Blog da Five Acts

30 de Outubro de 2020

modelos estatísticos: como fazer e analisar?

Conhecer e utilizar modelos estatísticos abre uma série de oportunidades.

Fazendo parte do dia a dia de profissionais de marketing, vendas, contadores e de muitas outras áreas, eles podem ser empregados para prever ou comprovar uma ou mais hipóteses.

O que ainda impede muita gente de adotá-los é a dúvida sobre como fazer isso.

Se esse é o seu caso, este texto vai ajudar com dicas e informações úteis. Desde já, adiantamos que você não está sozinho na missão.

Embora seja possível criar modelos manualmente, sempre é melhor utilizar as ferramentas de modelos estatísticos apropriadas.

Continue com a gente e entenda melhor o que significa e como aplicar em suas atividades. 

O que é um modelo estatístico?

Modelos estatísticos são a construção de hipóteses a partir da análise de dados, de sua relação e de outras variáveis para prever ou comprovar fatores.

Por suas características, podem ser utilizados nas mais variadas áreas.

Recentemente, até mesmo a evolução dos casos de Covid-19 foi alvo de um modelo estatístico, apresentado em estudo na Escola Brasileira de Economia e Finanças da Fundação Getúlio Vargas.

No dia a dia das empresas, é uma ferramenta de grande valor.

Vamos a um exemplo para entender melhor?

Imagine que você é um profissional de marketing e quer conhecer os impactos de suas ações sobre as vendas em uma empresa.

Afinal, será que, se eu investir X em marketing, o retorno nas vendas será Y?

Essa pergunta pode servir como a base para a criação de um modelo estatístico, que tomaria como referência dados reais, retirados de uma ou mais amostras.

É como se, ao questionar sobre o efeito do marketing nas vendas, o próximo passo fosse ver o que acontece na realidade e, a partir disso, um modelo pode ser conhecido.

Como fazer uma pesquisa usando estatística [Passo a Passo]

Você talvez já tenha participado de alguma pesquisa na qual as respostas variavam entre “muito satisfeito” e “muito insatisfeito” em 5 possibilidades.

Essa é a chamada Escala de Likert, que pode conter até 7 itens de resposta. 

Ela é usada em pesquisas para a criação ou confirmação de hipóteses estatísticas e permite que, no tratamento dos dados, softwares como o Data Robot consigam calcular a margem de erro.

Vamos imaginar que, em um questionário com 5 respostas, uma pessoa responda “satisfeita”, quando, na verdade, sua resposta deveria ser “indiferente”. 

É para evitar erros em pesquisas com respostas subjetivas que entram em cena os programas estatísticos.

Veja, então, como realizar uma pesquisa para posterior tratamento estatístico de dados.  

1. Levante hipóteses

O primeiro passo para fazer uma pesquisa é conhecer a hipótese a ser confirmada. 

Um bom exemplo é o que citamos antes, do impacto do marketing sobre as vendas.

Veja outros:

  • Acrescentar programação infantil leva as pessoas a assinar pacotes mais caros de TV a cabo?
  • Mulheres casadas compram mais no varejo online?
  • Alterações no design de celulares levaria a mais vendas de aparelhos na região Sudeste do Brasil?
  • Homens solteiros na faixa dos 35 a 45 anos apresentam boa relação custo-benefício para uma seguradora?

2. Tenha um modelo

A partir das hipóteses levantadas, é hora de criar ou adaptar um modelo já pronto conforme a sua necessidade.

Esse modelo é uma espécie de “esqueleto” que vai servir de base para sustentar a sua teoria.

Digamos, nesse caso, que queremos saber se mulheres casadas fazem mais compras no varejo online.

Um possível modelo (ultra resumido) para isso seria:

  • Publicidade → Busca por informação → Decisão de compra.

3. Crie o questionário

Você tem a hipótese e construiu o seu modelo. 

