• Esse dado pode ser organizado por ano letivo, região geográfica, escola, idade, sexo, raça/cor e condição socioeconômica dos estudantes. A análise pode ser feita utilizando métodos estatísticos descritivos (como médias e proporções) e inferenciais (como testes de hipóteses ou modelos de regressão), para identificar padrões, tendências ao longo do tempo e fatores associados à evasão.

• Com base nesses dados, gestores educacionais podem tomar decisões como criação de programas de apoio escolar e financeiro para grupos mais vulneráveis, implementação de políticas públicas específicas para regiões com maiores índices de evasão, ou ainda ajuste no currículo ou carga horária escolar para torná-lo mais atrativo e acessível. Essas decisões podem ajudar a reduzir a evasão escolar e melhorar a permanência dos alunos no sistema educacional.

• Os dados podem ser organizados por atleta, posição, tipo de jogo, temporada, adversário, e condições do ambiente (clima, local da competição). A análise pode envolver estatísticas descritivas para comparar desempenho, análise de tendências para evolução ao longo do tempo, modelos preditivos para identificar fatores que influenciam o desempenho, e até machine learning para sugerir estratégias de treinamento.

• Treinadores e comissões técnicas podem usar esses dados para planejar treinos personalizados, escalar times com base no desempenho atual e potencial dos atletas, identificar riscos de lesão e ajustar a carga de trabalho, além de elaborar estratégias específicas para partidas futuras, aumentando as chances de vitória e prolongando a carreira dos atletas.

• Os dados podem ser organizados por faixa etária, gênero, renda, localização geográfica, dias da semana e horários de preferência. A análise pode incluir estatísticas descritivas para identificar as atividades mais populares, análise de clusters para segmentar grupos com hábitos semelhantes e análises temporais para observar variações sazonais ou tendências emergentes.

• Governos municipais, empresas e organizações culturais podem usar esses dados para planejar e investir em infraestrutura de lazer adequada às preferências da população, organizar eventos culturais e recreativos em horários estratégicos, além de desenvolver campanhas para incentivar o uso de espaços públicos e atividades saudáveis, promovendo a qualidade de vida e o bem-estar da comunidade.

• Esses dados podem ser organizados por região, faixa etária, gênero, nível de escolaridade e tipo de eleição (municipal, estadual, federal). A análise pode incluir estatísticas descritivas para mapear perfis e tendências, análise de correlações para entender fatores que influenciam o voto, e modelagem preditiva para estimar resultados eleitorais e comportamento futuro dos eleitores.

• Partidos políticos, candidatos e órgãos públicos podem usar esses dados para planejar campanhas eleitorais mais direcionadas, desenvolver estratégias para aumentar a participação nas urnas, e criar políticas públicas que respondam às demandas reais da população, promovendo maior engajamento e representatividade democrática.

Tempo médio de deslocamento, rotas mais utilizadas, horários de pico, avaliação de motoristas e pasageiros.

Como pode ser organizado ou analisado?

Os dados podem ser organizados em gráficos de linha(para visualização de rotas mais utilizadas) e tabelas (para ranking de horários com maior demanda). Os dados podem ser analisados usando técnicas de estatística descritiva e inferencial, como desvio padrão, médias e correlações.

Que tipo de decisão pode ser tomada com base nesses dados?

Definir preços dinâmicos (mais caros em horários de pico ou a partir de x hora noturna). Melhorar rotas sugeridas pelos apps. Alocar motoristas em determinadas áreas baseado na demanda. E os dados podem servir de referencia para planejar politícas públicas de transporte, como: estabelecer zonas de restriçãoo para veículos em horários de pico; reformar ou ampliar vias.

Qual é o dado que pode ser / é coletado?
Quais cursos de licenciatura existem e quantos docentes são formados por ano em cada área; Quantitativo de professores em exercício e sua área de formação; Quantidade de cursos de formação inicial (licenciaturas) disponíveis por região; Taxas de conclusão e evasão nos cursos de licenciatura.

Como ele é / pode ser organizado ou analisado?
Pode ser dividido geograficamente- Região geográfica (Norte, Nordeste, Sudeste, Sul e Centro-Oeste); Etapa de ensino (Educação Infantil, Ensino Fundamental e Ensino Médio); Comparação entre o número de professores necessários e o número de formados anualmente; Análises estatísticas, como distribuição de dados (simetria e assimetria), médias regionais e nacionais, séries históricas e projeções futuras.

Que tipo de decisão pode ser tomada com base nesses dados?
Com base nas análises realizadas, podem ser tomadas decisões como: Criação ou ampliação de cursos de licenciatura nas áreas com maior déficit de professores; Oferta de incentivos para formação de professores em regiões e disciplinas com maior carência; Políticas públicas de valorização da carreira docente para reduzir a evasão e atrair mais candidatos; Planejamento de concursos públicos regionais com base na real necessidade de cada localidade; Investimentos em programas de formação continuada para realocação de professores conforme as demandas emergentes.

