15 conjuntos de dados do Excel para iniciantes em análise de dados

O Excel é uma ferramenta indispensável para análise de dados e com os conjuntos de dados e técnicas corretos, os iniciantes podem aprender a descobrir insights e tomar decisões informadas. Sua interface intuitiva e poderosa funcionalidade permitem que os usuários executem uma ampla gama de processos, como manipulação de dados, visualização de dados e análise estatística.

O que são “conjuntos de dados do Excel”?

Os conjuntos de dados do Excel são coleções de dados armazenados e organizados em uma planilha do Excel, que é um software comumente usado que permite aos usuários criar, manipular e analisar dados em um formato estruturado. Esses conjuntos de dados podem vir em dois formatos principais: Excel(.xlsx) e Valores separados por vírgula (CSV). O formato Excel oferece recursos mais avançados para organizar e analisar dados complexos, incluindo o uso de fórmulas e visualizações, enquanto o CSV, por outro lado, oferece um formato mais simples e compatível com uma ampla gama de aplicativos de software, facilitando o compartilhamento dados entre diferentes programas.

Neste artigo, compilamos uma lista de 15 conjuntos de dados do Excel para iniciantes em análise de dados . Com esses conjuntos de dados do Excel cobrindo tópicos como análise financeira, análise de mercado e análise de séries temporais, os iniciantes podem praticar técnicas de análise de dados, como limpeza de dados, tabelas dinâmicas e gráficos, enquanto obtêm insights sobre cenários do mundo real.

Lista dos conjuntos de dados do Excel para iniciantes em análise de dados

1. Vendas em superlojas
2. Íris
3. Titânico
4. Qualidade do Vinho
5. Renda do Censo de Adultos
6. Habitação em Boston
7. Conjunto de dados de câncer de mama em Wisconsin
8. Intenção de compra dos compradores on-line
9. Marketing Bancário
10. Preços do Abacate
11. Os 50 livros mais vendidos da Amazon de 2009 a 2019
12. Copa do Mundo FIFA
13. Dados Abertos do Airbnb em Nova York
14. Relatório Mundial de Felicidade
15. Preço das ações

1. Vendas em superlojas

Os dados Superstore Sales fornecem dados de vendas para uma empresa de varejo fictícia, incluindo informações sobre produtos, pedidos e clientes. Muitas vezes, é usado para praticar a análise de dados.

Este conjunto de dados do Excel inclui as seguintes variáveis:

• ID do pedido - Um identificador exclusivo para cada pedido.
• ID do cliente - Um identificador exclusivo para cada cliente.
• Data do pedido - A data da colocação do pedido.
• Data de Envio - A data em que o pedido foi enviado.
• Modo de Envio - O modo de envio do pedido (por exemplo, padrão, no mesmo dia).
• Segmento - O segmento do cliente (por exemplo, Consumidor, Corporativo, Home Office).
• Região - A região onde o cliente está localizado (por exemplo, Oeste, Central, Leste).
• Categoria - A categoria do produto adquirido (por exemplo, Móveis, Tecnologia, Material de escritório).
• Subcategoria - A subcategoria do produto adquirido (por exemplo, Cadeiras, Mesas, Papel).
• Nome do produto - O nome do produto adquirido.
• Vendas - A receita de vendas do produto adquirido.
• Quantidade - O número de unidades do produto adquirido.
• Desconto - O desconto aplicado ao produto adquirido.
• Lucro - O lucro gerado pelo produto adquirido.

2. Íris

Este conjunto de dados inclui medições do comprimento da sépala, largura da sépala, comprimento da pétala e largura da pétala de 150 flores de íris, que pertencem a 3 espécies diferentes: setosa, versicolor e virginica. O dataset iris possui 150 linhas e 5 colunas, que são armazenadas como um dataframe, incluindo uma coluna para as espécies de cada flor.

A descrição de suas variáveis inclui:

• Sepal.Length - O sepal.length representa o comprimento da sépala em centímetros.
• Sepal.Width - O sepal.width representa a largura da sépala em centímetros.
• Petal.Length - O petal.length representa o comprimento da pétala em centímetros.
• Espécie - A variável espécie representa a espécie da flor íris, com três valores possíveis: setosa, versicolor e virginica.

