O que você vai
saber fazer.
Objetivos da Aula
Identificar os conceitos de BI, KPI, dashboard, métricas de vaidade e análise descritiva/diagnóstica/preditiva/prescritiva.
Explicar a diferença entre uma métrica de vaidade e uma métrica acionável, e por que essa distinção importa para decisões executivas.
Escolher o tipo de gráfico adequado para cada pergunta de negócio e construir um dashboard básico em uma ferramenta BI.
Diagnosticar os problemas de um dashboard mal construído e propor melhorias baseadas nos princípios de visualização eficaz.
Projetar e construir um dashboard interativo com filtros e KPIs que responda uma pergunta de negócio específica para um público executivo.
48 horas.
Sem margem para erro.

Business Intelligence

Uso de tecnologias e processos para analisar dados históricos e presentes e apoiar decisões. BI responde "o que aconteceu" e "por quê".

KPI

Key Performance Indicator — uma métrica vinculada a um objetivo estratégico. Não é qualquer número: é um número que muda o comportamento de quem decide.

Dashboard Eficaz

Uma pergunta por tela. O gráfico mais importante no canto superior esquerdo. Cores para comunicar, não para decorar. Números sempre com contexto.

Métricas de Vaidade

Números que parecem impressionantes mas não guiam decisões: total de downloads, número de seguidores, visualizações brutas.

Categorias de Análise

Descritiva (o que?), Diagnóstica (por quê?), Preditiva (o que vai acontecer?) e Prescritiva (o que devo fazer?). BI cobre as duas primeiras.

Storytelling com Dados

O dado não fala por si. A narrativa — sequência lógica, contexto, destaque do insight principal — é o que converte análise em decisão.

A situação

A diretora de marketing da SoundByte tem uma reunião com o conselho em 48 horas. Ela precisa mostrar o ROI das campanhas atuais comparado com o ano anterior.

O desafio

O conselho não lê tabelas. Não analisa planilhas. Toma decisões em 3 minutos — e o orçamento de marketing depende dessa apresentação.

A solução

Um painel visual com uma pergunta central, contexto histórico claro e sem margem para interpretações erradas. Esse é o objetivo desta aula.

A lição: um dashboard não é um relatório. Um relatório registra. Um dashboard responde a uma pergunta específica para uma audiência específica. Confundir os dois é o erro mais comum em projetos de BI.

Os dois painéis abaixo usam exatamente os mesmos dados da SoundByte. Você tem 3 minutos para analisá-los e dizer o que acha de cada um.

Dashboard Marketing SoundByte — 2026 Total Downloads 47,293 Seguidores 12,847 Visualizações 89,021 Downloads por Região (Q2 2026) Brasil EUA México Argentina Colômbia Chile Portugal Outros Receita Mensal — Todos os Produtos Jan Fev Mar Abr Mai Jun Engajamento · Cliques · Shares · Comentários · Retenção * dados de jan–jun 2026 · ** excluindo rejeições <3s · *** meta do trimestre não atingida fonte: Google Analytics + Meta Ads + Spotify API (última atualização: 14/06) NOTA: os dados de Portugal e Chile ainda estão sendo validados pelo time de dados ROI das Campanhas — Q2 2026 vs Q2 2025 Receita / Download $2,47 ▲ +18% vs Q2'25 Taxa de Conversão 3,2% ▲ +0,4pp vs Q2'25 Custo por Aquisição $4,80 ▼ −12% vs Q2'25 Receita Mensal (R$ mil) — 2026 vs 2025 65 53 42 Jan Fev Mar Abr Mai 2026 2025 Insight principal A receita de maio de 2026 superou a meta trimestral em 8% — crescimento consistente pelo 3° mês seguido. ↗ Campanha "Gênero Favorito" = principal driver
— Para o Professor —
O que você mede
muda o que você faz.

Uma métrica de vaidade impressiona. Uma métrica acionável informa. A diferença não é o número — é a decisão que o número habilita. Se um executivo olha para o número e não sabe o que fazer a seguir, é vaidade.

