Business Intelligence: Visualização de Dados a partir do ...

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO – PUC

Ricardo Lemos Oliveira

Business Intelligence: Visualização de Dados a partir do Enfoque Narrativo

Mestrado em Tecnologias da Inteligência e Design Digital

São Paulo

2020

Business Intelligence: Visualização de Dados a partir do Enfoque Narrativo

Dissertação apresentada à Banca Examinadora da Pontifícia Universidade Católica de São Paulo, como exigência parcial para obtenção do título de Mestre em Tecnologias da Inteligência e Design Digital, na área de Processos Cognitivos e Ambientes Digitais, na linha de pesquisa de Inteligência Artificial e Gestão.

Orientador: Hermes Renato Hildebrand

São Paulo 2020

Sumário

1 Introdução ................................................................................................ 9

2 Business Intelligence ............................................................................. 11

2.1 Arquitetura de BI......................................................................................13

3 Visualização de dados e Percepção Humana ...................................... 17

3.1 Variáveis Visuais ................................................................................... 25

3.2 Técnicas de Visualização ...................................................................... 29

3.2.1 Infográficos - Definição e Tipos ..................................................... 29

4 Storytelling em Visualização de Informações de BI ........................... 45

4.1 Elementos de uma Narrativa em 5W1H ................................................ 46

4.2 Processo de Criação ............................................................................. 48

4.3 Espaço de Design .................................................................................. 51

5 Modelo para Representação de Narrativa Através de Visualiza-

ções com Dados do Varejo ....................................................................... 54

5.1 Gerencimanento de Dados ................................................................... 54

5.2 Elementos da Narrativa ......................................................................... 54

5.3 Informações ........................................................................................... 55

5.4 Gênero .................................................................................................... 55

5.5 Visualizações ......................................................................................... 57

6 Instanciação do Dashboard Executivo .................................................. 58

6.1 Modelo do Dashboard Executivo ......................................................... 58

6.2 Explorando a Narrativa ......................................................................... 61

Considerações finais..............................................................................63

Referências ............................................................................................ 65

Lista de ilustrações

Figura 1 – Exemplos de aplicações de análise de dados na cadeia de valor

do varejo............................................................................................. 9

Figura 2 – Arquitura de BI em alto nível ............................................................. 11

Figura 3 – Cubo de Informações ................................................................... 12

Figura 4 – Exemplo de dashboard executivo .................................................... 13

Figura 5 – Princípio de Proximidade da Gestaut ........................................... 16

Figura 6 – Princípio de Similaridade da Gestalt ............................................ 16

Figura 7 – Princípio de acercamento da Gestalt ........................................... 17

Figura 8 – Princípio de Fechamento da Gestalt ............................................ 17

Figura 9 – Princípio de Continuidade da Gestalt ........................................... 18

Figura 10 – Princípio de Conexão da Gestalt ............................................... 18

Figura 11 – Processo de Percepção .............................................................. 19

Figura 12 – Variáreis visuais de Bertin: (a) Tamanho; (b) Orientação; (c) Forma;

(d) Posicionamento; (e) Matiz; (f) Tonalidade da Cor e; (g) Textura.20

Figura 13 – Exemplos de utilização de cores em visualizações .................... 21

Figura 14 – Exemplo de utilização de tamanho ............................................. 22

Figura 15 – Apresentação por (a) cores e; (b) padrões de orientação .......... 22

Figura 16 – Representação de dados através de tabela .............................. 23

Figura 17 – Exemplos de Gráficos para visualizações de Padrão ............... 24

Figura 18 – Exemplos de Gráficos para visualizações de Padrão ............... 25

Figura 19 – Exemplo de gráficos que representam relações ........................ 25

Figura 20 – Gráfico de coordenadas paralelas ............................................. 26

Figura 21 – Exemplo de mapa de calor ......................................................... 27

Figura 22 – Exemplo de utilização de Treemaps ............................................ 28

Figura 23 – Exemplos de representações com grafos (a) e (b). .................... 28

Figura 24 – Exemplo de uso de mapas ......................................................... 29

Figura 25 – O que é um infográfico?Os principais componentes e diferenciação 30

Figura 26 – Infográfico informativo ..................................................................... 31

Figura 27 – Tio Sam “I Want You for U.S. Army” ........................................... 32

Figura 28 – 10 coisas que você não sabe sobre o Guinness ...................... 33

Figura 29 – Vingadores, avante ..................................................................... 34

Figura 30 – Exemplo de infográfico explanatório ........................................... 35

Figura 31 – Representação do framework 5W1H em VI ............................... 37

Figura 32 – Modelo interativo para visualização de informações com base em

narrativa visual (narração) para inteligência de negócios.............39

Figura 33 – Lógica Horizontal ........................................................................ 40

Figura 34 – Lógica vertical ............................................................................ 41

Figura 35 – Storyboard Inverso ...................................................................... 41

Figura 36 – Gêneros de narrativas ................................................................ 42

Figura 37 – História criada por um especialista durante o espaço de design.43

Figura 38 – Visão geral do modelo desenvolvido .......................................... 58

Figura 39 – Visão geral do mapa em detalhe expandido............................... 58

Figura 40 – Visão do gráfico de linha em detalhe .......................................... 58

Figura 41 – Visão dos produtos com mais perda em detalhe ........................ 58

Figura 42 – Visão das lojas com mais perdas em detalhe............................ 58

Lista de abreviaturas e siglas

5W1H What, Who, Why, When, Where, How

ABNT Associação Brasileira de Normas Técnicas

BI Business Intelligence

BPM Business Process Management

CRM Customer Relationship Management

DRE Demonstrativo do Resultado do Exercício

DW Data Warehouse

ERP Entrerprise Resource Planning

ETL Extract Transform Load

KPI Key Performance Indicator

LGPDP Lei Geral de Proteção de Dados Pessoais

OLAP Online Analytical Processing

SI Sistemas de Informação

Não são dados ou informações, máquinas e tecnologia, que fazem a diferença.

São as pessoas. E mais do que isso, relacionamentos.” – Tom Coelho

AGRADECIMENTOS

9

RESUMO

A velocidade com que os dados estão sendo gerados vem aumentando significativamente, e estão impulsionado por uma disputa econômica onde ter a informação torna-se uma vantagem competitiva frente à concorrência. Verifica-se que fazer com que as informações relevantes estejam disponíveis para os usuários é um dos desafios do business intelligence. A partir de imagens que permitem a visualização das informações observa-se a transformação dos dados em possibilidades interpretativas, onde o usuário é capaz de analisar e extrair informações úteis. A utilização de narrativas também vem sendo explorada para a apresentação de grande volumes de dados, pela capacidade que possuem de dar contexto a informação representada. Sendo assim, o propósido desta pesquisa é analisar e propor formas de apresentar dados, por meio das formas narrativas no contexto de negócio, a fim de apoiar a tomada de decisão em um ambiente corporativo, com base na criação de um modelo de visualização de dados. Com o modelo proposto e a partir do resultado de análise, acredita-se que o presente trabalho possa apoiar a construção de narrativas, indo desde o mapeamento dos elementos narrativos, até a representação visual. Palavras-chave: visualização de dados, Business Intelligence, narrativas, imagens gerando informação.

10

ABSTRACT

The speed with which the data is being generated has been increasing significantly, and is driven by an economic dispute where having information becomes a competitive advantage over the competition. It turns out that making relevant information available to users is one of the challenges of business intelligence. From images that allow the visualization of the information, the transformation of the data into interpretative possibilities is observed, where the user is able to analyze and extract useful information. The use of narratives has also been explored for the presentation of large volumes of data, due to their ability to give context to the information represented. Therefore, the purpose of this research is to analyze and propose ways of presenting data, through narrative forms in the business context, in order to support decision making in a corporate environment, based on the creation of a data visualization model. . With the proposed model and from the result of analysis, it is believed that the present work can support the construction of narratives, ranging from the mapping of narrative elements, to visual representation. Keywords: data visualization, Business Intelligence, narratives, images generating information.

11

1 Introdução

Nunca se fez tão presente o termo Sociedade da Informação

(SANTOS; CARVALHO, 2009), onde cada vez mais os dados

transformam-se em um fator importante de remodelação da sociedade,

ou seja, os processos de comunicação tornam-se mais ágeis e eficientes

e auxiliam no desenvolvimento das organizações e instituições de ensino

unindo pesquisa e informação.

O INSTITUTO INFORMATION MANAGEMENT (2014) estima que

os dados gerados até o ano de 2020 atingiram uma proporção gigantesca,

que os especialistas terão que medir o volume da informação em

proporções relativas à distância da Terra à Lua. Desde o início dos anos

1990, essa quantidade de dados vem crescendo significativamente em

função da criação da Internet e, esse aspecto, foi sendo consolidado, cada

vez mais, com a popularização dos smartphones e, mais recentemente, em

função do movimento da Internet das Coisas (IoT – Internet of Things).

Como consequência dessa enorme geração de dados, os quais ficam

disponíveis em diversas formas e formatos, observa-se a necessidade de

um tipo de processamento mais ágil do que os praticados tradicionalmente,

nasce assim, o termo Big Data. Uma das aplicações do Big Data é a “geração

de insights, por meio de análise de dados“ (SHARDA et al., 2019, p. 440).

Sendo o Business Intelligence - BI responsável por levar maior eficiência

ao processo de tomada de decisão. Empresas como Google, Netflix e

Facebook estão encarando este desafio de frente, aplicando o conceito e

desenvolvendo de técnicas de análise de grandes volumes de dados e,

com isso, tirando proveito desse fato na construção de novas estratégias

mercadológicas (SALVO, 2014).

Segundo Coutinho (2016), devido à quantidade de dados e a sua

constante atualização, o consumo por parte dos usuários tornou-se mais

flexível e, isto, permite uma maior falta de atenção. Para Gershon e Page

(2001) a visualização de dados auxilia no direcionamento de nossa

atenção, permitindo a descoberta de padrões, informações de interesse e

a projeção de tendências que ajudam a entender as informações e, assim,

12

reduzem a incerteza na tomada de decisões em negócios.

Dessa forma, conforme dito por Gutiérrez et al. (2017), é importante

definir como apresentar as informações de maneira compreensível e

memorável por meio dos sistemas de visualização e de análise de BI. Por

isso, a empresa Gartner que é líder de mercado em pesquisas e

consultorias em tecnologia da informação, nos Estados Unidos, criou o

Quadrante Mágico de Plataforma de Inteligência de Negócios e Análise

de Dados para avaliar as principais ferramentas do mercado. As

plataformas que se destacam são: Microsoft Power BI, Tableau e Qlik.

Por outro lado, “todo mundo que tem dados para analisar tem

histórias para contar, quer seja diagnosticando os motivos para defeitos

de fabricação ou vendendo uma nova ideia de forma a capturar a

imaginação de seu público alvo’’ (SHARDA et al., 2019, p. 131). Apenas

apresentar os dados e fatos sobre os negócios em questão, pode não dar

o resultado esperado para uma tomada de decisão. Identificamos uma

parcela de argumentos em uma apresentação que se utiliza de slides para

informar. Com isso, o presente estudo tem por objetivo criar um modelo

de painel visual (dashboard) no contexto de BI, utilizando técnicas de

visualização de dados em conjunto com recursos narrativos, para explorar

o potencial de conhecimento que pode ser extraído dos dados para uma

determinada audiência e como eles podem auxiliar na tomada de decisão

em um ambiente de negócios. Para isso serão abordados os seguintes

temas: Business Intelligence, Visualização de informações e Storytelling

de dados.

No capítulo ‘Business Intelligence’, iremos tratar da definição de BI.

Além do que, também iremos identificar como é possível adquirir

aplicabilidade ao utilizar essa metodologia na cadeia de valor do varejo,

por exemplo. Assim, será apresentado a arquitetura de BI proposta por

Sharda et al. (2019), onde explicaremos quais são os principais

componentes, culminando com a questões que envolvem a interface dos

usuários que é utilizada para o monitoramento, análise e gerenciamento

dos dados.

No capítulo ‘Visualização de Dados e Percepção Humana’, será

apresentado as principais categorias de exploração visual da

13

informações. Para entender como o cérebro processa as informações e

percepções exemplificadas com representações gráficas do cotidiano

(WARE, 2012; GOLDSTEIN, 2009; KNAFLIC, 2015). Além disso, também

realizaremos comentários sobre as técnicas de visualização de dados,

dando destaque aos infográficos que são parte integrante do campo de

estudo.

O capítulo ‘Storytelling em Visualização de Informações de BI’, exprime

sobre os conceitos de storytelling e como, através de um framework, pode

ser utilizado no contexto de BI. Por conseguinte, será apresentado o

modelo proposto por Gutiérrez et al. (2017) para criação de histórias e

quais são as principais técnicas de design, segundo Segel e Heer (2010)

e Elias et al. (2013), para a criação de um modelo visual de narrativa.

Nos capítulos ‘Modelo para Representação de Narrativa por meio

de Visualizações de Dados do Varejo’ e ‘Instanciação do Modelo’, iremos

apresentar a criação de um modelo visual produzido a partir dos

conceitos discutidos ao longo desta pesquisa, assim como a exploração

da narrativa a partir deste mesmo modelo criado. Discutiremos como a

narrativa em seu contexto, consegue ajudar na tomada de decisão.

14

2 Business Intelligence

As organizações estão sendo atraídas a capturar, compreender e

aproveitar seus dados para embasar decisões que são capazes de aprimorar

operações empresariais. Leis e regulamentações, como por exemplo a lei

n°11.638/2001, que exigem dos responsáveis, a documentação de seus

processos comerciais e ratificação da legitimidade das informações que

embasam dados que serão repassados as partes interessadas. Os gestores

precisam das informações na hora e lugar certos, é o que define as abordagens

modernas de BI.

