Bem-vindo de volta ao curso da KnowledgeCity sobre o uso do Excel para análise de dados. Eu sou Cliff Brozo. Eu sou seu instrutor. E na lição de hoje, vamos falar sobre como encontrar conjuntos de dados para que possamos realmente fazer algumas análises de dados. Vamos dar uma olhada no melhor lugar para encontrar esses conjuntos de dados. Uma das localizações mais abrangentes para conjuntos de dados está em um site chamado kaggle.com, e kaggle.com apresenta conjuntos de dados para quase tudo o que você está procurando. E é realmente divertido ir e veja que tipo de conjuntos de dados existem. No lado esquerdo da tela quando você acessa kaggle.com, e sim, você tem que se registrar, mas é grátis, podemos clicar nos conjuntos de dados de palavras. E isso nos levará a todos os conjuntos de dados que estão localizados em Kaggle. Existem alguns conjuntos de dados que são tendências, e quando você olha através deles, veja se você vê algo que lhe interessa. Existem alguns conjuntos de dados populares. Existem alguns conjuntos de dados visualizados recentemente depois de entrar no site, conjuntos de dados de filmes e programas de TV, roupas e acessórios, economia, PNL, que trata da neurolinguística, alguns conjuntos de dados sobre câncer, alguns conjuntos de dados sobre COVID. E se você não gosta do que vê, você pode explorar todos os conjuntos de dados públicos que estão por aí. Quando clico aqui, recebo páginas e páginas, na verdade, 152.000 conjuntos de dados diferentes. À medida que passo, posso ver que há alguns que eu possa estar interessado. Há alguns que podem não me interessar. Enquanto eu rolo e rolo e rolo, Posso ir e encontrar um conjunto de dados que eu goste. Como você pode ver, há pelo menos nove páginas. Se eu escolher um no meio, Eu posso ver que eles não estão em nenhum tipo de ordem. Eu sempre posso digitar algo que estou procurando se eu sei o que estou procurando. E, novamente, ao passar por eles, esses conjuntos de dados são muito variados. Aqui está um que me interessa, informações do Walmart. Vamos dar uma olhada no que está no conjunto de dados do Walmart. Quando eu clico nele, ele me dá uma descrição do que está neste conjunto de dados específico, dados de vendas de 45 lojas do Walmart. Eles estão enfrentando um desafio, demandas imprevistas, e eles ficam sem estoque de itens. O Walmart faz descontos promocionais ao longo do ano. Eles precedem feriados importantes, os quatro maiores dos quais são o Super Bowl, Dia do Trabalho, Ação de Graças e Natal. As semanas incluindo esses feriados são ponderados cinco vezes mais do que a avaliação de semanas sem feriados. Novamente, para entender com o que você está lidando, você realmente tem que ler a descrição. Enquanto eu rolo para baixo, ele começa a me contar sobre as informações que estão aqui. Dá-me todos os nomes de campo. Ele me diz que está me mostrando 10 de 17 colunas. Posso expandir isso para selecionar todas as colunas e aplique esse filtro. Obtenha o mesmo tipo de informação, mas agora posso rolar para frente e para trás para ver o tipo de dados que está neste conjunto de dados. Ao rolar a tela para baixo, isso me dá algumas estatísticas de atividade sobre quantas vezes as pessoas o baixaram e quantas vezes as pessoas o visualizaram. Vou baixar este conjunto de dados e dê uma olhada no que há nele. Clique no botão de download, e abre um arquivo para mim, e aqui está o conjunto de dados limpos do Walmart. Quando abro o conjunto de dados, posso ver que tenho todos os dados, e a primeira coisa a fazer é se familiarizar com quantos registros você está lidando. Eu vou para o lado direito e vá até o fim para ver se tenho 42.000 linhas. É uma quantidade bastante decente de dados. Eu vou até o começo, e há algumas coisas que eu gostaria de fazer antes de realmente começar a olhar para os dados. O número um é pegar a fileira um e congelar os vidros. Isso está na guia de exibição, e