Introdução à análise de dados: métodos e técnicas qualitativas e quantitativas

A análise de dados é o conjunto de procedimentos empregados para organizar, examinar, interpretar e comunicar informações produzidas durante uma investigação. Seu propósito consiste em transformar registros brutos — números, textos, imagens, documentos, observações, respostas de questionários ou eventos computacionais — em evidências capazes de responder ao problema de pesquisa. A análise, portanto, precisa ser definida em coerência com o objeto investigado, os objetivos do estudo, o modo de produção dos dados e os pressupostos teóricos adotados.

Os dados quantitativos representam atributos por meio de valores numéricos. Eles podem expressar contagens, medidas, frequências, proporções, tempos, distâncias, notas ou outras grandezas. Esses dados permitem descrever distribuições, comparar grupos, estimar parâmetros populacionais, testar hipóteses e construir modelos de associação ou predição. A existência de números, entretanto, não garante rigor. Para Field (2018), a validade da análise depende da qualidade da mensuração, da amostragem, do delineamento da pesquisa e da adequação das técnicas estatísticas empregadas.

Os dados qualitativos registram significados, experiências, práticas, discursos, relações e interpretações. Podem ser produzidos por entrevistas, grupos focais, observação, documentos, diários de campo, fotografias, vídeos, registros institucionais e interações em ambientes digitais. Para Minayo (2014), a investigação qualitativa trabalha com dimensões da realidade que dificilmente podem ser reduzidas apenas a variáveis numéricas, pois envolve valores, crenças, motivos, atitudes e sentidos atribuídos pelos participantes.

A distinção entre qualitativo e quantitativo não corresponde a uma oposição absoluta. Uma pesquisa pode empregar métodos mistos, articulando dados numéricos e textuais no mesmo projeto. Creswell e Clark (2018) explicam que a pesquisa de métodos mistos integra abordagens quantitativas e qualitativas para produzir uma compreensão mais abrangente do problema. Um estudo sobre evasão em um curso superior, por exemplo, pode calcular taxas de abandono, comparar perfis acadêmicos e identificar fatores associados à evasão; em seguida, pode entrevistar estudantes para compreender dificuldades financeiras, relações institucionais, expectativas profissionais e experiências que os indicadores numéricos não revelam integralmente.

A integração pode ocorrer de forma convergente, quando dados qualitativos e quantitativos são produzidos paralelamente e depois comparados; explanatória sequencial, quando resultados quantitativos orientam uma etapa qualitativa destinada a explicá-los; ou exploratória sequencial, quando uma etapa qualitativa inicial ajuda a construir variáveis, categorias ou instrumentos quantitativos posteriores (Creswell; Clark, 2018). O valor de um desenho misto decorre da integração entre as evidências, e não da simples presença de duas bases de dados.

Problema de pesquisa, objeto, objetivos, métodos e dados

Uma investigação científica começa com uma situação que exige explicação, compreensão, avaliação ou intervenção. O problema de pesquisa formula essa necessidade como uma pergunta delimitada e investigável. Ele orienta quais evidências serão necessárias e impede que a coleta de dados se transforme em acumulação indiscriminada de informações.

O objeto de pesquisa é o fenômeno, processo, relação, sistema, população ou prática que será examinado sob determinado recorte. Em um estudo sobre abandono de usuários em uma plataforma educacional, a plataforma não constitui necessariamente todo o objeto. O objeto pode ser definido como os fatores associados à interrupção do uso durante as quatro primeiras semanas, considerando estudantes de determinada instituição e período.

Os objetivos traduzem o problema em operações intelectuais. O objetivo geral expressa o resultado central pretendido, enquanto os objetivos específicos decompõem esse propósito em etapas observáveis. Verbos como descrever, comparar, estimar, verificar, compreender, interpretar, explicar, avaliar e modelar indicam operações distintas e demandam dados e análises compatíveis.

O método corresponde ao caminho sistemático adotado para produzir conhecimento sobre o objeto. Ele pode envolver levantamento, experimento, estudo de caso, etnografia, pesquisa documental, pesquisa-ação, teoria fundamentada ou desenho de métodos mistos. As técnicas operacionalizam partes desse caminho, como aplicar questionários, conduzir entrevistas, realizar observação, calcular intervalos de confiança, codificar textos ou ajustar um modelo de regressão.

Os dados são registros construídos ou selecionados durante a investigação. Eles não surgem de maneira neutra e independente do projeto. A definição das variáveis, a redação das perguntas, o instrumento de medida, o ambiente de observação, os critérios de inclusão e as decisões de codificação influenciam o que poderá ser analisado. Miles, Huberman e Saldaña (2020) destacam que a análise qualitativa envolve condensação, apresentação e elaboração de conclusões desde as etapas iniciais, mostrando que coleta e análise frequentemente se desenvolvem de forma iterativa.