A literatura existente oferece várias definições de BI, porém, nenhuma

delas ainda foi bem aceita. Desde o surgimento do termo BI, com Luhn (1958),

o conceito foi mais usado para descrever processos sistemáticos (LONNQVIST;

PIRTTIMAKI, 2006), metodologias (RANJAN, 2009), tecnologias (BOSE, 2009),

ferramentas analíticas (EL- BASHIR et al., 2008; WATSON; WIXOM, 2007) e

técnicas (LIM; LEE, 2010) que usam sistemas suportados por computador para

coletar, analisar e disseminar informações para atividades de negócios e para

melhor tomada de decisão.

O conceito atual e mais utilizado para BI, é o de Chen et al. (2012, p.

1166). Essa definição é abrangente e atinge a maioria das perspectivas da

literatura existente e se refere ao BI como “as técnicas, tecnologias, sistemas,

práticas, metodologias e aplicativos que analisam dados críticos de

negócios para ajudar uma empresa a entender melhor seus negócios e seu

mercado e fazer negócios oportunos decisões”. Essa perspectiva leva a

diferentes aspectos do processo de criação de valor.

A literatura acadêmica e profissional recente enfatiza a capacidade das

organizações de criar valor por meio do uso de BI. LaValle et al. (2011)

descobriram que as organizações de melhor desempenho têm experiência

substancial no uso de BI para criar valor. Da mesma forma, Chen et al. (2012)

reconheceram o papel do BI na aquisição de inteligência sobre as necessidades

e opiniões dos clientes, levando a novas oportunidades de negócios.

1 A lei obriga as empresas de sociedade anônima ou limitada a apresentar um Demonstrativo

do Resultado do Exercício - DRE.

15

Apesar do crescente interesse, o processo de transformação dos insights

desencadeados pelo BI em conhecimento de negócios permanece vago. Desse

modo, muitos autores, como Sharma et al. (2014) e Ross et al. (2013) pedem

uma análise mais profunda de como as organizações podem criar valores por

meio do uso de BI e entender os processos subjacentes de alocação de

recursos. Para exemplificar essa criação de valor, Sharda et al. (2019) apresenta

por meio do quadro a seguir, exemplos de aplicação de análise de dados na

cadeia de valor do varejo:

Figura 1 – Aplicação de análise de dados na cadeia de valor do varejo

Fonte: Sharda, Delen e Turban (2019).

Uma presunção geral da literatura existente é que o uso de BI leva

a uma maior eficiência no processo de tomada de decisão. Assim, uma

16

premissa comum dessa visão é que o BI permite a identificação, captura

e produção de novos insights e conhecimentos para a tomada de decisões

(ACHARYA et al., 2018; HOU, 2012). Por exemplo, Popovic et al. (2010)

propuseram um modelo de pesquisa para derivar o valor comercial do BI

e encontraram maturidade e recursos absorvíveis de BI para facilitar o uso

de informações de qualidade habilitadas pelo BI nos processos de

negócios e na tomada de decisões.

Da mesma forma, Elbashir et al. (2008) em sua pesquisa,

descobriram que o BI agrega valores por meio dos processos de negócios

aprimorados (relações com parceiros de negócios, eficiência de

processos internos e benefícios de inteligência do cliente). Trkman et al.

(2010) descobriram empresas que suportam recursos analíticos com bom

Sistema de Informação - SI para obter um melhor desempenho na

tomada de decisões.

Além disso, Isik et al. (2013) encontraram empiricamente a

importância de recursos tecnológicos e dados de alta qualidade para

apoiar a tomada de decisão e a acessibilidade a todos os usuários em

diferentes ambientes de negócios. Dessa forma, quanto mais rica a

inteligência organizacional de uma empresa, mais rápida será sua

resposta em um ambiente competitivo. Conforme Hannula e Pirttimaki

(2003), em sua pesquisa, encontraram os benefícios mais significativos

fornecidos pelo BI, foi à aquisição de informações de melhor qualidade

para a tomada de decisões, a melhoria da capacidade de antecipar

ameaças e oportunidades, bem como o crescimento de base de

conhecimento e economia de tempo.

Hoje em dia, é essencial que a análise de negócios seja feita, mas

também ações em resposta à análise de resultados possam ser

executadas e altere instantaneamente os parâmetros dos processos de

negócios. Os sistemas de BI iniciam, automaticamente, ações em

sistemas com base em regras e contexto para suportar vários processos

de negócios. Esses sistemas analíticos derivam insights da riqueza de

dados disponíveis, fornecendo informações conclusivas, baseadas em

fatos.

17

2.1 Arquitetura de BI

Tradicionalmente, os sistemas de BI são arquitetados com foco no

back end (processo interno), que geralmente é alimentado por

tecnologias para armazenamento de dados. Ultimamente, as arquiteturas

para BI evoluíram para aplicativos analíticos corporativos de várias

camadas distribuídas.

Para Sharda et al. (2019) um sistema de BI caracteriza-se por

contemplar quatro componentes principais: um Data Warehouse - DW,

com seus dados fonte; análise de negócios, uma coleção de ferramentas

para manipular, minerar e analisar os dados no DW; Business Process

Management - BPM para monitorar e analisar desempenhos; e uma

interface de usuário, como portais, por exemplo. A relação dos

componentes citados está ilustrada na Figura 2.

Figura 2 – Arquitura de BI em alto nível

Fonte: Eckerson (2003).

Os dados operacionais são a matéria-prima da arquitetura de BI e

em uma empresa eles são extraídos de várias fontes internas, por

exemplo, ERP (software integrado de gestão empresarial, CRM (software

de gestão de relacionamento com o cliente) e planilhas excel; e fontes

externas usando as ferramentas Extração, Transformação e Carga (ETL),

18

logo “os dados sobre os quais as tarefas de BI são executadas

geralmente são carregados em um repositório chamado Data

Warehouse“ (CHAUDHURI et al., 2011, p. 90).

Com o principal objetivo de armazenar informações, segundo

Antonelli (2009), o DW serve para organizar um conjunto de dados não

voláteis por assunto e integrá-los por data. Esse depósito de dados

possibilita gerenciar grandes quantidades de informação, modelando-os

para suprir as necessidades dos usuários empresariais e para auxiliar na

análise do negócio.

De acordo com a figura 2, com um mesmo cubo de informações é

possível atender as várias demandas referentes as análises voltadas

para cada nível hierárquico de uma organização de forma rápida e

precisa.

Figura 3 – Cubo de Informações

Fonte: Antonelli (2009).

Após a descrição do processo, são necessárias ferramentas que

possibilitem a visualização destas informações, de forma amigável,

auxiliando assim os usuários do BI a tomarem suas decisões. Existem

vários aplicativos de front end populares por meio dos quais os usuários

realizam tarefas de BI: planilhas, portais corporativos para pesquisa,

aplicativos de gerenciamento de desempenho que permitem aos

tomadores de decisão rastrear os principais indicadores de desempenho

(KPI) dos negócios usando painéis visuais (dashboards).

Esses painéis visuais, também chamados de dashboards, são as

19

ferramentas de visualização mais populares na análise de BI. Eles são

coleções de componentes visuais (como gráficos ou tabelas) em uma

única exibição (ELIAS et al., 2013), que permitem aos analistas explorar

seus dados e visualizar rapidamente diferentes aspectos de conjuntos de

dados complexos.

Do ponto de vista do tomador de decisão, os dashboards fornecem

uma maneira útil de visualizar dados e informações. Os resultados

exibidos incluem métricas únicas, análise gráfica de tendências,

indicadores de capacidade, mapas geográficos, compartilhamento de

porcentagem, semáforos e comparações de variações. Permitindo a

apresentação de relacionamentos complexos e métricas de desempenho

em um formato mais compreensível pelos gerentes, ou seja, diminuem a

curva de aprendizado. A Figura 4 apresenta um típico dashboard com

uma variedade de KPIs relativos a uma empresa hipotética.

Figura 4 – Exemplo de dashboard executivo

Fonte: Sharma (2009).

No lado esquerdo do dashboard pode ser visto as alterações

20

trimestrais em margens de lucro, despesas e receitas, além da

comparação de valores mensais dos anos antecedentes. No canto

superior direito, é visto dois quantificadores de despesas sinalizadas

através de um ponteiro e na parte inferior direita, é visto o mapa

geográfico, onde mostra a distribuição de vendas por países de todo o

mundo. Ao clicar nós ícones geográficos, o usuário pode se aprofundar

em níveis mais granulares de informações e dados.

No entanto, para Elias et al. (2013) as coleções simples de

representações visuais podem não ser interpretadas por públicos não

treinados; para se tornarem significativos, eles exigem interpretação e

explicação, frequentemente apresentados em uma narrativa..Ela tem a

capacidade de oferecer uma estrutura e sequência lógica às

visualizações (GUTIÉRREZ et al., 2017), dando ao usuário mais

facilidade de lembrar os pontos chaves e pintar um retrato de como o

futuro deve parecer.

Contar histórias é importante para o BI, porque inevitavelmente

outras pessoas precisam entender a mensagem que transmitem para

contribuir com a tomada de decisões. A incorporação da análise de BI no

contexto de uma narrativa estruturada ajuda outras pessoas a apreciar

melhor sua utilidade ao abordar o problema em questão. Ou seja,

enquanto os dados explicam o que está acontecendo, incorporá-los em

uma história ajuda outras pessoas a entender por que elas estão

ocorrendo. Perceber esse entendimento ajuda os outros a decidir como

agir.

3 Visualização de dados e Percepção Humana

A crescente quantidade de dados gerados e consumidos no século

XXI fez da Visualização de Dados uma área crucial da ciência moderna.

Por meio do uso de elementos visuais como gráficos, tabelas e mapas,

as ferramentas de visualização de dados propiciam uma maneira

acessível de observar e compreender tendências e padrões e identificar

pontos fora da curva.

A visualização de dados pode ter muitas definições e ser bastante

21

abrangente. Entretanto, ela pode ser considerada como “o estudo de

representação de dados de alguma forma sistemática, incluindo atributos

e variáveis para a unidade de informação” (KHAN; KHAN, 2011, p. 3). O

seu objetivo é facilitar a compreensão, visto a dificuldade de se interpretar

a informação somente a partir de números. Embora o termo mais

frequente seja visualização de dados, em geral o que ser quer dizer é

visualização de informações.

Ao organizar dados segundo critérios específicos, com o objetivo

final de visualizá-los, acaba-se por obter informações e possibilitar a

construção de novos conhecimentos sobre os mesmos. Assim,

ferramentas computacionais de visualização e análise de dados pode dar

apoio aos usuários de todo o processo de análise das informações.

Conforme dito por Alexandre (2007), a análise pode apoiar atividades

como:

▪ Análise exploratória - onde o usuário pretende descobrir

novos conhecimentos contidos nos dados: através de um

processo analítico. Para Knaflic (2015), a análise exploratória

é o que você faz para entender os dados e descobrir o que

pode ser digno de nota ou interessante para destacar para

os outros.

▪ Análise confirmatória – onde o usuário tem uma hipótese e

o objetivo é, através da exploração visual, determinar a

evidência para aceitação ou rejeição dessa mesma hipótese.

Segundo Gamero et al. (2003), os dados são utilizados para

se confirmar supostas informações previamente esperadas e

que se acredita estarem neles contidas, e que podem ser

confirmadas após uma maior exploração dos dados.

▪ Apresentação – é utilizada para representação gráfica e

apresentação do relacionamento, estrutura, comportamento

e outras características intrínsecas aos dados em questão.

Para Germano (2019), a análise explanatória abrange tudo aquilo

que será mostrado ao público interessado. Após explorar os dados e

encontrar algum padrão interessante, é na fase explanatória que você irá

22

explicar melhor ou contar uma história sobre a descoberta, ou seja, é

focada na comunicação para o público interessado.

Na visualização da informação, há modelos gráficos que

relacionam diversos tipos de conceitos e relacionamentos, muitas vezes

caracterizados por dados de múltiplos atributos e que não se

caracterizam nem pela natureza espacial, nem temporal. Desta forma,

conforme dito por Alexandre (2007), é cada vez mais complexa a tarefa

de representar os dados de forma visível e adequada.

Uma forma de potencializar essa visualização é conhecer como o

cérebro processa as informações de maneira mais efetiva, como, por

exemplo, raciocínio espacial e reconhecimento de padrões. A

visualização de informação baseia-se, principalmente, no sentido

humano que tem a maior capacidade de capturar e processar estímulos,

a visão. A partir dela, é possível construir relações entre espaço, luz, cor,

forma e contraste (KANASHIRO, 2003).

É importante entender como a mente humana processa as

informações a seu redor, para decidir como melhor direcionar o foco da

atenção e como aproveitar o intervalo da atenção do usuário, que hoje

está sendo mais limitada. Segundo Ware (2012), o sistema visual

humano, além de ser um investigador de padrões com grande poder de

acuidade, também forma um poderoso centro de processamento paralelo

que pode fornecer um canal de banda larga para processos cognitivos

humanos.

Para Berg (2012), o uso da visualização da informação é

influenciado, principalmente, por dois conjuntos de fatores, que são os

subjetivos e os contextuais. Como valores subjetivos, entende-se as

diversas personalidades, experiências e habilidades; e como

motivacionais temos as expectativas e estresses. Mesmo considerando

que cada individuo tendo a sua particularidade, o processo cognitivo das

pesooas são similares.

Já a percepção humana se dá a partir dos sentidos. Estes são

constantemente estimulados, pois a todo o momento os acontecimentos

ao nosso redor podem mudar em relação as concepções dos fatos. Os

estímulos percebidos pelos sentidos geram impulsos elétricos que,

23

através do sistema nervoso, geram sensações no cérebro, mudando,

com isso, a maneira pela qual as pessoas percebem aquilo que lhes afeta

(RUŠINOVÁ, 2016).