Um caso de uso do conjunto de dados Iris no Excel é analisar a relação entre os diferentes recursos da flor Iris e classificar as espécies de flores com base nos valores dos recursos. Isso pode ser feito usando técnicas como análise de correlação, estatística inferencial e modelagem preditiva.

Você também pode baixar este conjunto de dados do Excel no Kaggle clicando em aqui .

3. Titânico

Este popular conjunto de dados de código aberto oferece informações sobre os passageiros a bordo do navio Titanic quando ele afundou em 15 de abril de 1912. Ele pode ser usado por iniciantes em análise de dados interessados em limpeza e pré-processamento de dados, estatísticas descritivas, visualização de dados e modelagem preditiva.

Algumas das variáveis incluídas no conjunto de dados:

• PassengerId - Um identificador exclusivo para cada passageiro.
• Survived - Mostra se o passageiro sobreviveu ou não (0 = Não, 1 = Sim).
• Pclass - Uma classe de passageiro (1 = 1ª, 2 = 2ª, 3 = 3ª).
• Nome - o nome de um passageiro.
• Sexo - o sexo do passageiro.
• Idade - a idade do passageiro.
• SibSp - O número de irmãos/cônjuges a bordo.
• Parch - O número de pais/filhos a bordo.
• Bilhete - O número do bilhete.
• Tarifa - A tarifa paga pelo bilhete.
• Cabine - O número da cabine.
• Embarked - O porto de embarque (C = Cherbourg, Q = Queenstown, S = Southampton).

4. Qualidade do Vinho

O conjunto de dados Wine Quality contém informações sobre amostras de vinho tinto e branco. Este conjunto de dados visa classificar a qualidade do vinho com base em propriedades químicas como pH, densidade, teor alcoólico e teor de ácido cítrico.

As variáveis comuns incluídas neste conjunto de dados do Excel:

• Acidez Fixa - O número de ácidos fixos no vinho, expresso em g/dm^3.
• Acidez Volátil - O número de ácidos voláteis no vinho, expresso em g/dm^3.
• Ácido cítrico - A quantidade de ácido cítrico no vinho, expressa em g/dm^3.
• Açúcar Residual - A quantidade de açúcar residual no vinho, expressa em g/dm^3
• Cloretos - A quantidade de cloreto no vinho, expressa em g/dm^3.
• Dióxido de Enxofre Livre - A quantidade de dióxido de enxofre livre no vinho, expressa em mg/dm^3.
• Dióxido de Enxofre Total - A quantidade de dióxido de enxofre total no vinho, expressa em mg/dm^3.
• Densidade - A densidade do vinho, expressa em g/cm^3.
• pH - O nível de pH do vinho.
• Sulfatos - O número de sulfatos no vinho, expresso em g/dm^3.
• Álcool - O teor alcoólico do vinho, expresso em % vol.
• Qualidade - A classificação de qualidade do vinho, numa escala de 0 a 10.

5. Renda do Censo de Adultos

Este conjunto de dados do Excel é uma coleção de informações sobre indivíduos que vivem nos Estados Unidos, extraída do banco de dados do Censo de 1994. Ele contém vários atributos demográficos, sociais e econômicos sobre cada indivíduo.

Alguns dos atributos incluídos neste conjunto de dados:

• idade

• Classe de trabalho - Particular, Auto-emprego-não-inc, Auto-emprego, Governo federal, Governo local, Governo estadual, Sem remuneração, Nunca trabalhou.

• fnlwgt

• Educação - Bacharel, Some-college, 11º, HS-grad, Prof-school, Assoc-acdm, Assoc-voc, 9º, 7º-8º, 12º, Mestrado, 1º-4º, 10º, Doutorado, 5º-6º, Pré-escola.

• Educação-nº

• estado civil - Casado-civ-cônjuge, Divorciado, Nunca casado, Separado, Viúvo, Casado-cônjuge-ausente, Casado-AF-cônjuge.

