6 habilidades para trabalhar com visualização de dados

A visualização de dados é a apresentação de informações que foram processadas tanto manualmente como com o auxílio de softwares específicos. Empresas, institutos e órgãos governamentais passaram a usar bastante a visualização de dados, pois perceberam o enorme potencial dessa abordagem.

Vale ressaltar que a visualização de dados pode ser considerada uma intersecção entre três áreas do conhecimento: tecnologia, comunicação e design. Em outras palavras, o profissional que deseja atuar e se destacar deve obter ou ampliar seus conhecimentos nessas três dimensões. Continue a leitura e veja 6 habilidades que ajudarão você a se desenvolver com a visualização de dados!

1. Treine a habilidade de fazer as perguntas certas

Trabalhar com a visualização de dados envolve muita prática e paciência. O profissional deve ter sempre um senso questionador sobre a procedência dos dados e se eles, de fato, podem solucionar a solução proposta. Dados podem ter ou não o potencial adequado de levar o profissional a respostas contundentes e que valham a pena ser compartilhadas.

Isso depende, basicamente, das técnicas empregadas, do quão o profissional está familiarizado com elas e, também, se a própria amostra foi bem escolhida ou não.

2. Escolha projetos de visualização de dados que gerem desafio

Existe uma infinidade de formas de começar a trabalhar com a visualização de dados. Dito isso, uma boa recomendação é escolher projetos tanto de pequena como de alta complexidade. Fazendo trabalhos de curta duração, é possível colocar em prática rapidamente alguns conceitos e técnicas que servirão para lidar com aqueles projetos que são mais trabalhosos e demorados. 

Outro motivo que reforça essa mescla de projetos é o fato de que os trabalhos mais difíceis farão parte do portfólio do profissional. A respeito disso, vale deixar uma ressalva importantíssima: quem for visualizar o trabalho muitas vezes não estará focado no resultado, mas sim no processo e nas técnicas empregadas. 

Uso do dataset

O reconhecimento, portanto, por um projeto bem desenvolvido deve ser construído já no início, na escolha do dataset. Esse é o nome dado a uma amostra de dados que pode ser relacionada, por exemplo, aos números de venda de uma empresa.

Diferentemente de planilhas e bancos de dados tradicionais, o dataset tem um caráter mais específico, precisando ser antes formatado para que as etapas posteriores da análise de dados sejam bem-sucedidas.

Algumas boas fontes para encontrar datasets são:

• Banco Central do Brasil, para a obtenção de indicadores macroeconômicos;
• Secretaria da Fazenda Estadual e Receita Federal, para a obtenção de dados como a situação fiscal das empresas;
• Google Finance, responsável por fornecer datasets sobre ETFs de fundos imobiliários do Brasil.

3. Aprimore suas técnicas de transformação de dados

A transformação de dados consiste em preparar os registros adequadamente antes que eles sejam minerados. Sendo uma etapa posterior ao processo de limpeza, ele pode ser dividido em quatro fases:

1. normalização: organiza os valores contidos nos dados dentro de intervalos específicos;
2. seleção de atributos: é a criação de novos atributos com base naqueles que estão inseridos no dataset;
3. discretização: dado que alguns softwares só processam valores discretos (que não estão em um intervalo), é preciso que algumas variáveis e funções contínuas, por exemplo, sejam discretizadas;
4. geração de hierarquia de conceitos: é quando um atributo recebe um nível superior. 

4. Aprenda ferramentas de masterização

Quando o processo de visualização de dados é feito de maneira informatizada, uma das principais linguagens usadas é o Python. Com uma sintaxe relativamente simples, é possível usar datasets e fazer, entre outras coisas, a limpeza e transformação dos registros em um dataset. 

Microsoft Power BI

Usados pelas empresas que desejam mais facilidade na elaboração de estratégias, o Microsoft Power BI é uma ferramenta que pode ser obtida de forma gratuita e paga. Além de ter uma interface simples para visualização de dados, a ferramenta auxilia o profissional em procedimentos como normalização e limpeza dos registros. 

O Power BI pode ser operado também na nuvem. Por consequência, existe a possibilidade de acesso a essa ferramenta por dispositivos móveis, promovendo maior nível de colaboração e compartilhamento de informações relevantes entre os colaboradores de um projeto. 

