Sumário

A aula caminha do dado bruto até a decisão pública: conceito, qualidade, estatística, ferramentas, visualização, governança, dados abertos, LGPD, IA e pegadinhas de prova.

1. Fundamentos de fluência em dados

   Dado, informação, evidência, ciclo de vida, tipos, variáveis e qualidade
   p. 04
2. Leitura estatística crítica

   Amostras, medidas, dispersão, taxas, correlação, incerteza e séries temporais
   p. 12
3. Ferramentas e estruturas

   Planilhas, SQL, CSV, JSON, APIs, BI e arquitetura analítica
   p. 20
4. Dados públicos e governança

   LAI, dados abertos, Governo Digital, compartilhamento, LGPD e anonimização
   p. 25
5. Visualização e decisão

   Gráficos, painéis, indicadores, storytelling, acessibilidade e evidências
   p. 33
6. Revisão e questões

   Mapa mental, pegadinhas e 10 questões comentadas pelo Prof. Affonsinho
   p. 51

Meta da aula

Ler qualquer tabela, gráfico, painel ou base de dados com senso crítico, precisão técnica e cuidado jurídico.

O que você vai dominar

Dica do Coach Jeff

Não transforme esta disciplina em lista de ferramentas. A prova cobra julgamento: quando usar média, quando desconfiar do gráfico, quando normalizar por população, quando proteger dado pessoal e quando pedir metadado.

Prof. Affonsinho explica, Módulo 01

1 Mapa de incidência em concursos

Fluência em dados é a capacidade de ler, questionar, organizar, analisar, visualizar e comunicar dados sem transformar cada número em fetiche. Em concursos, a disciplina aparece com nomes próximos: leitura crítica de dados, análise de dados, visualização, transformação digital, governança, dados abertos, LGPD, indicadores, painéis e tomada de decisão baseada em evidências.

O tema ganhou espaço em editais transversais, carreiras administrativas, tecnologia, gestão, controle, políticas públicas e programas de formação do setor público. A Enap estrutura cursos oficiais em análise de dados, governança de dados, visualização, storytelling, Power BI, proteção de dados pessoais e resolução de problemas com base em dados. A Escola de Governo do Rio Grande do Sul, no programa de Fluência em Dados 2026, organiza a trilha em leitura, comunicação e aplicação de dados.

A aula segue o caminho que a prova costuma esconder: o dado nasce em um processo real; recebe contexto; passa por limpeza; vira variável; alimenta indicador; entra em tabela, gráfico, painel ou modelo; sustenta uma decisão; e precisa respeitar transparência, segurança, privacidade e rastreabilidade.

Prof. Affonsinho explica, Módulo 01

2 O que é fluência em dados

Fluência não é virar cientista de dados em uma semana. É saber fazer perguntas corretas diante de uma base, de um gráfico, de uma manchete ou de um painel. O candidato fluente pergunta: qual é a fonte, qual é a unidade, qual é o período, como a variável foi medida, quem ficou fora, que transformação foi aplicada e qual decisão se pretende tomar.

A disciplina fica no meio do caminho entre estatística, tecnologia, gestão e comunicação. Ela exige cálculo suficiente para não cair em média enganosa; tecnologia suficiente para entender tabelas, SQL, CSV, JSON e painéis; e maturidade administrativa suficiente para saber que dado público envolve legalidade, interesse público, sigilo e proteção de dados pessoais.

Em prova, fluência em dados é menos sobre decorar comandos e mais sobre reconhecer raciocínios. Quando a questão mostra uma correlação alta, você precisa lembrar que isso não prova causa. Quando mostra um gráfico sem escala, você precisa desconfiar. Quando mostra dado pessoal em base aberta, você precisa acionar LGPD.

Dica do Coach Jeff

Olhe para dado como evidência, não como decoração de relatório. O número entra na conversa para esclarecer uma decisão, não para intimidar quem está lendo.

Prof. Affonsinho explica, Módulo 01

3 Dado, informação, conhecimento e evidência

Dado é registro bruto de uma observação: uma data, um valor, uma categoria, uma coordenada, um evento. Informação é dado organizado em contexto: taxa de evasão por escola, despesa por programa, tempo médio de atendimento por unidade. Conhecimento nasce quando essa informação é interpretada à luz de uma pergunta e de um domínio.

Evidência é informação suficientemente confiável para sustentar uma conclusão provisória. Repare no provisória. Em gestão pública, evidência boa reduz incerteza, mas não elimina política, orçamento, direito, prioridade e valor. Um indicador pode sugerir problema; a decisão ainda precisa respeitar finalidade pública e limites normativos.

A banca gosta de inverter a pirâmide. Dado isolado não é automaticamente conhecimento. Painel colorido não é automaticamente evidência. Modelo matemático não é automaticamente verdade. A qualidade do raciocínio depende de origem, método, contexto e validade.

Prof. Affonsinho explica, Módulo 01

4 Ciclo de vida dos dados

O ciclo de vida ajuda a enxergar onde o erro entra. Primeiro há planejamento: qual pergunta será respondida, que dado é necessário e com que base legal. Depois vêm coleta, registro, armazenamento, tratamento, análise, compartilhamento, arquivamento e descarte. Cada etapa pode melhorar ou destruir a utilidade do dado.

Na administração pública, o ciclo precisa dialogar com LAI, LGPD, política de dados abertos, governo digital, gestão documental e segurança da informação. Não basta ter uma planilha: é preciso saber quem produziu, quando produziu, sob qual regra, com qual finalidade, qual dado é pessoal, qual dado é sigiloso e qual dado pode ser aberto.