• ocupação - Suporte técnico, Conserto de artesanato, Outros serviços, Vendas, Exec-gerencial, Prof-especialidade, Handlers-cleaners, Machine-op-inspct, Adm-clerical, Farming-fishing, Transport-moving, Priv-house- servi, Protective-serv, Forças Armadas.

• relacionamento - Esposa, Filho próprio, Marido, Fora da família, Outro parente, Solteiro.

• raça - Branco, Asiático-Pac-Ilhéu, Amer-Indian-Eskimo, Outro, Preto.

• sexo - Masculino ou feminino.

  
  

O atributo “receita” é a variável de destino e o conjunto de dados é muito útil para iniciantes em análise de dados.

6. Habitação em Boston

O conjunto de dados de habitação de Boston consiste em informações sobre habitação na área de Boston, Massachusetts. Tem cerca de 506 linhas e 14 colunas de dados.

Algumas das variáveis no conjunto de dados incluem:

• CRIM - Índice de criminalidade per capita por município.
• ZN - A proporção de terreno residencial zoneada para lotes acima de 25.000 pés quadrados.
• INDUS - A proporção de hectares de negócios não varejistas por cidade.
• CHAS - Variável dummy Charles River (= 1 se o trecho limita o rio; 0 caso contrário).
• NOX - A concentração de óxido nítrico (partes por 10 milhões).
• RM - Número médio de divisões por habitação.
• IDADE - A proporção de unidades ocupadas pelo proprietário construídas antes de 1940.
• DIS - As distâncias ponderadas para cinco centros de emprego de Boston.
• RAD - Índice de acessibilidade às rodovias radiais.
• IMPOSTO - A taxa de imposto de propriedade de valor total por $ 10.000.
• PTRATIO - A relação aluno-professor por cidade.
• B - 1000(Bk - 0,63)^2 onde -Bk é a proporção de negros por cidade.
• LSTAT - O status inferior percentual da população.
• MEDV - O valor médio das casas ocupadas pelo proprietário em US$ 1.000.

Este conjunto de dados pode ser utilizado na análise de dados para analisar a relação entre várias características dos preços das casas e um mercado imobiliário, realizar análises de dados e gerar insights.

7. Conjunto de dados de câncer de mama em Wisconsin

Este conjunto de dados do Excel consiste em informações sobre tumores de câncer de mama e foi inicialmente criado pelo Dr. William H. Wolberg. O conjunto de dados foi criado para auxiliar pesquisadores e profissionais de aprendizado de máquina na classificação de tumores como malignos (cancerígenos) ou benignos (não cancerosos).

Algumas das variáveis incluídas neste conjunto de dados:

• número de identidade
• Diagnóstico (M = maligno, B = benigno).
• Raio (a média das distâncias do centro aos pontos no perímetro).
• Textura (o desvio padrão dos valores da escala de cinza).
• Perímetro
• Área
• Suavidade (a variação local nos comprimentos dos raios).
• Compacidade (o perímetro^2 / área - 1,0).
• Concavidade (a gravidade das porções côncavas do contorno).
• Pontos côncavos (o número de porções côncavas do contorno).
• Simetria
• Dimensão fractal ("aproximação do litoral" - 1).

8. Intenção de compra dos compradores on-line

O conjunto de dados de Intenção de Compra de Compradores Online é uma coleção de dados relacionados a padrões de compra e comportamento do consumidor no contexto de compras online. Ele foi criado através da realização de pesquisas com compradores online e coleta de dados de suas respostas.

Algumas das variáveis neste conjunto de dados incluem:

• Administrativo - O número de páginas do site visitadas pelo usuário para fins administrativos
• Administrative_Duration - O tempo total gasto pelo usuário nas páginas administrativas do site
• Informativo - O número de páginas do site visitadas pelo usuário para fins informativos
• Informational_Duration - O tempo total gasto pelo usuário nas páginas informativas do site
• ProductRelated - O número de páginas do site visitadas pelo usuário para fins relacionados ao produto
• ProductRelated_Duration - O tempo total gasto pelo usuário em páginas relacionadas a produtos do site
• BounceRates - A porcentagem de visitantes que entram no site e saem sem visualizar nenhuma outra página
• ExitRates - A porcentagem de visitantes que saem do site de uma determinada página depois de visitá-la
• PageValues - O valor médio das páginas visualizadas pelo usuário antes da transação
• SpecialDay - A proximidade da visita a um dia especial (por exemplo, Dia das Mães, Dia dos Namorados, etc.)

