Uma equipe do governo federal está utilizando ferramentas de Big Data para analisar os padrões de engajamento digital da população com campanhas de utilidade pública promovidas pelos ministérios. O objetivo é compreender quais fatores aumentam a efetividade dessas campanhas nas redes sociais, como cliques em links, curtidas, compartilhamentos e comentários positivos. A base de dados analisada inclui milhões de registros provenientes de diferentes fontes: interações em redes sociais, dados demográficos anonimizados, horários de publicação, características das postagens e conteúdos associados a cada campanha.
Sabe-se que, em pesquisas como essa, é comum serem utilizadas diferentes análises (descritiva, preditiva, prescritiva, diagnóstica ou exploratória) de acordo com os objetivos e a maturidade dos dados disponíveis. Porém, nesse momento, após analisar o desempenho passado de campanhas similares e identificar padrões temporais e temáticos, a equipe deseja usar esses padrões para planejar melhor as futuras postagens e sugerir ações que ampliem o alcance e a interação com o público.
Diante do contexto apresentado, nesse momento, o tipo de análise a ser utilizado pela equipe corresponde à:
- A análise prescritiva, para propor ajustes estratégicos baseados em padrões detectados anteriormente;
- B análise descritiva, para medir a quantidade de postagens feitas em cada rede social ao longo do tempo;
- C análise preditiva, para identificar os motivos que levaram ao baixo desempenho de campanhas anteriores;
- D análise exploratória, para investigar sentimentos expressos nas interações do público sem objetivo definido;
- E análise diagnóstica, para recomendar o horário ideal de postagem com base na taxa de engajamento histórica.