Referências

Um em cada 3 professores de escolas públicas não tem formação adequada | Agência Brasil

Em 2040, Brasil poderá ter carência de 235 mil professores, diz estudo | Agência Brasil

• Segmento ( bacharelado , licenciatura ,etc )

• Área de atuação dos cursos

• Dados por regiões

• Faixa étaria

• Gênero

• Instituição pública ou privada

• Modalidade de ensino( 100% online ou híbrida)

Como pode ser analisado?

• Os dados podem ser organizados em tabelas no Excel ou utilizando SQL

• Analisar a diferença entre a proporção total de estudantes em relação a estudantes do ensino EAD

• Utilizar as medidas de tendência média, moda e mediana.

• Analisar as medidas de dispersão

• Analisar os dados Dos estudantes por áreas de conhecimento.

• Os agráficos visuais para comparar os dados se tivermos histórico de anos anteriores do ensino EAD podemos fazer uma comparação ao longo dos anos.

Quais os tipos de decisões podem ser tomados?

Para os órgãos privados os dados ajudará :

• Investimento em infraestrutura

• Investimento em infraestrutura investimento em cursos

• Estratégias de marketing

• Otimização dos recursos

Para organizações públicas:

• Métricas sobre a qualidade e a taxa de adesão ao ensino

• Ótimização de recursos

• Desenvolvimento de novos cursos

• Incentivos financeiros

• Programas de aprimoramento de ensino.

Esses dados poderão ser organizados por grupo etário, profissão, condição socioeconômica e estado civil.

A quantidade de passos dados por dia por uma pessoa, registrada por aplicativos de celular ou pulseiras inteligentes (como o Google Fit ou a Mi Band).

Como ele é / pode ser organizado ou analisado?

Esses dados podem ser organizados em uma planilha com colunas como: data, número de passos, tempo de caminhada e frequência cardíaca. Com isso, podemos calcular a média diária de passos, identificar tendências (por exemplo, a pessoa caminha mais nos finais de semana?) e até encontrar a moda (o número de passos que mais se repete). Também é possível fazer gráficos para visualizar o progresso ao longo do tempo.

Que tipo de decisão pode ser tomada com base nesses dados?

Com base na análise, a pessoa pode decidir aumentar sua atividade física se estiver abaixo da média recomendada (10.000 passos por dia, por exemplo), ajustar horários de caminhada ou conversar com um médico sobre sua rotina. Profissionais de saúde também podem usar essas informações para acompanhar a evolução de pacientes com hipertensão, obesidade ou diabetes, e fazer recomendações personalizadas.

Qual é o dado que pode ser / é coletado?

Diversos tipos de dados são coletados para mapear o cenário da conectividade no Brasil. Os principais incluem:

Velocidade da Internet:

Velocidade média de download e upload: Medida em Megabits por segundo (Mbps) para banda larga fixa e móvel. Esses dados são frequentemente apresentados em rankings por estado, capital e, às vezes, por provedor de serviço.

Latência (Ping): Tempo de resposta da conexão, importante para aplicações em tempo real.

Cobertura da Internet:

Banda Larga Fixa: Percentual de domicílios com acesso à internet, tipos de tecnologia utilizada (fibra óptica, cabo coaxial, xDSL), e a distribuição geográfica dessa cobertura (urbana vs. rural, por estado e município). O Índice Brasileiro de Conectividade (IBC) da Anatel é um exemplo de indicador que agrega dados de infraestrutura.

Rede Móvel: Abrangência das redes 3G, 4G e, mais recentemente, 5G. Informações sobre a porcentagem da população coberta, número de antenas (Estações Rádio Base - ERBs) por região/estado, e a qualidade do sinal em diferentes localidades, incluindo rodovias.

Penetração e Uso:

Número de acessos: Quantidade total de contratos ativos de banda larga fixa e móvel.

Domicílios com internet: Percentual de lares com acesso à rede, incluindo distinção entre áreas urbanas e rurais.

Uso de internet por dispositivos: Computadores, celulares, tablets.

Entidades como a Agência Nacional de Telecomunicações (ANATEL), o Instituto Brasileiro de Geografia e Estatística (IBGE) através da Pesquisa Nacional por Amostra de Domicílios (PNAD) Contínua TIC, o Comitê Gestor da Internet no Brasil (CGI.br) por meio do Centro Regional de Estudos para o Desenvolvimento da Sociedade da Informação (Cetic.br), e empresas especializadas em medição de qualidade de rede são as principais fontes desses dados.

Como ele é / pode ser organizado ou analisado?

Os dados coletados são organizados e analisados de diversas formas para fornecer insights sobre o estado da conectividade no país:

Relatórios e Painéis: Órgãos como a ANATEL e o Cetic.br publicam relatórios periódicos (anuais, semestrais) e disponibilizam painéis de dados interativos que permitem a consulta e o cruzamento de informações. Por exemplo, a ANATEL disponibiliza dados sobre acessos, qualidade e reclamações, enquanto o Cetic.br foca no uso da internet pela população, empresas e governo.

