Resumo. O texto descreve os passos para realização de análise quantitativa de dados. A Análise de dados é útil às organizações para a tomada de decisões, manter-se no mercado e obter vantagem competitiva. Utiliza-se das TICs (Tecnologias da Informação e Comunicação) e de análises estatísticas sobre os dados coletados. Dentre as técnicas estatísticas temos a análise descritiva, estatística inferencial e análise de correlação e regressão. Palavras-chave: passos para realização de análise quantitativa de dados, Estatística, análise descritiva, estatística inferencial, análise de correlação e regressão.

Introdução

O objetivo do texto é focar nos passos para análise dos dados em pesquisa quantitativa, apesar de viabilizar um panorama. Portanto, discorre sobre o que é a pesquisa quantitativa e a análise de dados nesse tipo de pesquisa. Em seguida são descritos os passos para a análise quantitativa. Por fim é discutido qual o passo mais importante para a análise quantitativa de dados.

II - O QUE É PESQUISA QUANTITATIVA

A apresentação dos dados coletados em sua forma original não permite que alguma informação possa ser extraída facilmente. Sem organização prévia, simplificação e síntese de uma grande quantidade de dados não dá para captarmos a existência de um padrão (UFSC, 2025). Dessa forma, antes de descrever os passos para a análise de dados, seguem algumas definições do que é.

A Análise quantitativa é uma metodologia para a tomada de decisões que surgiu no século XX. Envolve a definição do problema, obtenção de dados, determinação e teste da solução, análise e implementação dos resultados. A análise de dados quantitativa, no contexto corporativo, é um processo que busca obter informações relevantes a partir de dados sobre algum aspecto específico do negócio (Blog Ploomes, 2024).

Análise quantitativa de dados é sobre aplicar métodos de análise estatística para definir, resumir e contextualizar dados numéricos (User Pilot, 2025).

A análise de dados quantitativa, no contexto corporativo, é um processo que busca obter informações relevantes a partir de dados sobre algum aspecto específico do negócio (Blog Ploomes, 2024).

Análise quantitativa de dados é sobre aplicar métodos de análise estatística para definir, resumir e contextualizar dados numéricos (User Pilot, 2025).

A pesquisa quantitativa mede atitudes, comportamentos, opiniões e outras variáveis para apoiar ou rejeitar uma premissa. Isso é feito por meio da coleta de dados numéricos, os quais são facilmente quantificáveis para identificar a “significância estatística” (FreeOnlineSurveys, 2025).

A pesquisa quantitativa é uma abordagem metodológica focada na coleta e análise de dados numéricos para compreender e explicar fenômenos. Utiliza técnicas estatísticas e matemáticas para transformar dados brutos em informações úteis, permitindo aos pesquisadores medir variáveis, testar hipóteses e identificar relações entre elas (Peralta, Paulino, e Formiga, 2024).

O processo de pesquisa quantitativa segue uma sequência lógica: inicia com a formulação de hipóteses, definição das variáveis a serem estudadas, coleta de dados por instrumentos padronizados (como questionários ou experimentos), e termina com a análise estatística dos dados coletados. Essa análise permite que os pesquisadores identifiquem tendências, correlações e relações de causa e efeito entre as variáveis (FIELD, 2018).

A partir dessas definições, observa-se que a pesquisa quantitativa permite generalizar os resultados sobre um tema específico, que possua variáveis quantificáveis, com base numa amostra que represente uma população maior, sendo os dados o alicerce para a análise. Como os dados brutos não permitem por si só tirar conclusões, tomar decisões ou mesmo provar, ou refutar hipóteses faz-se necessária a análise dos dados, que envolve algumas etapas e a utilizações de técnicas específicas.

III - PASSOS PARA REALIZAR UMA ANÁLISE QUANTITATIVA DE DADOS

1. ORGANIZAÇÃO DOS DADOS

O primeiro passo visa organizar os dados coletados de maneira adequada, incluindo a codificação das respostas e a limpeza dos dados. Respostas de perguntas fechadas podem ser codificadas atribuindo números a cada opção, enquanto as respostas as peguntas abertas precisam ser categorizadas. Podem ser utilizadas planilhas, bases de dados e sistemas informatizados.