A fluência nasce quando você deixa de ver o dataset como arquivo final e passa a enxergar a cadeia. Se o registro inicial é ruim, o painel será elegante e errado. Se o descarte é ignorado, o risco jurídico cresce. Se a base é compartilhada sem governança, a utilidade sobe junto com o perigo.

Prof. Affonsinho explica, Módulo 01

5 Dados estruturados, semiestruturados e não estruturados

Dados estruturados seguem esquema claro: tabelas relacionais, linhas, colunas, tipos e chaves. Dados semiestruturados têm organização flexível, como JSON, XML e logs com campos variáveis. Dados não estruturados são textos livres, imagens, áudio, vídeo, documentos digitalizados e mensagens.

O erro de prova é achar que dado não estruturado é inútil. Ele pode ser muito rico, mas exige técnicas diferentes: extração de texto, classificação, busca, processamento de linguagem, visão computacional ou curadoria humana. O custo de governança também cresce, porque conteúdo livre tende a carregar dado pessoal e informação sensível de forma menos previsível.

Em concursos, a distinção serve para escolher ferramenta. Tabela cabe bem em SQL. JSON conversa com API. Texto exige mineração ou leitura crítica. Imagem pode exigir metadados e modelo especializado. A pergunta técnica é sempre: qual estrutura existe e qual transformação é necessária?

Prof. Affonsinho explica, Módulo 01

6 Variáveis e escalas de mensuração

Variável é atributo observado em uma unidade: idade da pessoa, valor do contrato, tipo de serviço, nota de satisfação, município, quantidade de atendimentos. Ela pode ser qualitativa nominal, qualitativa ordinal, quantitativa discreta ou quantitativa contínua. Essa classificação define o resumo adequado.

Escala nominal separa categorias sem ordem, como órgão ou região. Escala ordinal tem ordem, mas distância não necessariamente mensurável, como nível de satisfação. Escala intervalar tem intervalos comparáveis, mas sem zero absoluto, como temperatura em Celsius. Escala de razão tem zero significativo, como renda, peso, tempo e quantidade.

A banca usa isso para pegar média indevida. Fazer média de código de município é absurdo. Fazer média de escala ordinal pode exigir cautela. Calcular razão em escala intervalar pode distorcer. O número só permite operações compatíveis com a forma como foi medido.

Prof. Affonsinho explica, Módulo 01

7 Qualidade de dados

Qualidade de dados não é luxo de projeto grande. É o que decide se a análise informa ou engana. As dimensões mais cobradas são completude, acurácia, consistência, atualidade, unicidade, validade, integridade e relevância. Cada uma mede um tipo diferente de confiabilidade.

Completude pergunta se campos importantes foram preenchidos. Acurácia pergunta se o valor corresponde ao mundo real. Consistência pergunta se registros não se contradizem. Atualidade pergunta se o dado ainda representa a situação. Unicidade pergunta se não há duplicidade. Validade pergunta se o valor respeita formato e domínio.

Um dado pode estar completo e errado; atual e irrelevante; consistente e enviesado. Por isso, qualidade não é uma nota única. É um conjunto de verificações alinhadas ao uso pretendido. Dado para estatística agregada tem tolerâncias diferentes de dado para conceder benefício individual.

Alerta do Examinador

Quando a questão disser que qualidade é apenas ausência de erro, marque mentalmente: está pobre. Qualidade envolve adequação ao uso, documentação, consistência, atualidade e governança.

Prof. Affonsinho explica, Módulo 01

8 Metadados e proveniência

Metadado é dado sobre o dado: nome do campo, descrição, unidade de medida, periodicidade, fonte, método de coleta, responsável, licença, data de atualização, formato e restrições de uso. Sem metadado, uma base vira um mapa sem legenda. Parece útil até você precisar confiar nela.

Proveniência registra origem e trajetória: quem coletou, como transformou, quais filtros aplicou, quais versões existiram e quem acessou. Em auditoria, controle externo, ciência aberta e governo digital, proveniência permite reprodutibilidade e responsabilização. Ela responde: de onde veio esse número?

A W3C recomenda que dados na Web sejam descobertos e compreensíveis por humanos e máquinas, com metadados, licenças, proveniência, qualidade, versionamento e formatos padronizados. Para concurso, guarde a essência: dado aberto sem metadado bom é só arquivo largado.

Prof. Affonsinho explica, Módulo 02

9 População, amostra e viés

População é o conjunto sobre o qual se pretende concluir. Amostra é o subconjunto observado. Fluência em dados exige perguntar se a amostra representa a população. Uma pesquisa com usuários de aplicativo não representa cidadãos sem acesso digital; uma base de reclamações não representa todos os usuários; uma enquete voluntária não representa opinião geral.

Viés amostral surge quando certos grupos têm maior chance de entrar na base. Viés de resposta aparece quando quem responde difere de quem não responde. Viés de sobrevivência ocorre quando só se analisam casos que permaneceram visíveis. Viés de seleção transforma dado abundante em evidência fraca.

A banca gosta de frases como: quanto maior a amostra, menor qualquer viés. Errado. Tamanho reduz erro aleatório, mas não cura seleção ruim. Um milhão de registros enviesados continuam enviesados, só que com mais convicção aparente.