Métrica de Vaidade
Total de Downloads
Parece grande. Mas não diz se alguém pagou, qual faixa gerou receita ou qual gênero converte mais.
Métrica Acionável
Receita por Download por Gênero
Informa onde investir em curadoria. Se MPB tem $3,20/download e Pop tem $0,80, a decisão é clara.
Métrica de Vaidade
Número de Seguidores
Não diz se alguém comprou uma assinatura. Seguidores que nunca convertem são custo de aquisição perdido.
Métrica Acionável
Taxa de Conversão Seguidor → Assinante
Revela qual canal de aquisição é mais eficiente. Uma campanha com 50% menos seguidores pode ter 3× mais conversões.
Métrica de Vaidade
Visualizações de Campanha
Não diz se a campanha foi relevante para o público certo. Uma campanha vista 1 milhão de vezes pelo público errado não vende.
Métrica Acionável
Custo por Aquisição por Campanha
Permite comparar campanhas diretamente. Se CPA da campanha A é $4,80 e da B é $12,00, o orçamento migra para A.
Métricas Superficiais
  • Visualizações e inscritos isolados — não refletem se o algoritmo está promovendo o conteúdo
  • Performance do último vídeo vs o anterior — cria falsa percepção de fracasso
  • Total de comentários — não distingue engajamento positivo de negativo
Sinais de Crescimento Real
  • Velocidade das primeiras 48h — indica que o algoritmo aprendeu quem é seu público
  • Maratona de visualizações — novos espectadores assistindo 2-3 vídeos seguidos
  • Vídeos antigos gerando visualizações — catálogo ativo é sinal de comunidade saudável
Ruído vs. Tendência: flutuações diárias são ruído. O crescimento real é uma média que sobe lentamente. Um dashboard eficaz mostra a tendência, não o barulho do dia.
O teste da decisão
Olhe para a métrica e pergunte: "Se esse número mudar, o que eu faço diferente?" Se a resposta for "não sei", é vaidade.
O perigo das médias
Receita média por usuário pode esconder que 20% dos clientes geram 80% da receita. Métricas agregadas muitas vezes disfarçam a realidade mais importante.
North Star Metric
Empresas de alto desempenho têm uma única métrica que representa melhor o valor que entregam. Para o Spotify: minutos ouvidos/usuário ativo/dia. Tudo se alinha em torno dela.
Cada pergunta tem
um tipo de resposta.
PASSADO FUTURO AÇÃO COMPREENSÃO Análise Descritiva O que aconteceu? Relatórios, dashboards, KPIs Histórico de vendas, resumos BI Núcleo do BI Análise Diagnóstica Por que aconteceu? Drill-down, análise de causas Correlações, anomalias BI BI Avançado Análise Preditiva O que vai acontecer? Modelos ML, séries temporais Forecast de vendas, churn ML Machine Learning Análise Prescritiva O que devo fazer? Otimização, recomendação Automação de decisão AI IA / Otimização BI cobre estas análises ↑
BI está no passado
BI trabalha com o que já aconteceu: descreve e diagnostica. Para saber o que vai acontecer ou o que fazer a seguir, entram ML e IA.
A maioria das empresas
Ainda está no quadrante Descritivo: "qual foi nossa receita este mês?" Chegar ao Diagnóstico ("por que caiu?") já é diferencial competitivo real.
Perguntas de negócio
Classificar a pergunta antes de escolher a ferramenta evita construir um modelo ML para responder algo que uma tabela dinâmica já resolve em 5 minutos.
BI não é AI.
Mas os dois falam de dados.

Os termos se sobrepõem nos títulos de vagas e nas apresentações de vendas. Entender onde cada disciplina começa e termina evita contratar o profissional errado — e evita prometer ao conselho o que você não vai entregar.

Business Intelligence
O que aconteceu?
Dashboards, relatórios e KPIs sobre dados históricos e presentes. Responde perguntas de negócio com dados estruturados. Menor complexidade técnica.
Data Mining
O que está escondido?
Extrai padrões e relações ocultas em grandes conjuntos de dados. Identifica comportamentos de compra, segmentações e anomalias. Foco em dados estruturados.
Data Science
O que podemos aprender?
Área multidisciplinar: estatística, programação, visualização e ML. Cobre todo o ciclo do dado — da coleta ao insight. Alta complexidade técnica.
Machine Learning
O que vai acontecer?
Modelos que aprendem com dados sem programação explícita. Forecast, classificação, recomendação. Subconjunto da IA — exige programação especializada.
Big Data
Como processar em escala?
Volumes, variedade e velocidade que excedem a capacidade dos bancos tradicionais. Tecnologias: Spark, Hadoop, Kafka. Foco em infraestrutura e processamento distribuído.
Deep Learning
Como aprender representações?
Subcampo de ML baseado em redes neurais profundas. Domina tarefas de imagem, voz e texto. Exige grande volume de dados e capacidade computacional.
Inteligência Artificial
Como simular decisão?
Campo mais amplo: cria sistemas que simulam inteligência humana. ML e Deep Learning são subconjuntos. Automatiza processos e habilita tomada de decisão autônoma.
Resumo rápido — orientação prática
Área Pergunta central Dados Programação Complexidade
BIO que aconteceu?EstruturadoBaixaMenor
Data MiningO que está oculto?EstruturadoMédiaModerada
Data ScienceO que aprendemos?Todos os tiposAltaAlta
MLO que vai acontecer?Estrut. / não-estrut.Muito altaAlta
Big DataComo processar em escala?Todos os tiposVariávelAlta
Deep LearningComo aprender padrões?Imagem, texto, vozMuito altaMuito alta
AIComo automatizar decisões?Todos os tiposMuito altaMuito alta
Do dado ao
painel em minutos.