A coerência metodológica pode ser representada pelo seguinte encadeamento, também descrito na Figura 1:

Problema de pesquisa → objeto e recorte → objetivos → método → técnicas de produção dos dados → dados obtidos → técnicas de análise → interpretação → resposta ao problema.

Observe que na Figura 1 atribuímos um exemplo de cenário qualitativo, onde há coerência narrativa desde a definição do problema de pesquisa (busca-se o “por que” de algo) até a resposta obtida (causas descritas e analisadas nas entrevistas). Os métodos e as técnicas foram estabelecidas para se alinharem ao planejamento da pesquisa.

Vamos observar outro exemplo agora. Considere a pergunta: “Quais fatores estão associados ao atraso na conclusão de tarefas em equipes de desenvolvimento de software?”. Neste caso, um objetivo quantitativo poderia ser estimar a associação entre atraso, tamanho da tarefa, experiência do desenvolvedor e quantidade de dependências. Os dados poderiam ser extraídos de um sistema de gestão de projetos e analisados por estatística descritiva e regressão. Um objetivo qualitativo poderia ser compreender como os membros da equipe percebem bloqueios, comunicação e mudanças de escopo. Nesse caso, entrevistas semiestruturadas poderiam ser examinadas por análise temática. Um desenho misto permitiria relacionar os padrões registrados no sistema às explicações produzidas pelos participantes.

Diferença entre métodos e técnicas

Na literatura científica, os termos método e técnica aparecem com variações de uso, mas podem ser diferenciados por seu nível de abrangência. O método organiza a lógica geral da investigação e define como o pesquisador se aproxima do objeto. A técnica corresponde a um procedimento mais específico empregado para produzir, tratar ou analisar dados (Gil, 2019).

Segundo Yin (2018), um estudo de caso é um método ou estratégia de investigação voltado ao exame aprofundado de um fenômeno contemporâneo em seu contexto, especialmente quando as fronteiras entre fenômeno e contexto não são evidentes. No cenário definido, entrevistas, observação participante, análise documental e análise temática podem funcionar como técnicas dentro desse estudo. De forma semelhante, um experimento constitui um método ou delineamento; randomização, grupo de controle, teste t e análise de variância são procedimentos ou técnicas empregados em etapas particulares.

Contudo, cabe destacar que nem sempre as classificações são rígidas. A análise de conteúdo é um exemplo interessante disso. Bardin define essa abordagem como “um conjunto de técnicas de análise das comunicações” orientado por procedimentos sistemáticos e objetivos de descrição das mensagens e pela produção de inferências (Bardin, 1977, p. 42). Assim, em algumas áreas, ela é chamada de método; noutras, de técnica. Por isso, talvez o mais importante seja declarar com precisão suas abordagens, seus procedimentos, suas unidades de análise e seus critérios interpretativos.

Em outras palavras, é recomendado fazer uma descrição completa que apresente o método, os participantes ou corpus, o procedimento de produção dos dados, a técnica analítica, as etapas de interpretação e os critérios de rigor. Dessa forma, melhora-se a transparência do trabalho científico.

Métodos e técnicas para dados quantitativos

Existem inúmeros métodos e/ou técnicas que podem ser classificados como abordagens quantitativas. Dentre elas, podemos destacar as listadas na Tabela 1 como opções interessantes para diversos tipos de pesquisa ou áreas do conhecimento humano.