Prof. Affonsinho explica, Módulo 02

10 Medidas de tendência central

Média aritmética soma valores e divide pelo número de observações. Mediana ocupa o centro da distribuição ordenada. Moda é o valor mais frequente. As três respondem perguntas diferentes. A média é sensível a extremos; a mediana é robusta; a moda ajuda em categorias e frequências.

Se salários de um órgão são muito assimétricos, a média pode subir por poucos salários altos. A mediana mostra o ponto central. Se a variável é nominal, como tipo de solicitação, moda faz sentido e média não. Se a base tem escala ordinal, a mediana costuma ser mais prudente.

O concurseiro que decora fórmula e ignora distribuição cai em pegadinha. Dado fluente lê o formato antes de resumir. O resumo estatístico não deve apagar o problema que a distribuição mostra.

Prof. Affonsinho explica, Módulo 02

11 Dispersão, outliers e distribuição

Tendência central sem dispersão é retrato cortado. Amplitude, variância, desvio padrão, quartis e intervalo interquartil indicam espalhamento. Dois grupos podem ter a mesma média e riscos totalmente diferentes. Em gestão, isso muda fila, orçamento, meta e prioridade.

Outlier é valor atípico. Pode ser erro de digitação, fraude, evento raro legítimo ou sinal importante. Remover outlier sem critério é maquiar a análise. Manter outlier sem investigação também pode distorcer o resultado. O procedimento precisa ser documentado.

Distribuição mostra formato: simétrica, assimétrica, concentrada, dispersa, unimodal, bimodal. A visualização por histograma, boxplot ou densidade ajuda a perceber o que uma tabela resumida esconde.

Prof. Affonsinho explica, Módulo 02

12 Taxas, razões, índices e proporções

Número absoluto conta eventos. Razão compara grandezas. Proporção mostra parte do todo. Taxa incorpora base de exposição ou população, frequentemente com tempo. Índice agrega variáveis ou transforma valor para facilitar comparação. Em prova, a diferença entre absoluto e relativo derruba muita gente.

Município maior tende a ter mais ocorrências absolutas. Isso não significa maior risco. Para comparar, usa-se taxa por habitantes, por matrículas, por atendimentos ou por unidade relevante. O denominador é a alma da interpretação. Denominador errado produz ranking injusto.

Índice composto, como indicador socioeconômico, depende de seleção de variáveis, pesos, padronização e método de agregação. A fluência não exige decorar todos, mas exige desconfiar de índice sem metodologia.

Prof. Affonsinho explica, Módulo 02

13 Correlação não é causalidade

Correlação mede associação entre variáveis. Causalidade afirma que uma variável produz efeito sobre outra. Parece detalhe acadêmico, mas é o centro da leitura crítica. Duas séries podem andar juntas por coincidência, tendência comum, sazonalidade, variável omitida ou causalidade inversa.

Para inferir causalidade, é preciso desenho de pesquisa: experimento, quase-experimento, antes e depois com grupo de comparação, diferença em diferenças, regressão com controles, pareamento ou outro método adequado. Mesmo assim, a conclusão é proporcional à qualidade do desenho.

Em políticas públicas, confundir correlação com causa gera decisão cara e errada. Se escolas com laboratório têm melhor desempenho, talvez o laboratório ajude; talvez escolas mais ricas tenham laboratório e outros recursos; talvez a direção seja diferente. Fluência é saber pedir desenho antes de vender conclusão.

O vilão da aula

O Concurseiro Virado no Rivotril olha dois gráficos subindo juntos e já anuncia: resolvido, achei a causa. É assim que nasce relatório bonito e decisão torta. Antes de falar em causa, pergunte pelo desenho da análise.

Prof. Affonsinho explica, Módulo 02

14 Incerteza, margem de erro e significância

Quando usamos amostra para falar da população, entramos no campo da incerteza. Estimativa pontual é um valor. Intervalo de confiança expressa faixa plausível sob certas condições. Margem de erro não é defeito; é reconhecimento honesto de que a amostra não observa tudo.

Significância estatística indica compatibilidade entre dados e hipótese, mas não mede importância prática. Um efeito minúsculo pode ser significativo em base enorme. Um efeito relevante pode não alcançar significância em amostra pequena. Fluência exige separar significado estatístico de relevância substantiva.

Em concurso, a questão costuma opor certeza absoluta e inferência. Dados não entregam certeza mágica. Entregam graus de confiança, hipóteses testáveis e limites. Quem comunica análise precisa explicitar esses limites.

Prof. Affonsinho explica, Módulo 02

15 Séries temporais

Série temporal observa a mesma variável ao longo do tempo: atendimentos mensais, despesa diária, inflação, estoque de processos, taxa de desemprego. O eixo temporal traz tendência, sazonalidade, ciclo, ruído, quebras estruturais e efeitos de calendário.

Comparar janeiro com dezembro sem considerar sazonalidade pode enganar. Comparar um mês isolado com o mês anterior pode confundir ruído com mudança real. Usar média móvel suaviza oscilação, mas também pode esconder virada recente. Toda técnica tem custo.

Prova gosta de gráfico temporal com escala truncada, intervalo irregular ou mudança de metodologia. Antes de concluir que houve melhora, pergunte se a forma de medir permaneceu igual.

Prof. Affonsinho explica, Módulo 02

16 Limpeza e preparação

Limpeza de dados corrige formatos, ausências, duplicidades, inconsistências, categorias divergentes, valores impossíveis e chaves quebradas. Não é etapa menor. Em muitos projetos, a análise séria começa quando a planilha deixa de parecer planilha de emergência.

