Playbook de classificação de dados “Not Categorized”

1. O que são dados “Not Categorized”?

Not Categorized são termos não classificados em nenhuma categoria, permanecendo “órfãos” no sistema e, portanto, fora da modelagem analítica. Manter dados sem categoria reduz a precisão das análises, dificulta comparações entre períodos e variáveis e aumenta o retrabalho.

Com a classificação correta, você garante a cobertura total do investimento e do volume analisado. Isso assegura tendências mais confiáveis, mesmo com variações nos valores absolutos. Além disso, fortalece a governança dos dados com regras rastreáveis, replicáveis e auditáveis, promovendo consistência entre relatórios e análises.

2. Quando classificar dados "Not Categorized"?

Classifique sempre que um ou mais dos seguintes critérios for verdadeiro:

1. Representa mais de 5% do investimento ou volume da variável no período analisado.

2. Você preferir incluir 100% dos valores no modelo.

3. O item é estratégico (ex.: marca, produto ou canal-chave).

4. Há impacto recorrente (aparece em mais de um período) ou picos atípicos que podem distorcer as análises.

3. Passo a passo para classificar os dados not categorized

a. Reconhecer os valores não categorizados nos relatórios e avaliar a necessidade de classificá-los.

b. Exportar uma base CSV com termos de-para para verificar o que não foi classificado.

c. Criar/ajustar regras que classifiquem os termos não classificados.

d. Atualizar e sincronizar as regras.

e. Validar nos relatórios se a nova regra está classificando todos os dados.

a. Reconhecimento dos dados "not categorized"

• Acesse/crie um relatório e no gráfico de visualização de dados selecione a métrica e dimensão.

• Localize a linha Not Categorized e os valores correspondentes.

  No exemplo, observamos dados de investimento em Google Ads com uma quebra na visualização por etapa de funil (awareness, consideration e conversion), e identificamos dados "not categorized".

• Verifique a % do total que está sem classificação e avalie se é necessário classificar de acordo com os critérios.

  

b. Exportar para verificar o que não foi classificado

• Clique nos três pontos e selecione Access metric page.

  

   

• Você será direcionado para a página da métrica visualizada no gráfico. Selecione a base que contém os dados do gráfico para acessar a página de regras correspondente.

  

  No exemplo, fomos encaminhados para a página da métrica investimentos e selecionamos a base origem dos dados do gráfico. Aqui é importante manter as bases conectadas nomeadas com títulos claros para a identificação.

   

• Com a janela de Export Rules aberta, selecione a dimensão com dados "Not Categorized" e clique em “Export” para exportar o CSV.

  

  No exemplo, utilizamos a quebra Goal na visualização do gráfico que demonstrou dados not categorized

Outro método de exportar:

• Acesse a página de Rules da base correspondente pelo Data Sources.

• Clique em Dimension Rules Validation, selecione a dimensão com dados "Not Categorized" e clique em "Export" para exportar o CSV.

  

  No exemplo, utilizamos a quebra Goal na visualização do gráfico que demonstrou dados not categorized.

• Abra o arquivo CSV exportado. Filtre a coluna matching ou nome da dimensão por valores vazios — eles representam registros sem regra de classificação.

  

   

c. Criar uma nova regra que aborde o que não foi classificado

• Ainda na Página de Regras → Localize a regra da Dimensão

• Adicione a regra de-para e harmonize os dados.

  

  Campanha que não possui regra correspondente para classificar

  

  No exemplo, as campanhas com “Cnv” não tinham regra para harmonizar como conversion. Assim, adicionamos o de-para na página de Regras para que a plataforma passe a ler e classificar.

d. Atualizar e sincronizar as regras

• Clique em Trigger Rules para sincronizar as novas regras e reclassificar o histórico do período.

• Aguarde a confirmação de status concluído no painel do Data Sources ✅

  

e. Verificar nos relatórios se tudo foi classificado

• Retorne aos Relatórios e verifique se os dados “Not Categorized” não aparecem mais.

  

4. Boas práticas

• Mantenha um padrão consistente na entrada de dados

• Realize sempre a validação dos dados antes da modelagem

• Revise periodicamente as regras existentes para garantir que continuem cobrindo os dados atuais

5. Erros comuns

• Regra muito ampla: classificou itens indevidos.

• Prioridade incorreta: a regra correta foi sobreposta por outra.

• Erros de digitação: a regra não reconhece variações na base de dados e as trata como valores diferentes.

• Case sensitive: quando ativada, essa funcionalidade diferencia letras maiúsculas de minúsculas, podendo impedir correspondências.