Seguindo a linha de raciocínio de que a percepção se dá a partir da

interação com o ambiente, Rušinová (2016) afirma que o mundo real e o

mundo que percebemos não são os mesmos, mas estão fortemente

relacionados. Uma das mais conhecidas teorias relacionadas à

percepção é aquela que é adotada em diversas áreas de conhecimento:

a Teoria da Gestalt (ELLIS, 2013). Essa teoria defende a ideia de que o

todo é compreendido de maneira diferente que a soma de suas partes.

Um objeto é pregnante, como dito por Alexandre (2007, p. 5), desde

que “exprima uma característica qualquer, de maneira suficientemente

forte para destacar-se, impor-se e ser de fácil evocação”. As

características que determinam a pregnância de uma imagem são

observadas nas Leis da Teoria da Gestalt, que são princípios estruturais

e funcionais de nosso campo perceptivo.

Estas leis estabelecem a forma como os elementos constitutivos de

uma imagem podem vir a ser percebidos em termos organizacionais,

seguindo determinados princípios. Segundo Knaflic (2015, p. 68-73), são

eles:

• Proximidade: Tende-se a pensar que os objetos fisicamente

próximos fazem parte de um grupo. Esse princípio está demonstrado

na Figura 5; é possível notar naturalmente os pontos como três grupos

distintos, graças a sua posição relativa.

Figura 5 – Princípio de Proximidade da Gestaut

Fonte: Knaflic (2015).

24

Este princípio pode ser facilmente associado ao resultado do

algorítmo K-means, onde encontra regiões diferentes em um gráfico

observado as condições para o evento, para assim realizar uma análise

de agrupamento. Por exemplo, se a informação mais importante a ser

avaliada é o desempenho do grupo, torna se um conceito importante a

ser utilizado.

• Similaridade: Objetos que têm cor, forma, tamanho ou orientação

semelhantes são percebidos como relacionados ou pertencentes a

parte de um grupo. Na Figura 6, associam-se naturalmente os círculos

azuis à esquerda ou os quadrados cinzas, à direita.

Figura 6 – Princípio de Similaridade da Gestalt


Pode-se usar esse princípio de forma a chamar a atenção do

usuário para um determinado padrão de informações, uma tendência, ou

uma sequência física de elementos. Ao utilizá-lo, vale destacar que a cor

é destacadamente o atributo mais perceptível, enquanto forma e tamanho

são mais frágeis.

• Acercamento: Os objetos que são delimitados tendem a fazer o

cérebro pensar como integrantes de um grupo (a). Um modo de

aproveitar o princípio do acercamento é traçar uma distinção visual

dos dados, como no gráfico (b) da Figura 7.

25

Figura 7 – Princípio de acercamento da Gestalt


O efeito de fechamento é poderoso o suficiente para se sobressair

em relação aos princípios de similaridade e da proximidade. O gráfico (b)

é comumente utilizado em balanços para demonstrar duas fases

distintas, como em um Demonstrativo de Resultado do Exercício - DRE.

• Fechamento: Tende-se a perceber um conjunto de elementos

individuais como uma única forma reconhecível - quando partes de um

todo estão a faltar, os olhos preenchem as lacunas (c). O princípio do

fechamento ignora elementos como bordas e sombreado de fundo em

gráficos, efeitos 3D, linhas de grade (d) e ainda assim continuam

coesos. Conforme visto na Figura 8:

Figura 8 – Princípio de Fechamento da Gestalt


26

A partir deste princípio entende-se o quão importante é prezar pela

simplicidade e eliminar a chamada carga cognitiva, ou seja, a quantidade

de esforço realizada pelo cerébro para interpretar a visualização em

questão.

• Continuidade: O princípio da continuidade é semelhante ao do

fechamento, os olhos buscam o caminho mais suave e criam

continuidade no que observam, mesmo onde não pode existir. Por

exemplo, na Figura 9, ao separar os objetos (1), pode-se ter como

resultado o objeto (2) ou o (3). Ao se remover o eixou y do objeto (e), a

visualização não é comprometida por este princípio.

Figura 9 – Princípio de Continuidade da Gestalt


Ao observar (e) percebe-se que ‘A’ é maior do que ‘B’, ‘B’ é maior

do que ‘C’ e assim por diante. A depender do caso, não se faz necessário

nem mesmo uma escala de valores no eixo horizontal.

• Conexão: Tende-se a considerar objetos fisicamente conectados

como parte de um grupo, como visto na Figura 10.

27

Figura 10 – Princípio de Conexão da Gestalt


O gráfico de linhas gera uma associação mais acentuada pois há

uma conexão entre os elementos. Em uma área como a visualização de

dados, em que os estímulos visuais são os mais prevalecentes, é

importante ter em mente tais princípios ao criar visualizações e

apresentá-las aos usuários. O princípio de Gestalt ajuda a identificar

elementos desnecessários e facilitar o processamento de comunicações

visuais mais eficientes, tendo em vista a melhor experiência de usuário

possível.

Entretanto, os princípios da Gestalt não contemplam todas as

etapas do processo da percepção, por se tratar de um processo bastante

complexo e interativo. Nesse sentido, Goldstein (2009) apresenta um

modelo de percepção (Figura 11) que é divido em três grandes fases

chamadas de Estímulo, Eletricidade e Experiência e Ação.

28

Figura 11 – Processo de Percepção

Fonte: Goldstein (2009).

Cada fase possui um sub-processo que, por sua vez, contém mais

três fases. Na fase de estímulo, temos o ambiental que compreende

todas as sensações possíveis de serem percebidas pelo indivíduo em um

ambiente (independente do foco de atenção); o da atenção que acontece

quando o indivíduo focaliza a atenção em um ponto específico e o dos

receptores que diz respeito a excitação dos sentidos para a captação

destes estímulos, por exemplo, a observação de um objeto que resultará

em uma imagem na retina.

Tudo baseia-se em sinais elétricos. Por isso, a fase chamada de

eletricidade compreende as etapas de transformação de estímulos em

formas que sejam possíveis de interpretação do cérebro humano. A

transdução é a transformação de sinais químicos ou físicos em impulsos

elétricos – isso ocorre, por exemplo, quando a luz visível (fóton) é

transformada em impulso elétrico pelo sistema visual. A transmissão

ocorre no momento em que um neurônio transmite o pulso elétrico para

outro, e, a comunicação entre um conjunto de neurônios é denominada

29

processamento.

Por fim, a etapa de experiência e ação começa pela percepção, que

ocorre quando o indivíduo toma consciência do estímulo. A identificação do

objeto caracteriza a fase de reconhecimento e, finalmente, as ações

motoras, como movimentos da cabeça ou dos olhos caracterizam a última

etapa do processo, chamada de ação.

O autor Goldstein (2009) ainda faz duas considerações importantes

sobre este processo. Inicialmente, embora as etapas de percepção e

reconhecimento sejam facilmente entendidas como uma única etapa, as

doenças como Agnosia Visual mostram que são de fato fases distintas em

nosso cérebro, pois quando o indivíduo possui lesões nas áreas de

associação visual ele consegue ver o objeto ou suas características, mas

não consegue reconhecê-los.

Todo processo pode ser considerado interativo, isso porque a ação

do indivíduo pode provocar (e geralmente provoca) o início de um novo

ciclo do processo estímulo, eletricidade e experiência ação, pois o cerébro

sempre está em busca de conexões com mudo exterior.

3.1 Variáveis Visuais

As variáveis visuais servem para dar contexto para a transformação

dos dados em representações gráficas, diagramas e mapas mais

eficazes. A partir da percepção do sistema visual humano, as variáveis

foram criadas para permite uma melhor comunicação das informações.

De acordo com Ghidini (2017), a transformação dos dados brutos

em representações visuais pode ser uma tarefa complexa. Quando se

objetiva representar dados visualmente, devem se considerar os diversos

aspectos, particularmente, as variáveis visuais. Basicamente, elas são

signos diferentes com características próprias que podem ser percebidos.

Um dos conjuntos de variáveis mais conhecidos é o proposto por

Bertin (2011): tamanho, posicionamento, forma, orientação, matiz e

tonalidade da cor e textura. Neste contexto, o tamanho diz respeito ao

espaço ocupado pelo signo dentro de uma determinada área e, o

posicionamento, a sua localização. A forma é relativa às características

30

físicas do signo. A orientação descreve a direção do signo, e a textura, o

aspecto da sua superfície.

Por fim, as características relacionadas às cores, matizes e

tonalidades, caracterizam, respectivamente, pela distinção das cores em

seus aspectos mais primários (como a distinção entre o vermelho e o azul)

e a quantidade de luz que está presente na cor (determinando, com isso,

a sua escala tonal). A Figura 12 apresenta a representação gráfica destas

variáveis.

Figura 12 – Variáreis visuais de Bertin: (a) Tamanho; (b) Orientação; (c)

Forma; (d) Posicionamento; (e) Matiz; (f) Tonalidade da Cor e; (g) Textura

Fonte: Ghidini (2017).

O uso das cores em visualização de dados não é apenas uma

questão de estética, mas um importante instrumento para construção

efetiva das visualizações. Segundo Lidwell et al. (2010), as cores podem

ser utilizadas para atrair a atenção para algo, agrupar elementos, indicar

significados, além de melhorar a apresentação estética dos elementos.

Por outro lado, o uso inadequado de cores pode atrapalhar e

confundir o usuário. Ware (2012) afirma que devem ser utilizadas cores

distintas apenas quando houver diferentes significado entre elas. Além

disso, não devemos utilizar mais do que 12 cores, pois pode ser que isto

cause confusão no usuário. A Figura 13 apresenta um exemplo de como

as cores podem ser exploradas em visualizações de informação, neste

caso específico mostra o índice de criminalidade bairro a bairro da cidade

de São Paulo.

31

Figura 13 – Exemplos de utilização de cores em visualizações

Fonte: (Secretaria de Estado da Segurança Pública de São Paulo (2019).

Ao analisar o mapa, percebe-se a simplificação da informação,

pois com a facilidade de chegar o valor da legenda torna mais

acessível a comparação entre os bairros mais distantes e a

possibilidade de realizar agrupamentos entre os bairros com índices

parecidos.

Outra variável, o tamanho, é uma das mais comumente utilizadas

em visualização de informação (STEELE; ILIINSKY, 2010). O

tamanho, quando utilizado para diferenciar objetos, é facilmente

reconhecido, além de ser muito utilizado para dar noção de proporção

e contrastar informações. A Figura 14 mostra um exemplo da utilização

de tamanho para visualizar proporções.

32

Figura 14 – Exemplo de utilização de tamanho

Fonte: Worldmapper (2020).

Este mapa mostra a proporção de mortes confirmadas por COVID-

19 (coronavírus) em 04 de junho de 2020. O mapa usa dados

da OMS (último acesso em 04.06.2020). Percebe-se as proporções dos

países com maiores casos, como Estados Unidos, Brasil, Espanha, Itália

e China em detrimento dos países do continente africano, por exemplo.

A utilização de gradação de cores pode fazer com que a

representação gráfica obtenha maior valor informacional, pois há

possibilidade de comparar os dados entre os vizinhos próximos,

entretanto torna-se mais difícil checar os valores em sua legenda pelo

nível de interpretação exigido. A Figura 15 apresenta um mapa com

classificação a partir de gradação entre o tom especificado.

https://www.who.int/emergencies/diseases/novel-coronavirus-2019/situation-reports

33

Figura 15 – Apresentação por gradação de cor

Fonte: IPEA (2018).

O mapa apresenta os indíces de acidentes de trânsitos no ano de

2018, no mês de dezembro em todo o Brasil. De acordo com a nível de

intensidade das cores, pode se inferir que as regiões sudeste (31,82%) e

sul (29,41%) concentram mais da metade dos acidentes de trânsito de

todo Brasil, muito se deve à sua malha rodoviária e concentração

populacional, em contrapartida a região norte visivelmente apresenta o

menor índice (5,82%) por ser justamente o oposto das regiões que

lideram.

3.2 Técnicas de Visualização

A escolha da técnica de visualização a ser utilizada é uma das

principais e mais importantes tarefas no processo de visualização. Isto

porque a escolha adequada da visualização permite que grandes volumes

de dados se tornem compreensíveis e inteligíveis aos usuários (GHIDINI,

34

2017). Esta etapa deve levar em conta, principalmente, o tipo da

informação a ser apresentada e as tarefas que serão realizadas pelos

usuários (SASSO et al., 2001).

Devida a grande variedade de técnicas de visualização existentes,

o foco desta seção está nas técnicas que são mais comumente utilizadas.

Apresentaremos a pesquisa de Khan e Khan (2011), que mapearam e

listaram diversas técnicas de visualização, e, também, outras técnicas

encontradas na literatura. Além disso, em seguida, abordaremos os

Inforgráficos que são parte integrante da área de visualização de dados.

Uma das técnicas de visualização mais utilizadas e tradicionais são

as tabelas. Por meio delas é possível facilmente entender e interpretar os

dados nelas contidos. Nesta estrutura, os dados são representados em

linhas, e é possível representar as relações através das colunas. A Figura

16 apresenta um exemplo de representação de dados em tabela com

valores simbólicos em reais para representar o cálculo de consumo de

um ar condicionado.

Figura 16 – Representação de dados através de tabela

Fonte: dados do autor (2020).

Outra forma muito utilizada de representar dados é através de

gráficos. Dentre os tipos de gráficos citados pelos autores estão os que

foram categorizados por Yau (2011) como sendo para visualizar padrões,

35

proporções ou relações.

Dentre os gráficos existentes para visualizar padrões, podem ser

citados os gráficos de colunas, de dispersão e de linha (Figura 17). Estes

gráficos apresentam dois eixos (x e y) e, por meio destes, é possível

verificar tendências (é comum que no eixo x se utiliza a variável tempo) e

fazer comparações. No gráfico de colunas apresentado na Figura 17 (a),

por exemplo, poderia ser representado o número de vendas de uma loja

ao longo dos meses de um ano, sendo possível, por meio dele, fazer uma

comparação das vendas através dos meses.