Dados faltantes precisam diagnóstico. Faltam ao acaso? Faltam em grupos específicos? O zero significa ausência real ou campo não preenchido? Excluir linhas pode enviesar; imputar valor pode criar certeza falsa. A escolha deve ser compatível com o objetivo e documentada.

Preparação também inclui padronizar datas, unidades, moedas, nomes, códigos territoriais e categorias. Sem isso, integração de bases vira fábrica de duplicidade.

Prof. Affonsinho explica, Módulo 03

17 Planilhas com cabeça de banco

Planilha é ferramenta poderosa para análise inicial, mas precisa disciplina. Cada coluna deve representar uma variável, cada linha uma observação, cada célula um valor. Título decorativo, célula mesclada, subtabela lateral e cor como informação principal prejudicam filtro, validação, tabela dinâmica e importação.

Referências absolutas e relativas, funções de soma condicional, contagem, média, procura, filtro e tratamento de erro aparecem com frequência em provas. Mais importante que decorar nome de função é entender operação: selecionar linhas, aplicar condição, agregar valores, buscar correspondência e tratar exceção.

Planilha boa conversa com banco, BI e auditoria. Planilha ruim até resolve uma demanda do dia, mas cobra juros depois: erro invisível, fórmula arrastada errado, versão conflitante e célula manual sem rastro.

Dica do Fuffu

Antes de fazer gráfico, arrume a tabela. Metade dos erros de visualização nasce em base torta: cabeçalho duplicado, coluna misturada, data como texto e categoria escrita de três jeitos.

Prof. Affonsinho explica, Módulo 03

18 Filtros, agrupamentos e tabelas dinâmicas

Filtrar é selecionar subconjunto. Agrupar é reunir valores por dimensão. Agregar é calcular medida sobre o grupo: soma, contagem, média, máximo, mínimo, percentual. Tabela dinâmica automatiza esse raciocínio e permite cruzar dimensão com medida.

A pergunta de negócio define a estrutura. Para saber despesa por órgão, órgão é dimensão e despesa é medida. Para saber taxa por município, município é dimensão, casos e população entram no cálculo. Para saber evolução mensal, mês vira dimensão temporal.

A banca pode trocar total por média, contagem de linhas por contagem distinta, percentual do total por percentual da linha. Leia sempre o denominador e a unidade do indicador.

Prof. Affonsinho explica, Módulo 03

19 Modelo tabular e dados arrumados

Dados arrumados seguem uma gramática simples: cada variável em coluna, cada observação em linha, cada tipo de unidade observacional em uma tabela. Essa ideia, difundida na literatura de análise de dados como tidy data, reduz retrabalho e facilita transformação.

Bases largas colocam muitas categorias como colunas. Bases longas colocam categoria e valor em colunas separadas. Para gráficos, modelos e BI, a forma longa costuma ser mais flexível. Para relatório humano, a forma larga às vezes é mais legível. A escolha depende do uso.

Normalização separa entidades para evitar redundância: pessoa, processo, órgão, atendimento, pagamento. Desnormalização reúne dados para consulta mais rápida. Ambas são legítimas; o erro é não saber em que formato você está.

Prof. Affonsinho explica, Módulo 03

20 SQL essencial

SQL é linguagem declarativa para consultar dados relacionais. O núcleo de concurso costuma envolver SELECT, FROM, WHERE, JOIN, GROUP BY, HAVING, ORDER BY, funções de agregação e diferença entre chave primária e chave estrangeira.

WHERE filtra linhas antes da agregação. HAVING filtra grupos depois da agregação. INNER JOIN retorna correspondências nas duas tabelas. LEFT JOIN preserva a tabela da esquerda e traz correspondências da direita quando existirem. GROUP BY define o nível de agregação.

A pegadinha clássica é duplicar resultado em JOIN. Se uma tabela tem múltiplas linhas correspondentes para a mesma chave, a junção multiplica registros. Antes de somar, verifique granularidade.

Prof. Affonsinho explica, Módulo 03

21 CSV, JSON, API e interoperabilidade

CSV é arquivo textual tabular, simples e muito usado em dados abertos. JSON é formato estruturado em pares chave-valor, comum em APIs. API é interface para sistemas conversarem. Interoperabilidade é a capacidade de trocar e usar dados entre sistemas com sentido preservado.

CSV parece simples, mas tem armadilhas: separador, codificação, vírgula decimal, quebra de linha, aspas, cabeçalho, data e campo com separador dentro do texto. JSON permite aninhamento, mas exige entender objeto, lista e campo ausente.

A W3C destaca formatos padronizados e legíveis por máquina como boa prática. No setor público, isso se conecta a dados abertos: formato aberto, processável por máquina, licença adequada, metadados e acesso estável.

Prof. Affonsinho explica, Módulo 04

22 Dados abertos no Brasil

Dados abertos são dados acessíveis ao público, em formato aberto, processáveis por máquina, referenciados na internet e disponibilizados sob licença que permita uso, consumo e cruzamento, respeitadas restrições legais. A definição aparece de modo recorrente em páginas oficiais de dados abertos do governo federal.

O Decreto nº 8.777/2016 instituiu a Política de Dados Abertos do Poder Executivo federal. Entre seus objetivos estão promover abertura de bases da administração federal direta, autárquica e fundacional; aprimorar transparência; franquear acesso a dados sem vedação expressa; facilitar intercâmbio; fomentar controle social, pesquisa, inovação e serviços digitais integrados.

