Aulas do bloco

← Todas as aulas
SQL e Dadosaula 223/07/20261h25

Escala de valor e história da visualização de dados

Apresenta a escala de valor dado→informação→conhecimento→insight e a história da visualização de dados com Playfair, Nightingale e John Snow, base conceitual inédita no bloco; não traz exercício reproduzível nem aviso de avaliação, então compensa reabrir para fixar conceitos, não para prática.

Para revisar rápido

Resumo da aula

8 pontos
  • A aula apresentou os objetivos da disciplina: começar com visualização de dados e depois partir para SQL.

  • Foi definida a escala de valor: dado → informação → conhecimento → insight, essencial para entender o papel estratégico dos dados.

  • O Google Data Studio será a ferramenta usada; na próxima aula começaremos o trabalho prático com ele.

  • Data-driven (empresas orientadas a dados) e a ética na manipulação de dados foram destacados como diferenciais e cuidados.

  • A visualização de dados é uma ciência (data vis) baseada na amplificação cognitiva: imagens são processadas muito mais rápido que texto.

  • A história do DataVis inclui William Playfair, Florence Nightingale e John Snow, que usaram gráficos e mapas para mudar decisões.

  • Tópicos atuais: sinal vs ruído em Big Data, interatividade e self-service BI, storytelling com dados e IA generativa.

  • Tarefa para a próxima aula: ler etapas 1 e 2 das trilhas no INFNET Online; slides serão disponibilizados.

Avisos administrativos — 4 recados sobre prazos, regras e funcionamento do curso
  • 00:06:33 Os slides das aulas (anterior e de hoje) serão disponibilizados no INFNET Online até amanhã.
  • 01:22:57 Na próxima aula, o Google Data Studio será apresentado e já começaremos a prática.
  • 01:23:51 Para a próxima aula, ler as etapas 1 e 2 das trilhas no INFNET Online, incluindo os vídeos do professor Ed.
  • 01:24:17 Amanhã é o projeto de bloco.
Perguntas de aluno — 7 perguntas respondidas na gravação

Nós, trabalhando em empresas, podemos tanto ajudar com os dados quanto prejudicar o resultado, certo? 00:32:18 Sim. A IA pode ajudar a analisar tendências, mas pode errar; é importante olhar o histórico dos últimos anos para não tomar decisão equivocada.

existe algum ganho pessoal por isso, pode dar um exemplo pratico? 00:34:34 · chat 00:32:16 Sim. O professor citou um caso em uma rede de supermercados onde um setor manipulava estoques para favorecer compras, e outro em que foi ameaçado por apontar padrões.

Onde fica disponível o slide? 01:16:39 · chat 01:11:04 Será disponibilizado no INFNET Online.

Como é dividido isto em uma empresa? Uma empresa onde dois setores diferentes tem interpretações diferentes baseado na mesma informação, gerando dashboards conflitantes… Ambos são interpretados pelo tomador de decisão e a responsabilidade fica com ele? 01:16:50 · chat 01:15:31 Pode acontecer; a responsabilidade é do tomador de decisão. O ideal é conversar com o outro setor nos bastidores e entender a encomenda; se for maldosa, apontar o problema.

professor você pode indicar até que parte da trilha precisamos estudar para a próxima aula? Aliás, vai existir essa orientação durante o trismestre? 01:20:47 · chat 01:16:23 Estude as etapas 1 e 2.

Então nos dias atuais analista de Dados vai perder vagas para IA. 01:21:03 · chat 01:17:18 Não, se souber usar a IA a seu favor; mas terá concorrência de quem acha que a IA torna qualquer um especialista.

entao existe muito conflitos de interesses 01:19:32 · chat 01:19:29 Sim, principalmente em empresas grandes; em pequenas ou médias é raro.

Trechos que valem reouvir — 6 momentos que mais rendem uma segunda escuta
  • 00:19:07 — Escala de valor (dado → informação → conhecimento → insight) com exemplos de conta de luz e vendas.
  • 00:44:22 — William Playfair e a criação dos primeiros gráficos; Florence Nightingale e o Diagrama da Rosa.
  • 00:51:21 — Mapa da cólera de John Snow: exemplo clássico de visualização de dados salvando vidas.
  • 00:55:32 — Amplificação cognitiva e o exemplo do mapa do metrô de São Paulo.
  • 00:32:18 — Casos reais de manipulação de dados e ameaça; lição sobre ética na profissão.
  • 01:12:01 — Storytelling com dados: como a mesma informação pode gerar narrativas diferentes (exemplo do Guia do Estudante).

