Utilizando Dados Implícitos e Explícitos

26 de março de 2014
Quando recebemos dados, principalmente de consumidores, eles podem se enquadrar em duas categorias principais: implícitos e explícitos. Na análise do Big Data, saber diferenciá-los e conhecer a melhor forma de utilizar cada um é fundamental, principalmente para gerar boas previsões.


Os dados explícitos são aqueles em que o consumidor basicamente responde a uma pergunta. Eles podem ser obtidos através dos métodos de coleta de dados mais tradicionais, como pesquisas de opinião/ satisfação. Podem, ainda, ser obtidos por meio de resenhas publicadas na internet, formulários de sugestões preenchidos on e off-line, curtidas em uma postagem ou em um perfil de rede social ou blog.


Já os dados implícitos são aqueles gerados de forma espontânea pelo consumidor e que você pode coletar sem a anuência dele. Podem ser desde a compra de um produto, até um compartilhamento ou comentário de postagem em blogs ou redes sociais entre amigos.


Coletando estes dois tipos de dados, e interpretando-os em conjunto e com cuidado, é possível fazer boas previsões e ter um excelente conhecimento dos sentimentos do seu consumidor quanto à sua marca, ao seu produto ou a uma campanha específica. Assim, também é possível descobrir novas tendências e ter insights para novos nichos e negócios!


Preocupe-se em estimular a geração de dados explícitos a fim de ter uma boa base, e empenhe-se em coletar e analisar precisamente os dados implícitos! Seu negócio e seu consumidor só tem a ganhar!


Quer ver se você consegue distinguir estas categorias e aplicá-las na análise? Faça o download gratuito do Tableau Desktop e descubra!

Compartilhe

Por Bruno Araujo • 22 de outubro de 2026
Como a integração entre dados estruturados, conhecimento corporativo e inteligência artificial amplia o acesso à informação e apoia decisões em diferentes áreas da empresa.
Por Bruno Araujo • 22 de outubro de 2026
Como a integração de dados, a visão Customer 360 e a inteligência artificial ajudam empresas a conhecer melhor seus clientes e a transformar informações dispersas em decisões de negócio.
Por Bruno Araujo • 22 de outubro de 2026
Entenda como as duas plataformas trabalham com engenharia de dados, analytics, governança e inteligência artificial, e quais critérios considerar antes de investir em uma arquitetura de dados. A escolha de uma plataforma de dados influencia diretamente como uma empresa organiza suas informações, desenvolve soluções analíticas, controla custos e prepara sua estrutura tecnológica para novas demandas de negócio. Nesse cenário, Databricks e Snowflake aparecem frequentemente entre as alternativas avaliadas por organizações que precisam modernizar seus ambientes de dados. Ambas oferecem recursos para processamento, análise, governança e inteligência artificial, mas possuem características arquiteturais e abordagens de desenvolvimento que merecem atenção. A comparação entre Databricks e Snowflake envolve muito mais do que funcionalidades disponíveis em cada plataforma. Uma organização que pretende modernizar seu data warehouse tem prioridades diferentes de outra que precisa integrar dados de múltiplas fontes, processar eventos em tempo real ou desenvolver aplicações de machine learning e IA generativa. Entender essas diferenças ajuda a construir uma arquitetura coerente com os requisitos técnicos, o investimento disponível e os objetivos de crescimento da empresa.