Plano de Dados Abertos é instrumento de planejamento da abertura. Ele organiza bases, cronograma, responsáveis e critérios. A prova pode perguntar se dado aberto é qualquer PDF disponível. Não é. PDF escaneado pode até ser divulgado, mas não satisfaz bem o requisito de processamento por máquina.

Prof. Affonsinho explica, Módulo 04

23 LAI, transparência ativa e transparência passiva

A Lei nº 12.527/2011 regula o acesso a informações públicas previsto na Constituição. Para fluência em dados, a LAI importa porque estrutura o dever de transparência e os limites de sigilo. O dado governamental tende à abertura, mas não de modo irresponsável.

Transparência ativa é a divulgação espontânea de informações de interesse coletivo ou geral, independentemente de requerimento. Transparência passiva ocorre quando a pessoa solicita informação ao Estado. Dados abertos se conectam mais fortemente à transparência ativa, mas pedidos podem revelar demanda por bases ainda não abertas.

A LAI convive com proteção de dados pessoais, segurança da sociedade e do Estado, sigilos legais e classificação de informação. A pergunta correta não é abrir tudo ou fechar tudo. É abrir o que deve ser aberto, proteger o que deve ser protegido e justificar restrições.

Prof. Affonsinho explica, Módulo 04

24 Governo digital e eficiência pública

A Lei nº 14.129/2021 trata de princípios, regras e instrumentos para Governo Digital e aumento da eficiência pública, com foco em desburocratização, inovação, transformação digital e participação do cidadão. Ela conversa diretamente com fluência em dados, porque serviço digital depende de base confiável.

A lei deve ser lida junto com LAI, LGPD, Código Tributário Nacional, sigilo bancário quando cabível e demais regras setoriais. Isso evita a fantasia de que digitalizar é só colocar formulário na internet. Transformação digital envolve redesenho de processo, interoperabilidade, segurança, experiência do usuário e governança.

Em prova, a palavra eficiência não autoriza ignorar privacidade. A administração precisa usar dados para melhorar serviço, mas precisa finalidade, necessidade, transparência, segurança e responsabilidade.

Prof. Affonsinho explica, Módulo 04

25 Compartilhamento de dados no setor público

O Decreto nº 10.046/2019 dispõe sobre governança no compartilhamento de dados no âmbito da administração pública federal e institui estruturas relacionadas ao Cadastro Base do Cidadão e ao Comitê Central de Governança de Dados. A ideia central é permitir compartilhamento com diretrizes, não troca informal de planilhas.

Compartilhar dado entre órgãos pode reduzir exigências ao cidadão, melhorar política pública e evitar retrabalho. Mas o compartilhamento precisa finalidade pública, base legal, segurança, rastreabilidade e respeito à proteção de dados pessoais. Quanto mais sensível o dado, mais forte precisa ser a governança.

Em prova, cuidado com alternativa que trate compartilhamento como livre e irrestrito. A administração pública não é um grande grupo de mensagens. O fluxo de dados precisa regra, controle e responsabilidade.

Prof. Affonsinho explica, Módulo 04

26 LGPD para quem lê dados

A Lei nº 13.709/2018 protege direitos fundamentais de liberdade, privacidade e livre desenvolvimento da personalidade. Aplica-se ao tratamento de dados pessoais em meio físico ou digital, por pessoa natural ou jurídica, de direito público ou privado, observadas as hipóteses legais.

Dado pessoal é informação relacionada a pessoa natural identificada ou identificável. Dado pessoal sensível inclui origem racial ou étnica, convicção religiosa, opinião política, filiação sindical, dado de saúde, vida sexual, dado genético ou biométrico, quando vinculado a pessoa natural. Essa diferença cai muito.

Princípios como finalidade, adequação, necessidade, livre acesso, qualidade, transparência, segurança, prevenção, não discriminação e responsabilização guiam o tratamento. Para fluência em dados, o mais importante é não confundir utilidade analítica com permissão jurídica.

Prof. Affonsinho explica, Módulo 04

27 Anonimização, pseudonimização e risco de reidentificação

Anonimização é processo pelo qual o dado perde a possibilidade de associação, direta ou indireta, a indivíduo, considerando meios técnicos razoáveis e disponíveis. Pseudonimização substitui identificadores diretos por códigos, mas mantém possibilidade de recomposição com informação adicional.

Remover nome e CPF não garante anonimização. Combinação de CEP, idade, sexo, cargo, município, data e evento pode reidentificar pessoa, principalmente em grupo pequeno. O risco cresce quando bases são cruzadas.

Em dados abertos, essa distinção é decisiva. Abrir microdados detalhados pode gerar valor público, mas também risco. A fluência madura sabe que privacidade é problema estatístico, técnico e jurídico ao mesmo tempo.

Prof. Affonsinho explica, Módulo 05

28 Gramática visual dos dados

Visualização de dados não é enfeite. É tradução visual de uma estrutura analítica. Gráfico bom reduz esforço cognitivo e preserva proporção. Gráfico ruim aumenta confiança em leitura errada. O básico é escolher codificação adequada: posição, comprimento, área, cor, forma, inclinação, tamanho e ordenação.

Posição e comprimento são mais precisos para comparação. Área e volume enganam com facilidade. Cor deve destacar, não virar carnaval de legenda. Ordenação ajuda a ver ranking. Escala deve ser honesta e compatível com a pergunta.