Outra forma de verificar tendências e fazer comparações é através do

gráfico de linhas apresentado na Figura 17 (c), que mostra a quantidade de

itens vendidos de dois produtos através dos meses entre julho e outubro.

Figura 17 – Exemplos de Gráficos para visualizações de Padrão


Os gráficos que melhor permitem visualizar proporções são os

gráficos de setores (também conhecidos como gráficos de pizza) e os

gráficos de área. Os gráficos de proporção objetivam, principalmente,

visualizar a distribuição das partes de um valor em relação às outras, que,

36

juntas, formam um todo (YAU, 2011). Estes dois gráficos são bem

distintos em suas representações: o gráfico de setores possui uma forma

circular em que as proporções são visualizadas através do recorte do

círculo. Os gráficos de áreas, por sua vez, possuem valores nos eixos x

e y; geralmente, o eixo x representa dados temporais e o eixo y apresenta

alguma variável categórica. A Figura 18 apresenta exemplos de gráficos

de proporção.

Figura 18 – Exemplos de Gráficos para visualizações de Padrão


Embora o gráfico de setores seja uma ótima representação de

proporção, algumas condições devem ser observadas, como a utilização

de poucas variáveis para sua análise e evitar sua representação em

formato 3D, pois a sua interpretação pode ser equivocada ou se alongar

no tempo para uma conclusão correta, o que vai justamente ao contrário

do que visualização de dados sugere.

O gráficos de bolhas, ou histogramas, permitem visualizar relações

não triviais, como, por exemplo, a relação entre a escolaridade e a

criminalidade de um país, ou o tamanho das televisões ao longo dos

anos. Os gráficos de bolha permitem a visualização de três variáveis, pois

estes são compostos por um eixo x, um eixo y e, além disso, é possível

visualizar a proporção de um valor no gráfico através do tamanho da bolha.

Os histogramas são, visualmente, muito similares aos gráficos de

colunas, com a diferença que, no eixo x, os valores dos intervalos são

contínuos, e, no gráfico de colunas, os valores são discretos. A Figura 19

37

apresenta exemplos de representação dos gráficos de relação.

Figura 19 – Exemplo de gráficos que representam relações


Os gráficos de coordenadas paralelas permitem visualizar dados

multidimensionais. As dimensões, neste contexto, referem-se aos

atributos que o gráfico possui. Estes atributos são representados através

de linhas verticais valoradas (geralmente quanto mais acima, maior é o

seu valor) ao longo do gráfico. Cada linha representa uma unidade de

registro que liga os atributos de acordo com o valor. Com isto, é possível

identificar, além das relações, as dependências entre os atributos. A

Figura 20 mostra um exemplo de uso de coordenadas paralelas.

38

Figura 20 – Gráfico de coordenadas paralelas

Fonte: https://help.salesforce.com/articleView?id=bi_chart_intro_parallelcoords.htm&type=5.

Como pode ser visto, o gráfico de coordenandas paralelas pode ser

útil quando se deseja identificar valores discrepantes ou padrões com

base em métricas relacionadas. No caso da Figura 20, é apresentado

dados sobre o preço de produtos, mas não se sabe por que alguns

produtos de maior volume são mais lucrativos que outros.

Representados por retângulos, os mapas de calor (heat maps)

apresentam os valores individuais de um conjunto de dados dispostos em

uma matriz. Esta técnica utiliza cores para representar as grandezas dos

valores. É comum que os valores mais altos possuam as cores mais

escuras e os valores mais baixos possuam as cores mais claras. Com o

mapa de calor é possível contrastar informações e comparar rapidamente

uma grande quantidade de itens. A Figura 21 mostra um exemplo de uso

de mapa de calor que apresenta a densidade de aniversariantes por dia

e mês.

https://help.salesforce.com/articleView?id=bi_chart_intro_parallelcoords.htm&type=5

39

Figura 21 – Exemplo de mapa de calor


Outra forma de visualização muito utilizada é a baseada em grafos ou

árvores. Elas são direcionadas, basicamente, à visualização de hierarquias e

conexões. Dentre as diversas técnicas existentes, podem ser citadas como

exemplo a Treemapings, o Browser Hiperbólico (Hyperbolic Browser) e a

Hierarchical Edge Bundles.

A treemapping, criada por Johnson e Shneiderman (1991), é uma

proposta de representação dos dados através de retângulos que possuem suas

áreas baseadas em suas proporções dentro de um domínio. Cada retângulo

possui seus “filhos” representados por retângulos que também possuem sua

área proporcional à sua dimensão e são dispostas dentro do retângulo “pai”. É

comum utilizar cores para diferencias as categorias neste tipo de visualização. A

Figura 22 mostra um exemplo desta técnica de visualização.

Na técnica Browser Hiperbólico (LAMPING; RAO, 1996) temos mapas

conceituas baseados na técnica Fisheye (olho de peixe), que consiste em

mostrar um nó principal no centro e os nós filhos em seu entorno. Isto faz com

que seja possível observar um determinado ponto específico dos dados e ainda

manter a noção do todo. Já a técnica Hierarchical Edge Bundles mostra os dados

40

em um círculo. Seus nodos ficam nas bordas deste círculo e as relações entre

os nodos são mostradas em seu centro. Na Figura 23 são apresentados um

exemplo do Browser Hiperbólico (a) e de um Hierarchical Edge Bundles (b).

Figura 22 – Exemplo de utilização de Treemaps

Fonte: Wood e Dykes (2008).

Conforme comentado, quanto maior o retângulo, maior será o seu valor

numérico, dessa forma essa visualização ajuda a responder perguntas como:

Quais são as proporções de categorias para o total? Como exemplo, a Figura 22

apresenta o treemap de uma companhia de seguro que deseja comparar o valor

total de apólices em suas respectivas classes.

41

Figura 23 – Exemplos de representações com grafos (a) e (b)


Representação de dados por mapas é outra forma bastante comum de

visualizar dados. Segundo Yau (2011), os mapas têm o benefício de serem mais

intuitivos. O autor ainda afirma que, por ser uma representação do mundo físico

que, geralmente, temos contato desde cedo, o seu uso é de fácil entendimento

para a maior parte das pessoas. As possibilidades que os mapas oferecem para

análise dos dados e para obter novas informações a partir deles, são inúmeras.

É possível, por meio deles, estabelecer relações, destacar regiões,

visualizar proporções de diversos domínios de dados. Geralmente, utilizam-se

outras características visuais para dar o foco desejado em mapas, como, por

exemplo, formas geométricas (como bolhas ou pontos), cores para destacar

regiões ou ícones que tenham significado em algum domínio (como quando se

deseja destacar estabelecimentos ou ocorrências em uma área de uma cidade)

(NÖLLENBURG, 2007). A Figura 24 apresenta exemplos de visualização de

dados em mapas.

42

Figura 24 – Exemplo de uso de mapas

Fonte: Congosto (2019).

A imagem acima representa a malha metroviária da cidade de Madrid na

Espanha, o segundo maior da Europa. Atualmente conta com 12 linhas,

identificadas por número e cor, com um total de 238 estações e que transporta

cerca de dois milhões de passageiros por dia. Além da área metropolitana, a

rede de metrô de Madrid abrange outros municípios, tais como: Alcobendas, San

Sebastián de los Reyes, Coslada, San Fernando de Henares, Rivas-

Vaciamadrid, Arganda del Rey, Alcorcón, Leganés, Getafe , Móstoles,

Fuenlabrada, Pozuelo de Alarcón e Boadilla del Monte (os dois últimos estão

ligados por linhas ferroviárias).

3.2.1 Infográficos - Definição e Tipos

A fonte do termo infográfico é uma mistura de “informational“ e ”graphics“,

que surgiu pela primeira vez continuamente por volta da década de 1960 nos

livros de língua inglesa. A definição da palavra ”infográfico“ diluiu-se por volta de

43

2010, coincidindo com o aumento nas pesquisas no Google2. Vitall (2018) afirma

que o conceito de infográfico está nas áreas de design, jornalismo, estatística e

estrutura de informação e que há quatro elementos essenciais em um infográfico.

A Figura 25 apresenta-os com as suas determinadas relações:

Figura 25 – O que é um infográfico? Os principais componentes e diferenciação

Fonte: Vital (2018).

Ao observar a ilustração, é possível identificar os quatro elementos

de apresentação: Dado (informações): O que; Design (gráficos) - como;

Jornalismo (texto) - por que; Função (arquitetura da informação) - a quem.

Além disso, a partir das intersecções pode-se descobrir como os

infográficos cruzam seus diferentes campos:

• Arte generativa (dados + design) - Para Vassallo (2019), pode ser vista

como uma arte gerada por computador que é determinada

algoritmicamente.

2 Para mais informções acesse o site

https://trends.google.com/trends/explore?date=all&q=infographic), o volume de pesquisa da palavra “infográfico” começou a aumentar em 2010 em todo o mundo.

44

• Visualização de dados (dados + design + jornalismo) - “o uso de

representações visuais para explorar, dar sentido e comunicar dados”’

(SHARDA et al., 2019, p. 116), codificando-os como objetos visuais.

• Gráficos estatísticos (dados + design + função) - Conforme dito por Vitall

(2018), são técnicas de exibição de padrões encontrados em dados não

processados.

• Redação técnica (dados + jornalismo) - uso de dados verificáveis para

apoiar as declarações feitas pelo escritor (VASSALLO, 2019).

• Jornalismo de dados (dados + jornalismo + função) - um gênero de

redação que depende de dados verificáveis para transmitir uma

mensagem específica, adaptada ao público (MANCINI;

VASCONCELLOS, 2016).

• Estatística (data + function) - métodos para extrair padrões de dados

não processados (VITALL, 2018).

• Redação ilustrada (design + jornalismo) - uso de técnicas de design

que inte- gram imagens a um artigo (FREIRE, 2009).

• Jornalismo visual (design + jornalismo + função) - um gênero de

redação que integra imagens e redação para atingir um público

específico.

• Arquitetura da informação (design + função) - métodos de estruturar

informa- ções que as tornam úteis para o usuário final (VASSALLO,

2019).

• Escrita expositiva (jornalismo + função) - um gênero de escrita que

explica e informa em oposição a persuadir (VITALL, 2018).

Além disso, os infográficos podem ser distinguidos por suas áreas de

aplicação e, de acordo com Krum (2013) podemos classificá-los em cinco

categorias de infográficos:

1) Infográfico Informativo

O modelo informativo tem por objetivo comunicar um conceito novo

ou especializado, ou para dar uma visão geral de um tópico (MCGUIRE,

18/05/2020). É o modelo mais popular dentre os tipos de infográficos

fornecendo uma quantidade de dados úteis de uma maneira conectada

45

(geralmente por linhas ou números), fácil e rápida de consumir, entender

e recuperar. A Figura 26 apresenta um exemplo.

Figura 26 – Infográfico informativo

Fonte: Mcguire (2020).

O infográfico apresenta cinco dicas para o leitor se manter ativo. Ao utilizar

uma linguagem simples, direta, cabeçalhos descritivos e ícones ilustrativos o

infográfico ajuda a comunicar cada ponto.

2) Infográfico Persuasivo

Infográficos persuasivos servem de estratégia para induzir o

indivíduo. Eles são criados para “levar o leitor a uma conclusão pre-

determinada e, em seguida, fornecer uma ação específica que o leitor

deve executar” (KRUM, 2013, p. 64). Eles são usados para votar em um

político, participar de uma festa, doar para uma instituição de caridade ou

simplesmente comprar um produto. A Figura 27 apresenta um infográfico

utilizado na campanha de recrutamento dos Estados Unidos para a

Primeira Guerra Mundial, no ano de 1917.

46

Figura 27 – Tio Sam “I Want You for U.S. Army”

Fonte: Vassallo (2019)

O infográfico criado por James Montgomery Flagg (1877 a 1960)

apresenta a figura do Tio Sam, um símbolo popular dos Estados Unidos

retratado por um homem de cabelos brancos, vestido com as cores da

bandeira norte-americana e uma cartola. Ao apontar o dedo em conjunto

com a frase “Eu quero VOCÊ para as forças armadas”, utiliza recursos

emocionais e simbólicos para atingir o seu próposito.

3) Infográfico de Anúncio

Os anúncios infográficos são uma forma específica de infográficos

persuasivos, na medida em que tentam motivar o público a agir. Nesse

caso, a chamada à ação geralmente visa convencer os leitores a comprar

produtos ou serviços específicos. O objetivo de um anúncio infográfico,

segundo Vassallo (2019), é educar os clientes em potencial sobre o

produto. Eles podem ser usados para compartilhar efetivamente as

informações frequentemente complexas sobre um produto. A Figura 28

apresenta um exemplo.

47

Figura 28 – 10 coisas que você não sabe sobre o Guinness

Fonte: Vassallo (2019).

Ao analisar o infográfico percebe-se a intenção do anúncio em

informar o leitor sobre a marca de cerveja Guinness, ao relaciomar 10

curiosidades sobre ela. O intuito além de informar, é gerar empatia e

curiosidade por um potencial consumidor.

4) Infográfico de Relações Públicas

Os objetivos do infográfico de Relações Públicas - RP são

diferentes dos anúncios. O autor Krum (2013) comenta que em vez de

tentar diretamente vender um produto, uma estratégia de RP pode usar

um infográfico para conscientizar os produtos e as marcas, fornecer

48

informações aos acionistas ou agregar valor. Os infográficos usados para

relações públicas podem ser publicados como um complemento a um

comunicado de imprensa somente em texto ou todo o comunicado de

imprensa pode estar contido na concepção do infográfico. A Figura 29 o

exemplifica:

Figura 29 – Vingadores, avante

Fonte: Webinar (2020)

Ao utilizar esse exemplo de infográfico RP, a área de recursos

humanos, por exemplo, pode gerar uma aproximação entre os

colaboradores da empresa e personagens da cultura pop, por apresentar

característas em comum.