Rankings e Índices:

Rankings de velocidade: Estados e cidades são classificados com base na velocidade média da internet, como os divulgados por plataformas de medição de velocidade (ex: Minha Conexão, Speedtest by Ookla, Melhor Escolha).

Índice Brasileiro de Conectividade (IBC): A Anatel utiliza este índice para classificar estados e municípios com base em indicadores de infraestrutura de telecomunicações.

Mapas de Cobertura: Visualizações geográficas que mostram a disponibilidade dos serviços de banda larga fixa e móvel em diferentes regiões, detalhando as tecnologias disponíveis. As próprias operadoras também disponibilizam mapas de cobertura de seus serviços.

Segmentação: Os dados são frequentemente segmentados por:

Região Geográfica: Norte, Nordeste, Centro-Oeste, Sudeste, Sul.

Unidade Federativa (Estado) e Município.

Área: Urbana e Rural.

Tecnologia: Fibra óptica, 4G, 5G, etc.

Perfil Socioeconômico: Em algumas pesquisas, como as do Cetic.br, os dados de uso são cruzados com renda, escolaridade, etc.

Análise de Disparidades: Um foco importante da análise é identificar as desigualdades no acesso e na qualidade da internet entre diferentes regiões e grupos populacionais. Isso inclui comparar a conectividade em grandes centros urbanos com áreas rurais e remotas.

Acompanhamento Temporal: Análise da evolução dos indicadores ao longo do tempo para avaliar o impacto de políticas públicas, avanços tecnológicos e investimentos no setor.

Que tipo de decisão pode ser tomada com base nesses dados?

A análise criteriosa desses dados é fundamental para subsidiar a tomada de decisão e a formulação de políticas públicas que visem um acesso mais igualitário e de qualidade à internet no Brasil. Algumas decisões e ações possíveis incluem:

Focalização de Investimentos em Infraestrutura:

Identificar áreas com baixa ou nenhuma cobertura de banda larga (especialmente fibra óptica) e rede móvel (4G/5G), direcionando recursos e incentivos para a expansão das redes nessas localidades (ex: áreas rurais, periferias urbanas, regiões Norte e Nordeste). Programas como o "Norte Conectado" e iniciativas do Novo PAC para inclusão digital e conectividade utilizam esses dados para planejar a expansão de infovias e redes.

Estímulo à Competição:

Analisar a concentração de mercado por provedores em diferentes regiões e, se necessário, criar políticas que incentivem a entrada de novos competidores, especialmente pequenos provedores regionais, para melhorar a qualidade e reduzir os preços.

Melhoria da Qualidade dos Serviços:

Estabelecer metas mínimas de velocidade e qualidade para os serviços de internet e fiscalizar o seu cumprimento pelas operadoras, com base nos dados de velocidade média e latência coletados.

Desenvolvimento de Programas de Inclusão Digital:

Além da infraestrutura, os dados sobre quem não acessa a internet e os motivos (custo do serviço, falta de dispositivos, falta de habilidades digitais) podem direcionar a criação de programas de subsídio para aquisição de equipamentos, oferta de planos de internet mais acessíveis e capacitação digital para a população.

Políticas Específicas para Áreas Remotas e Rurais:

Implementar soluções tecnológicas alternativas (como internet via satélite ou redes comunitárias) em locais onde a infraestrutura terrestre é inviável ou muito custosa, baseando-se nos mapas de cobertura e densidade populacional.

Monitoramento e Avaliação de Políticas Existentes:

Utilizar os dados como linha de base e para acompanhamento contínuo dos resultados das políticas públicas implementadas, permitindo ajustes e otimizações.

Regulamentação do Setor:

Informar decisões regulatórias da ANATEL sobre o uso do espectro de radiofrequência, obrigações de cobertura para as operadoras e direitos dos consumidores.

Redução das Desigualdades Regionais:

Criar metas específicas para diminuir a diferença de conectividade entre as regiões mais e menos desenvolvidas do país, alocando recursos de fundos setoriais (como o FUST - Fundo de Universalização dos Serviços de Telecomunicações) de forma mais eficiente.

Ao utilizar esses dados de forma estratégica, o Brasil pode avançar significativamente na promoção da inclusão digital e garantir que os benefícios da conectividade cheguem a todos os cidadãos, contribuindo para o desenvolvimento social e econômico do país.

• Número de horas de sono por noite - Pode ser coletado por relógios inteligentes.

• Qualidade do sono (frequência de acordar à noite, fases do sono, roncos, apneia) - Pode ser coletado por relógios inteligentes.

• Horário de dormir e acordar.

• Idade, sexo e estilo de vida do indivíduo.

• Estado de saúde mental ou físico (como presença de estresse, ansiedade, depressão ou doenças crônicas).

Como ele é / pode ser organizado ou analisado?