Este conjunto de dados do Excel é usado em pesquisas e análises relacionadas a comércio eletrônico e marketing online. Ele pode ajudar as empresas a entender os fatores que impulsionam o comportamento do cliente e também é útil para iniciantes em análise de dados.

9. Marketing Bancário

Este conjunto de dados popular destina-se a estudar campanhas de marketing para uma instituição bancária portuguesa. Ele contém informações sobre as campanhas de marketing do banco, bem como dados demográficos dos clientes e indicadores econômicos.

Algumas das variáveis incluídas neste conjunto de dados:

• Idade - Idade do cliente (numérica)
• Trabalho - Tipo de trabalho
• Casal - estado civil
• Educação - nível de educação
• Inadimplência - Tem crédito em inadimplência?
• Saldo - Saldo médio anual, em euros.
• Habitação - Tem crédito à habitação?
• Empréstimo - Tem empréstimo pessoal?
• Contato - Tipo de comunicação do contato.
• Dia - Dia do mês contatado.
• A variável de saída denota se o cliente subscreveu ou não um depósito a prazo após ser contactado pelo banco.

10. Preços do Abacate

O conjunto de dados de preços de abacate consiste em dados relacionados aos preços de abacate nos Estados Unidos. Os dados são coletados de várias fontes, como o Hass Avocado Board e o Departamento de Agricultura dos Estados Unidos (USDA).

Algumas das variáveis neste conjunto de dados incluem:

• Data - A data da observação.
• AveragePrice - O preço médio de um único abacate.
• Volume Total - Número total de abacates vendidos.
• Código PLU (Price Look-Up) - Um código usado para identificar um tipo específico de abacate.
• Tipo - Convencional ou orgânico
• Região - A cidade ou região da observação.

Também pode ser usado por empresas da indústria alimentícia para tomar decisões estratégicas sobre compra e venda de abacates.

11. Os 50 livros mais vendidos da Amazon de 2009 a 2019

Este conjunto de dados do Excel é uma coleção de dados relacionados aos 50 livros mais vendidos na Amazon para cada ano entre 2009 e 2019.

O conjunto de dados inclui as seguintes variáveis:

• Nome - O título do livro.
• Autor - O nome do autor do livro.
• Classificação do usuário - A classificação média do livro fornecida pelos usuários da Amazon.
• Resenhas - O número total de resenhas que o livro recebeu na Amazon.
• Preço - O preço do livro em dólares americanos.
• Ano - O ano em que o livro foi publicado.
• Gênero - O gênero do livro.

Os 50 livros mais vendidos da Amazon podem ser usados para explorar tendências nas vendas de livros na Amazon ao longo de uma década e são úteis para iniciantes em análise de dados.

12. Copa do Mundo FIFA

O conjunto de dados da Copa do Mundo da FIFA é uma coleção de dados relacionados à Copa do Mundo da FIFA, realizada a cada quatro anos. Ele contém informações sobre todos os torneios da Copa do Mundo de 1930 a 2014.

Algumas das variáveis neste conjunto de dados incluem:

• Ano - O ano do torneio.
• País - O país anfitrião do torneio.
• Vencedor - A equipe que venceu o torneio.
• Vice-campeão - A equipe que terminou como vice-campeã.
• Terceiro - A equipe que terminou em terceiro lugar.
• Quarta - A equipe que terminou em quarto lugar.
• GoalsScored - O número total de gols marcados no torneio.
• QualifiedTeams - O número total de equipes que se qualificaram para o torneio.
• Presença - O número total de espectadores que assistiram às partidas.

O conjunto de dados pode ser usado para analisar as tendências da Copa do Mundo ao longo do tempo, como mudanças no número de times participantes ou no número de gols marcados.