5) Infográficos Explanatórios

49

Enquanto os infográficos informativos se concentram na

identificação de estatísticas e informações, os infográficos explicativos

fornecem “descrições mais detalhadas de como algo funciona ou de

como está relacionado a problemas relacionados” (VASSALLO, 2019,

p.58). Para Escobar e Spinillo (2016), os infográficos explicativos são

escolhidos para tornar compreensível para toda uma ideia, conceito ou

processo complicado e respondem perguntas como ’porquê’ e ’como’.

Figura 30 – Exemplo de infográfico explanatório

Fonte: Visible Logic (2020).

Ao se verificar o infográfico apresentado, percebe-se a dedicação

do autor em informar descrevendo as etapas necessárias com dados,

50

para justificar ao leitor o posicionamento da empresa em seu negócio. Os

infográficos apresentam informações em um espaço limitado e em um

formato artístico. Eles são capazes de repassar fatos rapidamente e

manter os leitores lendo, fornecendo dados/informações importantes e

são agradáveis de ler e entender.

Além disso, mostram como a publicidade de dados e informações

podem ser ordenada/organizada e oferecida para integrar as ideias

resumidamente. Toda empresa precisa comunicar dados úteis para seus

funcionários, acionistas e clientes. Os métodos de visualização de dados

e infográficos podem tornar as informações atraentes e significativas para

as empresas.

4 Storytelling em Visualização de Informações de BI

51

O termo Storytelling remete à expressão da língua inglesa “tell a

story” que significa “contar uma história”. Uma história significa,

resumidamente, uma sequência ordenada de fatos, que podem possuir

palavras, imagens, visualizações, vídeos ou quaisquer combinações

destes (KOSARA; MACKINLAY, 2013a). Massarolo (2013) afirma que as

histórias sempre existiram e que é a partir delas que a humanidade

transmite seu legado através das gerações. Ainda para Elias et al. (2013),

ainda argumentam que a narrativa vai além da comunicação, é um

processo de extrair significado dos eventos, que é central para a

experiência e conduta humana.

Com o avanço da tecnologia, foi possível utilizar recursos

computacionais para contar histórias por meio de sistemas interativos,

como, por exemplo, Microsoft Power BI. Isso permitiu a expansão desta

disciplina a outros contextos, como, por exemplo, o de visualização de

informação. A arte, tecnologia e computação convergiram de tal forma

que, hoje, é possível contar histórias através de dados. Para Gershon e

Page (2001), storytelling é uma forma muito efetiva de representar os

dados, pois permite que visualizações revelem informações tão efetiva e

intuitivamente como se o espectador estivesse assistindo a um filme.

No campo de visualização de informação, existem alguns conjuntos

de elementos utilizados na literatura. Cruz e Machado (2011), baseando-

se nos elementos de fábulas proposto por (BAL; BOHEEMEN, 2009),

apresenta uma série de elementos inerentes a narrativas de dados. Os

elementos propostos por Bal são eventos, atores, tempo e localização.

Embora Bal e Boheemen (2009), tenha elencado como elemento de uma

fábula a localização, no trabalho proposto por Cruz e Machado (2011),

este elemento não foi mapeado.

Eventos são definidos como a transição de um estado para outro,

causados por atores (BAL; BOHEEMEN, 2009). Atores, nesse sentido,

são os personagens envolvidos e que, a partir das suas ações, geram as

mudanças nas histórias. O tempo é o elemento que ordena e serializa a

história. A ordem, neste contexto, é a ordem cronológica dos fatos. Por

fim, a localização diz respeito ao local a qual os eventos ocorrem.

52

Outra forma de identificar os elementos de uma narrativa é através

do framework 5W1H (YOSHIOKA et al., 2001), que é um acrônimo para as

palavras where, why, what, when e who (onde, porque, o quê, quando e

quem) e da palavra how (como). A sua proposta é que, segundo Ghidini

(2017), respondendo estas perguntas, seja possível identificar todo o

contexto de uma narrativa, como os participantes, a localização, o

propósito, o momento, o evento em si e quais foram as circunstâncias que

permitiram que o fato ocorra. Por se tratar de um framework teórico, este

pode ser utilizado em diversos contextos como, por exemplo, no

jornalismo e no marketing e em negócios.

Estes elementos são importantes em diversos níveis, pois, com

eles, é possível identificar representações visuais que são baseadas em

narrativas e, além disso, perceber quais informações serão necessárias

obter a partir dos dados. A análise capaz de extrair os principais elementos

do framework 5W1H e melhor comunica-los, é a explanatória, pois,

direciona o usuário para a descoberta de insights e chamada a ação.

4.1 Elementos de uma Narrativa em 5W1H

Ao preparar uma história rica em dados, o primeiro objetivo é

encontrar a linha narrativa. Quais são os personagens? Qual é o drama ou

o desafio? Quais barreiras têm de ser superadas? E ao final da história, o

que é desejável que o público interessado faça com o resultado? Identificar

os seus elementos e como representá-los através de visualização de dados

é o desafio que antecede a criação de um storyboard. A Figura 31

exemplifica-o.

Figura 31 – Representação do framework 5W1H em VI

53

Fonte: Eleraqi (2017).

O objetivo dos elementos da narrativa é contribuir para a

elaboração do contexto, facilitar a capacidade de articular de forma

concisa e exata o que deseja ser transmitido antes de começar a construir

o conteúdo. Com isso, reduz o tempo de iterações e ajuda a garantir que

a comunicação construída atinja a finalidade pretendida.Os elementos

são:

Quem - Knaflic (2015) afirma que se deve ser específico quanto ao

público, pois, ele quanto mais heterogêneo for mais tende a ter

necessidades diferentes, tornando a comunicação ineficaz. Identificar o

tomador de decisão é uma forma de restringir o público a ser atingido.

Quanto mais delimitado estiver, mais bem posicionado o analista estará,

estabelecendo uma comunicação que satisfaz a necessidade de ambos.

O quê - Ao realizar esta pergunta, Lynch (2020), indica o desafio para

solucionar um problema e o que deve ser feito para chegar a este objetivo.

Conforme dito por Knaflic (2015), a sua finalidade é conduzir o público ao

entendimento e à ação. Uma forma de exemplificá-lo pode ser através de

gráficos de linhas com a comparação de duas variáveis as quais

apresentam as tendências de dados e como elas são alteradas ao longo do

54

tempo.

Onde - Refere-se as perguntas sobre localização no qual a história

está situada ou onde a tomada de decisão será aplicada. Um mapa é,

geralmente, a primeira imagem que surge como exemplo. Eles podem ser

usados para visualizar informações geográficas básicas, mas também são

ferramentas úteis para estruturar a análise, que mostram os detalhes dos

locais que podem nos levar a novas histórias (ELERAQI, 2017).

Porque - Responder “por que”, conforme dito por Lynch (2020), se

refere a discutir desde o problema percebido até as abordagens discutidas

sobre como resolvê- lo e melhorá-lo. Eleraqi (2017), cita como exemplo de

visualização de dados, o gráfico de bolhas. Ele exibe quatro dimensões para

análise, capazes de revelar a correlação entre elas.

Quando - “A evolução do enredo se dá a partir da organização dos

eventos, que acontecem através do tempo e em algum lugar” (GHIDINI,

2017, p. 31). O tempo é cru

cial para entender a causalidade entre os acontecimentos, a

influência que os eventos antecedentes exercem sobre os consecutivos

(KOSARA; MACKINLAY, 2013b). A melhor opção para visualizar “quando”

é a linha do tempo, que permite ao usuário ver, seguir e entender os eventos

através de uma linha cronológica.

Como - Após identificado quem é o público e o que eles precisam

saber ou fazer-, pode-se considerar os dados e fazer a pergunta: “Quais os

dados estão disponíveis e que ajudarão a dar consistência a minha

narrativa?” “Dados se tornam a evidência que corrobora a história a ser

construída e contada” (KNAFLIC, 2015, p. 23). O “como” reflete as etapas

ou as fases envolvidas em uma história, que podem ser apresentadas

através de um fluxograma. Esse tipo de gráfico mostra as etapas como

caixas de vários tipos e sua ordem, conectando-as com setas. Essa

representação diagramática ilustra um modelo de solução para um

determinado problema.

4.2 Processo de Criação

55

O processo de criação de histórias, no contexto de visualização de

informação na conjuntura de negócio, é uma tarefa complexa. Embora

processos de criação de visualizações já tenham sido mapeados

previamente, existem especificidades na criação de histórias com dados

que demandam processos especificos para este fim.

A criação de histórias, em visualização de dados, requer a definição

do contexto, seleção das informações, seleção da técnica de visualização e

a escolha da ordem de apresentação dos dados para apresentar a narrativa

(HULLMAN et al., 2013). Gutiérrez et al. (2017) propõem um processo para

transformar dados em histórias, voltado para business intelligence. Neste

processo, é possível perceber as atividades envolvidas, desde a análise

para explorar os dados, criar e compartilhar as histórias e receber o

feedback dos tomadores de decisão. A representação visual do processo

pode ser vista na Figura 32.

Figura 32 – Modelo interativo para visualização de informações com base em narrativa visual (narração) para inteligência de negócios

Fonte: Gutiérrez (2017).

A exploração inicial dos dados tem por objetivo de entendê-los, para,

com isso, criar fragmentos (resumos) de uma base de dados (GHIDINI,

2017). Estes fragmentos podem compreender, por exemplo, um

subconjunto ou dados sequenciados ou dados procedentes de insights

56

obtidos por meio da análise e podem ou não ser selecionados para uma

representação visual já definida previamente.

A partir dos fragmentos obtidos na fase de análise de dados, cria-se

a narrativa propriamente dita. Para isso, atividades envolvidas são identificar

o contexto e a audiência, ordenar os dados, estabelecer uma conexão

lógica, desenvolver o fluxo dos dados, formular a mensagem a ser passada

e criar o desfecho. Ao final desta etapa do processo, espera-se que seja

possível decidir qual será o enredo da história e como será a relação dos

fragmentos (como, por exemplo, através do tempo, causa-efeito, padrões,

entre outros).

Contar a história é a etapa em que, de fato, constrói-se e compartilha-

se a narrativa e recebe-se o feedback da audiência. A construção da história

(edição) consiste em desenvolver a representação visual e as interações da

narrativa. É nesta etapa que se definem, além da forma de representação

que será utilizada, os componentes gráficos que farão parte da

representação visual, como textos de ajudas, animações, caminhos que são

possíveis de serem percorridos, entre outros.

A última etapa inicia-se a partir do momento que a representação

visual da história é compartilhada com alguém. A percepção da história é o

que os leitores/usuários (ou a audiência) compreendem a partir da narrativa

visual apresentada (LEE et al., 2015). Espera-se após a apresentação que

o usuário tenha encontrado o valor na tomada de decisão advindo de um

insignt proveniente da história contada.

Para Knaflic (2015, p. 168) há quatro abordagens para garantir que a

história seja clara em sua apresentação: lógica horizontal, lógica vertical,

storyboard inverso e uma nova perspectiva.

• Lógica Horizontal: Através da leitura do título de cada slide de toda

a pilha, juntos os fragmentos contam a história abrangente que se

quer comunicar. É importante ter títulos descritivos para melhor

compreensão e um slide de resumo com slides subsequentes na

mesma ordem (Figura 33).

Figura 33 – Lógica Horizontal

57


• Lógica Vertical: Significa que todas as informações de determinado

slide se auto-reforçam. O conteúdo reforça o título e vice-versa. As

palavras corroboram o visual de forma mútua (Figura 34).

Figura 34 – Lógica vertical


• Storyboard inverso: Após finalizar a comunicação final e folhear e

escrever o ponto principal de cada página, a garantir a lógica

conjuntamente. A lista resultante deve se parecer com o storyboard

ou o esboço da história que se deseja contar (Figura 35). Caso

contrário, isso pode ajudar a entender estruturalmente onde você

58

pode adicionar, remover ou mover peças para criar o fluxo e a

estrutura geral da história que se deseja transmitir.

Figura 35 – Storyboard Inverso


• Nova perspectiva: Uma vez elaborada a visualização de dados, é

necessário apresentar a um terceiro que tenha ou não contexto sobre

a visualização e colher o feedback para melhorá-la.

4.3 Espaço de Design

O espaço de design foi proposto por Segel e Heer (2010), estes

foram os primeiro autores a inserirem o termo “visualização narrativa”, ou

seja, visualizações criadas com o “tom de história” foram analisadas em

seu estudo 58 visualizações que utilizam elementos de narrativas. Eles

propuseram um framework, cuja análise foi feita baseando-se em

trabalhos relacionados às narrativas em filmes, literatura e arte. Desta

análise, extraiu-se o framework, possuindo três categorias: são os

gêneros, os elementos visuais e os elementos estruturais.

Conforme Ghidini (2017), gêneros de narrativas são formas básicas

59

de apresentar a história. Segel e Heer (2010) identificaram sete gêneros

distintos que são magazine style, annotated chart, partitioned pôster, flow

chart, comic strip, slide show e film/vídeo/animation (Figura 36). No estudo de

Elias et al. (2013), ao abordarem o uso de narrativas no contexto de BI, em

relação ao design, eles afirmam que os usuários preferiram o gênero

Annotated Chart, embora também vissem potencial nos gêneros Partitioned

Poster, Slide Show e Flow Chart.

Figura 36 – Gêneros de narrativas

Fonte: Segel e Heer (2010).

O Annotated Chart “apresenta algum gráfico (como, por exemplo,

gráfico de linha, mapas, entre outros) com informações adicionais,

contextualizadas, com o objetivo de prover ajuda ou explicações sobre

algum ponto do gráfico” (GHIDINI, 2017, p. 34). Já o gênero Partitioned

Poster apresenta um pôster ou imagem particionada, cujas partes

apresentam múltiplas visões da história. E o Slideshow é uma forma de

apresentação de dados de forma sequencial, comumente utilizada pelo

software Power Point.

