☕DOE UM CAFÉ
Compre OS LIVROS DESTA SÉRIE
Cardinalidade—a contagem de valores distintos em uma coluna—representa métrica de diagnóstico que muitos analistas negligenciam até enfrentar um problema de design ou performance. Um dataset com 50 milhões de transações pode conter apenas 2 milhões de usuários únicos. Essa proporção não é acidental; ela comunica estrutura fundamental dos dados e, mais importante, que tipo de análise é estatisticamente viável.
A análise de cardinalidade responde perguntas que definem metodologia analítica: essa coluna funciona como dimensão ou como medida? Preciso normalizar ou posso trabalhar com a tabela como está? Quantas combinações únicas realmente existem quando agrego dados? A resposta a essas perguntas determina viabilidade de certas abordagens analíticas.
SELECT
COUNT(DISTINCT id_usuario) AS usuarios_unicos,
COUNT(DISTINCT categoria) AS categorias_unicas
FROM sua_tabela;
Este comando fornece contagem de valores distintos por coluna, informação que antecede qualquer operação de GROUP BY, agregação ou criação de dimensão. Quando você executa esta query contra tabela de transações de pagamento e descobre 50 milhões de transações contra apenas 2 milhões de usuários únicos, você imediatamente compreende que comportamento agregado é melhor estudado no nível de usuário, não de transação. Cada usuário possui em média 25 transações. Essa proporção sugere que análise de coorte, lifecycle e retenção deve ser sua estratégia, não análise de padrões transacionais individuais.
Em outro contexto, quando você examina coluna de "estado_pedido" e descobre 50 milhões de registros contra apenas 5 valores únicos (pendente, enviado, entregue, cancelado, devolvido), você confirmou que essa coluna é genuinamente uma dimensão pequena, bem definida e estável. Ela pode ser mapeada diretamente em dashboard sem preocupação com explosão de categorias. Você pode usar GROUP BY com confiança e criar filtros de dashboard que funcionarão intuitivamente.
No contexto de análise de produtos, a cardinalidade revela oportunidades de normalização. Se você possui tabela contendo 100 mil SKUs, mas apenas 50 marcas, 200 categorias e 15 subcategorias, sua normalização já está justificada. Você pode criar dimensões de marca, categoria e subcategoria, reduzindo redundância e melhorando mantenibilidade. Se você possui 1 milhão de ID de clientes em dataset com 10 milhões de registros, você está diante de base de clientes fiel com forte repetição.
A proporção entre cardinalidade total e cardinalidade de coluna oferece ainda mais insight. Em dataset de visitas de website, se você possui 1 bilhão de pageviews mas apenas 10 milhões de usuários únicos, cada usuário gera em média 100 pageviews. Essa proporção comunica nível de engagement e informa decisões sobre que análises você pode fazer com confiança estatística.
Profissionais de dados que dominam cardinalidade frequentemente criam script expandido que calcula não apenas contagem de valores distintos, mas proporção de NULL, proporção de valores únicos em relação ao total, e, para variáveis numéricas, estatísticas descritivas. Este script completo oferece visão holística da forma e estrutura de cada coluna.
Sim, nós sabemos, nós sabemos, nós sabemos…
Ver essa mensagem é irritante. Sabemos disso. (Imagine como é escrevê-la...). Mas também é extremamente importante. Um dos maiores trunfos do ✔ Brazil SFE® é seu modelo parcialmente financiado pelos leitores.
1. O financiamento dos leitores significa que podemos cobrir o que quisermos. Não sujeitos a caprichos de um proprietário bilionário. Ninguém pode nos dizer o que não dizer ou o que não reportar.
2. O financiamento dos leitores significa que não precisamos correr atrás de cliques e tráfego. Não buscamos desesperadamente a sua atenção por si só: buscamos as histórias que nossa equipe editorial considera importantes e que merecem o seu tempo.
3. O financiamento dos leitores significa que podemos manter nosso blog aberto, permitindo que o maior número possível de pessoas leia artigos de qualidade do mundo todo.
O apoio de leitores como você torna tudo isso possível. No momento, apenas 2,4% dos nossos leitores regulares ajudam a financiar nosso trabalho. Se você quer ajudar a proteger nossa independência editorial, considere juntar-se a nós hoje mesmo.
Valorizamos qualquer quantia que possa nos dar, mas apoiar mensalmente é o que causa maior impacto, permitindo um investimento maior em nosso trabalho mais crucial e destemido, assim esperamos que considere apoiar-nos. Obrigado!
👉 Siga André Bernardes no Linkedin. Clique aqui e contate-me via What's App.
Nenhum comentário:
Postar um comentário