Corosyn Logo

Felicidade Mundial (2015-2024)

Análise exploratória interativa dos dados do World Happiness Report, visualizando tendências globais, regionais e por país usando Tableau.

Imagem de capa do projeto Felicidade Mundial (2015-2024)

Tecnologias

TableauPythonPandasKaggle

Visão Geral

Este projeto explora os dados do World Happiness Report (2015-2024), obtidos do Kaggle, para identificar tendências e fatores correlacionados à felicidade em níveis global, regional e nacional. A base de dados original estava relativamente bem estruturada, mas exigiu um processo de limpeza e padronização para garantir a consistência necessária para a análise. Este pré-processamento foi realizado utilizando Python (Pandas) em um notebook no Kaggle e em scripts locais. O resultado final é um dashboard interativo e uma "história" (Story) construídos inteiramente no Tableau Public, conectados ao dataset limpo e padronizado.

Desafios Técnicos

A fase de ETL (Extração, Transformação e Carga) focou nos seguintes pontos:

  • Padronização: Utilização da biblioteca country_converter em Python para garantir que os nomes de países e regiões estivessem consistentes e alinhados com padrões (como códigos ISO3).
  • Limpeza: Remoção de algumas poucas linhas duplicadas que poderiam distorcer as médias anuais.
  • Tradução (Offline): Execução de um script Python local (build_parquet.py) que aplicou traduções para português (pt-br) nos nomes de países e regiões (usando Babel) e nos cabeçalhos das colunas, gerando o ficheiro .csv final utilizado no Tableau.
  • Conexão Tableau: Conectar o Tableau Public ao dataset processado e otimizar os tipos de dados para análise.

No Tableau Public, o desafio foi traduzir as perguntas de análise em visualizações eficazes. Isso incluiu:

  • Criação de diversos tipos de gráficos (mapa coroplético, barras, KPIs) a partir dos dados limpos.
  • Implementação de interatividade robusta com filtros por ano e região.
  • Configuração de tooltips informativos.
  • Estruturação da análise de forma narrativa utilizando o recurso de Tableau Story.

Aprendizados

  • Pré-processamento Eficiente: Habilidade em identificar e corrigir rapidamente inconsistências em datasets (nomes, duplicatas) usando Python/Pandas, mesmo em bases relativamente limpas.
  • Visualização de Dados com Tableau: Habilidade em construir dashboards complexos e interativos, selecionando os tipos de gráficos mais adequados para cada análise.
  • Storytelling com Dados: Capacidade de usar o Tableau Stories para apresentar uma narrativa coesa e orientada por dados.
  • Kaggle & Tableau Public: Experiência no uso de ambas as plataformas para análise e compartilhamento de projetos de dados.