13. Dados Abertos do Airbnb em Nova York

Este conjunto de dados do Excel consiste em informações públicas sobre listagens e métricas do Airbnb na cidade de Nova York. Os dados abertos do Airbnb da cidade de Nova York de 2019 incluem informações sobre cerca de 50.000 anúncios do Airbnb na cidade e são disponibilizados ao público pelo governo da cidade de Nova York para promover a transparência e a compreensão do impacto dos aluguéis na cidade.

Algumas das variáveis no conjunto de dados incluem:

• Id - Um identificador exclusivo para cada anúncio do Airbnb.
• Nome - O nome do anúncio do Airbnb.
• Host_id - Um identificador exclusivo para o host do Airbnb.
• Host_name - O nome do anfitrião do Airbnb.
• Neighbourhood_group - O distrito do anúncio do Airbnb.
• Bairro - O bairro do anúncio do Airbnb.
• Latitude - A latitude do anúncio do Airbnb.
• Longitude - A longitude do anúncio do Airbnb.
• Room_type - O tipo de quarto disponível para alugar (por exemplo, quarto privado, casa/apto inteiro, quarto compartilhado).
• Preço - O preço por noite para alugar o anúncio do Airbnb.

14. Relatório Mundial de Felicidade

Este conjunto de dados inclui informações sobre os níveis de felicidade de mais de 150 países, como fatores econômicos, sociais e de saúde que contribuem para a felicidade. É útil para iniciantes em análise de dados para praticar exploração de dados, visualização e análise de regressão.

Algumas das variáveis neste conjunto de dados incluem:

• Nome do país - Nome do país.
• Ano - Ano da pesquisa.
• Life Ladder - Pontuação média de satisfação com a vida com base em uma escala de 0 a 10.
• Log PIB per capita - Logaritmo natural do PIB per capita, ajustado pela paridade do poder de compra (PPP) em dólares internacionais constantes de 2017.
• Expectativa de vida saudável ao nascer - O número esperado de anos a serem vividos com saúde plena, ajustado pelos anos passados com saúde precária.

15. Preço das ações

Este conjunto de dados inclui os preços diários das ações de várias empresas, como Apple, Google e Amazon. É útil para praticar a análise de séries temporais e prever os preços futuros das ações.

As variáveis neste conjunto de dados:

• Data - A data em que o preço da ação foi registrado.
• Abertura - O preço de abertura da ação.
• High - O preço mais alto da ação durante o dia de negociação.
• Low - O preço mais baixo da ação durante o dia de negociação.
• Fechamento - O preço de fechamento da ação.
• Adj Close - O preço de fechamento ajustado da ação.
• Volume - O número de ações negociadas durante o dia.

Perguntas práticas comuns para esses conjuntos de dados do Excel

Vendas em superlojas

• Qual é a receita total gerada pela loja?
• Qual categoria de produtos contribui mais para as vendas?
• Como tem sido a tendência de vendas no ano passado?
• Qual região tem as maiores vendas e qual tem as menores?
• Qual é a margem de lucro média da loja?

Íris

• Qual é a distribuição de cada espécie de íris no conjunto de dados?
• Qual é a correlação entre o comprimento da pétala e a largura da pétala?
• Qual é o comprimento médio das sépalas para cada espécie de íris?
• Qual espécie de íris tem a maior área de pétala?
• Quantas observações existem para cada espécie de íris?

Titânico

• Qual é a taxa de sobrevivência dos passageiros?
• Qual a idade média dos passageiros?
• Qual é a proporção de passageiros homens e mulheres?
• Qual classe de passageiros teve a maior taxa de sobrevivência?
• Qual é a distribuição da tarifa paga pelos passageiros?

Qualidade do Vinho

• Qual é a correlação entre o pH e o teor alcoólico?
• Que tipo de vinho (tinto ou branco) tem uma classificação de qualidade mediana mais alta?
• Qual é a acidez volátil média para cada tipo de vinho?
• Qual é a proporção de cada tipo de vinho no conjunto de dados?
• Qual é a distribuição do ácido cítrico para cada tipo de vinho?