“Antes de iniciar a análise, é necessário realizar a limpeza dos dados. Isso envolve a identificação e correção de erros, a exclusão de registros incompletos ou inválidos e a padronização dos formatos dos dados. A limpeza dos dados é essencial para garantir a precisão e confiabilidade dos resultados (Awari, 2023)”.

A codificação correta facilita a aplicação de técnicas estatísticas e a limpeza dos dados garante que a análise seja baseada em informações precisas e consistentes (Hair et al., 2019).

2. ANÁLISES ESTATÍSTICAS

A análise estatística permite aos pesquisadores identificar padrões e testar hipóteses objetivamente. Dentre as técnicas de análise pode-se citar a estatística descritiva, estatística inferencial, análise de correlação e análise de regressão.

2.1 Análise descritiva

A análise descritiva é usada para resumir e descrever as principais características de um conjunto de dados. São calculadas medidas de tendência central (média, moda, mediana) e medidas de dispersão (desvio padrão, variância).

Medidas de tendência central indicam onde os dados tendem a se concentrar, para se entender a distribuição geral dos dados. A média, consiste na soma dos valores das variáveis dividida pela quantidade. Numa amostra, a moda é o elemento ou valor que mais ocorre. Já para encontrar a mediana, os valores devem ser ordenados em ordem crescente, sendo a medida o elemento do meio caso a quantidade de medidas seja ímpar, e a média dos dois valores centrais caso seja par.

Medidas de dispersão descrevem o quanto varia os dados em relação à média. Para cálculo da variância a média deve ser subtraída de cada valor e as diferenças encontradas elevadas ao quadrado e somadas; em seguida a soma deve ser dividida por n-1, onde n é a quantidade de medidas. O desvio padrão consta da raiz quadrada da variância. Existe, ainda, outa medida, a amplitude, que se refere a diferença entre o maior e o menor valor.

2.2 Estatística inferencial

Permite fazer inferências nos parâmetros de uma população com base nas estatísticas de uma amostra. A estatística inferencial, tem como pilar a probabilidade, que, de forma genérica, visa quantificar a incerteza associada a eventos aleatórios e a consequente tomada de decisões. Consistem em testes de hipóteses, intervalos de confiança e análise de probabilidades.

2.3 Análise de correlação e regressão

Correlação e regressão são técnicas estatísticas que modelam a relação entre a variável dependente e uma ou mais variáveis independentes, ou seja, permitem entender como a variável dependente muda sua resposta em função de mudança nos valores das variáveis independ

2.3.1 Correlação

É uma técnica em que se mede a força e direção entre duas variáveis, representado por um coeficiente que vai de −1 a 1. Se o coeficiente for +1 as variáveis se movem na mesma direção; ou seja, quando uma aumenta a outra aumenta, quando uma diminui a outra também, portanto são diretamente proporcionais. Quando o coeficiente é −1 ocorre o contrário e as variáveis são inversamente proporcionais. Um coeficiente da correlação igual a 0 (zero), indica que as variáveis não tem uma relação linear aparente. A correlação permite identificar a existência de uma relação entre as variáveis, mas não implica, necessariamente, em causalidade.

2.3.2 Regressão

A regressão permite prever o valor da variável dependente em função de uma ou mais variáveis independentes. As duas técnicas mais utilizadas são a regressão linear simples e a regressão linear múltipla. A regressão linear simples toma a forma de uma função linear ou do primeiro grau: Y = a + bX. A regressão linear múltipla tem a forma a seguir: Y = a + b1X1 + b2X2 + ... + bnXn. Onde a é o valor de Y quando todas as variáveis independentes forem zero, e b1, b2, ..., bn são os coeficientes de regressão de cada variável.

3. VALIDAÇÃO E INTERPRETAÇÃO DOS RESULTADOS

De acordo com Awari [2023], em geral, após a realização da análise estatística dos dados, os resultados obtidos podem ser interpretados. É preciso compreensão dos principais achados da pesquisa, a identificação de tendências, padrões significativos e realizar a discussão das implicações dos resultados. A interpretação, baseada em evidências estatísticas sólidas, deve ser objetiva e clara.

