Dados sem mistério: dados quantitativos vs. qualitativos

Bem-vindo à segunda parte da nossa série mensal Dados sem mistério. Como parte do Data Literacy Month, esta série vai esclarecer conceitos essenciais do universo dos dados, responder àquelas perguntas que você talvez tenha receio de fazer e se divertir no caminho. Se quiser começar do início, leia a primeira publicação da série: O que é um dataset?

Neste capítulo, vamos explorar os diferentes tipos de dados, exemplos de uso na prática e como você pode começar a trabalhar com eles. 

Os dois tipos de dados

Entender quais dados você tem em mãos é essencial para definir a melhor abordagem de análise e interpretação. Uma forma comum de categorizar dados é dividi-los em dados quantitativos e qualitativos.

• Dados quantitativos são aqueles que podem ser contados ou medidos. Normalmente, isso significa que são expressos em números. 
• Dados qualitativos são aqueles que podem ser descritos. Em geral, são textos.

É bem provável que você encontre dados quantitativos e qualitativos trabalhando em diferentes tarefas de dados. As seções a seguir trazem exemplos de como interagir com ambos os tipos no mesmo projeto. 

Analisando dados de vídeo 

Suponha que você seja analista de marketing. Sua empresa está rodando uma nova campanha nas redes sociais e quer que você analise a performance de alguns vídeos existentes para gerar insights baseados em dados sobre que conteúdo o time deve criar.

Você pode começar observando dados quantitativos sobre o vídeo. Isso inclui:

• A duração do vídeo.
• O número total de impressões do vídeo.
• O número total de cliques no vídeo.
• A taxa de cliques (CTR) do próprio vídeo (ou seja, o número de pessoas que clicaram dividido pelo total de impressões)
• O número de pessoas que curtiram o vídeo.
• O número de comentários no vídeo.

Cada um desses pontos é um número. A duração é medida em segundos. A taxa de cliques é um percentual. Os demais são números inteiros, pois são contagens.

Também dá para extrair dados qualitativos do conteúdo do vídeo. Os dados qualitativos associados a cada vídeo podem incluir:

• O tema do vídeo. 
• A estética do vídeo.
• O tom do vídeo.
• O roteiro do vídeo.

O tema, a estética e os valores de produção do vídeo são difíceis de quantificar como números. É muito mais fácil descrevê-los em palavras. Por exemplo: "o vídeo era sobre aprendizado de ciência de dados; usava uma estética vaporwave; tinha um tom animado". 

Perceba que muitas vezes há certa subjetividade na definição de valores qualitativos. Duas pessoas assistindo ao vídeo podem discordar se o tom era alegre ou não, e é por isso que ter diretrizes claras para a coleta de dados qualitativos é essencial. 

O roteiro do vídeo é interessante porque, embora também seja um dado qualitativo, já que é composto por palavras e não números, ele difere dos outros dados qualitativos em dois aspectos.

• Primeiro, ele não é subjetivo, pois o que é dito no vídeo são fatos, não opiniões.
• Segundo, muitas vezes é possível usar técnicas de processamento de linguagem natural (PLN) para extrair dados quantitativos do roteiro.

Uma técnica de PLN chamada análise de sentimento pode quantificar o quão positivas ou negativas são as palavras do roteiro. Por exemplo, se palavras como "awesome" e "fantastic" aparecem mais do que "bad" ou "terrible", a análise de sentimento atribuiria uma pontuação positiva ao roteiro. Isso é especialmente útil quando há dezenas ou até centenas de vídeos para analisar. 

Analisando dados de pesquisa

Dados de pesquisa são outro caso em que geralmente vemos exemplos de dados quantitativos e qualitativos juntos. Avançando alguns meses desde o exemplo anterior: depois de ouvir seus insights empolgantes da análise dos vídeos existentes, sua empresa produziu um novo vídeo para a campanha. Antes do lançamento, selecionaram pessoas para assistir ao vídeo e enviaram uma pesquisa para coletar feedback. Você ficou responsável por analisar os resultados.

Uma das perguntas da pesquisa é: "Quantas vezes você assistiu ao vídeo?". Este é um dado quantitativo, já que a resposta é um número.

Outra pergunta é: "Qual foi a sua parte favorita do vídeo?". Este é um dado qualitativo, pois a resposta é um texto.

Uma terceira pergunta é: "Como você avaliaria o vídeo, de uma a cinco estrelas?". Este é um dado quantitativo porque a resposta é um número, embora seja um pouco diferente dos outros exemplos. Como a avaliação é uma opinião, o valor é subjetivo. 

É comum achar que dados quantitativos são sempre inequívocos e dados qualitativos são sempre subjetivos. Assim como vimos com o exemplo do roteiro, dados qualitativos não precisam ser subjetivos; o inverso também é verdadeiro — dados quantitativos podem ser subjetivos.

Entrevistas com usuários e grupos focais

Outro exemplo de tarefa em que você encontra dados qualitativos e quantitativos é a realização de entrevistas com usuários e grupos focais. 

Por exemplo, vamos supor que você queira obter feedback sobre seu produto. Você decide conduzir um grupo focal, entrevistando vários usuários e pedindo opiniões. O briefing recebido é entrevistar usuários que utilizam seu serviço há mais de um ano, que são ativos com regularidade, mas não são considerados power users.

Para selecionar os participantes, você usa análise quantitativa. Ou seja, observa métricas numéricas como:

• Tempo desde o cadastro do usuário
• Número de horas ativas na plataforma por mês
• Número de sessões distintas de uso

Durante a sessão do grupo focal, você faz muitas perguntas e os usuários debatem entre si. É difícil quantificar o conteúdo, já que a conversa flui livremente. No entanto, é possível extrair citações sobre o que os participantes consideram mais importante para o seu produto. Essas citações são dados qualitativos, pois descrevem pensamentos dos participantes sem envolver números.

Você também pode rodar algumas enquetes durante o grupo, pedindo que os participantes votem nas funcionalidades futuras que consideram mais importantes. Os resultados dessas enquetes são dados quantitativos, já que os rankings das features são numéricos.

Saiba mais sobre tipos de dados

Esperamos que você tenha gostado desta rápida introdução aos tipos de dados. No próximo capítulo de Dados sem mistério, vamos destrinchar os diferentes elementos do trabalho com dados e explicar a diferença entre termos como data science, machine learning, deep learning e inteligência artificial. Se quiser começar hoje sua jornada de aprendizado em dados, confira os recursos a seguir. 

• Confira o que preparamos para o Data Literacy Month
• Comece com a trilha de aprendizado Understanding Data Topics
• Assine o DataFramed Podcast
• Veja nossos próximos eventos
• Leia o próximo capítulo de Dados sem mistério sobre a diferença entre data science, machine learning, deep learning e inteligência artificial.