eu congelo os painéis, e digo congelar a linha superior. O que isso faz para mim é quando eu rolo para baixo, Eu ainda tenho meus títulos. Eu também gostaria de quebrar o texto, então vou para minha guia inicial e clico em quebrar texto. E isso me dá um pouco mais de uma visão do que essas colunas representam. Olhando para os dados, Posso ver que tenho números de loja, datas, se é feriado ou não, em que departamento está, quais vendas semanais, a temperatura do dia, o preço do combustível do dia, as cinco diferentes categorias de descontos, um índice de preços ao consumidor, taxa de desemprego, tipo e tamanho, e se você não se lembra o que são essas coisas, você sempre pode voltar ao Kaggle e descobrir. Neste caso, o tipo representa uma categoria de lojas, e o tamanho é a metragem quadrada de uma determinada loja. Agora é hora de apresentar algum tipo de hipótese dizer com base nos dados que tenho à minha frente, o que posso inferir a partir dos dados disponíveis? Pensando nisso, Eu gostaria de saber se a temperatura, a temperatura externa, tem qualquer efeito sobre as vendas diárias. As pessoas vão às compras quando está muito frio? As pessoas vão às compras quando está muito quente? Vamos ver se podemos descobrir. Mais uma vez, vou inserir uma tabela dinâmica. Certifico-me de que estou em algum lugar nesta mesa. Insira a tabela dinâmica. Ele sabe qual é a minha mesa. Clico em OK e aqui estão meus campos de Tabela Dinâmica. Estou interessado na temperatura, e também estou interessado nas vendas semanais, e isso vai me dar tudo das minhas diferentes temperaturas bem como as vendas dessa semana. Em seguida, quero testar minhas hipóteses e veja se importa com base na temperatura. A primeira coisa que farei é medir minha temperatura, e vou classificar esses dados, vá para minha guia inicial. Eu quero classificar do maior para o menor, e aparentemente o dia mais quente foi de pouco mais de 100 graus. Agora eu gostaria de descobrir, as pessoas compram quando está 100 graus? Quando olho para todos esses números, Eu vejo que é realmente difícil descobrir se ou não há qualquer tipo de padrão. Vou aplicar alguma formatação condicional à minha soma de vendas semanais que me mostrará visualmente quando as pessoas compram. Clico em toda a coluna B. Essa é a coluna que desejo formatar. Eu escolho a formatação condicional, e eu vou entrar em minhas regras superiores e inferiores e diga: "Dê-me os 10% melhores." Quero descobrir quais são os 10% principais das vendas, então eu vou para a formatação condicional, minhas regras superiores e inferiores, escolha os 10% melhores, e formatá-lo para que seja a cor que eu gosto. Eu vou escolher verde. Clico em OK e imediatamente não vejo nada. Antes de ficar alarmado, começo a rolar para baixo, e não é até que a temperatura é de 91 graus eu tenho vendas que estão no top 10. O que isso me diz é que as pessoas não estão comprando quando está super quente porque apenas um desses números, e continuo rolando para baixo, Eu fico um pouco acima de 90 graus. Aí está o segundo. Eu continuo rolando para baixo, 89 graus. Então, de 112 temperaturas diferentes variando de 89 ou 90 graus para cima, apenas três vezes houve grandes números de vendas. Eu continuo rolando para baixo e rolando para baixo e rolando para baixo. Eu pulo para quase 88 graus e tenho outro. 87 graus, eu tenho outro. São apenas cinco. 87 graus. O que isso está me mostrando é que muitas pessoas não compram quando está super quente. Conforme eu percorro o conjunto de dados, Vou pegar minha barra de rolagem aqui, e conforme entro nas temperaturas mais amenas, terei mais e mais dados que está no top 10% das vendas. Esta é apenas uma maneira de pegar um conjunto de dados e escolha uma hipótese e então provar se meu palpite vai dar certo ou errado. Agora você sabe onde encontrar conjuntos de dados e o que fazer com eles depois de ter um. Vejo você na próxima vez.
