Como qualquer outra tecnologia, as ferramentas para visualização de dados podem ser mal utilizadas se não trouxerem o máximo de valor agregado aos negócios.
Uma coisa é vermos um monte de números em dashboards e outra coisa totalmente diferente é ver gráficos detalhados e coloridos – gerados pelo mesmo software de visualização de dados – ilustrando tendências que podem ser facilmente compreendidas até pelos usuários com pouco ou sem nenhum conhecimento técnico.
As ferramentas de visualização de dados são importantes pois são elas que tornam dados em contexto visual (criando gráficos, tabelas, mapas e outros elementos que podem tornar a análise muito melhor elaborada) porém, definitivamente, não são elas que vão definir se aquela view será ou não usada para extrair insights e aplicada na tomada de decisões diárias.
Antes de mais nada, o que é visualização de dados?
Como conceito, visualização de dados é a camada onde os analistas de negócios conseguiriam detectar com mais facilidade: tendências, padrões e nuances de mercado em um determinado data set (conjunto de dados).
O cérebro humano processa melhor informações quando fazemos uso de gráficos como barras, rosca ou algum mapa no caso de dados geográficos (inclusive, postei sobre o recurso do Google Maps para Google Data Studio recentemente aqui no blog).
Isso com certeza é mais fácil do que tentar decifrar tendências usando planilhas ou outros relatórios cheios de números.
Nesse post, trago algumas práticas que recomendo para obter o maior valor da visualização e análise exploratória de dados, possibilitando a aplicação de dashboards pelos analistas de negócios no dia a dia.
Independente da ferramenta na qual seja desenvolvido, o que queremos é que nossos dashboards sejam úteis para o dia a dia das pessoas, não é mesmo? Dentre as práticas estão:
- Mantenha suas views simples;
- Pense em quem fará uso daquela visualização de dados;
- Promova treinamentos para que todos tenham conhecimento da procedência e importância dos dados utilizados;
- Saiba escolher dentre as “N” ferramentas de visualização de dados presentes no mercado;
- Data Storytelling: contando histórias com visualização de dados e design de dashboards;
- Trabalhe de forma colaborativa com aqueles que serão beneficiados pelo seu esforço ao desenvolver um dashboard.
1. Mantenha a visualização de dados simples, especialmente para usuários que já tem conhecimento do assunto!
Embora o processo de coleta, transformação e modelagem de banco de dados por trás dessa camada de dataviz possa ser altamente complexa, a visualização de dados em si não precisa ser assim.
Opte pela simplicidade e elegância ao criar dashboards. Existem limitações em relação ao que o cérebro humano pode processar eficientemente quando se trata de informações visuais portanto, mantenha os recursos visuais limpos e fáceis de entender.
Isso é extremamente importante ao criarmos dashboards mais gerenciais, destinados a um público com cargos mais altos (executivos).
Já vi muitos erros serem cometidos (muitos deles inclusive eu cometi e aprendi com eles) ao “refinar” dashboards para executivos e gerentes, explorando inúmeros elementos interativos, construindo várias medidas complexas em indicadores muito simples. Precisamos buscar a simplicidade em primeiro lugar ao pensarmos em dataviz.
Às vezes tentamos a qualquer custo usar recursos extremamente complicado, especialmente para um usuário que não tem conhecimento técnico suficiente.
Buscando a simplicidade e elegância ao desenvolver dashboards e relatórios:
- Mantenha-os simples com um número limitado de gráficos;
- Posicione claramente os KPIs (indicadores de desempenho);
- Forneça instruções adicionais para que os usuários possam entender a composição visual dos dados.
Descobrimos que se as views são muito complexas para navegar, os usuários ficam sobrecarregados de informação, uma verdadeira estafa. Depois de apresentá-lo, adequar aquele dashboard à rotina será muito difícil.
Procure sempre adotar um modelo de padrão de design para desenvolver seus dashboards. Pense em uma estrutura que, independente do assunto tratado, promova uma navegação consistente.
2. Entenda o perfil de quem fará uso daquela visualização de dados
Qual a primeira pergunta que deve ser feita ao recebermos uma demanda nova de dashboard? Exato! Qual o perfil das pessoas e quais são as necessidades que as views, dashboards, relatórios e painéis desenvolvidos atenderão?
Antes de escolher quais dados serão inseridos, tenha em mente as respostas em relação ao público e como as visualizações transmitirão esses dados com rapidez e de forma útil.
Com esse briefing definido, parta para o design (pode ser em powerpoint ou até mesmo, em uma folha de papel. Vai por mim, funciona que é uma beleza!) que deve trazer informações que permitam análises fáceis e úteis para os usuários.
Quanto melhor o design (não necessariamente o mais bonito), mais relevante serão as análises que poderão ser feitas com aquele dashboard.
Invista tempo nessa fase pois seus relatórios serão mais fáceis de criar e você entenderá quando deve oferecer um overview e quanto deve especificar detalhes, fazendo isso de acordo com a necessidade e expectativa do usuário.
Ao passarmos pela etapa de design, devemos escolher as métricas e/ou KPIs (indicadores de performance) que indiquem se estamos alcançando ou não uma meta pré-definida.
Sim, defina uma meta: no momento de briefing tente entender o que os futuros usuários tem como meta e estabeleçam juntos alguns alvos numéricos a serem alcançados. O papel do cientista de dados e/ou profissional de business intelligence é ajudá-los a responderem rapidamente se estão ou não se aproximando do objetivo.
Para isso, use comparativos de desempenho ao longo do tempo. Séries temporais estão entre as informações mais compartilhadas com os tomadores de decisão em toda a empresa.
