Data Analytics – Trends and Stability¶

Purpose¶

O Data Analytics revela padrões de longo prazo, estabilidade e volatilidade nos seus conjuntos de dados — transformando métricas brutas em insights significativos.
Ele fornece uma camada analítica de nível superior sobre os resultados do Data Anomalies, permitindo que equipes compreendam mudanças ao longo do tempo e melhorem tanto a Qualidade dos Dados quanto a observabilidade dos pipelines de dados.

Ao identificar quebras de tendência, padrões recorrentes e mudanças de volatilidade, o Data Analytics da digna ajuda você a distinguir entre comportamento sazonal esperado e problemas reais de qualidade de dados.

Technical Overview¶

Derived Statistics¶

digna Data Analytics calcula propriedades estatísticas tais como:

Tendência – direção de longo prazo de uma métrica (em crescimento, em queda, estável)
Volatilidade – o quanto uma métrica oscila dentro de uma janela de tempo determinada
Sazonalidade – padrões temporais recorrentes (diários, semanais, mensais)
Pontos de Mudança – mudanças estatisticamente significativas no comportamento

Supported Metrics¶

O módulo pode analisar qualquer métrica gerada por outros módulos da digna, incluindo:

Contagens de registros
Taxas de valores ausentes
Estatísticas de distribuição (mínimo, máximo, média, variância)
Agregações de KPI (por exemplo, receita, transações, sinistros)
Desvios de pontualidade ou frequências de anomalias

Time-Series Analysis¶

O Data Analytics avalia a estabilidade entre períodos — comparando uma semana, mês ou trimestre com outro — usando confiabilidade estatística e métricas visuais para estabilidade de tendência.

How It Works¶

Input Data – a digna coleta métricas em séries temporais de outros módulos (ex.: número de anomalias).
Statistical Modeling – funções de IA e estatísticas identificam tendências subjacentes e níveis de volatilidade.
Comparison Across Periods – a digna compara desempenho histórico e atual de KPIs ou indicadores de qualidade.
Insights Generation – dashboards exibem tendências detectadas, períodos estáveis e pontos de mudança no Inspection Hub e nas visualizações analíticas.

Isso possibilita a detecção proativa de drifts lentos ou degradação gradual na qualidade dos dados antes que se tornem críticos.

Example Use Cases¶

Use Case	Description
Monitoring KPI stability	Acompanhar vendas, transações ou sinistros ao longo do tempo e detectar volatilidade incomum.
Detecting hidden data drift	Observar mudanças lentas nas distribuições de dados ou nas taxas de valores ausentes que regras típicas podem ignorar.
Change point analysis	Identificar quando uma métrica altera seu comportamento (ex.: aumento súbito nas anomalias).
Operational reliability	Avaliar períodos de alta vs. baixa estabilidade de dados entre sistemas ou departamentos.
Business insights	Destacar categorias ou produtos com melhor desempenho ao longo de períodos móveis.

Benefits¶

Area	Benefit
Visibility	Fornece visão de longo prazo sobre tendências e padrões da qualidade dos dados.
Early Warning	Detecta drifts lentos antes que acionem anomalias ou quebras de SLA.
Optimization	Ajuda a identificar fontes de dados ou sistemas instáveis que necessitam ajuste de processo.
Cross-Module Analysis	Combina dados de Anomalies, Data Validation e Data Timeliness para insights holísticos.
Actionable Insights	Suporta tanto equipes técnicas quanto usuários de negócio em unders