O principal modelo de visualização utilizada nas empresas de BI, é

o dashboard, uma coleção de componentes visuais (como gráficos ou

tabelas) em uma única exibição (ELIAS et al., 2013), sendo utilizado por

40% das 2 mil maiores empresas do mundo (ANTE; MCGREGOR, 2006).

“O desafio fundamental do design de dashboards é exibir todas as informações

necessárias numa mesma tela, de modo claro, sem distrações, e de tal forma

60

que possam ser assimiladas rapidamente” (SHARDA et al., 2019, p. 138).

Para acelerar a assimilação dos números, eles precisam ser

apresentados em contexto. Uma forma de fazê-lo é comparando-se números de

interesse com patamares-alvo, indicando se os números são favoráveis ou não

e se a tendência demonstrada por ele é boa, ou ruim. Para melhorar a

visualização destes números, utilizam-se objetos visuais especializados como

semáforos, mostradores de ponteiros, indicadores ou atributos visuais como

codificação cromática para estabelecer o contexto avaliativo.

Em sua pesquisa, Elias et al. (2013) pediu para que um especialista de BI

desenhasse o design para uma ferramenta de narrativa de BI de uma maneira

que pudesse ser interpretada por uma audiência geral, sem treinamento. A

Figura 37 apresenta a versão final da história criada manualmente pelo

especialista, onde se pode observar o uso intenso de anotações e explicações,

conectadas por setas e linhas.

Figura 37 – História criada por um especialista durante o espaço de

design

Fonte: Elias (2013).

Outras estruturas usadas pelo especialista foram retângulos de

agrupamento de gráficos (gabinetes para colocar gráficos que precisam ser lidos

juntos), marcadores de sequência (o que precisa ser lido primeiro) e marcadores

de destaque (para chamar a atenção para parte da história).

61

5 Modelo para Representação de Narrativa Através de Visualizações com

Dados do Varejo

Para a elaboração do modelo proposto no trabalho será criado um

dashboard gerencial, com dados obtidos de um banco de dados de uma rede de

supermercados. Para ajudar a alcançar o objetivo, será utilizado a arquitetura

proposta por Gutiérrez (2017) (Figura 32) baseada na técnica de contar histórias

para fornecer informações que melhoram a compreensão de informações no

processo de tomada de decisão em BI, ela é formada pelas seguintes etapas:

gerenciamento de dados, desenho, compartilhamento e recebimento da história.

5.1 Gerenciamento de dados

O estágio de gerenciamento de dados consiste no grupo de atividades

destinadas a explorar e analisar dados em ferramentas de BI, como softwares

de ETL e banco de dados. O resultado do gerenciamento de dados, uma vez

processados pelas soluções de BI, é obter informações refinadas, cuja as quais

serão utilizadas para projetar o modelo através da narrativa visual para se

comunicar efetivamente com o público.

No caso do modelo os dados passaram de planilhas eletrônicas, para o

banco de dados, logo em seguida os dados foram importados pelo software de

apresentação, Microsoft Power BI. Considerando o contexto explorado neste

trabalho, foram disponibilizado os dados durante o período específico de janeiro

de 2017 a dezembro de 2018. Vale ressaltar que embora houvesse a

disponibilização dos dados, houve um cuidado para que informações

estratégicas da empresa não fossem apresentados no modelo, protegidos

principalmente pela Lei Geral de Proteção de Dados Pessoais3.

3 Lei nº 13.709/2018 (planalto.gov.br/ccivil_03/_Ato2015-2018/2018/Lei/L13709.htm), é a

legislação brasileira que regula as atividades de tratamento de dados pessoais e que também altera os artigos 7º e 16 do Marco Civil da Internet.

62

5.2 Desenho da história

Na fase de desenho da história é onde ela será projetada com base no

resultado da análise de informação. Posteriormente, analisa-se o contexto que

envolve o público: preferências necessidades e características especiais.

Finalmente, a história é construída a partir de uma sequência lógica, darão

significado às informações na forma de história. Alguns elementos necessários

para sua construção são:

▪ Cenário: o contexto onde a história se desenrola é apresentado ao

público e é fornecido um apanhado geral sobre o assunto.

▪ Contraste: um ponto de contraste é apresentado na interface de

forma comparativa, a fim de capturar a atenção do espectador e criar

questionamentos.

▪ Solução do problema: é fornecida uma solução que permite ao

expectador entender a mensagem, explorar as informações e

descobrir novos conhecimentos.

▪ Atração: Deve ser desenvolvida sob critérios estéticos para atrair a

atenção do público através de uma história visualmente agradável.

Para alcançar esses objetivos decidiu-se adotar o framework 5W1H

(YOSHIOKA et al., 2001), por ser o que melhor se encaixava na proposta do

modelo. Os elementos identificados como What (O que), Why (Porque), Where

(Onde), Who (Quem), When (Quando) e How (Como), além de suas

características próprias, possuem relação entre si.

A partir dos elementos da narrativa, é possível determinar quais

informações serão representadas no modelo. Estas são apresentadas através

das visualizações, que são organizadas de uma determinada forma (gênero). Os

elementos estruturais e visuais, além de estruturar a narrativa, terão influência

em como será a interação com a interface. A partir desta análise da estrutura

dos dados a serem utilizados, organizaram-se os elementos da narrativa:

Quadro 1 – Tabela com a relação entre os elementos e descrição para a

63

narrativa

Elemento Descrição

Quem Corpo executivo da empresa

O quê

Reduzir a falta de produtos na gôndola, acelerar a saída de

produtos com baixa demanda

Onde Nas lojas as quais apresentam os maiores índices

Porque Aumentar a cobertura e faturamento

Quando Período de maior procura

Como

Baseado nos dados obtidos pela rede, fazer o pedido dos

produtos com a antecedência necessária para ser

consumido.


A tabela estabelece um resumo visual do conteúdo a ser criado, como um

storyboard. Ter um planejamento ajuda a garantir o alinhamento do que é

necessário para se chegar ao objetivo, mesmo que haja alterações a medida que

se entra nos detalhes de desenvolvimento.

5.2.1 Informações

A informação é a base da área de Visualização de Dados. Ghidini

(2017) afirma que os dados de maneira isolada, embora expressem valor,

não possuem um valor informativo. Dessa forma, a informação é a

“interpretação ou significado dos dados” (HOUAISS, 2001, p. 1615), sendo

assim, não há informação sem dados e dados não tem significância real

antes de se tornarem informação.

Com base na contextualização de dado e informação, o modelo

apresenta um conjunto de visualizações que abrangem os elementos da

narrativa 5W1H e as quais estivessem disponíveis na ferramenta de

construção do modelo, o Microsoft Power BI, além disso, analisaram-se

quais informações eram essenciais constarem na representação visto o

contexto trazido pelos elementos da narrativa.

64

Sendo assim as principais informações consideradas para o

dashboard foram: A evolução do faturamento da rede de supermercado,

cobertura do estoque em dias, valor em perda de vendas por falta do produto

na gôndola, produtos com menor rotatividade, a localidade das lojas com

menor faturamento por perda de vendas e o período de maior perda por

sazonalidade.

5.2.2 Gênero

Conforme visto no capítulo 4, gêneros de narrativas são formas

básicas de apresentar a história. “Ele define o template dos elementos

que serão dispostos na interface, além de definir como serão as cenas da

narrativa, e quais caminhos o leitor poderá tomar ao longo da narrativa

(GHIDINI, 2017, p. 55). Ao verificar os gêneros propostos por Segel e

Heer (2010) e quais foram os com maior potencial no contexto de BI, na

pesquisa de Elias et al. (2013) decidiu-se o utilizar os gêneros Annotated

Chart e Partitioned Poster.

5.2.3 Visualizações

“As visualizações são as formas pelas quais as informações são

expressas na interface” (GHIDINI, 2017, p. 56). Dessa forma, através

delas a narrativa será apresentada aos leitores, ou seja, uma mesma

informação pode ser aplicada de diversas maneiras. A sua escolha pode

variar de acordo com qual se adéque mais a narrativa a ser apresentada

em conjunto com a informação que se deseja absorver. Com isso, a

Tabela 3 apresenta a lista dos elementos com as informações que podem

ser apresentadas, com as sugestôes de algumas técnicas de

visualizações que podem ser utilizadas.

Quadro 2 – Tabela com informações para cada elemento e sua visualização

65

correspontente para a narrativa

Elemento Informação Visualizações

Quem Corpo executivo da empresa #

O quê

Produtos com mais saída, valores

de perda dos produtos e por lojas,

total de perdas em reais,

porcentagem de perda sobre o

faturamento, somatório do

faturamento

Gráfico de barras

horizontal, cartão de

dados

Onde Cidades as quais apresentam os maiores índices de perda

Mapa

Porque Aumentar a cobertura e faturamento #

Quando Período com maior perda de venda Gráfico de linhas

Como

Baseado nos dados obtidos pela

rede, fazer o pedido dos produtos

com a antecedência necessária

para ser consumido

#


O símbolo “#” significa não haver visualização para o elemento,

servindo para a criação do contexto. Alem dos elementos visuais citados

na tabela, pretende-se utilizar também recursos estruturais, eles servem

para apoiar a interação do usuário com a narrativa. As categorias que

envolvem estes elementos são: ordenação, a forma como os elementos

visuais estarão ordenados, no caso específico utilizará do tipo de

ordenação em “Z”, pois é a forma mais comum de leitura dos usuários;

interatividade, seria a capacidade do usuário em realizar filtros, seleção

e botões de navegação para analisar a narrativa de forma mais

específica, contudo sem sair do contexto já estabelecido.

Já para a proposta de narrativa escrita será utilizado além dos

elementos do framework 5W1H, a proposta chamada “A história de 3

minutos” e “A grande ideia”, é respectivamente, reduzir os conceitos que

precisam ser apresentados em no máximo três minutos e reduzir a

análise a uma única frase. O objetivo é garantir de forma clara e concisa

o que o usuário precisa saber.

66

5.3 Compartilhamento da História

Depois que história é projetada, ela é compartilhada com o público para

ser analisada. A ferramenta escolhida deve permitir, preferencialmente, que seus

dados sejam analisados na nuvem, para que suas informações sejam acessadas

em tempo real por um computador ou até mesmo smartphone. Por isso a

ferramenta a ser utilizada para construção do modelo será o Microsoft Power BI,

por atender todos os requisitos para se compartilhar a história. Entretanto, para

o compartilhamento do modelo é necessário uma conta com assinatura Pro, no

qual se faz necessário o pagamento mensal de dez dólares por usuário. Por

conta disso será utilizada a versão gratuita da ferramenta, ficando a critério a

alteração da conta se necessário.

5.4 Recebimento da história

Após o recebimento da história por parte dos tomadores de decisão, ou

pelo público responsável pela análise, a história ganha valor e fornece o

feedback para melhores práticas para uma próxima análise. Neste último

estágio, a comunicação é estabelecida entre o desenvolvedor do modelo e o seu

público por meio da ferramenta de visualização de informações que permite ao

público interagir e analisar com os elementos da história que ajudarão a reduzir

a incerteza no processo de tomada de decisão.

Entretanto, a presente pesquisa, não chegará até a ultima etapa da

arquitetura, o objetivo é apresentar o modelo e discutir os elementos da narrativa,

deixando em aberto para uma continuidade futura da pesquisa.

6 Intanciação do Dashboard Executivo

67

Com o objetivo de analisar o modelo proposto, foi construído um

dashboard, utilizando a lógica vertical de apresentação (Figura 34), com base

nas informações de uma rede de supermercados nos anos de 2017 e 2018. Para

sua instanciação, utilizou-se a suíte Microsoft Power BI, utilizado amplamente no

mercado de business intelligence. Neste capítulo serão apresentados detalhes

para a construção do modelo, respectivamente: base de dados, os elementos da

narrativa utilizando o framework 5W1H, as informações e visualizações que o

compõe.

Dados - A base de dados é composta por dados advindos de uma rede

de supermercados no período de entre janeiro de 2017 e dezembro de 2018. O

modelo fez parte na época de uma representação de como os proprietários

poderiam visualizar seus dados de uma forma mais analítica. Com isso, foi

conectado o Microsoft Power BI diretamente no banco de dados da rede de

supermercados.

Após o procedimento foi realizado a modelagem dos dados no esquema

“estrela”. Este esquema é composto por uma tabela fato (métricas), rodeada por

tabelas de dimensão (entidades de negócios), ficando parecido com o formato

de uma estrela. Ao utilizar este modelo, prioriza-se a otimização do desempenho

e usabilidade das consultas, pois um modelo bem projetado fornece tabelas para

filtragem e agrupamento e tabelas para resumo.

Desta forma o modelo esquema ficou organizado tendo como dimensões

as tabelas de ‘Calendário’, ‘Fornecedores’, ‘Lojas’, ‘Produto’ e duas tabelas fato,

‘Ruptura’ e ‘Sellout’, com métricas de faturamento e ruptura (perda de venda pelo

produto não está posicionado na gôndola), por exemplo.

Elementos da Narrativa – Por utilizar os dados referentes ao varejo

buscou se informações com potencial de agregar valor aos tomadores de

decisão. O indicador base escolhido foi a ruptura, ou seja, a perda causada pela

falta do produto na gôdola do ponto de venda, a partir dela foi mapeado o

elementos da narrativa utilizando o framework 5W1H. O objetivo é gerar uma

análise explanatória sobre o indicador base, a fim de proporcionar uma narrativa

mais direcionada a tomada de ação para solucionar o problema.

Informações – As tomadas de decisões sobre às informações que seriam

68

apresentadas ao usuário no dashboard seguiram o princípio de que deveriam

haver informações relacionadas a cada elemento da narrativa, com base no

indicador base de ruptura. Ela foi relacionada com outras informações da base

de dados, como local, lojas, produtos e período de ocorrência.