Vale lembrar que muitos usuários têm pouca familiaridade com dados. Por esse motivo, não faz sentido, por exemplo, usarmos gráficos como Boxplot (imagem abaixo ilustra esse tipo de gráfico) por serem muito complexos e nem todos entenderão as informações desse gráfico, por mais rica e relevante que seja.
No entanto, vale fazer uso de gráficos que vão além de barras, rosca e outros comumente usados, dependendo do caso. Usar gráficos como o treemap (mapas de árvores) abaixo para mostrar informações como receita ou ticket médio por categoria de produtos em um e-commerce. Isso sim agrega valor ao usuário #ficadica.
3. Promova treinamentos que permitam entender a procedência dos dados utilizados
Hoje, as principais plataformas de Business Intelligence e Data Analytics como Google Data Studio, Power BI, Qlik, Microstrategy, entre outras, possuem recursos sofisticados nos quais os usuários não precisam conhecer muito sobre ferramentas, técnicas ou tipos de dados para obter o melhor uso dessas plataformas.
Se por um lado isso democratiza o acesso às boas visualizações, por outro ressalta a importância de assegurar que as pessoas saibam a procedência daqueles dados e como se relacionam com o negócio como um todo.
As ferramentas de BI trarão informações com base nesses dados e é necessário que eles conheçam o suficiente sobre como são gerados e sua importância para poder ter um olhar crítico para as views que as ferramentas de visualização de dados podem gerar.
Sendo assim, é importante promover treinamentos e oficinas de design thinking relacionados à governança de dados, além de treinamentos básicos em plataformas de BI por toda a empresa.
Isso garante que os usuários não apenas saibam como navegar pelas ferramentas de BI, mas também que pensem de maneira mais criativa e crítica sobre os dados apresentados.
Será isso que trará para aquela determinada visualização de dados, a relevância para o negócio, independente do quão fácil é usar os recursos de última geração das ferramentas de BI.
4. Escolha a ferramenta de visualização de dados certa!
O que seria a ferramenta de BI certa? Seria a que mais disponibiliza recursos “futuristas”? Definitivamente não!
Pode haver uma tentação de implementar diversos tipos de tecnologias e ferramentas para visualização de dados mas as empresas precisam considerar para qual objetivo a ferramenta servirá antes de escolher e seguir com a contratação (se for uma ferramenta paga).
É fácil se perder com os recursos e funcionalidades lindos oferecidos pelas principais plataformas de Business Intelligence, Data Analytics e DataViz.
Mas, se o que a empresa precisa é concluir tarefas básicas de visualização em pequenos conjuntos de dados, o Excel geralmente é mais que suficiente: fácil de usar, acessível e familiar para muitos.
Para as organizações que procuram uma ferramenta mais poderosa e que permita integrar equipes ou departamentos ainda maiores, conectando diversos conjuntos de dados de diferentes tamanhos e estruturas (sim, estamos falando de big data), permita que os usuários explorem e experimentem diferentes ferramentas de visualizações de dados.
Porém, tenha em mente que encontrar uma plataforma única que atenda aos requisitos de todos, considerando o nível de conhecimento de cada um é uma tarefa praticamente impossível.
Tente alinhar as expectativas, sempre considerando os requisitos e os níveis de habilidade do maior número de usuários ou departamentos da empresa.
5. Data Storytelling: conte histórias com visualização de dados e design de dashboards
À medida que as habilidades do profissional de business intelligence e data science em preparar dashboards aumentam, é importante se esforçar para desenvolver views dos dados com uma forma única de contar histórias.
Ao mesmo tempo que isso significa desenvolver uma nova view, mais complexa, muito mais interativa que permita um nível incrível de detalhes e formas de explorar os dados, também representa construir um painel com poucos gráficos e um relatório de suporte feito em powerpoint que, juntos, permitam entender como e por que algumas coisas tem acontecido na empresa ou no departamento.
Em ambas as formas, o que é importante é que a história seja contada de forma coerente e que agrade o usuário.
Os usuários mais avançados das ferramentas de BI acabam aprendendo a criar sequências de causa e efeito em suas visualizações de dados. Estas views explicam por que, por exemplo, as vendas caem em uma determinada região e onde as oportunidades podem se recuperar.
6. Trabalhe de forma colaborativa com os futuros usuários
A colaboração entre as partes interessadas é essencial para o sucesso em Data Analytics e Business Intelligence. Depois de criar uma visualização complexa que permita extrair o melhor das informações, seu trabalho não termina por aí. Existem oportunidades para desenvolver essa percepção e ir aprofundando ou descendo em um maior nível de detalhes.
Entretanto, faça uso de ferramentas de gestão de tarefas como Trello, Slack, Taskrow, entre outras para que cada passo fique documentado (nem que seja você que acabe tendo que documentar esses passos, não deixe de fazer isso.
Se uma equipe escolheu aprofundar um determinado conjunto de dados ou escolheu determinadas visualizações em detrimento de outras, é necessário documentar tudo e ressaltando para ela explicar o motivo para as outras pessoas.
Data Analytics e Dataviz são frutos de um trabalho em equipe! É super valioso permitir que os colegas participem da aceleração do processo de visualização de dados. Permita que eles continuem a discutir a partir de onde você parou e está com dificuldade de continuar.
As empresas procuram dar mais acesso e poder para explorar e visualizar dados para mais pessoas! Nesse cenário, a colaboração será fundamental para garantir níveis mais altos de produtividade e um retorno ainda maior do investimento em toda estrutura envolvida na operação.
E aí? Gostou desse artigo? Não deixe de comentar e compartilhe o conteúdo com outros profissionais de BI que podem estar com problemas na hora de decidir por onde começar ou continuar desenvolvendo um dashboard. Até o próximo post!
Celso Cestaro
Consultor em Data Analytics, Data Science, Business Intelligence e Digital Marketing.