• Armazenado em aplicativos de saúde (como Apple Health, Google Fit, Fitbit, etc.

• Agrupado por faixa etária, rotina de trabalho, estilo de vida, etc.

3. Que tipo de decisão pode ser tomada com base nesses dados?

• Recomendar a quantidade ideal de sono por faixa etária (ex: 8–10 horas para adolescentes, 7–9 para adultos).

• Planejar políticas de saúde pública sobre higiene do sono e bem-estar.

Estudos coletaram dados sobre os níveis de estresse e bem-estar dos trabalhadores antes e depois de períodos de férias. Esses dados incluíram:

• A variação no nível de estresse imediatamente após as férias (geralmente medido por questionários psicológicos validados);

• O tempo que os efeitos positivos do descanso permaneceram (medido em dias ou semanas após o retorno ao trabalho).

Como ele é / pode ser organizado ou analisado?

Os dados podem ser organizados em séries temporais, comparando os níveis de estresse antes, logo após e semanas depois das férias. Também podem ser cruzados com o tempo de duração das férias (curta ou longa) e a frequência com que ocorrem. A análise estatística pode usar uma mediana, média, ou moda para verificar quais tipos de recesso geram maior benefício. Algo como um gráfico de duas linhas(uma representando férias longas e outra férias curtas) com o eixo y representando o bem estar dos trabalhadores e o eixo x representando o tempo, com algumas marcas ao longo do eixo x indicando períodos de férias.

Que tipo de decisão pode ser tomada com base nesses dados?

Analisando o gráfico, é possível notar que o índice de estresse relatado após férias curtas é muito semelhante ao relatado após férias longas. Entretanto as férias longas perderam o seu efeito positivo nos trabalhadores antes de que os mesmos pudessem ter outro período de descanso, enquanto os que tiveram férias frequentes e curtas, mesmo número de dias por semestre, puderam recuperar as energias antes que seu nível de produtividade e bem estar caísse novamente.

Com isso em mente, empresas e trabalhadores podem tomar decisões sobre a melhor forma de distribuir as férias ao longo do ano. Por exemplo, adotar mais períodos curtos de 7 dias, em vez de um único recesso longo, pode ser mais eficaz para manter níveis constantes de bem-estar e produtividade. Essa abordagem também pode ajudar na prevenção do burnout e na manutenção da motivação no trabalho. Fiz um gráfico desenhado no paint simulando como ficaria esse gráfico, NÃO LEVE ESSE GRÁFICO A SÉRIO, É APENAS PARA ILUSTRAÇÃO DE COMO FÉRIAS CURTAS FREQUENTES MANTÉM O NÍVEL DE BEM ESTAR SAUDÁVEL, ENQUANTO FÉRIAS LONGAS ESPORÁDICAS DEMORAM MUITO PARA RECUPERAR O NÍVEL DE ESTRESSE.

Fontes: https://www.mdpi.com/1660-4601/15/1/130 (aqui tem o gráfico de verdade kkkkk)

https://www.health.com/vacation-mental-health-benefits-study-8785751 (aqui diz um pouco sobre a relação entre as férias e o bem-estar do trabalhador)

https://pubmed.ncbi.nlm.nih.gov/22213478/

(aqui diz sobre o efeito de férias curtas)

DADOS MONITORADOS NA COBERTURA DA ATENÇÃO BÁSICA

1. Número de famílias e pessoas cadastradas;

2. Número de visitas domiciliares realizadas;

3. Acompanhamento de gestantes (pré-natal, exames, parto);

4. Acompanhamento de crianças (vacinas, crescimento, desenvolvimento);

5. Acompanhamento de pessoas com doenças crônicas (hipertensão, diabetes, asma etc.);

6. Número de consultas médicas, odontológicas e de enfermagem;

7. Número de atendimentos de saúde mental;

8. Ações coletivas e educativas realizadas pela equipe de saúde;

9. Cobertura vacinal da área;

10. Acompanhamento nutricional;

11. Encaminhamentos realizados para outros níveis de atenção (especialistas, exames de média e alta complexidade).

Exemplo de Sistema: e-SUS APS

Finalidade Principal sistema da Atenção Básica. Registra atendimentos individuais, visitas domiciliares, procedimentos,  etc.

• Tempo diário de uso das redes socias

• Qual rede social maia usada

• Frequência de acesso

• Tipo de conteúdo consumido

• Meios de acesso as redes socias ( celular , computador)

• Dados demográficos por região , genêro , escolaridade, faixa etária

• Tipo de contas que têm nas redes socias ( pública ou privada )

• Para que usam as redes socias ( empresa , pessoal )

Como ele pode ser organizado ?

• Limpeza dos dados , removendo dados duplicados

• Padronizar os dados

• Calcular a média de uso

• Analizar o tempi médio de uso de cada redr social e classificar

• Analizar os dados demográficos por região , genêro , escolaridade, faixa etária .