Métodos	Explicação com indicativo de possíveis técnicas a serem aplicadas
Estatística descritiva	Organiza e resume os dados observados por meio de frequências, proporções, média, mediana, variância, desvio-padrão, quartis e gráficos. Permite compreender a distribuição dos dados sem realizar generalizações para toda a população.
Análise exploratória de dados	Investiga padrões, relações, valores atípicos, dados ausentes e problemas de qualidade antes da construção de modelos. Utiliza histogramas, boxplots, gráficos de dispersão, correlações e análise de resíduos para orientar hipóteses e decisões posteriores.
Estimação e intervalos de confiança	Utiliza dados de uma amostra para estimar características da população. A estimativa pontual apresenta um valor único, enquanto o intervalo de confiança expressa uma faixa plausível e a incerteza associada à estimativa.
Testes de hipóteses	Avaliam se os resultados observados são compatíveis com uma hipótese estatística. O valor-p indica a probabilidade de observar resultados tão extremos quanto os encontrados, supondo que a hipótese nula seja verdadeira. Importante destacar que significância estatística não implica relevância prática.
Correlação e associação	Medem a intensidade e a direção da relação entre variáveis. Pearson é utilizado principalmente para relações lineares entre variáveis quantitativas, enquanto Spearman trabalha com postos e relações monotônicas. Cuidado: correlação não comprova causalidade.
Regressão e modelagem	Modelam a relação entre uma variável de resposta e uma ou mais variáveis explicativas. Regressão linear trata resultados contínuos, regressão logística trabalha com resultados binários e outros modelos podem analisar contagens ou tempo até um evento.
Modelos preditivos	Utilizam dados anteriores para prever resultados futuros. Devem ser avaliados com dados separados dos usados no treinamento, validação cruzada e métricas adequadas, evitando sobreajuste e interpretações baseadas somente na acurácia.
Experimentos	Avaliam relações causais por meio da manipulação de variáveis e do controle das condições de comparação. A distribuição aleatória dos participantes fortalece a validade do estudo, como ocorre em testes A/B.
Quase-experimentos	Avaliam possíveis efeitos causais quando a distribuição aleatória não é viável. Utilizam técnicas como séries temporais interrompidas, diferenças em diferenças e pareamento, exigindo maior atenção à comparabilidade dos grupos.
Análise multivariada	Examina diversas variáveis simultaneamente. Inclui componentes principais, análise fatorial, agrupamento e classificação, sendo útil para redução de dimensionalidade, identificação de estruturas e separação de grupos.

Observe que a análise quantitativa oferece padronização, síntese, comparação, estimação de incerteza e possibilidade de examinar grandes volumes de observações. Essa é grande vantagem de sua utilização. Contudo, suas limitações incluem dependência da qualidade das medidas, risco de reduzir fenômenos a variáveis insuficientes, uso inadequado de testes e interpretação causal indevida.

Além disso, é bom reforçar que a escolha da metodologia de trabalho precisa “conversar” diretamente com o objeto e os objetivos da pesquisa. Não adianta escolher o método e a técnica que você considera “mais fácil” se elas não lhe fornecerem evidências corretas para responder o problema de questão.

Métodos e técnicas para dados qualitativos

Do outro lado da moeda, também existem vários métodos e/ou técnicas que podem ser classificados como abordagens qualitativas. Na Tabela 2 destacamos algumas opções interessantes aplicáveis a diversos tipos de pesquisa ou áreas do conhecimento humano.

Métodos	Explicação com indicativo de possíveis técnicas a serem aplicadas
Codificação	Atribui rótulos a trechos que representam ideias, ações, experiências ou conceitos. Os códigos podem ser dedutivos, quando derivados da teoria, ou indutivos, quando surgem durante a análise dos dados.
Categorização	Reúne códigos relacionados em conjuntos conceituais mais amplos. As categorias devem apresentar coerência interna, distinção entre si e relação direta com o problema de pesquisa.
Análise de conteúdo	Analisa comunicações sistematicamente para produzir descrições e inferências. Geralmente envolve pré-análise, exploração do material, codificação, categorização, interpretação e relação com o referencial teórico (Bardin, 2016).
Análise temática	Identifica padrões de significado relevantes para a pergunta de pesquisa. Inclui familiarização com os dados, codificação, construção, revisão e definição dos temas, seguida da elaboração do relatório analítico.
Análise do discurso	Examina como a linguagem constrói sentidos, identidades, relações de poder e versões da realidade. Considera palavras, pressupostos, silêncios, posições sociais e condições históricas de produção dos discursos.
Análise narrativa	Investiga como indivíduos e grupos organizam suas experiências em histórias. Considera sequência temporal, personagens, conflitos, mudanças e modos de construção da identidade.
Teoria fundamentada nos dados	Busca construir uma explicação teórica a partir dos próprios dados. Emprega coleta e análise iterativas, comparação constante, memorandos, codificação progressiva e amostragem teórica (Charmaz, 2014).
Análise documental	Examina relatórios, atas, legislações, mensagens, repositórios, registros institucionais e outros documentos. Deve considerar autoria, origem, finalidade, contexto, completude e possíveis vieses.
Estudo de caso	Investiga profundamente uma organização, projeto, sistema, comunidade ou evento delimitado. Pode combinar entrevistas, documentos, observações e dados quantitativos para compreender o fenômeno em seu contexto.
Triangulação	Confronta diferentes fontes, técnicas, pesquisadores ou perspectivas teóricas. As convergências fortalecem as conclusões, enquanto as divergências podem revelar diferenças de contexto ou interpretação.

Para todos os métodos listados, a fase inicial deve ser a preparação dos dados. Ela envolve transcrição, anonimização dos participantes, organização do corpus, leitura inicial e registro das decisões analíticas. Essa etapa prepara entrevistas, documentos e observações para a interpretação sistemática.

