Questão de Programação — Linguagens de programação — CESPE / CEBRASPE 2024

Visualização de dados com R e Python

Gabarito: letra C. A abordagem mais apropriada para criar visualizações eficientes e informativas com grande volume de dados é agregar e filtrar os dados no banco de dados antes de carregá-los para a ferramenta de visualização, e então usar gráficos de linha para mostrar a evolução temporal do faturamento médio por setor. Isso reduz a quantidade de dados transferidos e processados, tornando a visualização mais rápida e clara.

O problema central aqui é o volume e a complexidade dos dados. Quando se trabalha com muitos dados brutos, carregá-los integralmente para R ou Python pode ser ineficiente, lento e até inviável. A boa prática em análise de dados é pré-processar e agregar os dados na fonte (banco de dados), enviando apenas o que é necessário para a visualização. Isso é conhecido como pushdown de processamento, onde operações como filtragem, agregação e ordenação são executadas no banco, e não na aplicação de visualização.

Além disso, a escolha do tipo de gráfico é crucial. Para mostrar a evolução temporal de uma métrica (como o faturamento médio), o gráfico de linhas é o mais adequado, pois permite visualizar tendências ao longo do tempo. Já o gráfico de dispersão é útil para mostrar a relação entre duas variáveis numéricas, mas com muitas empresas, um único gráfico ficaria poluído e ilegível. Gráficos de barras empilhadas são bons para comparar composições, mas não para tendências temporais. E gráficos de pizza são inadequados para comparar muitas categorias, pois a percepção de proporções é imprecisa.

Na prática, um analista que precisa visualizar a evolução do faturamento médio por setor ao longo dos anos deve executar uma consulta SQL que agrupe os dados por setor e ano, calculando a média do faturamento. O resultado dessa consulta, já agregado e com poucas linhas, é então carregado para R ou Python, onde um gráfico de linhas é gerado com facilidade e rapidez. Essa abordagem é eficiente porque minimiza o tráfego de dados e o esforço computacional, além de produzir uma visualização mais limpa e informativa.

A pegadinha desta questão está em confundir a ferramenta de visualização com a fonte de dados. As alternativas A, B e D sugerem carregar todos os dados brutos para R ou Python, o que é ineficiente. A alternativa C, por outro lado, propõe uma abordagem mais inteligente: processar os dados no banco antes de visualizá-los. É essa a chave para responder corretamente.

Alternativa A — ❌ Incorreta

Criar um gráfico de dispersão com todas as empresas em um único gráfico resultaria em um overplotting severo, onde os pontos se sobrepõem e a visualização se torna ilegível. Além disso, carregar todos os dados brutos para R ou Python é ineficiente. A alternativa ignora o volume de dados e a necessidade de agregação.

Alternativa B — ❌ Incorreta

Embora gráficos de barras empilhadas possam mostrar a distribuição por estado, a alternativa sugere usar dados brutos diretamente carregados do banco de dados, o que é ineficiente para grandes volumes. Além disso, barras empilhadas não são a melhor escolha para visualizar a distribuição geográfica, pois a comparação entre estados fica difícil. A abordagem correta seria agregar os dados por estado antes de carregá-los.

Alternativa C — ✅ Correta ⟵ GABARITO

Esta alternativa descreve a abordagem mais apropriada: agregar e filtrar os dados no banco de dados antes de carregá-los para R ou Python, e usar gráficos de linha para visualizar a evolução temporal do faturamento médio por setor. Isso é eficiente porque reduz a quantidade de dados processados e transferidos, e o gráfico de linhas é ideal para mostrar tendências ao longo do tempo. A alternativa aborda corretamente o volume e a complexidade dos dados.

Alternativa D — ❌ Incorreta

Gráficos de pizza são inadequados para representar a proporção de empresas por setor, especialmente com muitos setores, pois a comparação de ângulos e áreas é imprecisa. Além disso, carregar todos os dados brutos do banco de dados para R ou Python é ineficiente. A alternativa ignora a necessidade de agregação e a limitação dos gráficos de pizza.

Gabarito: letra C