Visualizações – As visualizações foram escolhidas de acordo com as

informações as quais seriam apresentadas. Destaque para o gráfico de barras

horizontal, pois se percebeu que ele seria muito útil para transmitir proporção e

ordenamento de elementos. Verificando-se as possíveis técnicas de visualização

para as informações a serem apresentadas, escolheu-se aquelas julgadas mais

pertinentes para o propósito do trabalho:

▪ Volume de faturamento por produto em reais: Gráfico de barras

horizontal;

▪ Volume de perda de produto em reais: Gráfico de barras horizontal;

▪ Volume de perda por loja em reais: Gráfico de barras horizontal

agrupado;

▪ Linha do tempo de perda por mês: Gráfico de linhas;

▪ Cidades com maior volume de perda: Mapa;

▪ Consolidado de faturamento: Cartão de informação;

▪ Consolidado de perda: Cartão de informação;

▪ Porcentam de perda sobre o faturamento: Cartão de informação;

▪ Filtro: Segmentação de dados.

Para complementar as visualizações, são utilizados recursos visuais de

estruturação por níveis (na qual o nível de detalhe da narrativa vai aumentando

conforme o usuário vai interagindo com a interface). O dashboard criado no

Microsoft Power BI permite ao usuário analisar a narrativa sob a perspectiva da

cidade ou sob a perspectiva de algum produto ou ponto de venda específico,

sempre levando em consideração o contexto de ruptura do varejo.

As técnicas de interatividade incorporadas foram detalhamento de

informações, filtros e seleção. No que se refere ao detalhamento de informações,

quando os usuários passarem o cursor do mouse sobre qualquer ponto

visualização, são apresentados informações relacionadas aos dados disponíveis

nela. Os filtros foram incorporados através da interação entre as informações

69

das visualizações (por exemplo, ao clicar em uma cidade do mapa) e através da

visualização de segmentação de dados, onde é possível específicar o ano em

que se deseja realizar a análise.

6.1 Modelo do Dashboard Executivo

Como dito anteriormente, o dashboard foi construído utilizando a

aplicação Microsoft Power BI, com o objetivo de analisar as perdas de um

varejista causado por ruptura. Procurou-se prover pelo menos uma visualização

para cada elemento de narrativa. Além disso, em todas as visualizações

existentes na interface é possível selecionar o dado que está sendo mostrado,

para mudar a perspectiva da narrativa, adicionando filtros pelo elemento

selecionado. Há também um filtro específico para segmentar os dados pelos

anos disponíveis. A Figura 38 apresenta o modelo de dashboard construído para

análise.

Figura 38 – Visão geral do modelo desenvolvido


A princípio é apresentada uma série de visualizações, com dados da base

que se relacionem com o contexto. Nos cartões (Figura 38 - A) são apresentadas

as informações de somatório do valor de perda por conta da ruptura em reais e

o valor em porcentagem em relação ao faturamento. No gráfico de barras

A

B

C

D

E

F

G

70

horizontal (Figura 38 - B) apresenta por ordem decrescente os segmentos de

produtos que mais faturam até os de menor faturamento, ao descer a barra de

rolagem. O gráfico de barras horizontal (Figura 38 - C) apresenta por ordem

decrescente os segmentos de produtos que obtiverram o maior valor de perda

por conta de ruptura.

No gráfico de linha (Figura 38 - D) é apresentada a relação entre o volume

de perda real e virtual (perda não contabilizada pelo software de estoque) pelo

período de tempo. Quando é clicado em algum determinado ponto, o gráfico filtra

o período de perda de todos os elementos do dashboard. Foi implementado o

mapa (Figura 38 - E) para visualização das cidades onde há pontos de venda e

qual o valor de perda por cidade, sendo simbolizado proporcionalmente ao

tamanho da sua bolha.

A segmentação de dados (Figura 38 - F) serve para filtrar os dados pelos

anos de 2017 e 2018 e com isso obter uma análise mais específica. Por fim, o

gráfico de barras agrupados na horizontal apresentam os pontos de vendas que

obtiveram o maior valor de perda.

6.2 Explorando a narrativa visual e escrita

A análise do modelo foi feita em cima do framework 5W1H, ele

proporcionou a análise do contexto a ser explorado na visualização de dados.

Para explorar a na narrativa proposta pelo modelo, deve-se ter em mente o

público a qual ela se destina e o que precisamos que ele faça, no caso do modelo

proposto é o corpo executivo da rede de supermercados.

Após a identificação do público é essencial construir o contexto sobre o

tema e assim criar a trama da narrativa. Para isso são apresentados os

elementos da história através do ambiente (quando e onde a história ocorre?), o

personagem principal (quem conduz a ação?), o estado de coisas não resolvido

(por que é necessário e o que fazer com o problema) e o resultado esperado

(como provocar as mudanças para solucioná-lo).

Dessa forma, as visualizações de dados no modelo tem o objetivo ser

parte dos elementos da narrativa, ao utilizar o mapa (Figura 39) e o gráfico de

linha (Figura 40), procura-se ambientar o cenário da narrativa. O fator de

71

desequilibrio da história são os valores de perda de faturamento por ruptura de

produtos, ententer por que é necessário realizar as mudanças, ou seja, aumentar

o faturamento e o que fazer para encontrar o equilíbrio, ter uma reposição de

estoque mais ágil para os produtos com maior perda (Figura 41), nas lojas com

maiores índices (Figura 42).

Figura 39 – Visão do mapa em detalhe expandido


Figura 40 – Visão do gráfico de linha em detalhe

Fonte: dados do autor (2020). Figura 41 – Visão dos produtos com mais perda em detalhe

72


Figura 42 – Visão das lojas com mais perdas em detalhe


Uma vez atribuído os elementos da narrativa, quando os tomadores de

decisão analisarem o dashboard, a parte principal se desenvolve, o que poderia

ser diferente para alcançar o objetivo? Manter a atenção nessa parte da história,

tratando de como eles podem resolver o problema apresentado, no caso o valor

de perda de faturamento por ruptura no estoque. O dashboard serve para a partir

dele, facilitar a geração de insights, pois há exemplos e dados que demonstram

os problemas e a motivação para combatê-los: aumentar o nível de faturamento.

Com o problema em mente e objetivo em foco, a história deve passar a

73

mensagem, por fim, para a tomada de ação. Seja aumentar o número de

fornecedores, realizar o pedido de produtos com mais antecedência, realizar

promoções para retirar os produtos com baixa rotatividade do estoque, por

exemplo. Depois da tomada de ação será avaliado o valor que as decisões

tomaram para o negócio.

Considerações Finais

74

A velocidade com que os dados estão sendo gerados vem crescendo

significativamente e estão sendo impulsionados por uma economia baseada na

informações. Os dados criados pelas atividades desenvolvidas pela Internet e o

número crescente de sensores no contexto ambiental só mostram a importância

das informações contidas nos dados e porque ele é considerado um ponto

importante no século XXI. Entretanto, fazer com que as informações relevantes

estejam disponíveis para as pessoas, exige um empreendimento de várias áreas

de estudo, como a matémática, computacão, o design e o tratamento de

imagem, por exemplo.

Apresentar esta grande quantidade de dados por meio de narrativas é

uma forma efetiva de engajar o usuário na utilização de uma determinada marca,

no marketing; reter informações, seja no jornalismo de dados; tomar decisões

com mais assertividade, por exemplo. A visualização de dados com o enfoque

narrativo utilizado no contexto de inteligência de negócio, visa extrair

informações relacionadas a um determinado assunto, no caso da pesquisa foram

os dados de uma varejista, e a partir destes dados surgiu o questionamento da

pesquisa: “Como a utilização da narrativa em visualização de dados podem

auxiliar na tomada de decisão em empresas que utilizam inteligência de

negócio?”.

Com a questão motivadora formulada, foram identificados os objetivos

principais da pesquisa. De forma mais específica, pretende-se criar um modelo

de visualização de dados que abrangesse recursos narrativos no contexto

empresarial. De fato, para esse propósito, foi realizado um levantamento

bibliográfico para haver um melhor entendimento de como o processo de

business intelligence consegue agregar valor a uma empresa, principalmente em

sua camada de apresentação de relatórios e como se dariam as visualizações

construídas com uma proposta narrativa dos dados.

Nesta busca identificou-se que já havia um framework amplamente

utilizado para construção de narrativas nas mais diversas áreas do

conhecimento, como marketing, jornalismo de dados e negócio. O framework

5W1H parte do pressuposto que a partir das resposta das perguntas where, why,

what, when e who (onde, porque, o quê, quando e quem) e da palavra how

(como), é possível identificar os elementos de uma narrativa e implementá-las

em visualizações.

75

Com isso partiu-se para a área de design, representar os dados obtidos

em visualizações apropriadas capazes de transmitir os elementos da narrativa,

além disso foram observados algumas propriedades que aumentavam o nível de

interpretação, como por exemplo, as cores, ordenamento visual e dessaturação

dos elementos que viriam a compor o modelo.

Foi desenvolvido o modelo de representação com dados de uma rede de

varejo, utilizando elementos que são compostos por três componentes: dados,

elementos da narrativa, informações e visualizações. Neste proceso onde foi

discutido a origem dos dados, o contexto no qual a narrativa estaria focada e os

elementos visuais que melhor transmitiriam a história. Definido o modelo, criou-

se através dele o dashboard desenvolvido na ferramenta Microsoft Power BI para

ser analisado a narrativa criada.

O objetivo do dashboard é transmitir informações para os tomadores de

decisão propiciando uma análise direcionada pelo contexto apresentado

agregando assim mais valor ao resultado esperado, entretanto qualquer usuário

é capaz de interpretar e interagir sem conhecimento ou interesse prévio, pois o

dashboard dispõe de anotações, o tornando mais amigável. A exploração do

dashboard pelas visualizações pode tornar a análise mais específica a partir dos

filtros, mas sem comprometer a narrativa, pois se trata de uma análise

explanatória, onde o contexto é previamente definido para estruturação da

narrativa.

Por fim, no decorrer da pesquisa, algumas limitações foram identificadas.

Primeiramente, houve limitações técnicas quanto ao desenvolvimento do

dashboard, pois se tratava de uma grande quantidade de dados, o que requeria

uma máquina com nível de processamento maior, isso fez com que a construção

demorasse além do planejado. Outra limitação percebida era em relação a

ferramenta utilizada, Microsoft Power BI, pois até a finalização da pesquisa, ela

não disponibiliza a opção de realizar anotações nos elementos visuais, como a

Figura 37 exemplifica, apenas era possível inserir um texto no próprio dashboard.

Já para o processo de análise dos elementos narrativos a serem

apresentados, percebeu-se que era importante que o processo de codificação

fosse feito por mais de uma pessoa, para verificar o quão válido e confiável foram

as respostadas para os elementos extraídos e consequêntemente avaliar o

dashboard criado, principalmente por um analista de negócio ou um profissional

76

de nível hierarquico mais elevado (supervisor, gerente, diretor). Por conta disso

não foi possível realizar a última etapa da arquitetura proposta na Figura 32,

sendo o recebimento do feedback

Como trabalho futuro prentende-se explorar os dados não estruturados

advindos de redes sociais, em especial o Twitter, pois a partir dos comentários

dos usuários sobre um tema específico, pode-se criar um contexto para a

visualização de dados, por exemplo, análise dos comentários feitos por usuários

sobre um político específico, isso traria de forma visual uma análise de seu

eleitorado, servindo como termômetro para eleições. Para isso seria necessário

utilizar recursos de Processamento de Linguagem Natural, afim de extrair

informações relacionadas ao contexto e um aprofundamento nos conceitos de

narrativa de dados para sua estruturação a patir de redes sociais.

Por fim, acredita-se que os objetivos propostos nesta pesquisa foram

alcançados, sendo sua principal contribuição o apoio a construção de narrativas,

por meio de visualizações com dados voltados para a área de negócios,

passando pela conceituação, estruturação e definição de sua representação.