A banca pode perguntar qual gráfico usar. Barras comparam categorias. Linhas mostram evolução temporal. Dispersão mostra associação. Histograma mostra distribuição. Mapa mostra padrão espacial, mas precisa normalização quando compara áreas com populações diferentes.

Prof. Affonsinho explica, Módulo 05

29 Escolha do gráfico

Cada gráfico responde um tipo de pergunta. Se a pergunta é comparar quantidade entre categorias, use barras. Se é acompanhar tendência, use linha. Se é ver distribuição, use histograma ou boxplot. Se é ver parte do todo com poucas categorias, gráfico de setores pode funcionar, mas frequentemente barras são mais legíveis.

Eixo truncado, 3D, área proporcional mal calculada, dupla escala sem justificativa e cor excessiva são fontes clássicas de distorção. Visualização correta não precisa ser sem graça; precisa ser fiel.

Para concursos, guarde a regra prática: gráfico é argumento visual. Ele deve responder pergunta específica, não apenas ocupar espaço no relatório.

Prof. Affonsinho explica, Módulo 05

30 Painéis e indicadores

Painel é interface de acompanhamento. Indicador é medida sintética que representa aspecto relevante de um fenômeno. KPI é indicador-chave de desempenho, ligado a objetivo. Um painel bom não junta tudo: seleciona o que ajuda decisão recorrente.

Indicador precisa fórmula, fonte, periodicidade, unidade, meta, responsável, interpretação e limite. Sem isso, vira número solto. Painel também precisa contexto: período comparado, filtro aplicado, data de atualização e qualidade da base.

O erro comum é medir o que é fácil, não o que importa. Número de atendimentos pode ser produtividade; pode ser demanda reprimida; pode ser retrabalho. Tempo médio pode melhorar porque casos complexos foram recusados. Indicador exige leitura institucional.

Prof. Affonsinho explica, Módulo 05

31 Storytelling com dados

Storytelling com dados não é dramatizar resultado. É organizar evidência em narrativa honesta: contexto, pergunta, método, achado, implicação e próxima decisão. A história precisa levar o leitor da dúvida inicial à ação possível.

Uma boa comunicação separa exploração e explicação. Na exploração, o analista investiga muitas hipóteses. Na explicação, mostra o caminho essencial, com transparência sobre método e limites. Relatório que despeja todos os gráficos da exploração não comunica; descarrega ansiedade.

Em serviço público, storytelling precisa sobriedade. O objetivo é orientar decisão, prestação de contas e controle social, não vender conclusão além dos dados.

Bate-papo com o Seu Teoffilo

Comunicar dados é respeitar o leitor. Você não precisa mostrar todo caminho que percorreu, mas precisa mostrar o suficiente para que a conclusão seja compreensível, auditável e proporcional à evidência.

Prof. Affonsinho explica, Módulo 05

32 Acessibilidade em visualização

Visualização pública deve ser compreensível por pessoas com diferentes capacidades, dispositivos e contextos. Isso envolve contraste, tamanho de fonte, legenda clara, alternativa textual, não depender apenas de cor e evitar codificações que dificultem leitura por pessoas com daltonismo.

Tabela também é recurso de acessibilidade quando o gráfico não basta. Texto alternativo deve explicar mensagem principal, não apenas dizer gráfico de barras. Em painel digital, navegação por teclado, responsividade e leitura por tecnologia assistiva importam.

A banca pode tratar acessibilidade como detalhe de design. Não é. É requisito de comunicação pública, cidadania e qualidade do serviço.

Prof. Affonsinho explica, Módulo 06

33 Decisão baseada em evidências

Decisão baseada em evidências usa dados, avaliação, experiência técnica e valores públicos para reduzir incerteza. Não é governo automático por planilha. Evidência informa escolhas, revela trade-offs, monitora resultados e permite correção de rota.

Em políticas públicas, dados ajudam a diagnosticar problema, desenhar intervenção, priorizar público, estimar custo, acompanhar implementação e avaliar resultado. Cada fase pede tipo diferente de evidência. Diagnóstico ruim gera política vistosa e inútil.

A fluência em dados exige humildade. Base administrativa mostra o que o Estado registrou, não necessariamente todo fenômeno social. Indicador mostra uma face, não a realidade inteira. Modelo projeta cenário sob pressupostos.

Prof. Affonsinho explica, Módulo 06

34 Indicadores de políticas públicas

Indicadores podem ser de insumo, processo, produto, resultado e impacto. Insumo mede recurso. Processo mede atividade. Produto mede entrega. Resultado mede mudança direta. Impacto mede efeito final, muitas vezes de atribuição mais difícil.

Exemplo: em política de saúde, orçamento e profissionais são insumos; consultas realizadas são produto; redução de fila é resultado; queda de mortalidade evitável pode ser impacto, dependendo do desenho. Misturar essas camadas leva a conclusão exagerada.

Metas precisam ser específicas, mensuráveis, alcançáveis, relevantes e temporais. Mas meta mal escolhida vira incentivo perverso. Se a meta é apenas reduzir tempo médio, a unidade pode evitar casos difíceis. Indicador governa comportamento.

Prof. Affonsinho explica, Módulo 06

35 Dados geoespaciais

Dado geoespacial possui componente de localização: coordenada, endereço, município, setor censitário, rota, área de influência. Mapas ajudam a revelar padrão territorial, desigualdade, concentração, vazio de serviço e relação com infraestrutura.

