Análise de Dados - Estudo de Caso Bellabeat - .pdf

Estudo de caso do Google Data Analytics Capstone Project para apresentar insights e recomendações ao time de marketing da empresa Bellabeat a partir de dados de treinos coletados a partir de "wearables" (dispositivos vestíveis) de usuários ao longo de 2 meses em 2016. Os dados utilizados na análise são públicos e acessíveis via Kaggle (https://www.kaggle.com/arashnic). A pergunta de negócios que se tenta responder é : "como a utilização de dados dos treinos pode auxiliar a Bellabeat a criar maior engajamento e influenciar positivamente na saúde e bem-estar geral dos usuários, assim como potencializar o aumento de receitas para a empresa?"

1. “Como uma empresa de tecnologia
de bem-estar pode atuar de forma
ainda mais inteligente?”
Estudo de caso usando Análise de Dados
Setembro 2025

2. 2
Contexto
Bellabeat é uma empresa de tecnologia com foco na saúde e
bem-estar das mulheres
Com sede nos Estados Unidos, a empresa tem escritórios em
outros países tais como Croácia e Reino Unido
A empresa utiliza diversos tipos de dispositivos de medição
(wearables) para monitorar atividades, sono, stress e outras
Também conta com um app que informa dados de saúde e
oferece um programa de adesão com base em assinatura

3. 3
Pergunta de Negócio
A direção da empresa deseja que os dados coletados pelos
dispositivos inteligentes dos usuários sejam analisados e que,
com base nos insights obtidos, seja possível auxiliar o time de
Marketing da Bellabeat a elaborar ações que promovam o maior
engajamento pelo uso efetivo das informações coletadas,
potencializando o aumento de receitas para a empresa.

4. 4
Procedência dos dados
O presente estudo baseia-se no dataset público FitBit Fitness
Tracker Data, de 2016, acessado via Kaggle
Os dados são disponibilizados em dois diretórios, com o total de
18 arquivos em formato CSV
Os dados foram coletados, sob permissão, de 35 usuários de
dispositivos da FitBit, empresa concorrente da Bellabeat
A FitBit é, desde 2021, de propriedade da Google e o presente
estudo usa dados coletados com dispositivos “não-Bellabeat”

5. 5
Atividade Diária

6. 6
Frequência Cardíaca

7. 7
Sono

8. 8
Consumo de Calorias x Atividade

9. 9
Consumo de Calorias x Distâncias

10. 10
Principais Insights Obtidos
A média dos usuários apresenta hábitos sedentários e, quando se exercitam, executam
atividades de baixo consumo calórico
A média dos usuários consome calorias executando atividades em pequenas
distâncias, ao longo do dia
A média dos usuários dorme cerca de 7 horas, com boa qualidade de sono
A média de frequência cardíaca é boa, mas o nível de intensidade dos exercícios é
baixa
Há baixa adesão para o registro manual de dados sobre peso ou falta de dispositivos
para monitoramento automático
A falta de informações sobre altura e idade dos usuários dificulta avaliações mais
assertivas

11. 11
Recomendações
Criar campanhas ou estímulos para o aumento de atividades físicas estabelecendo
marcos a serem atingidos para cada usuário, concedendo incentivos a cada marco
atingido
Incentivar a prática de atividades físicas de maior intensidade, ressaltando os impactos
positivos como aumento do consumo de calorias e melhora no condicionamento físico
Emitir alertas ou recomendações periódicas para usuários que apresentarem sono fora
dos padrões adequados
Incentivar o aumento da média individual do número de passos
Adotar balanças digitais que se conectem ao app e permitam o registro do peso e nível
de gordura de cada usuário com maior frequência
Incluir no app dados como altura e idade para análises de dados de melhor qualidade e
reports segmentados de acordo com as características de cada pessoa e grupo

12. 12
Contato
OBRIGADO!
Preparado por: Edson Franco Okuda
[email protected]
(11) 97110-6839