Variáveis (Parte 3)
- Maraneane
- 10 de nov. de 2024
- 3 min de leitura
Atualizado: 18 de nov. de 2024
Analises de UXR e Data Science: Algumas reflexões sobre banco de dados
Em pesquisa quantitativa com questionários, as variáveis aparecem conforme as perguntas aplicadas, e é a partir delas que tiramos os insumos, ou seja, as variáveis que vão aparecer nos resultados da análise feita no banco de dados gerado pela pesquisa.
É importante entender a diferença entre bancos de dados relacionais (muito usados em data analytics) e o tipo de banco de dados usado na pesquisa. No banco relacional, as variáveis vão sendo adicionadas conforme o banco de dados disponível, gerando insights e insumos para serem analisados nos resultados, seja em projetos, segmentações ou na inclusão de variáveis específicas.
A pesquisa quantitativa, por sua vez, é o que chamamos de "ir a campo" para coletar dados primários diretamente das fontes da pesquisa ou de dados secundários de outras fontes confiáveis. E Nesse contexto, os bancos de dados de aplicativos, por exemplo, podem levantar questões respondidas pela pesquisa, e vice-versa. O banco gerado por eventos pode conter a segmentação da base para coleta de dados, ser usado para envio de pesquisa para uma base, ou seja, pode gerar resultados e consultas para projetos direcionados a perfis, eventos, ou outras categorias específicas.
As especificações dos contextos iniciais de como é o banco de dados e ainda a base de dados aplicada em SQL, e como manipular essa ferramenta, vem na direção do UXR saber quais dados podem ser consumidos, quais eventos trackeados, e como utilizar essas ferramentas de dados robustos a favor de insights costumers, aplicação de questionário, raspagem de dados e na pesquisa no geral.
Sobre variáveis
Quando exemplificamos variável para bancos de dados na programação, com diferenças básicas estas fazem referência as informações ou valores que deseja usar.
Visto como "contêiner" são várias "caixas" com nomes exclusivos, com isso a variável em banco de dados antecede a informação, que pode se referir posteriormente.
"Por exemplo, se você deseja armazenar a idade de uma pessoa, pode criar uma variável chamada "idade" e atribuir um valor a ela, como 25. Você pode usar a variável "idade" em seu programa para realizar cálculos ou exibir a idade da pessoa idade em uma mensagem. O banco de dados variável acompanha todas as variáveis que você cria e seus valores correspondentes, facilitando o acesso e a modificação conforme necessário".
Tratamento de Dados
Vamos falar de Outliners?
No contexto do SQL, um Outlier refere-se a um ponto de dados significativamente diferente de outros pontos de dados em um conjunto de dados. Lidar com outliers em SQL envolve identificar esses pontos de dados incomuns e decidir o que fazer com eles. Existem várias maneiras de lidar com outliers no SQL, mas algumas abordagens comuns incluem removê-los ou substituir um valor anômalo por um valor médio mais típico do conjunto de dados, ou pelo valor mediano. A manipulação de outliers no SQL é uma etapa importante na análise de dados, pois os outliers podem distorcer os resultados e dificultar a obtenção de conclusões precisas dos dados. Ao identificar e lidar com outliers adequadamente, você pode garantir que sua análise seja mais precisa e confiável.
Limpeza de dados:
O tratamento de banco de dados tem em comum a remoção, agrupamento ou transformação dos dados de outliners. Podemos utilizar tanto o Power BI, quanto o excel para a organização e analises desses dados.
Primeiro a identificação de outliers: identificar o que está "fora" ou que tem algum parametro incomum dentro do conjunto de dados. Isso pode ser visualizado em um gráfico de dispersão ou gráfico de caixa de seus dados e inspecionar visualmente quaisquer valores que sejam significativamente diferentes do resto.Nos projetos quantitativos consideramos importante observar que a escolha do método para tratamento de outliers baseamos nas características específicas do conjunto de dados e na questão de pesquisa que está sendo abordada. Além disso, temos a prática de criar relatórios, ou ainda, criamos a documentação dos resultados com os métodos escolhidos e usados para tratar os dados gerais, para diferenciarmos as bases de dados e a base com a limpeza de dados na documentação, para garantir a transparência da análise.
Comentarios