Google Data Studio

Diferentemente do Power BI e outras ferramentas de masterização, o Google Data Studio é operável somente na nuvem. Procedimentos como normalização e seleção de atributos — usados na etapa de transformação de dados — podem ser feitos nessa ferramenta, gerando visualizações interativas.

Como é uma solução que funciona somente na web, o Google Data Studio, assim como o Power BI, é bastante útil para promover colaboração e compartilhamento de informações entre os times. 

QlikView

O QlikView, embora seja uma excelente ferramenta de masterização, pode levar algum tempo até o profissional se familiarizar com suas funcionalidades. Além de permitir uma robusta visualização de dados, ele auxilia empresas por meio de Business Intelligence (inteligência de negócios), sendo um grande facilitador na concepção de estratégias corporativas. 

Tableau

O Tableau é uma das ferramentas para visualização de dados com o maior número de usuários no mundo. Além de simples para usar, pode fornecer gráficos com base em grandes volumes de dados de forma eficiente. Realiza integração com bancos de dados conhecidos do mercado, como MySQL e Amazon Web Services. 

MicroStrategy

Lembra de quando falamos da importância de escolher projetos pequenos para visualização de dados? Pois bem, o MicroStrategy é uma ferramenta bastante recomendada nesse sentido, permitindo a inserção de planilhas e bancos de dados para análise. Para trabalhos de menor complexidade, o MicroStrategy pode ser obtido gratuitamente, enquanto a versão paga se encaixa melhor para visualizações mais complexas e detalhadas de dados.

5. Evite a distorção dos dados

Imagine usar uma visualização de dados por meio de um gráfico no formato de pizza, sendo que o certo seria usar barras. Quando há uma diferença de proporção notável, a primeira abordagem é válida — do contrário, é preferível usar o gráfico em barras. Apesar de não ser intencional, essa distorção nos dados pode ser prejudicial, inclusive afetando a credibilidade da equipe que produziu aquele estudo. 

Outra maneira de distorcer dados é fazendo alterações no eixo x de um gráfico, por exemplo. Expandindo ou compactando o eixo, as barras e linhas podem aparentar um certo viés de tamanho, com o risco de gerar confusão às pessoas que visualizam esses dados. Vale ainda salientar sobre a importância de estar atento às convenções usadas em estudos estatísticos.

6. Saiba fundamentos de design

Além de conhecer a ciência de dados, é crucial também entender a parte de design. Mesmo que o trabalho de visualização de dados tenha sido bem conduzido, ele terá pouco impacto se não for apresentado da maneira correta, com desarmonia entre os seus elementos visuais.

Convém destacar ainda que o conhecimento em design é bastante útil para quem deseja trabalhar com mídias interativas. A seguir falaremos sobre três fundamentos do design, que são o layout, a tipografia e as cores. Acompanhe!

Layout

Uma das características básicas de um layout é a proximidade. Isso significa agrupar e separar os elementos visuais, de modo que seja notória a relação entre eles.

Outro ponto fundamental a ser considerado é o espaçamento, que consiste em organizar, por exemplo, os títulos, subtítulos e blocos de texto em um infográfico, que é uma representação visual de dados bastante usada ultimamente. De forma complementar ao espaçamento, existe o alinhamento, que é responsável pelas proporções dos espaços e margens. 

Hierarquia, contraste e repetição

É comum em formatos como o infográfico querer destacar algum ponto. Para isso, pode-se usar uma combinação harmônica entre as cores, tamanhos e fontes de um texto, por exemplo. A repetição está relacionada com a estética de um infográfico, o que contribui para a melhor assimilação daquela visualização de dados pelas pessoas.

Tipografia

A tipografia é responsável por estudar, criar e aplicar estilização nas palavras. A ideia, portanto, é trazer conteúdo legível e que faça a pessoa consumir todas as informações de um infográfico. Sobre a classificação tipográfica, existem quatro delas, que são:

1. serif: consiste em um prolongamento que pode ser encontrado nas letras do nosso alfabeto;
2. script: consiste na tipografia que representa a escrita à mão;
3. sans Serif: oposto do Serif, não possui prolongamentos nas letras;
4. dingbat: diferente dos outros três tipos, serve para fazer divisões em um texto e se referir a emojis.