Mas mapa também engana. Área grande parece mais importante, mesmo com pouca população. Taxas são melhores que absolutos para comparar risco. Escala de cor muda percepção. Classificação por quantis, intervalos iguais ou quebras naturais produz mapas diferentes.

No setor público, dados territoriais conversam com IBGE, cadastros administrativos, políticas sociais, saúde, educação, segurança, meio ambiente e mobilidade. A pergunta central é: o território muda a interpretação?

Prof. Affonsinho explica, Módulo 06

36 Logs, rastros digitais e dados operacionais

Sistemas geram logs: acesso, clique, erro, tempo, transação, protocolo, mudança de estado. Esses rastros ajudam a medir jornada do usuário, gargalo, indisponibilidade, fraude e eficiência operacional.

Mas log não é pesquisa de opinião. Ele registra comportamento mediado pelo sistema. Se o usuário abandona um formulário, pode ser falta de interesse, erro técnico, linguagem ruim, instabilidade, exigência indevida ou falta de documento. O log aponta sintoma; interpretação exige contexto.

Também há risco de vigilância indevida. Dados operacionais podem ser pessoais e sensíveis por inferência. A governança precisa estabelecer finalidade, retenção, acesso e segurança.

Prof. Affonsinho explica, Módulo 06

37 Viés algorítmico e justiça de dados

Viés algorítmico ocorre quando sistemas baseados em dados produzem resultados sistematicamente desfavoráveis a grupos ou situações, por dados enviesados, objetivo mal definido, variáveis proxy, erro de medição ou retroalimentação.

Em gestão pública, risco é maior porque decisões podem afetar benefício, fiscalização, policiamento, saúde, educação e acesso a serviço. Modelo treinado em histórico injusto pode automatizar injustiça com aparência técnica.

Fluência em dados exige perguntar: quem está representado, quem ficou fora, qual variável serve como proxy, como o erro se distribui, quem audita e como contestar. Justiça de dados não é tema decorativo; é requisito de boa administração.

Prof. Affonsinho explica, Módulo 07

38 Governança de dados

Governança de dados define papéis, políticas, padrões, responsabilidades, qualidade, segurança, catálogo, arquitetura, compartilhamento e uso. Sem governança, cada área cria sua planilha, seu conceito, seu código e sua verdade particular.

Papéis comuns incluem proprietário do dado, curador, custodiante, gestor de qualidade, encarregado de dados pessoais e usuários autorizados. O nome varia por organização; a lógica permanece: alguém responde pelo significado, alguém pela infraestrutura, alguém pela conformidade.

Em concurso, governança aparece ligada a transformação digital, integridade, transparência, segurança, interoperabilidade e eficiência. A resposta certa costuma recusar improviso.

Prof. Affonsinho explica, Módulo 07

39 Catálogo e dicionário de dados

Catálogo de dados ajuda usuários a descobrir bases, entender origem, responsável, periodicidade, qualidade, restrições e acesso. Dicionário descreve campos: nome, tipo, domínio, unidade, regra de preenchimento e significado.

Sem dicionário, dois analistas podem usar a mesma coluna com sentidos diferentes. Data de conclusão pode significar encerramento, homologação, pagamento ou arquivamento. A consequência é relatório divergente com aparência de conflito técnico.

Catálogo não é só inventário. Ele sustenta governança, LGPD, dados abertos, interoperabilidade e reuso. Quanto mais a organização cresce, mais caro fica viver sem ele.

Prof. Affonsinho explica, Módulo 07

40 BI, ETL, ELT e arquitetura analítica

BI organiza dados para análise e decisão, geralmente com extração, transformação, carga, modelagem, métricas, relatórios e painéis. ETL transforma antes de carregar no repositório analítico. ELT carrega primeiro e transforma depois, comum em ambientes de nuvem e grandes volumes.

Data warehouse armazena dados estruturados para consulta analítica. Data mart atende área específica. Data lake armazena dados em formato variado, com maior flexibilidade e maior exigência de governança. Lakehouse tenta combinar flexibilidade do lake com controles do warehouse.

Em prova, arquitetura não é desfile de siglas. A pergunta é: onde o dado é integrado, tratado, documentado e entregue para análise?

Prof. Affonsinho explica, Módulo 07

41 Modelagem dimensional

Modelagem dimensional organiza dados para análise em fatos e dimensões. Tabela fato registra eventos mensuráveis, como venda, atendimento, pagamento, protocolo ou ocorrência. Dimensões descrevem contexto: tempo, local, órgão, serviço, usuário, produto.

Medidas podem ser aditivas, semiaditivas ou não aditivas. Valor pago é aditivo; saldo em estoque não deve ser somado ao longo do tempo; percentual não deve ser somado como se fosse valor absoluto. Essa distinção cai em prova de BI e dashboards.

Grão é o nível de detalhe da tabela fato. Um fato por atendimento é diferente de um fato por mês e unidade. Se o grão não está claro, qualquer KPI fica suspeito.

Prof. Affonsinho explica, Módulo 07

42 Inteligência artificial e alfabetização em IA

IA usa dados para reconhecer padrões, classificar, prever, recomendar, gerar texto, imagem, áudio ou código. Fluência em dados precisa incluir alfabetização em IA porque modelos aparecem em triagem, atendimento, detecção de anomalia, sumarização e apoio à decisão.