• Calculara dispersão

• Comparar o uso médio das redes socias da classe c em relação as outras classes

• Investigar os fatores que influenciam no tempo gasto

• Utilizar gráficos e histogramas para mostrar os dados .

Que tipo de decisão pode ser tomada dr acordo com esses dados

As empresas podem utilizar estes dados para otimizar as campanhas publicitárias e de marketing.

Os produtores de conteúdo estudariam o público pada direcionar ações para atrair este público .

As empresas públicas focarem em ações de consientização , saúde , letramento digital entre outras .

• Dados demográfico , genêro , idade ,escolaridade

• Quais as redes socias mais usadas

• Qual tempo gasto em cada rede

• Qual a finalidade do uso

• Dispositivo usado para acesso

• Contas ativas por usuário

• Percepcão de influência de redes sociais nas suas vidas

Como ele pode ser analisado ?

• Organizado os dados em planilhas

• Medidas de têndencia central sobre o tempo gasto

• Frequência absoluta e relativa para cada finalidade das redes sociais

• Observar o tempo em cada rede social e os dispositivos usados e cruzar dados

• Fazer gráficas demontrativos

Que tipo de decisão pode ser tomada com base nesses dados?

• Para empresas :

• segmentar público

• Direcionar o marketing

• Investimento direcionados de forma especifica e com projecão de resultados por plataforma

• Desenvolvimento de produtos ou servicos

  
  

  Para desenvolvedores e aplicativos e redes sociais

  
  

• Observar quais funcionalidades mais usadas

• Desenvolver novas funcionalidades

• Estratégias para atrair público

Para órgãos públicos

• Campanhas de saúde digital

• Direcionamento de marketing

• Políticas de inclusão

2. Como ele é / pode ser organizado ou analisado?
Podemos organizar os dados em uma planilha com as colunas: Nome (ou apenas iniciais), Idade, Rede Social mais usada, Tempo diário (em minutos).
Depois, podemos calcular a média de uso por idade, criar gráficos de barras comparando redes sociais e até identificar padrões por faixa etária.

3. Que tipo de decisão pode ser tomada com base nesses dados?
– Escolas podem usar essas informações para refletir com os alunos sobre o equilíbrio entre vida digital e outras atividades.
– Campanhas de saúde mental podem ser planejadas para alertar sobre o uso excessivo.
– Empresas podem adaptar suas estratégias de marketing com base no comportamento real dos usuários.

📷 Exemplo real do meu cotidiano:
Percebi que passo em média 3 horas por dia no celular, sendo 1h30 só no Instagram. Ao registrar isso por uma semana, notei que meu tempo produtivo caiu. Decidi então limitar o tempo de uso para 1h/dia e usar o restante para estudar ou para lazer.

• Qual é o dado que pode ser / é coletado?

  Pode se coletar toda o conteúdo que a biblioteca possuí, com informações sobre gênero, autor e entre outros. Além disso, também pode se coletar informações sobre os visitantes, como idade, gênero, nivel de escolaridade e ocupação (se trabalha).

  
  

• Como ele é / pode ser organizado ou analisado?

  Os dados devem organizar os livros por categorias, visando deixar claro o conteúdo que cada livro oferece, seja ele puramente educativo ou de entretenimento, e também coisas como faixa etária. Os dados sobre os usuários do serviço seriam em torno de seus perfis, visando entender que tipo de pessoa costuma estar na biblioteca para usurfruir de tudo o que ela tem a oferecer.

  
  

• Que tipo de decisão pode ser tomada com base nesses dados?

  Com tudo isso, fica fácil perceber onde a biblioteca está falhando com os moradores da região. Ela pode estar oferecendo um tipo de conteúdo que não condiz com aqueles que a utilizam. Por exemplo, focando meramente em conteúdo didático infantil quando o publico que mais a utiliza são jovens-adultos. Ou também pode ter abundância de conteúdo de ficção e fantasia, sem contar com uma boa base de conteúdo informativo para os estudantes que a frequentam. Desta forma, pode-se tomar melhores decisões na hora de dividir todo o conteúdo entre as diferentes unidades da cidade, podendo oferecer o que a população da região mais utiliza e/ou precisa.

Exemplo real

Em 1973, foi criado o Programa Nacional de Imunização (PNI). Programa este que transformou o Brasil em referência mundial em campanhas de vacinação, o que contribui para a erradicação ou controle de diversas doenças imunopreveníveis. Entretanto, desde 2015, especialmente depois da pandemia da COVID-19, o país vem enfrentando uma preocupante queda nas coberturas vacinais, com destaque para vacinas como tríplice viral, poliomielite e febre amarela. Essa redução se deu devido à sobrecarga do sistema de saúde, medidas de isolamento social e à disseminação de notícias falsas que geraram hesitação vacinal.