Referências

77

ACHARYA, A. et al. Big data, knowledge co-creation and decision making in fashion industry. International Journal of Information Management, Elsevier, Amsterdam, v. 42, p. 90-101, 2018. ALEXANDRE, D. S. Factores da Percepção Visual Humana na Visualização de Dados. In: CMNE, 2007, Porto. Métodos Numéricos e Computacionais em Engenharia CMNE CILAMCE 2007. Porto, 2007. ANTE, S. E.; MCGREGOR, J. Giving the boss the big picture. Business Week, Nova Iorque, p. 48-50, 2006. ANTONELLI, R. A. Conhecendo o Business Intelligence (BI): Uma Ferramenta de Auxílio à Tomada de Decisão. Revista TECAP, Pato Branco, v. 3, n. 03, p. 79-81, 2009. BAL, M.; BOHEEMEN, C. V. Narratology: Introduction to the theory of narrative. Toronto: University of Toronto Press, p. 264, 2009. BERG, M. Human abilities to perceive, understand, and manage multi-dimensional information with visualizations. Tese (Department of Media Technology) - Aalto University. 2012. BERTIN, J. Semiology of graphics: diagrams networks maps. [S.l.]: ESRI Press, 2011. BOSE, R. Advanced analytics: Opportunities and challenges. Industrial Management & Data Systems, Emerald Group Publishing Limited, Bingley, v. 109, n. 2, p. 155-172, 2009. CONGOSTO, Mariluz. Queixas do metrô de Madri por estação. Online, 12 set. 2019. Disponível em: http://congosto.carto.com/viz/e5da12e2-9fe7-11e4-bc43-0e853d047bba/public_map. Acesso em: 21 mar. 2020. COUTINHO, M. Comunicação em tempos de escassez de atenção. Revista de Administração de Empresas, Fundação Getúlio Vargas, São Paulo, v. 15, n. 2, p. 27-30, Jul 2016. CHAUDHURI, S. et al. An overview of business intelligence technology. Communications of the ACM, ACM, New York, v. 54, n. 8, p. 88-98, 2011. CHEN, H. et al. Business intelligence and analytics: From big data to big impact. MIS quarterly, JSTOR, New York, v. 36, n. 4, p. 1165-1188, 2012. CRUZ, P.; MACHADO, P. Generative Storytelling for Information Visualization. IEEE Computer Graphics and Applications, v. 31, n. 2, p. 80- 85, 2011. ELBASHIR, M. Z. et al. Measuring the effects of business intelligence systems: The relationship between business process and organizational performance. International journal of accounting information

78

systems, Elsevier, Amsterda, v. 9, n. 3, p. 135-153, 2008. ELERAQI, A. Visualizando os cinco Ws e um H: Como chamar a atenção do público na era dos dados. 2017. Disponível em: https://advocacyassembly.org/en/news/43/. Acesso em: 25/05/2020. ELIAS, M. et al. Storytelling in visual analytics tools for business intelligence. In: IFIP Conference on Human-Computer Interaction. Heidelberg: Springer, p. 280-297, 2013. ELLIS, W. A source book of Gestalt psychology. Gouldsboro: Routledge, 2013. ESCOBAR, B. T. de; SPINILLO, C. G. Retórica visual na infografia sobre saúde. InfoDesign-Revista Brasileira de Design da Informação, São Paulo, v. 13, n. 2, p. 162-180, 2016. FREIRE, E. O design no jornal impresso diário. Do tipográfico ao digital. Revista Galáxia, São Paulo, n. 18, p. 291-310, dez 2009. GAMERO, E. J. T. et al. Agrupamento visual em grandes conjuntos de dados multidimensionais. Dissertação (Mestrado em Ciências da Computação e Matemática Computacional) - Universidade de São Paulo, São Paulo/SP, 2003. GERMANO, C. Análise Exploratória: Você não precisa contar sobre tudo que viu. 2019. Disponível em: www.medium.com/data-hackers/an%C3%A1lise-explanat%C3%B3ria- voc%C3%AA-n%C3%A3o-precisa-contar-sobre-tudo-que-viu-ecb0255cc3ac. Acesso em: 07/04/2020. GERSHON, N.; PAGE, W. What storytelling can do for information visualization. Association for Computing Machinery. Communications of the ACM, Proquest ABI/INFORM, v. 44, n. 8, p. 31-37, 2001. GHIDINI, E. Representação de narrativas interativas por meio de visualizações com dados extraídos de redes sociais. Dissertação (Mestrado em Ciência da Computação) - Universidade Católica do Rio Grande do Sul, Porto Alegre/RS, 2017. GOLDSTEIN, B. Sensation and perception. Belmont: Cengage Learning, 2009. GUTIÉRREZ, A. et al. Visual stories in business intelligence to support decision making. Iberian Conference on Information Systems and Technologies (CISTI), IEEE, Washington, p. 1-4, 2017. HANNULA, M.; PIRTTIMAKI, V. Business intelligence empirical study on the top 50 Finnish companies. Journal of American Academy of Business, v. 2, n. 2, p. 593 - 599, 2003. HERMAN, I. et al. Graph visualization and navigation in information visualization: A survey. IEEE Transactions on visualization and

https://advocacyassembly.org/en/news/43/

http://www.medium.com/data-hackers/an%C3%A1lise-explanat%C3%B3ria-voc%C3%AA-n%C3%A3o-precisa-contar-sobre-tudo-que-viu-ecb0255cc3ac




79

computer graphics, IEEE, p. 24-43, 2000. HOLTEN, D. Hierarchical edge bundles: Visualization of adjacency relations in hierarchical data. IEEE Transactions on visualization and computer graphics, IEEE, v. 12, n. 5, p. 741-748, 2006. HOU, C. Examining the effect of user satisfaction on system usage and individual performance with business intelligence systems: An empirical study of Taiwan’s electronics industry. International Journal of Information Management, Elsevier, Amsterdam, v. 32, n. 6, p. 560-573, 2012. HOUAISS, I. A. Dicionário Houaiss de Língua Portuguesa. Rio de Janeiro: Objetiva, p. 2743. 2001. HULLMAN, J. et al. A Deeper Understanding of Sequence in Narrative Visualization. IEEE Trans. Vis. Comput. Graph., v. 19, n. 12, p. 2406-2415, 2013. INSTITUTO INFORMATION MANAGEMENT. Quantidade de dados gerados pelas empresas vai mudar as estratégias de negócios até 2020. Disponível em: www.https: //docmanagement.com.br/06/14/2016/quantidade-de-dados-gerados- pelas-empresas-vai-mudar-as-estrategias-de-negocios-ate-2020-segundo-cto-da-hds. Acesso em: 30/01/2020. IPEA. Atlas da Violência. 2020. Disponível em: https://www.ipea.gov.br/atlasviolencia/pontos/157. Acesso em: 12/06/2020. ISIK, O. et al. Business intelligence success: The roles of BI capabilities and decision environments. Information & Management, Elsevier, Amsterdam, v. 50, n. 1, p. 13-23, 2013. JOHNSON, B.; SHNEIDERMAN, B. Tree-maps: A space-filling approach to the visualization of hierarchical information structures: A space-filling approach to the visualization of hierarchical information structures. IEEE Computer Society, San Diego, p. 284-291, 1991. KANASHIRO, M. A cidade e os sentidos: sentir a cidade. Desenvolvimento e meio ambiente, Curitiba, v. 7, p. 155-160, 2003. KHAN, M.; KHAN, S. S. Data and information visualization methods, and interactive mechanisms: A survey. International Journal of Computer Applications, IJCA Journal, v. 34, n. 1, p. 1-14, 2011. KNAFLIC, C. N. Storytelling com Dados: Um guia sobre visualização de dados para profissionais de negócios. Rio de Janeiro: Alta Books, 2015. 256 p. KOSARA, R.; MACKINLAY, J. Storytelling: The next step for visualization.

https://www.ipea.gov.br/atlasviolencia/pontos/157

80

Computer, IEEE Computer Society, v. 46, n. 5, 2013a. KOSARA, R.; MACKINLAY, J. Storytelling: The next step for visualization. Computer, IEEE Computer Society, Washington, v. 46, n. 5, p. 44-50, mayo 2013b. KRUM, R. Cool infographics: Effective communication with data visualization and design. 1. ed. Nova Jersey: Wiley, p. 347, 2013. LAMPING, J.; RAO, R. The hyperbolic browser: A focus+ context technique for visualizing large hierarchies. Journal of Visual Languages & Computing, Elsevier, v. 7, n. 1, p. 33-55, 1996. LARSON, D.; CHANG, V. A review and future direction of agile, business intelligence, analytics and data science. International Journal of Information Management, Elsevier, Amsterdam, v. 36, n. 5, p. 700-710, 2016. LAVALLE, S. et al. Big Data, Analytics and the Path from Insights to Value. MIT Sloan Management Review, Cambridge, v. 52, n. 2, p. 21-32, 2011. LEE, B. et al. More than telling a story: A closer look at the process of transforming data into visually shared stories. IEEE Computer Graphics and Applications, IEEE Computer Society, v. 35, n. 5, p. 84-90, Sept 2015. LIDWELL, W. et al. Universal principles of design, revised and updated: 125 ways to enhance usability, influence perception, increase appeal, make better design decisions, and teach through design. Houston: Rockport Pub, p. 272, 2010. LIM, A. H.; LEE, C. Processing online analytics with classification and association rule mining. Knowledge-Based Systems, Elsevier, Amsterdam, v. 23, n. 3, p. 248 – 255, 2010. LONNQVIST, A.; PIRTTIMAKI, V. The measurement of business intelligence. Information systems management, Taylor & Francis, Abingdon, v. 23, n. 1, p. 32- 40, 2006. LUHN, H. P. A business intelligence system.2(4), 314–319. IBM Journal of Research and Development, IBM, v. 2, n. 4, p. 314-319, 1958. LYNCH, A. Método 5W1H: Conceitos, Aplicativos e Dicas. 2020. Disponível em: https://www.edrawsoft.com/business-diagram/5w1h-method.html. Acesso em: 23/05/2020. MANCINI, L.; VASCONCELLOS, F. Jornalismo de Dados: conceito e categorias. Revista Fronteiras - estudos midiáticos, Porto Alegre, v. 18, n. 1, p. 69 – 82, jan 2016.

https://www.edrawsoft.com/business-diagram/5w1h-method.html

https://www.edrawsoft.com/business-diagram/5w1h-method.html

81

MASSAROLO, J. C. Storytelling transmídia: narrativa para múltiplas plataformas. Tríade: Revista de Comunicação, Cultura e Midia, v. 1, n. 2, p. 335-347, 2013. MCAFEE, A. et al. Big Data: The Management Revolution. Harvard Business Review, Harvard, v. 90, n. 10, p. 60-68, 2012. MCGUIRE, S. Infográficos: 9 principais modelos de infográficos e quando usá-los. 18/05/2020. Disponível em: https://pt.venngage.com/blog/modelos-de-infografico/#2. Acesso em: 20/05/2020. MITHAS, S. et al. Leveraging Big Data and Business Analytics. IT Professional, IEEE, v. 15, n. 6, p. 18-20, 2013. NÖLLENBURG, M. Geographic visualization. Human-centered visualization environments, Springer Berlin Heidelberg, Dagstuhl Castle, p. 257-294, 2007. PATHAK, S.; PATHAK, S. Data Visualization Techniques, Model and Taxonomy. Data Visualization and Knowledge Engineering, Springer, Suíça, p. 249-271, 2020. POPOVIC, A. et al. Conceptual model of business value of business intelligence systems. Management: Journal of Contemporary Management Issues, Universidade de Split, Poljica, v. 51, n. 1, p. 5-30, 2010. RANJAN, J. Business intelligence: Concepts, components, techniques and benefits. Journal of Theoretical and Applied Information Technology, Islamabade, v. 9, n. 1, p. 60-70, 2009. ROSS, W. J. et al. You may not need big data after all. Harvard business review, Harvard Business School, Harvard, v. 91, n. 12, p. 90, 2013. RUŠINOVÁ, M. On the Influence of Higher Cognitive Functions on Perception. Sborník, 2016. SALVO, M. A. Big Data como estratégia para o sucesso das empresas. 2014. Disponível em: https://canaltech.com.br/big-data/O-Big-Data-como-estrategia-para-o- sucesso-das-empresas/. Acesso em: 16/05/2020. SANTOS, P. L. V. A. da C.; CARVALHO, A. M. G. Sociedade da Informação: avanços e retrocessos no acesso e no uso da informação. Informática & Sociedade: Estudos, Universidade Federal da Paraíba, João Pessoa, v. 19, p. 45 - 55, 2009. SASSO, C. M. D. et al. Introdução à visualização de informações. Revista de informática teórica e aplicada, v. 8, p. 143-158, 2001.

https://pt.venngage.com/blog/modelos-de-infografico/#2

https://pt.venngage.com/blog/modelos-de-infografico/#2

https://canaltech.com.br/big-data/O-Big-Data-como-estrategia-para-o-sucesso-das-empresas/



82

SEGEL, E.; HEER, J. Narrative visualization: Telling stories with data. IEEE transactions on visualization and computer graphics, IEEE, v. 6, n. 16, p. 1139 - 1148, 2010. SHARDA, R. et al. Business Intelligence e Análise de Dados para Gestão do Negócio. 4. ed. São Paulo: Bookman Editora, p. 566 2019. SHARMA, R. et al. Transforming decision-making processes: a research agenda for understanding the impact of business analytics on organisations. EJIS, Taylor & Francis, Abingdon, v. 23, n. 4, p. 433-441, 2014. STEELE, J.; ILIINSKY, N. Beautiful visualization: Looking at data through the eyes of expert. Sebastopol: O’Reilly Media, p. 418, 2010. TRKMAN, P. et al. The impact of business analytics on supply chain performance. Decision Support Systems, Elsevier, Amsterdam, v. 49, n. 3, p. 318-327, 2010. VASSALLO, M. How infographics can enhance business. Dissertação (Mestrado em Gestão, Inovação e Marketing) - Universidade de Veneza, Itália/UE. 2019. VISIBLE LOGIC: Compelling Brand Identities. Online, 12 jan. 2020. online. Disponível em: https://www.visiblelogic.com/portfolio/. Acesso em: 20 mar. 2020. VITALL, A. What is an-infographic? 2018. Disponível em: https://blog.adioma.com/what-is-an-infographic. Acesso em: 10/05/2020. WARE, C. Information visualization: perception for design. Waltham: Elsevier, 2012. WATSON, H. J.; WIXOM, B. H. The current state of business intelligence. Computer, IEEE, Piscataway, v. 40, n. 9, p. 96-99, 2007. WOOD, Jo; DYKES, Jason. "Treemaps Ordenados

Espacialmente," Transações IEEE em Visualização e Computação

Gráfica 14, n. 6, p. 1348-1355, 2008.

WORLDMAPPER. Covid-19/Coronavirus deaths. 2020. Disponível em: https://worldmapper.org/maps/covid-19-coronavirus-deaths. Acesso em: 12/06/2020. WEBINAR: Como fortalecer estratégias de marketing por meio da tecnologia: Infográfico Design. Online, 23 jun. 2020. [online]. Disponível em: https://visual.ly/product/infographic-design. Acesso em: 20 mar. 2020. YAU, N. Visualize this: the FlowingData guide to design, visualization, and statistics. Indianápolis: John Wiley & Sons, p. 384, 2011.

https://blog.adioma.com/what-is-an-infographic

https://blog.adioma.com/what-is-an-infographic

https://worldmapper.org/maps/covid-19-coronavirus-deaths/

83

YOSHIOKA, T. et al. Genre taxonomy: A knowledge repository of communicative actions. ACM Transactions on Information Systems (TOIS), ACM, v. 19, n. 4, p. 431-456, 2001.

Business Intelligence: Visualização de Dados a partir do ...

Documents

Transcript of Business Intelligence: Visualização de Dados a partir do ...