Previsão do tempo no Qlik Sense?

A capacidade de prever o futuro é muito sonhada por todos nós. Alguns dizem conseguir, de forma mística. Já para a ciência, uma maneira de contornar essa incógnita é… olhar para o passado!

Na agricultura, por exemplo, chuva e variações de temperatura podem ser motivos de preocupação. Já na avicultura, enquanto a alta umidade pode causar doenças, o calor pode influenciar diretamente no ganho de peso de uma ave. 

Sabe-se que fatores climáticos possuem um caráter sazonal, tendo um comportamento cíclico ao longo do tempo. Por isso, conferir o histórico e realizar uma análise meteorológica pode ajudar a prevenir problemas futuros e, também, a compreender resultados vindos do campo.

Pensando nisso, vamos analisar, com o Qlik Sense, a precipitação e a temperatura no território brasileiro nos anos de 2020 e 2021.O Instituto Nacional de Meteorologia (Inmet) disponibiliza, em seu site, uma base de dados histórica com os dados climáticos completos de diversas cidades brasileiras. É com eles que iremos fazer nossa análise meteorológica. Vamos dar uma olhada!

Iniciando a análise meteorológica através de ETL – Extract, Transform & Load

Para dar início ao processo, precisamos realizar a etapa de ETL. Como o nome já sugere, consiste em três etapas:

  • Extrair os arquivos da base de dados;
  • Transformar esses dados para que eles possam entregar as informações desejadas de forma assertiva;
  • Carregar os dados para um ambiente de visualização – neste caso, o Qlik Sense.

Etapa #1: extração

O Inmet fornece relatórios anuais em formato CSV sobre cada cidade que é monitorada pelo órgão. Logo, criamos uma rotina com a finalidade de ler todos os arquivos da pasta e reuni-los em um só. O nome da cidade a qual os dados se referem está contido no título; por isso, é necessário incluir essa informação também como um campo. Confira o código abaixo:

Etapa #2: transformação

Para esta etapa de transformação, primeiramente, criamos a estrutura Mapping/ApplyMap, a fim de obter o nome das regiões e dos estados por extenso. Em seguida, através do uso de fórmulas de texto, é possível modificar o título do arquivo para trazer as informações de cada cidade analisada.

Mais adiante, com o uso das funções Date, MakeDate, MakeTime e Num, garantimos que a data, hora e as informações de temperatura e precipitação tenham os formatos apropriados.

Por fim, para evitar a presença de possíveis outliers que pudessem distorcer a análise, é preciso fazer uma limpeza nos dados das temperaturas máxima e mínima. O limite imposto é baseado nas informações fornecidas pelo Inmet de acordo com as temperaturas máxima e mínima já registradas no Brasil.

Etapa #3: carregamento

Para finalizar nosso ETL, o código abaixo realiza a etapa de carregamento. Ele inclui na visualização apenas os campos de interesse e as variáveis que serão utilizadas.

Hora de construir o dashboard e fazer a análise meteorológica!

Chegando à etapa de visualização, podemos começar a análise.

Tela inicial do dashboard

A tela inicial desse dashboard apresenta o mapa do Brasil, com condicional de cor atrelado à precipitação total. Ou seja, quanto mais escuro o tom de azul, maior foi o total de chuvas daquele estado.

Os gráficos à direita mostram, na parte superior, as cinco cidades com maior incidência de chuva e, na parte inferior, um acompanhamento na linha do tempo das precipitações em combinação com a temperatura média.

Por fim, no topo do painel, há filtros com a finalidade de focalizar e auxiliar a nossa análise. Confira a imagem abaixo:

Vamos realizar a análise meteorológica

Se filtrarmos o ano de 2021, pelo mapa, pode-se notar que o estado de Minas Gerais está em primeiro lugar quanto ao volume de chuvas, seguido pelo estado do Rio Grande do Sul. Observe na imagem abaixo:

O gráfico que apresenta o top 5 em precipitação também possui dimensão hierárquica. Ou seja, ao clicarmos em uma das barras que representam um estado, podemos ver as cinco cidades que tiveram maior precipitação. Em Minas Gerais, por exemplo, a cidade de Juiz de Fora é uma das que mais contribuem para que o estado esteja em primeiro lugar no volume de chuvas. Observe:

Ao utilizarmos o filtro de cidade, obtemos um gráfico que apresenta a correlação entre a temperatura e a precipitação. A partir dele, podemos tirar algumas informações:

  1. Que as chuvas se concentraram no início e no final do ano;
  2. Que existe um comportamento de queda praticamente constante entre os meses de janeiro e julho;
  3. Que a partir de agosto, temos uma crescente;
  4. Que o pico da precipitação é no mês de outubro. 

Observe na imagem abaixo:

Assim como o anterior, o gráfico de acompanhamento temporal permite avançar os níveis para podermos acompanhar a visualização em uma granularidade menor. Quando selecionamos o mês de outubro, podemos acompanhar a precipitação ao longo do mês e notar alguns picos.

Na avicultura, em que a ração é fornecida semanalmente, é possível usar esses dados para prever as possíveis variações e atuar em cima delas para que não haja consequências indesejáveis em campo. Além disso, ao passar o cursor por cada dia, temos as informações de temperatura máxima, mínima e umidade relativa. Confira:

Por fim, em outra página, temos a tabela que contém todos os dados, segmentados por dia, hora, região, estado e cidade. Isso permite uma análise ainda mais completa.

O que podemos concluir?

Observando o passado – e usufruindo de toda a potência de uma ótima ferramenta para análise de dados, como o Qlik Sense –, é possível ter uma boa perspectiva do que nos aguarda para o futuro e agir preventivamente para evitar maiores problemas.

E, se você deseja realizar esse tipo de análise dentro do seu negócio, conte com a expertise da BIX Tecnologia! Clique no banner abaixo e entre em contato conosco.

ciência de dados nos negócios