Modelo aprende com dados e objetivo definidos por humanos. Se dados são ruins, objetivo é mal formulado ou avaliação é limitada, a saída pode ser convincente e errada. Em IA generativa, alucinação é risco real: o sistema pode produzir resposta plausível sem base factual.

Uso público de IA exige governança, avaliação, supervisão humana, segurança, privacidade, documentação, mitigação de viés e canal de contestação quando houver efeito relevante sobre pessoas.

Prof. Affonsinho explica, Módulo 07

43 Reprodutibilidade e documentação

Análise reprodutível permite que outra pessoa, com os mesmos dados e método, chegue ao mesmo resultado. Isso exige versão de base, script, critérios de filtro, transformações, pacotes, parâmetros e registro de decisões. Em ambiente público, reprodutibilidade é irmã da transparência.

Documentar não significa escrever romance. Significa registrar o necessário para auditar: fonte, data de extração, universo, exclusões, tratamento de ausentes, regra de cálculo, limitações e responsável. O que não está documentado vira folclore institucional.

Planilha manual pode ser inevitável, mas precisa cuidado: controle de versão, proteção de células, validação de dados e revisão independente. Quanto mais importante a decisão, menor deve ser a tolerância a clique sem rastro.

Prof. Affonsinho explica, Módulo 08

44 Pegadinhas Cebraspe, FGV e FCC

Cebraspe costuma trocar uma palavra: dado por informação, média por mediana, correlação por causalidade, anonimização por pseudonimização, transparência por abertura irrestrita. A frase fica elegante e falsa.

FGV gosta de caso: painel com indicador mal definido, gráfico enganoso, base com viés, compartilhamento de dados pessoais, decisão baseada em amostra frágil. A resposta correta exige diagnosticar o problema antes de escolher ferramenta.

FCC e VUNESP cobram conceito com alternativa próxima. A melhor defesa é montar pares: média versus mediana, taxa versus absoluto, WHERE versus HAVING, dado aberto versus dado divulgado, dado pessoal versus dado sensível.

Alerta do Examinador

Quando uma alternativa disser que dado aberto não pode ter qualquer restrição, desconfie. Abertura convive com sigilo legal, proteção de dados pessoais e segurança.

Prof. Affonsinho explica, Módulo 08

45 Roteiro de resolução de questão

Ao ler uma questão de fluência em dados, identifique primeiro a camada: conceito, estatística, visualização, tecnologia, governança, privacidade ou decisão pública. Cada camada tem perguntas próprias. Misturar camadas é a origem do chute ruim.

Depois, procure verbo e objeto. A questão quer coletar, limpar, agregar, cruzar, visualizar, compartilhar, abrir, anonimizar, inferir ou decidir? O verbo aponta para ferramenta e limite. Compartilhar dado pessoal, por exemplo, chama LGPD; abrir base chama dados abertos e metadados; comparar municípios chama taxa.

Por fim, teste a conclusão: há fonte? há denominador? há controle de viés? há escala adequada? há base legal? há rastreabilidade? Se faltar um desses pontos, a alternativa pode até soar moderna, mas fica vulnerável.

Prof. Affonsinho explica, Módulo 08

46 Síntese para revisão

Fluência em dados é uma disciplina de ponte. Ela liga leitura crítica, estatística básica, tecnologia, visualização, governança, direito à informação, proteção de dados e decisão pública. O aluno forte não sabe apenas clicar em ferramenta; sabe perguntar se a resposta faz sentido.

O mapa essencial é: pergunta define dado; dado exige qualidade; variável define cálculo; cálculo define indicador; indicador pede visualização adequada; visualização comunica decisão; decisão precisa governança, legalidade e responsabilidade.

Se você sair desta aula com uma frase na cabeça, guarde esta: dado bom não é o que confirma a sua intuição, é o que resiste a pergunta difícil.

Bate-papo com o Seu Teoffilo

O candidato que domina fluência em dados ganha uma vantagem silenciosa: ele passa a enxergar erro escondido em gráfico, indicador, planilha, painel e discurso. É menos glamour, mais precisão. Funciona.

Mapa mental

Use esta página para revisar o fio da disciplina: dado com contexto, método, comunicação e responsabilidade.

10 pegadinhas que derrubam

Referências essenciais

• Normas brasileiras: Lei nº 12.527/2011; Decreto nº 7.724/2012; Decreto nº 8.777/2016; Decreto nº 10.046/2019; Lei nº 13.709/2018; Lei nº 14.129/2021.
• Fontes oficiais de formação: Enap, curso Análise de dados: uma leitura crítica das informações; Escola Virtual de Governo, Visualização de Dados Aplicada à Transformação Digital; trilhas de formação em dados da Enap; Programa de Fluência em Dados 2026 da Escola de Governo do Rio Grande do Sul.
• Boas práticas técnicas: W3C, Data on the Web Best Practices, com ênfase em metadados, licença, proveniência, qualidade, versionamento, formatos padronizados, APIs e reuso.
• Doutrina e literatura técnica: Edward Tufte, Stephen Few, Cole Nussbaumer Knaflic, Hadley Wickham, Richard Thaler, Cass Sunstein, literatura de estatística aplicada, governança de dados e avaliação de políticas públicas.

Bate-papo com o Seu Teoffilo

As fontes oficiais ajudam a manter a aula no chão: dados abertos não são moda, LGPD não é obstáculo genérico, e visualização não é perfumaria. É tudo peça do mesmo quebra-cabeça institucional.