4 tipos de dados analíticos

A análise de dados é um tópico quente hoje em dia, mas muitos executivos não estão cientes de que existem categorias diferentes para finalidades diferentes.

Geralmente, o melhor tipo de análise de dados que uma empresa pode fazer, depende de seu estágio específico de desenvolvimento. Nesta postagem, descreveremos os quatro principais tipos de análise de dados. Vamos começar.

1. Análise Preditiva de Dados

A análise preditiva pode ser a categoria mais comumente usada de análise de dados, pois é usada para identificar tendências, correlações e causalidade. A categoria pode ser dividida em modelagem preditiva e modelagem estatística. Mas é importante saber que esses dois realmente andam de mãos dadas.

Vamos dar uma olhada em um exemplo usando uma campanha publicitária no Facebook para produtos assados. A modelagem estatística poderia ser usada para determinar com que exatidão a taxa de conversão se correlaciona com a área geográfica, a faixa de renda e os interesses do público-alvo.

A partir daí, a modelagem preditiva pode ser usada para analisar as estatísticas de dois (ou mais) públicos-alvo diferentes e fornecer possíveis valores de receita para cada grupo demográfico.

2. Análise de Dados Prescritiva

A análise prescritiva é onde a inteligência artificial e os grandes dados se encontram para ajudar a prever os resultados e as ações a serem tomadas. Essa categoria de análise pode ser dividida em otimização e testes aleatórios. Usando os avanços no aprendizado de máquina, a análise prescritiva pode ajudar a responder perguntas como "E se tentarmos isso?" e "Qual é a melhor ação" sem gastar o tempo realmente tentando cada variável. Basicamente, ele pode ajudar você a testar as variáveis corretas e até sugerir novas variáveis com maior chance de gerar um resultado positivo.

3. Análise de dados de diagnóstico

Embora não seja tão sexy quanto algumas das análises de dados futuras, a análise de dados passada serve a um propósito importante na orientação dos negócios. A análise de dados de diagnóstico é o processo de examinar dados para entender a causa e o evento ou por que algo aconteceu. Técnicas como drill-down, descoberta de dados, mineração de dados e correlações são frequentemente empregadas.

Em particular, a análise de dados diagnósticos ajuda a responder por que algo ocorreu. Como as outras categorias, ela também é dividida em duas categorias ainda mais específicas: descobrir e alertas e consultas e detalhamentos. Consulta e detalhamentos são o que você usará para obter mais detalhes de um relatório. Por exemplo, digamos que um de seus representantes de vendas fechou significativamente menos negócios no mês passado. Uma pesquisa poderia mostrar menos dias de trabalho, lembrando que eles haviam usado duas semanas de férias naquele mês explicando a queda.

O Discover e os alertas podem ser usados ​​para ser notificado de um possível problema antecipadamente, como alertar você sobre uma quantidade baixa de horas-homem, o que pode resultar em uma queda nas negociações fechadas. Você também pode usar a análise de dados de diagnóstico para "descobrir" informações como: quem é o melhor candidato para um novo cargo na sua empresa.

4. Análise Descritiva de Dados

A análise descritiva é a espinha dorsal dos relatórios - é impossível ter ferramentas e painéis de BI sem ela. Ele aborda o seu básico quantos, quando, onde e quais perguntas. Mais uma vez, isso pode ser separado em duas categorias: relatórios ad hoc e relatórios em lata. Um relatório enlatado é aquele que foi projetado anteriormente e contém informações sobre um determinado assunto. Um exemplo disso é um relatório mensal enviado por sua agência de publicidade ou sua equipe de anúncios que detalha as métricas de desempenho sobre seus esforços mais recentes.

Os relatórios ad hoc, por outro lado, são projetados por você e geralmente não são programados, mas são mais no momento. Eles são úteis para obter informações mais detalhadas sobre uma consulta específica. Um relatório ad hoc que você pode executar pode estar em seu perfil de mídia social, observando os tipos de pessoas que curtiram sua página, além de outras páginas de seu setor de que eles gostaram, além de outras informações demográficas e de engajamento. Sua hiperespecificidade ajuda a dar uma imagem mais completa do seu público de mídia social, e é provável que você não precise visualizar esse tipo de relatório uma segunda vez (a menos que haja uma grande mudança no público-alvo).

Conclusão

Agora que você tem uma boa ideia dos quatro tipos diferentes de análise de dados, considere o uso de nomes de categoria mais descritivos na conversa e na redação. Fazer isso pode ajudar a reduzir o número de possíveis mal-entendidos e ajudar a aprofundar o conhecimento daqueles ao seu redor sobre os diferentes tipos de análise de dados.

Além disso, sua empresa provavelmente já está usando a análise de dados passada, mas é importante observar que isso resulta em decisões de negócios que são reativas, em vez de proativas. Mais e mais empresas vão adotar futuras análises de dados e, assim, serão capazes de fazer escolhas preditivas. Se você não está à frente desse meio-fio, pode achar que o desempenho do seu negócio está faltando, à medida que outras pessoas em seu setor começam a adotar e, assim, colher os frutos da adoção de análises de dados futuras.