Visualização de dados

A visualização é uma forma de transformar os dados em soluções. Um bom gráfico economiza tempo, reduz a carga cognitiva e ajuda a ver padrões, em vez de «desenhos». A seguir, guia de campo: desde metas e escolha de diagramas até design, estoriteling e operação no produto.

1) Objetivos e público

Objetivos: pesquisa (EDA), explicação (insight → ação), monitoramento (dashboard), convicção (apresentação).
Público: guia (high-level e tendências), produto/marketing (vórtices, cômodos), engenheiros/ML (SLA, deriva, métricas de modelos), complacência (riscos/controle).
Regra de ouro, uma visualização é uma questão fundamental.

2) Seleção de gráficos (parafuso)

Pergunta	Dados	Gráfico
Comparar valores	Categorias (até 15)	Lista de bar (horizontal para marcas longas)
Dinâmica	Hora	Gráficos lineares, area (para poupança), sparkline
Distribuição	Contínuos	Histograma, KDE, box/violin
Relação de partes	Parte → inteira	Bar de pilhas/100%; donut/pastel - apenas para 2-3 partes
Correlações	Dois/não. variáveis	Scatter/babble, heatmap, pares de gráficos
Classificados/liderbordes	Ordenar	Lista de bar classificado, dumbble
Composições	Muitas métricas	Pequenos múltiplos (small multiples), facetas
Fluxos	Transições	Sankey, alluvial, chord (cuidado)

Anti-pattern: gráficos 3D, eixos duplos sem necessidade aparente, lendas sobrecarregadas.

3) Composição e leitura

Hierarquia: cabeçalho → insight chave → peças.
Grade e recuos: linhas extras removidas; assinaturas de números são mais raras, mas apropriadas.
Fontes: 3 tamanhos (cabeçalho, eixos, assinaturas); evite caps e «pequenas coisas».
Anotações: assine pontos altos/anormais, alterações de política/campanha.
Layout dashbord: regra «Z» ou «F», 3-6 cartões para a tela, um NSM para cima.

4) Cor e codificação

O valor da cor é categórico - painéis de qualidade; ordens - gradientes; divergentes - para «acima/abaixo do normal».
Contraste: proporção de ≥ 4. 5:1 para o texto; verifique os painéis de segurança daltonismo.
O mínimo de cores é o ideal: 1 sotaque + 1-2 auxiliar.
Canal de dados: primeiro posição/comprimento, depois ângulo/área, cor como amplificador.
Sotaque: Enfatize o principal (highlight), e o resto, o cinza.

5) Storitelling

Esqueleto: contexto → conflito (questão/anomalia) → desfecho (conclusão/ação).
Narrative no gráfico: título principal (insight), subtítulo (como ler), notas (por que importante).
Comparações antes/depois, controle/teste, YoY/DoD, valores racionados.
Unidades e escalas: unidades claras, arredondamentos razoáveis, ponto zero nas listas de bar.

6) Dashboards: do layout ao uso

Camadas: Executive (1-2 NSM + 3 drivers), Domain (vórtices/cômodos), Ops/ML (SLA/deriva/alertas).
Filtros: tempo, segmentos (país/canal/plataforma), experiências.
Cartões: Times KPI com tendência/sparkline, drill-down click.
Estados: em branco (sem dados), erro, download.
Atualização: especifique a frequência/liga (por exemplo, «atualizado há 10 minutos»).

7) Métricas de qualidade de visualização

Tempo até o insight (TTI): segundos antes de «o que está acontecendo aqui».
Carga cognitiva: número de elementos/lendas; O objetivo é, no mínimo, mudar de olhar.
Exatidão de leitura: variação de «olho» vs valores reais.
Uso: cliques/scroll/salvação; que cartão dá soluções.
Confiança: proporção de interpretações corretas no teste personalizado.

8) Disponibilidade e localização

Altos textos e títulos descritivos.
Cores diferentes no daltonismo; duplique as cores em forma/traço.
Localizações de números/datas, escalas à direita para algumas línguas.
Navegação por teclado e atalhos screen-reader para dashboards na Web.

9) Anti-pattern

Chartjunk - elementos decorativos que não fazem sentido.
Tortas 7 + setores, substituam-no pelo bar.
Dois eixos Y sem necessidade clara, é melhor normalizar/mostrar dois painéis.
Precisão falsa: 12 caracteres após vírgula, escalas «rasgadas» sem aviso.
Interatividade infinita: esconde o pensamento principal - primeiro a espécie chave estática.

10) Modelos de visualização de tarefas de dados

Côrtes e retenção: heatmap/calendário + linhas de tendência D7/D30.
Vórtices: bar passo a passo + conversion deltas; anotações de experiências.
Monitoramento ML: métricas (PR-AUC, Recall@FPR≤x%), calibragem (Reliability curve), deriva (PSI heatmap), latency p95.
Finanças: catarata (bridge) para contribuições de fatores na GGR/receita.
Anomalias: linha com corredor de confiança + marcadores de eventos/lançamentos.
Segmentação: small multiples por segmento; UMAP scatter com coloração.

11) Ferramentas e pilha

Pesquisa: notebooks + matplotlib/plotly, gggplot-gramáticas similares.
BI/dashboard: Tablet/Power BI/Looker/Metabase/Superset.
Frente Web: D3/Observável, Plotly. js, Vega-Lite; para widgets de prod - bibliotecas canvas leves/WebGL.
Padrões de design de gráficos (cores, grades, fontes), componentes-mestre.

12) Desempenho e dados

Calcule as unidades do lado DWH; preguiçoso carregue grandes séries.
Downsampling/binings para longas filas; «pequenos múltiplos» em vez dos heatmap gigantes.
Armazenamento de segmentos populares; precompute sparline.
Controle N categorias únicas (≤ 12 por gráfico).

13) Visualizar incertezas e comparações

Intervalos de confiança/fitas, error bars, box/violin para as distribuições.
Transparência/barras para «plano/fato».
Normalize as unidades; para alterações relativas - índice (t0 = 100).
Não misture escalas lineares e logarítmicas sem uma explicação clara.

14) Código e revidação visuais

Folha de cheques, o objectivo está claro? O gráfico foi selecionado corretamente? a lenda é legível? unidades/origem/data de atualização são especificadas?
Dicionário de termos: definições KPI unificadas; versão de fórmulas em gráficos.
Versioning: «dashboard vX», data de lançamento, changelog.
Segurança: disfarce o PII; agregem para um nível seguro.

15) Folha de cheque antes de publicar

O cabeçalho articula um insight e não um «tipo de gráfico»
Assinaturas de eixos/unidades/origem/data de atualização especificadas
A escala e o ponto zero são corretos; não há eixos enganosos
As cores são contrastantes e o daltonismo-seguro; legenda é mínima
Anotações de eventos-chave/experiências adicionadas
Há estados em branco/errado e atualizações SLA definidas
A visualização passa por um teste de 5 segundos para compreensão

Mini-glossário

Small multiples: série de gráficos idênticos para diferentes segmentos/períodos.
Chartjunk, «lixo» visual sem dados.
Diverging palette: painel com meio neutro (abaixo/acima do normal).
Sparklines: faíscas mini-gráficas ao lado do KPI.

Resultado

Visualização forte não é «gráficos bonitos», mas um pensamento claro, um tipo de diagrama bem escolhido, disciplina de composição e cores, reflexo honesto da incerteza e uma experiência cuidadosa. Faça um simples visual inicial, enfatize o principal, documente as definições e acompanhe a operação - de modo que a visualização se torne uma ferramenta de controle e não uma decoração.

Visualização de dados