate
3.5. Taxa de Retenção de Clientes
3.6. NPS e CSAT
3.7. LTV (Lifetime Value)
3.8. CAC (Customer Acquisition Cost)
3.9. MMR, ARR e ARPU
4. Indicadores, KPIs e Métricas
4.1. Indicadores
4.2. KPIs
4.2.1. Tipos de KPIs
4.2.1.1. KPIs estratégicos
4.2.1.2. KPIs operacionais
4.2.1.3. KPIs funcionais
4.2.1.4. Leading e Lagging Indicators
4.2.2. Como utilizar?
4.2.2.1. Defina o Objetivo
4.2.2.2. Vincule-os aos Objetivos Estratégicos
4.2.2.3. Crie KPIs SMART
4.2.2.4. Comunique com Clareza
4.2.2.5. Planeje Revisão e Iteração
4.2.2.6. Evite Excesso
4.3. Métricas
4.3.1. Tipos de Métricas
4.3.1.1. Tamanho do estoque
4.3.1.2. Porcentagem de custo variável
4.3.1.3. Custos indiretos
4.3.1.4. Lucro/prejuízo
4.3.1.5. Margem bruta
4.3.1.6. Churn Rate
4.3.1.7. Fidelização e retenção
4.3.1.8. Receita de vendas
4.3.1.9. CAC (Custo de Aquisição de Clientes)
4.3.2. Como utilizar?
4.3.2.1. Defina Seus Objetivos Estratégicos
4.3.2.2. Torne os Objetivos Mensuráveis
4.3.2.3. Visualize os Dados
4.3.2.4. Acompanhe e Analise
4.3.2.5. Tome Ações
5. Processo de ETL
5.1. Etapas do ETL
5.1.1. Extração
5.1.1.1. Fontes de Dados
5.1.1.1.1. Formatos de Arquivo Comuns
5.1.1.1.2. Bancos de Dados
5.1.1.1.3. Sistemas de Negócio
5.1.1.2. Métodos de Coleta
5.1.1.2.1. Banco de Dados Relacional (SQL)
5.1.1.2.2. Banco de Dados Não Relacional (NoSQL)
5.1.1.2.3. Web Scraping
5.1.1.2.4. APIs
5.1.2. Limpeza 🌟
5.1.2.1. Etapas
5.1.2.1.1. Remover Observações Duplicadas ou Irrelevantes
5.1.2.1.2. Corrigir Erros Estruturais
5.1.2.1.3. Filtrar Valores Discrepantes Indesejados
5.1.2.1.4. Lidar com Dados Ausentes
5.1.2.1.5. Validação e Controle de Qualidade
5.1.2.2. Benefícios
5.1.2.2.1. Maior Eficiência na Análise
5.1.2.2.2. Diminuição da Margem de Erro
5.1.2.2.3. Precisão Aprimorada
5.1.2.2.4. Melhor Comunicação
5.1.2.2.5. Tomada de Decisões Estratégicas
5.1.3. Transformação
5.1.3.1. Etapas
5.1.3.1.1. Descoberta
5.1.3.1.2. Mapeamento
5.1.3.1.3. Geração de código
5.1.3.1.4. Execução
5.1.3.1.5. Análise
5.1.3.2. Porque transformar
5.1.3.2.1. Melhorar a qualidade dos dados
5.1.3.2.2. Integrar dados de diversas fontes
5.1.3.2.3. Preparar dados para análise
5.1.3.2.4. Atender às necessidades de negócios
5.1.3.3. Métodos
5.1.3.3.1. Agregação
5.1.3.3.2. Construção de Atributos
5.1.3.3.3. Discretização
5.1.3.3.4. Generalização
5.1.3.3.5. Integração
5.1.3.3.6. Manipulação
5.1.3.3.7. Normalização
5.1.3.3.8. Suavização
5.1.3.4. Ferramentas
5.1.3.4.1. Tableau Prep
5.1.3.4.2. Google Data Studio
5.1.3.4.3. IBM InfoSphere
5.1.4. Carregamento
5.2. Tipos de transformação
5.2.1. Básicas
5.2.1.1. Limpeza
5.2.1.2. Deduplicação
5.2.1.3. Revisão de formato
5.2.1.4. Reestruturação de chaves
5.2.2. Avançadas
5.2.2.1. Filtragem
5.2.2.2. União
5.2.2.3. Divisão
5.2.2.4. Validação
5.2.2.5. Resumo
5.2.2.6. Agregação
5.2.2.7. Integração