Durante a pandemia, o Brasil registrou os piores índices vacinais em 30 anos. Em 2022, por exemplo, apenas 11,4% das crianças entre 6 meses e 5 anos haviam recebido duas doses contra a COVID-19. O abandono vacinal também se agravou, especialmente em vacinas que exigem mais de uma dose, com evasão superior a 50% em alguns estados. Problemas estruturais, desigualdades regionais e fatores políticos também contribuíram, como a condução da pandemia pelo governo anterior, que minimizou a importância da vacinação. Embora haja sinais de recuperação em 2023, com aumento parcial das coberturas, ainda não se atingiram as metas do PNI. A retomada requer combate à desinformação, reforço da atenção primária e políticas públicas que priorizem a imunização como medida coletiva de proteção à saúde infantil.

Referência bibliográfica

BRASIL. Ministério da Saúde. O impacto da pandemia da COVID-19 na cobertura vacinal infantil brasileira. [S. l.]: Ministério da Saúde, [2023]. Disponível em: https://www.scielo.br/j/ha/a/7XrB5JV8vF7MMFsRvcBHHMn/?lang=pt. Acesso em: 17 jun. 2025.

FIOCRUZ; UNIFASE. Observa Infância: cobertura vacinal contra a COVID-19 em crianças brasileiras. Rio de Janeiro: Fiocruz, 2023. Disponível em: https://www.unicef.org/brazil/comunicados-de-imprensa. Acesso em: 17 jun. 2025.

INSTITUTO QUESTÃO DE CIÊNCIA (IQC). Anuário VacinaBR 2025. Belo Horizonte: IQC; SBIm; UNICEF, 2025. Disponível em: https://www.unicef.org/brazil/comunicados-de-imprensa/brasil-vive-crise-prolongada-na-vacinacao-infantil-apesar-de-melhora-em-2023-mostra-anuario-vacinabr. Acesso em: 17 jun. 2025.

ORGANIZAÇÃO PAN-AMERICANA DA SAÚDE (OPAS). Imunização infantil inicia recuperação após retrocesso da COVID-19. Washington, D.C.: OPAS, 2023. Disponível em: https://www.paho.org/pt/noticias/18-7-2023-imunizacao-infantil-inicia-recuperacao-apos-retrocesso-da-covid-19. Acesso em: 17 jun. 2025.

SOUZA, R. M. de. Vacinação e negacionismo: a crise da imunização infantil no Brasil contemporâneo. História, Ciências, Saúde – Manguinhos, Rio de Janeiro, v. 30, n. 1, 2023. Disponível em: https://www.scielo.br/j/ha. Acesso em: 17 jun. 2025.

Para saber como cada atendente está indo e ajudar a equipe a reter mais clientes de empréstimo consignado, a gente analisa alguns dados importantes:

O que a gente coleta do atendente?

• Tempo no telefone: Quanto tempo ele fica logado, em pausas, e quanto tempo gasta em cada ligação (TMA), na ligação total (TMO) e registrando as informações depois (TMT).

• Resultados dele: Quantos clientes ele conseguiu convencer a ficar (produção/retenção) e quantos contratos fechou.

• Como ele registra: Quais opções de finalização de chamada (tabulações) ele mais usa.

Como a gente usa esses dados?

A gente compara o desempenho de cada um com a média da equipe e as metas. Olhamos se alguém está demorando demais nas pausas ou na tabulação, ou se o tempo de ligação está afetando o resultado de retenção.

Que decisões a gente toma com isso?

Com base nesses dados, a gente pode:

• Dar treinamento específico: Se alguém retém pouco, mas conversa muito, talvez precise de ajuda para "fechar" mais a venda. Se demora na tabulação, pode precisar de ajuda com o sistema.

• Dar feedback: Conversar com o atendente mostrando onde ele pode melhorar.

• Reconhecer: Os melhores no desempenho são valorizados, mostrando o que funciona.

• Melhorar as metas: Se ninguém está batendo uma meta, talvez ela precise ser ajustada ou o processo revisto.

Como ele é / pode ser organizado ou analisado?
Esses dados podem ser registrados em uma planilha, organizados por:

• Turma, série ou faixa etária;

• Dias da semana ou horários;

• Tipo de equipamento utilizado.

Com essas informações, é possível:

• Calcular médias de uso por turma;

• Verificar a frequência de utilização dos equipamentos;

• Criar gráficos de colunas, linhas ou tabelas comparativas para visualizar os horários de pico e o uso por série;

• Analisar a relação entre uso da tecnologia e desempenho em atividades.

Que tipo de decisão pode ser tomada com base nesses dados?

A partir da análise, a escola pode:

• Melhorar o agendamento dos laboratórios, evitando conflitos de horários ou superlotação;

• Planejar a compra ou manutenção de equipamentos, conforme a demanda real;

• Desenvolver políticas de uso responsável da tecnologia, com base nos padrões observados;

• Incluir mais aulas com recursos digitais para turmas que usam pouco, equilibrando o acesso;

• Avaliar o impacto da tecnologia na aprendizagem, comparando dados de uso com desempenho escolar.