Agora, é hora de montar a pesquisa pela qual os dados a serem usados serão levantados.

Esse questionário precisa ser estruturado em perguntas categorizadas em dimensões. Por isso, deve ter uma boa quantidade de perguntas. 

Por sua vez, essas questões devem ser subdivididas em categorias para captar o máximo de dimensões a respeito do objeto de análise. 

Por exemplo: você pode criar perguntas para dimensões como “necessidade de afirmação”, “satisfação pessoal”, “identificação com a marca”, entre outras para fazer um questionário para o modelo do tópico anterior.

Como fazer a análise de dados estatísticos 

Outro ponto importante é o tamanho da amostra utilizada. 

Estima-se que, para que a análise seja confiável, sejam necessários 200 participantes, pelo menos.

No entanto, por questões de infraestrutura, acesso às pessoas certas, limitações de tempo, entre outras, nem sempre esse número pode ser alcançado. 

Tudo vai depender do propósito do estudo – em alguns casos, é possível usar amostras menores sem qualquer problema.

Coletados os dados por meio da pesquisa, é hora de submetê-los à análise, que pode ser feita em softwares como o IBM SPSS, IBM Amos ou Tableau.

Dica: se você não tem experiência com softwares profissionais, o Data Robot é o software perfeito para rodar análises estatísticas de forma rápida e precisa até por quem não tem intimidade com o assunto.

Modelos estatísticos e machine learning: como se relacionam?

modelos estatísticos e machine learning: como se relacionam

O aprendizado de máquinas (machine learning), tem uma relação íntima com a estatística. 

Afinal, uma máquina só poderá aprender se puder contar com os dados gerados pelas ferramentas estatísticas adequadas. 

Nesse sentido, temos duas formas de relacionar esses dois campos do conhecimento.

Uma é o aprendizado supervisionado, onde são usadas técnicas e ferramentas como:

  • Árvores de Classificação 
  • Support Vector Machine (SVM)
  • Regressão Logística 
  • Regressão Linear 
  • Splines
  • Redes Neurais.

Já no aprendizado não supervisionado, se destacam:

  • Análise de Componentes Principais 
  • Escalonamento Multidimensional 
  • K-médias 
  • Métodos Hierárquicos.

Como os modelos estatísticos ajudam a prever os riscos de um empresa

Ok, mas como esses modelos podem ser aplicados na prática? 

Vamos explicar com um exemplo bastante simples.

Supondo que você criou um modelo do tipo:

  • Vendas = -1.000 + 1,5 x Marketing

Nesse caso, se o investimento em marketing for zero, suas vendas cairão em R$ 1 mil.

E se esse investimento for de R$ 500, o resultado esperado para as vendas será de:

  • 1,5 x 500 = R$ 750,00.

É com base nos números revelados que você pode tomar decisões mais assertivas, se antecipando a riscos e prejuízos na empresa.

Software de estatística: entenda como funciona

O exemplo do tópico anterior é apenas ilustrativo e não reflete a real complexidade envolvida na criação e aplicação de um modelo estatístico.

É para lidar com essa complexidade que se utilizam softwares, as únicas ferramentas capazes de dar conta dos difíceis e sucessivos cálculos feitos para estimar um modelo.

Eles se baseiam em sofisticadas linhas de programação que, por sua vez, são montadas com base nos mais avançados modelos e ferramentas de projeção estatística. 

Conclusão

Não é interessante o conceito que serve como base para prever resultados por meio de modelos estatísticos?

Para que eles possam ser criados, como você viu, são indispensáveis ferramentas que possam tratar dos dados disponíveis até mesmo por leigos no assunto.

Por isso, recomendamos que você use o Data Robot, o software que veio para trazer machine learning para todos.

Fale com a FiveActs e saiba como a análise de dados vai ajudar sua empresa.

Siga aprendendo sobre o tema com mais estes artigos:

INSCREVA-SE EM NOSSA NEWSLETTER