Após a preparação dos dados, a análise qualitativa permite examinar contexto, processos, significados, contradições e experiências em profundidade. Suas principais limitações envolvem a necessidade de trabalho intensivo e de elevada transparência interpretativa, bem como menor adequação para estimar prevalências populacionais e risco de categorias pouco fundamentadas.

Aqui vale a mesma observação de cautela na escolha do método e da técnica. Opte pelas melhores opções para “conversar” com seus objetivos e objeto de pesquisa.

Integração entre análises qualitativas e quantitativas

Em métodos mistos, a integração deve ser planejada. Uma estratégia possível é conectar as etapas, onde os resultados quantitativos selecionam participantes para entrevistas. Outra possibilidade consiste em construir instrumentos, de forma que categorias qualitativas orientem itens de um questionário. Também é possível fundir resultados em matrizes que relacionam indicadores numéricos e temas qualitativos.

Imagine uma pesquisa sobre atrasos em projetos. A etapa quantitativa pode identificar que tarefas com dependências externas possuem maior probabilidade de atraso. Enquanto isso, a etapa qualitativa mostra que essas dependências se tornam críticas quando não há definição de responsáveis nem canais formais de acompanhamento. Logo, a conclusão integrada é mais útil que duas conclusões independentes, pois agora temos a associação entre padrão, mecanismo e contexto.

Também pode acontecer de obtermos resultados divergentes e que devem ser investigados. Por exemplo, uma pesquisa de satisfação pode mostrar avaliações elevadas, enquanto entrevistas revelam críticas intensas. A diferença pode decorrer de perguntas fechadas pouco sensíveis, receio de exposição, perfis distintos de participantes ou experiências específicas. A divergência constitui um achado metodológico e substantivo.

Conclusão

Enquanto os métodos quantitativos oferecem instrumentos para resumir registros, estimar incertezas, comparar soluções e construir modelos, as abordagens qualitativas permitem interpretar necessidades, experiências, práticas de equipe, discursos organizacionais e contextos de uso que não aparecem integralmente em métricas.

Assim, os métodos mistos ampliam a capacidade de explicação e validação por diferentes evidências, mas exigem mais planejamento, tempo, domínio técnico e integração teórica. Combinar métodos sem justificar sua relação produz um estudo fragmentado, não uma investigação mista consistente. Portanto, a escolha do método e da técnica deve começar pelo problema de pesquisa.

A análise competente exige documentação das decisões, verificação dos pressupostos, reconhecimento das limitações e comunicação clara. Esse rigor fortalece pesquisas acadêmicas, projetos de inovação e sistemas orientados por dados, reduzindo decisões baseadas apenas em intuição ou em indicadores descontextualizados.

Obrigado pela leitura e bons estudos!

Referências

BARDIN, Laurence. Análise de conteúdo. Lisboa: Edições 70, 1977.

BARDIN, Laurence. Análise de conteúdo. São Paulo: Edições 70, 2016.

BRAUN, Virginia; CLARKE, Victoria. Using thematic analysis in psychology. Qualitative Research in Psychology, [S. l.], v. 3, n. 2, p. 77-101, 2006. DOI: 10.1191/1478088706qp063oa.

CHARMAZ, Kathy. Constructing grounded theory. 2. ed. London: Sage, 2014.

CRESWELL, John W.; CLARK, Vicki L. Designing and conducting mixed methods research. 3. ed. Thousand Oaks: Sage, 2018.

FIELD, Andy. Discovering statistics using IBM SPSS Statistics. 5. ed. London: Sage, 2018.

GIL, Antonio Carlos. Métodos e técnicas de pesquisa social. 7. ed. São Paulo: Atlas, 2019.

HAIR, Joseph F. et al. Multivariate data analysis. 8. ed. Andover: Cengage, 2019.

MILES, Matthew B.; HUBERMAN, A. Michael; SALDAÑA, Johnny. Qualitative data analysis: a methods sourcebook. 4. ed. Thousand Oaks: Sage, 2020.

MINAYO, Maria Cecília de Souza. O desafio do conhecimento: pesquisa qualitativa em saúde. 14. ed. São Paulo: Hucitec, 2014.

NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY. NIST/SEMATECH e-Handbook of Statistical Methods: exploratory data analysis. Gaithersburg: NIST, 2012. Disponível em: https://www.itl.nist.gov/div898/handbook/eda/eda.htm. Acesso em: 30 jul. 2026.

TUKEY, John W. Exploratory data analysis. Reading: Addison-Wesley, 1977.

YIN, Robert K. Case study research and applications: design and methods. 6. ed. Thousand Oaks: Sage, 2018.