Como ele é / pode ser organizado ou analisado?
Esses dados podem ser registrados em uma planilha, organizados por:

• Modalidade esportiva;

• Turma, série ou faixa etária;

• Frequência semanal ou mensal de participação.

A partir disso, é possível:

• Calcular o total e a média de participantes por esporte;

• Identificar os esportes mais e menos praticados;

• Criar gráficos de barras, colunas ou pizza para visualizar a preferência dos alunos;

• Analisar a participação por gênero ou idade.

Que tipo de decisão pode ser tomada com base nesses dados?

A partir da análise, a escola pode:

• Planejar melhor o uso dos espaços esportivos, como quadras e campos;

• Oferecer mais aulas ou treinos das modalidades mais populares;

• Estimular a participação nas modalidades com pouca adesão, com campanhas ou aulas experimentais;

• Organizar campeonatos internos com base nas modalidades mais praticadas;

• Investir em materiais esportivos de acordo com o interesse dos alunos;

• Promover a inclusão, observando a participação de diferentes grupos (gênero, idade, etc.).

Fisiológicos : Frequência cardíaca, VO2 máximo, consumo calórico, saturação de oxigênio

Biomecânicos: Velocidade, cadência, amplitude de movimento, força aplicada

Corpo e composição corporal: Peso, IMC, percentual de gordura, massa magra

Desempenho específico: Tempo de corrida, repetições, carga levantada, tempo de recuperação

Tecnológicos (via wearables): Dados de GPS, acelerômetro, giroscópio, eletromiografia

2. Como ele é / pode ser organizado ou analisado

Apps e plataformas fitness: Como Strava, Garmin Connect, MyFitnessPal, que centralizam os dados

Planilhas de treino: Comparando séries, pesos, evolução semanal

Dashboards de BI: Para atletas de alto rendimento ou treinadores analisarem tendências

Machine Learning e IA: Previsão de lesões, análise preditiva de performance

Análise longitudinal: Acompanhamento de progresso ao longo do tempo

Zonas de desempenho: zonas de frequência cardíaca para treino aeróbico, anaeróbico

3. Que tipo de decisão pode ser tomada com base nesses dados

Ajuste de carga de treino: Aumentar ou reduzir intensidade conforme fadiga ou progresso

Prevenção de lesões: Identificar padrões de sobrecarga ou assimetria

Ajuste nutricional: Corrigir déficit calórico, macros, hidratação

Planejamento de metas realistas: Corrigir treinos para alcançar metas possíveis e mensuráveis

Periodização inteligente: Dividir o ano em fases de base, força, pico e recuperação

Biofeedback em tempo real: Corrigir postura ou intensidade durante o exercício

Avaliação de recuperação: Decidir se o corpo está pronto para novo treino intenso

• Leituras diárias de consumo de energia (em kWh).

• Horários de pico de uso.

• Tipos de equipamentos em funcionamento.

🗃️ Como ele pode ser organizado ou analisado?

• Registro em uma planilha, dividindo por dia, horário e cômodo da casa.

• Criação de gráficos para visualizar padrões semanais.

• Cálculo de médias, desvios padrão e identificação de outliers (consumos anormais).

🎯 Que tipo de decisão pode ser tomada com base nesses dados?

• Redução de custos ao identificar e modificar hábitos de consumo excessivo.

• Troca de aparelhos por versões mais eficientes.

• Planejamento do uso de energia em horários de tarifa reduzida (tarifa branca, por exemplo).

• Avaliação da viabilidade de instalar painéis solares.

Intenção de voto da população em diferentes regiões do país durante o período eleitoral.

Como ele pode ser organizado ou analisado:

Esses dados são geralmente coletados por meio de pesquisas de opinião, com amostras representativas da população. Após a coleta, os dados podem ser organizados por região, faixa etária, gênero, escolaridade e outros recortes. A análise estatística permite calcular proporções, margens de erro, identificar tendências e comparar cenários entre os candidatos.

Tipo de decisão que pode ser tomada com base nesses dados:

Com base nesses dados, partidos e candidatos podem tomar decisões estratégicas, como onde concentrar campanhas, quais pautas priorizar em determinadas regiões e como ajustar a comunicação. Também ajudam a mídia e os eleitores a entenderem o cenário político e o possível comportamento do eleitorado.

Exemplo real:

Nas eleições presidenciais do Brasil, institutos como o Datafolha e o IPEC usam esse tipo de análise para projetar cenários de segundo turno e mudanças de comportamento dos eleitores, influenciando diretamente o rumo das campanhas e até os debates públicos.

Qual é o dado que pode ser coletado?

O dado o coletado é o consumo de energia elétrica em kWh (quilowatts-hora) da sua residência (ou de um grupo de residências, como um prédio de apartamentos) ao longo do tempo. Esse dado é normalmente registrado mensalmente pelas empresas de energia em sua conta, mas também pode ser acompanhado diariamente ou semanalmente se você tiver acesso a um medidor inteligente ou dispositivos de monitoramento.