A validação implica na validade e confiabilidade dos dados de forma que sejam precisos, consistentes e representem de fato a questão levantada. Validade envolve a precisão e à relevância das conclusões, e a confiabilidade a consistência e estabilidade das medições realizadas. Dados precisos, relevantes, consistentes e estáveis viabilizam melhores decisões.

IV. CONCLUSÕES

O texto partiu da definição de pesquisa e análise quantitativa, percorreu os passos necessários à análise, descrevendo algumas técnicas estatística importantes na realização dessa. Portanto, qual seria, então, o passo mais importante para a análise de dados?

Conforme a descrição acima não existe um passo mais importante, pois todos são necessários para a realização da análise. Eles devem ser feitos em sequência, como um algoritmo, entretanto, nada impede de se voltar ao passo anterior e realizar revisões e correções, assim como nos passos subsequentes; ou seja, a análise pode ser iterativa.

Perceba que não é possível fazer as análises estatísticas dos dados se não foram limpos e organizados, pois se assim for feito, os resultados não atenderiam aos propósitos da pesquisa. Observando que a análise dos dados é uma parte da pesquisa quantitativa, portanto, não foram discutidas, por exemplo, a definição do problema e a coleta de dados, fases anteriores a análise.

REFERÊNCIAS BIBLIOGRÁFICAS:

CASAGRANDE, Erich. SEMRUSH, 2022. Como aplicar as 5 forças de Porter em uma empresa? Disponível em https://pt.semrush.com/blog/forcas-porter/. Acesso em: 03 fev. 2025.

FARR, Nick. HUBSPOT, 2024. 5 forças de Porter: quais são e como começar a aplicar. Disponível em https://br.hubspot.com/blog/sales/forcas-porter. Acesso em 03 fev. 2025.

SCHROER, Hannah. GEOFUSION INTELIGENCE, 2023. Inteligência Competitiva: saiba o que é e formas de aplicar. Disponível em https://geofusion.com.br/blog/inteligencia-competitiva/. Acesso em: 03 fev. 2025.

CARNEIRO, M. T. CAVALCANTI, M. A. F. D., SILVA, J. F. Porter revisitado: análise crítica da tipologia estratégica do mestre. Revista de Administração Contemporânea, vol. 1, n. 3, set/dez, 1997.

RIBEIRO, M. de P. M. Planejamento por cenários: uma ferramenta para a era do conhecimento. REVISTA INTERSABERES, [S. l.], v. 1, n. 1, p. 186–202, 2012. DOI: 10.22169/revint.v1i1.93. Disponível em: https://www.revistasuninter.com/intersaberes/index.php/revista/article/view/93. Acesso em: 3 fev. 2025.

Brasil 2035 : cenários para o desenvolvimento / Instituto de Pesquisa Econômica Aplicada, Associação Nacional dos Servidores da Carreira de Planejamento e Orçamento.– Brasília: Ipea: Assecor, 2017. 320 p.: il., gráfs. color.

JANNUZZI, P. M. Introdução aos estudos prospectivos e metodologias de construção de cenários, MINISTÉRIO DO DESENVOLVIMENTO SOCIAL E COMBATE À FOME SECRETARIA DE AVALIAÇÃO E GESTÃO DA INFORMAÇÃO, Brasília, n. 21, 2013.

RECHE, C. S., RAMOS, H. R., VILS, L. Cenários Prospectivos: Um Estudo Bibliográfico. In:ANAIS DO VI SINGEP, SIMPÓSIO INTERNACIONAL DE GESTÃO DE PROJETOS, INOVAÇÃO E SUSTENTABILIDADE, São Paulo, 2017.

MAGALHÃES, Kátia Duarte. CENÁRIO COMPETITIVO: Utilização do Método de Grumbach para elaboração dos cenários prospectivos nos quais as micros e pequenas empresas competirão em 2020, Campo Limpo Paulista -SP: FACCAMP, 2012 (Projeto de Pesquisa para obtenção do título de Mestre em Administração).