Famílias tipográficas

Uma família tipográfica cria um conjunto de fontes que pode ser explorada no design, inclusive na visualização de dados por meio de infográfico. Algumas das famílias mais conhecidas são as latinas, egípcias e romanas, sendo que as duas primeiras são bastante parecidas. Outras famílias tipográficas que podem ser usadas na visualização de dados são:

• grotescas: não têm a serifa e surgiram no final do século XIX;
• cursivas: são derivadas da escrita caligráfica;
• romanas antigas: caracterizadas por possuir serifas arredondadas.

Estilos e tamanhos tipográficos

Estilos e tamanhos tipográficos dizem respeito, entre outras coisas, com os conceitos de caixa alta, caixa baixa e versalete. O primeiro é o famoso caps lock, usado, por exemplo, em títulos e para dar destaque ao texto.

A caixa baixa é quando não se usa letras maiúsculas, sendo bastante empregada no corpo de um texto. Por fim, o versalete equivale à caixa alta, só que com o tamanho da caixa baixa.

Cores

Sobre cores, existe uma teoria central que aborda a maneira como os humanos as interpretam e os seus impactos visuais em infográficos e peças publicitárias. Portanto, não são somente as palavras que dizem algo ao leitor, as cores também têm essa responsabilidade de transmitir informações da maneira mais clara, coesa e atrativa possível. 

Cores primárias

As cores primárias (azul, amarelo e vermelho) são assim chamadas porque podem se combinar e formar outras tonalidades. Além disso, elas podem ser classificadas em aditivas (o objeto emite luz) ou subtrativas (a cor corresponde ao feixe de luz que não foi absorvido pelo objeto).

No desenvolvimento web é bastante usado o esquema RGB (Red, Green and Blue), proveniente das cores primárias aditivas. As cores subtrativas podem ser ainda subdivididas em opacas e transparentes, sendo que em relação ao primeiro, o seu esquema respectivo de cores é o RYB (Red, Yellow and Blue), não tendo equivalência com outros esquemas, como o RGB das cores primárias aditivas.

Já as cores subtrativas transparentes pertencem ao esquema CMYK (Ciano, Magenta, Yellow and Black).

Propriedades das cores

Certamente você já deve ter ouvido falar em matiz, brilho e saturação, não é mesmo? O primeiro representa a forma como vemos uma cor, correspondendo ao seu nome propriamente dito (vermelho, verde, amarelo). A saturação, por sua vez, é a quantidade de cinza em uma cor e o brilho, como o nome sugere, se refere à luminosidade de uma cor. 

Temperatura das cores

As cores podem ser classificadas em quentes ou frias. No primeiro grupo predominam o amarelo e o vermelho, em virtude da sensação de fogo ou ao sol, por exemplo. Já tonalidades como o verde e o azul são consideradas frias, visto que possuem maior proximidade com o frio, o gelo ou a água.

Harmonia das cores

Agora que você sabe sobre cores primárias, propriedades e temperatura delas, chegou a hora de falar em harmonização. Uma boa combinação é simplesmente crucial para que um infográfico ou qualquer outra peça de publicidade agrade o leitor e atinja o seu objetivo. Dado o contexto, as principais harmonizações de cores a serem exploradas são:

• cores complementares: em um círculo cromático são aquelas que em direção oposta (verde e vermelho, por exemplo);
• cores complementares divididas: no caso do vermelho, são usadas outras duas tonalidades adjacentes para contrastar com o verde;
• cores análogas: idêntico às complementares adjacentes, exceto que não há o contraste a uma tonalidade oposta no círculo de cores;
• cores análogas mais uma complementar: corresponde ao somatório das duas combinações citadas anteriormente;
• análogas relacionadas: duas cores análogas são combinadas com uma terceira tonalidade não adjacente;
• cores intercaladas: ocorre quando tonalidades não adjacentes são combinadas.

A visualização de dados apresenta informações que antes eram processadas manualmente ou por software. Como foi possível observar, trata-se de uma área interdisciplinar, de modo que o profissional precisa ter habilidades relacionadas à ciência de dados e design. Logo, os principais tipos de jobs que podem ser encontrados estão relacionados com essas duas áreas, sendo ambas bastante abrangentes!

Gostou do conteúdo e ficou interessado em trabalhar com visualização de dados? Então aproveite para fazer parte do nosso banco de talentos!