Glossário da aula

Conceitos

Google Data Studio

00:09:43

É uma ferramenta gratuita de visualização de dados, parecida com o Power BI. Serve para criar gráficos e dashboards de forma simples e visual.

Power BI

00:09:54

É uma ferramenta de visualização de dados da Microsoft, paga e muito parecida com o Data Studio. É citada como comparação por ter custo.

Dashboard

00:11:10

É um painel que reúne gráficos e indicadores em um só lugar. Serve para visualizar dados rápido e apoiar decisões.

Storytelling com dados

00:11:30

É o uso de dados para contar uma história clara e objetiva. Vai além da beleza e ajuda a orientar decisões.

Escala de valor

00:19:07

É uma sequência que transforma dado bruto em informação com contexto, depois em conhecimento interpretado e por fim em insight para agir.

É um registro bruto e sem contexto ou tratamento. Sozinho não tem significado, como o número 150 isolado em uma célula.

Informação

00:20:10

É o dado com contexto que ganha significado. Exemplo: vendemos 150 unidades do produto X em janeiro.

Conhecimento

00:21:25

É a interpretação da informação com comparações e entendimento do impacto. Exemplo: vendas subiram 20% em relação a dezembro.

Insight

00:24:02

É a clareza estratégica que nasce da análise e leva à ação. Exemplo: precisamos reforçar o estoque para fevereiro.

Data-driven

00:25:53

É a empresa que baseia decisões em dados. Assim erra menos, antecipa crises e consegue moldar melhor o futuro.

Data Vis

00:30:07

É a abreviação de visualização de dados, que é uma ciência. Busca facilitar o entendimento pela cognição, não só pela beleza.

Amplificação cognitiva

00:55:42

É a capacidade do cérebro de processar imagens muito mais rápido que textos, cerca de 60 mil vezes. É a base científica da visualização.

Memória de trabalho

01:02:32

É a memória de curto prazo que filtra o que parece importante. Depois repassa as informações relevantes para a memória de longo prazo.

Memória de longo prazo

01:02:34

É onde ficam guardadas as informações consideradas importantes. Serve para armazenar por muito tempo imagens e dados marcantes.

Sinal e ruído

00:53:19

São conceitos do Big Data: sinal são padrões reais e insights, ruído são dados irrelevantes. A visualização ajuda a separar um do outro.

Interatividade em tempo real

01:09:35

É uma característica das visualizações atuais que permite filtrar e explorar os dados. Serve para o usuário analisar por conta própria e em tempo real.

Self-service BI

01:10:25

É um modelo onde o usuário cria seus próprios relatórios e explora os dados. Permite analisar sem depender de um analista.

Inteligência artificial (IA)

01:15:11

É uma tecnologia que identifica padrões rapidamente em grandes volumes de dados. Serve como apoio para auxiliar na tomada de decisão.

Inteligência artificial generativa

01:15:38

É uma tecnologia com capacidade preditiva para analisar dados. Serve para identificar padrões, anomalias e sazonalidades e apoiar decisões.

William Playfair

00:44:27

É considerado o pai da visualização gráfica de dados. Criou os gráficos de linha, área, pizza e barras para facilitar a leitura de dados econômicos.

Florence Nightingale

00:46:17

É a enfermeira que criou o Diagrama da Rosa. Usou o gráfico para provar que na Guerra da Crimeia morria-se mais por falta de higiene que por ferimentos.

John Snow

00:50:25

É o médico considerado pai da epidemiologia moderna. Usou um mapa da cólera em Londres para identificar poços contaminados e conter a doença.

Mundo BANI

01:22:24

É um novo termo usado para descrever o contexto atual. É apresentado como mundo BANI, sem detalhamento do seu significado.

Big Data

00:53:19

É o contexto atual de grande volume de dados. Nele a visualização atua como filtro para separar sinal de ruído.

Filtro interativo

01:09:45

É um recurso das visualizações que permite selecionar informações. Serve para o usuário criar seus próprios recortes dos dados.