Renda do Censo de Adultos

• Qual é a proporção de pessoas que ganham mais de US$ 50 mil?
• Qual é a idade média das pessoas que ganham mais de US$ 50 mil?
• Qual é a correlação entre a idade e o nível de escolaridade?
• Qual é a proporção de homens e mulheres que ganham mais de US$ 50 mil?
• Qual é a média de horas trabalhadas por semana para pessoas que ganham mais de US$ 50 mil?

Habitação em Boston

• Qual é a correlação entre o número de quartos e o valor médio das casas ocupadas pelos proprietários?
• Qual variável tem a maior correlação com o valor médio das casas ocupadas pelos proprietários?
• Qual é a idade média das casas?
• Qual é a distribuição da relação aluno-professor por município?
• Qual cidade tem o maior valor médio de casas ocupadas pelos proprietários?

Conjunto de dados de câncer de mama em Wisconsin

• Qual é a proporção de tumores benignos e malignos?
• Qual é a correlação entre o raio e o perímetro do tumor?
• Qual é a suavidade média dos tumores?
• Qual é a distribuição da concavidade dos tumores?
• Qual é a área média dos tumores?

Intenção de compra dos compradores on-line

• Qual é a proporção de visitantes que fizeram uma compra?
• Qual é a distribuição do número de páginas visitadas pelos visitantes?
• Qual é o tempo médio gasto no site pelos visitantes?
• Qual é a correlação entre a taxa de rejeição e a receita?
• Qual é a distribuição do sistema operacional usado pelos visitantes?

Marketing Bancário

• Qual é a proporção de pessoas que aderiram a um depósito a prazo?
• Qual é a correlação entre idade e equilíbrio?
• Qual é a distribuição do tipo de trabalho dos clientes?
• Qual a duração média das ligações?
• Qual é a proporção de chamadas feitas a cada mês?

Os 50 livros mais vendidos da Amazon de 2009 a 2019

• Qual a nota média dos livros?
• Qual é a distribuição do número de resenhas recebidas pelos livros?
• Qual livro tem o preço mais alto?
• Qual é a correlação entre a classificação e o preço dos livros?
• Qual é a distribuição dos gêneros dos livros?

Copa do Mundo FIFA

• Qual é a média de gols marcados por jogo?
• Qual é a proporção de jogos que terminaram empatados?
• Qual país ganhou mais títulos da Copa do Mundo?
• Qual é a idade média dos jogadores no torneio?
• Qual é a distribuição de público para cada jogo?

Dados Abertos do Airbnb em Nova York

• Qual o preço médio dos anúncios?
• Qual é a distribuição das tipologias de quartos disponíveis para os anúncios?
• Qual bairro tem mais anúncios?
• Qual é a correlação entre o número de avaliações e o preço das listagens?
• Qual é a distribuição das políticas de cancelamento dos anúncios?

Relatório Mundial de Felicidade

• Qual é a distribuição das pontuações de felicidade para cada país?
• Qual país tem a maior pontuação de felicidade?
• Qual é a correlação entre o PIB per capita e o índice de felicidade?
• Qual é a distribuição dos fatores que contribuem para a felicidade?
• Qual região do mundo tem a maior pontuação média de felicidade?

Preço das ações

• Qual é o retorno médio diário da ação?
• Qual é a distribuição do volume diário de negociação? Preços do Abacate
• Qual é o preço médio dos abacates?
• Qual é a distribuição do preço médio por região?
• Qual região tem o preço médio mais alto e mais baixo?
• Qual é a correlação entre o volume total e o preço médio?
• Qual é a distribuição do volume total por ano?

Pensamentos finais

O Excel oferece uma ampla variedade de ferramentas para iniciantes em análise de dados e você pode aprimorar suas habilidades usando os conjuntos de dados do Excel listados neste artigo.

Você também pode criar vários tipos de visualizações, como gráficos de linhas, gráficos de barras, gráficos de dispersão, histogramas e gráficos de pizza para responder às perguntas acima.

A imagem principal deste artigo foi gerada por meio do modeloAI Stable Diffusion do HackerNoon usando o prompt 'Excel datasets'.

Mais listas de conjuntos de dados:

1. Conjuntos de dados do Tableau
2. Conjuntos de dados do Power BI
3. Conjuntos de dados Keras