Ferramentas BI modernas eliminam a necessidade de código para construir visualizações. O desafio não é técnico — é saber qual pergunta responder e para quem.

Tableau
Drag-and-drop + profundidade
Referência de mercado em visualização analítica. Tableau Public (gratuito) conecta planilhas e gera dashboards interativos sem código. Tableau Desktop para ambientes corporativos.
Power BI
Ecossistema Microsoft
Nativo no ecossistema Microsoft (Excel, Azure, Teams). Mais acessível para empresas que já usam Office 365. DAX como linguagem de cálculo.
Looker / Looker Studio
Ecossistema Google
Looker Studio (ex-Data Studio) é gratuito e conecta Google Analytics, Sheets e BigQuery nativamente. Ideal para projetos com foco em dados Google.
1
Obtenha os Dados
2
Conecte ao Tableau Public
3
Crie os KPIs Principais
4
Monte o Dashboard
5
Teste com as Perguntas de Negócio
Tableau vs Power BI
Tableau tem a melhor experiência de visualização e exploração. Power BI ganha em integração com Excel e custo (incluído no Microsoft 365). Para projetos acadêmicos, Tableau Public é gratuito e publicável.
O erro mais comum
Colocar todas as variáveis do dataset no dashboard. O usuário se perde e toma pior decisão do que sem dashboard. Menos é mais — especialmente para público executivo.
A IA sugere o gráfico.
Você conhece o conselho.
O que a IA faz bem
  • Sugerir o tipo de gráfico mais eficaz para um dado e audiência específicos
  • Apontar quando uma visualização escolhida distorce a percepção dos dados
  • Gerar código de visualização (Python/matplotlib, Vega-Lite, Tableau Calculated Fields)
  • Propor paletas de cores acessíveis para daltônicos
  • Explicar por que um gráfico de pizza raramente é a melhor escolha
O que o humano decide
  • Qual é a pergunta central — a IA não conhece os objetivos da reunião
  • O nível de detalhe adequado para a audiência (conselho vs. analista)
  • Se o insight principal deve ser destacado ou descoberto pelo usuário
  • Se os dados realmente suportam a narrativa que o dashboard conta
  • O contexto político e organizacional de como o dado será recebido
Exemplo de prompt — qual gráfico usar?
Contexto: estou construindo um dashboard para a diretora de marketing da SoundByte apresentar ao conselho da empresa. O público são executivos sem background técnico que tomam decisões em 3 minutos. Pergunta: para mostrar a evolução da taxa de conversão mensal comparada com a meta trimestral, qual tipo de visualização é mais eficaz para esse público e por quê? Por favor: recomende 1-2 tipos de gráfico, explique os prós e contras de cada um neste contexto específico e indique qual configuração (cores, anotações, eixos) maximiza a clareza.
Por que esse prompt funciona: especifica a audiência (executivos), o contexto (3 minutos, sem background técnico), a métrica exata (taxa de conversão mensal vs. meta trimestral) e pede configuração detalhada. A IA responde com precisão proporcional ao contexto que recebe.
Resposta esperada — recomendação da IA
Recomendação principal: Gráfico de linhas com linha de referência Motivo: para um público executivo vendo tendência mensal vs. meta, o gráfico de linhas é superior porque: • A mente humana lê tendências em linhas mais rápido que em barras • A meta trimestral aparece como linha horizontal pontilhada • A área entre a linha real e a meta comunica "acima/abaixo" visualmente Configuração recomendada: - Linha de conversão real: cor primária da marca (ex: crimson) - Linha de meta: cinza pontilhado, com rótulo "Meta Q2: 3,0%" - Sombra vermelha quando abaixo da meta, verde quando acima - Apenas 3 rótulos de dados: início, máximo e ponto atual - Título como pergunta: "Estamos atingindo a meta de conversão?" Alternativa: Bullet Chart (gráfico de bala de Tufte) Ideal para comparar um valor único contra meta e histórico. Mais compacto — cabe em um KPI card sem perder contexto.
Gráfico de pizza — use com cuidado
Humanos são ruins em comparar ângulos. Se você tem mais de 3 categorias, troque a pizza por um gráfico de barras horizontais ordenado por valor. A comparação fica imediatamente mais clara.
O título é a conclusão
"Conversão por mês" é um título descritivo. "Taxa de conversão cresceu 18% desde janeiro" é um título analítico — já entrega o insight. Para público executivo, sempre prefira o segundo.
Acessibilidade
8% da população masculina tem algum grau de daltonismo. Nunca use verde e vermelho como única diferença entre dois elementos críticos. Use textura, forma ou rótulo como redundância.