Como ele pode ser organizado ou analisado?

• Organização:

  • Os dados podem ser organizados em uma tabela simples, com colunas para o mês/período e o consumo em kWh.

  • Para uma análise mais detalhada, pode-se adicionar colunas para variáveis como: temperatura média do período, número de pessoas na casa, uso de ar-condicionado/aquecedor, períodos de férias (casa vazia), etc.

  • Se coletados diariamente, os dados podem ser agrupados por semana ou mês para identificar tendências.

• Análise:

  • Média e Mediana: Calcular o consumo médio mensal para entender o padrão geral. A mediana pode ser útil se houver grandes variações.

  • Variação: Observar a amplitude de consumo (maior e menor valor) para identificar picos e vales.

  • Gráficos:

    • Gráfico de Linha: Ideal para visualizar a tendência do consumo ao longo do tempo, identificando aumentos ou reduções sazonais (por exemplo, maior consumo no verão devido ao ar-condicionado ou no inverno com aquecedores).

    • Gráfico de Barras: Comparar o consumo entre diferentes meses ou anos.

    • Gráfico de Dispersão: Se você tiver dados de temperatura, pode plotar consumo vs. temperatura para ver se há uma correlação.

  • Correlação: Investigar a relação entre o consumo e outras variáveis, como a temperatura ambiente. Por exemplo, um aumento de 5°C na temperatura média resulta em um aumento de X kWh no consumo?

  • Comparação: Comparar o consumo da sua residência com a média de outras casas de porte similar na sua região, se houver dados disponíveis.

Que tipo de decisão pode ser tomada com base nesses dados?

A análise do consumo de energia pode levar a diversas decisões práticas e financeiras:

1. Identificação de Desperdícios: Picos de consumo inesperados podem indicar problemas como eletrodomésticos com defeito, fugas de energia ou uso ineficiente de aparelhos.

2. Otimização do Uso de Eletrodomésticos: Se o consumo é alto em determinados meses, pode-se decidir usar o ar-condicionado/aquecedor de forma mais consciente, programar o uso de máquinas de lavar para horários de tarifa mais barata (se aplicável) ou investir em aparelhos mais eficientes.

3. Planejamento Financeiro: Prever custos futuros de energia, permitindo um melhor planejamento do orçamento familiar.

4. Investimentos em Eficiência Energética: Se a análise mostrar um consumo cronicamente alto, a decisão pode ser investir em melhorias como:

   • Instalação de painéis solares.

   • Troca de lâmpadas incandescentes por LED.

   • Melhoria do isolamento térmico da casa.

   • Aquisição de eletrodomésticos com selo Procel A.

5. Conscientização e Mudança de Hábitos: Compartilhar os dados e a análise com a família pode ajudar a criar uma cultura de uso mais consciente da energia.

6. Negociação com Fornecedores (em contextos específicos): Em mercados onde há flexibilidade, a compreensão do perfil de consumo pode auxiliar na escolha do melhor plano tarifário.

Exemplo :

Imagine que sua análise mostrou um aumento significativo no consumo de energia nos meses de verão, e o gráfico de dispersão revelou uma forte correlação entre o consumo e a temperatura. A decisão pode ser: "Vamos usar o ar-condicionado de forma mais moderada, ajustando a temperatura para 23-24°C em vez de 18°C, e considerar a compra de um ventilador de teto eficiente para dias menos quentes."

Como Organizar e Analisar:
Registro todo dia em um caderno ou aplicativo quanto meu cachorro come. Posso organizar esses dados semanalmente para observar se há variação no apetite dele.

Decisão com Base nos Dados:
Esses dados ajudam a decidir se preciso ajustar a quantidade diária de ração, perceber se ele está comendo pouco ou demais, e até identificar possíveis problemas de saúde.

Exemplo Real:
Tenho observado que meu cachorro anda comendo menos nos dias mais quentes. Com isso, comecei a dividir as refeições dele em horários mais frescos, como de manhã cedo e à noite, garantindo que ele se alimente bem todos os dias.

. apresentar teorias

. elaborar questões

. responder questões

. comentar questões

. apresentar e explorar estudos de casos

Esse dado pode ser organizado por formação acadêmica, nível de carreira e condição socioenocômica

Com base nesses dados, podem ser divulgadas as estratégias que mais são usadas por cada perfil de estudante autodidata que usa chatbots, como um guia para estudantes autodidatas menos experientes para obter os melhores resultados em seus estudos ecnomizando muito tempo de experiência para obter os mesmos resultados buscados.

^ideiai.com

^{Dados ambientais podem ser coletados através de plataformas de coleta de dados (PCD), que são estações equipadas com diferentes sensores capazes de captar os dados em campo e transmiti-los a estações centrais de processamento por meio de telemetria – fazendo uso de satélites de coleta de dados ou outras tecnologias como o General Packet Radio Service (GPRS)}