Login

O que eu irei aprender a fazer em seu curso?
 
✓ Estabelecer processos organizacionais para garantir o sucesso de aplicações de tecnologias preditivas.
✓ Entender quais comportamentos podem, de fato, ser previstos
✓ Criar equipes para extrair o máximo valor de previsões sobre comportamentos
✓ Construir uma cultura organizacional data-driven
✓ Criar um framework de governança de dados e princípios éticos no uso de dados
✓ Entender o funcionamento básico de tecnologias preditivas
✓ Conhecer diferentes tipos de dados e seus respectivos potenciais para criar previsões

KPIs, dashboards e relatórios são importantes componentes do business intelligence tradicional e fazem um ótimo trabalho em produzir insight e macro-indicadores sobre o desempenho do negócio. No entanto, tais componentes não oferecem respostas objetivas e imediatas sobre quais decisões devem ser tomadas para melhorar resultados, pois dependem de interpretação humana para serem executadas. Além disso, o BI se limita a revelar o que aconteceu no passado.

Tecnologias preditivas, por sua vez, produzem insights objetivos sobre quais ações devem ser tomadas para produzir resultados de alto impacto sobre o negócio. Ao analisar dados comportamentais e demográficos de cada cliente, e em grande escala, as tecnologias preditivas produzem recomendações objetivas, cliente a cliente, possibilitando a automação de milhões de decisões via algoritmos ao prever quem: irá comprar determinado produto, gostar de certo filme, responder a uma oferta, atender um telefonema, fraudar um seguro, inadimplir um financiamento, pedir demissão ou clicar em um anúncio.

Ao atribuir um score preditivo sobre o comportamento futuro de cada indivíduo, milhões de decisões são tomadas automaticamente, de forma mais assertiva e a custos reduzidos. No marketing do novo milênio, modelos preditivos que revelam comportamentos e preferências de consumidores são parte inerente do negócio bem-sucedido.

O advento do big data potencializado por sensores e a internet das coisas (IoT) produzindo ainda mais dados cria inúmeras oportunidades a serem exploradas. E você, está preparado para o admirável novo mundo dos dados?

O que eu irei aprender a fazer em seu curso?

✓ Estabelecer processos organizacionais para garantir o sucesso de aplicações de tecnologias preditivas.
✓ Entender quais comportamentos podem, de fato, ser previstos
✓ Criar equipes para extrair o máximo valor de previsões sobre comportamentos
✓ Construir uma cultura organizacional data-driven
✓ Criar um framework de governança de dados e princípios éticos no uso de dados
✓ Entender o funcionamento básico de tecnologias preditivas
✓ Conhecer diferentes tipos de dados e seus respectivos potenciais para criar previsões

Por que eu devo fazer esse curso?  

✓ Fazer previsões sobre o comportamento futuro de seus clientes é uma das maiores vantagens competitivas que seu negócio pode ter pois aumenta de forma vigorosa o nível de acerto nas tomadas de decisão, impulsionando a eficiência e a lucratividade da empresa e a qualidade do atendimento ao cliente.
✓ A economia do futuro já está sendo movida a dados. Saber extrair o máximo valor deles é fundamental para manter a competitividade e perenidade do negócio.
✓ Com e explosão de opções de ferramentas e softwares de aplicações preditivas, é necessário entender quais são as mais adequadas para resolver os problemas de negócio específicos de sua organização.
✓ Identificar oportunidades para automação de decisões de negócio em larga escala para tornar a operação mais eficiente e lucrativa e atender melhor o cliente, estimulando relacionamentos de longo prazo.
✓ Evitar erros comuns que podem comprometer a implementação bem-sucedida de tecnologias preditivas ao seu negócio.

EMENTA DO CURSO

AULA 1 – INTRODUÇÃO À TECNOLOGIAS PREDITIVAS  
Módulo 1
1.1.    O que são tecnologias preditivas?
1.2.     Diferenças do business intelligence tradicional
1.3.     Principais conceitos sobre dados
1.4.     Os 5 Vs do Big Data
1.5.     Imperfeição dos dados
1.6.     Selecionando dados relevantes
1.6.1.        Identificando os dados internos e externos
1.7.     Estudo de caso: detecção de fraude
1.8.     Qualidade dos dados (versus volume)
1.9.     Dicionário de dados
Módulo 2
2.1.     Quais problemas de negócio resolve?
2.2.     Requisitos básicos para o funcionamento
2.3.     Como fazer perguntas de negócio corretamente
2.4.     Objetivos S.M.A.R.T.
Módulo 3
3.1.     Automação de decisões de negócio
3.2.     Estudo de caso: varejo
Módulo 4 – REVISÃO – AULA 1       

AULA 2 – ESTUDOS DE CASO
Módulo 1

1.1.     Modelos preditivos para vendas e prospecção
1.1.1         Estudo de caso: lead scoring
Módulo 2
2.1.     Modelos preditivos para marketing
2.1.1.         Retenção de Clientes
Módulo 3
3.1.     Modelos preditivos para risco e finanças
3.1.1.         Risco de Crédito
Módulo 4
4.1.         Aplicação de scores na operação
4.1.1.         Finanças
Módulo 5 – REVISÃO – AULA 2       

AULA 3 – GESTÃO ORGANIZACIONAL DE TECNOLOGIAS PREDITIVAS  
Módulo 1
1.1.     Cultura organizacional
1.2.     Principais barreiras para adoção de tecnologias preditivas
Módulo 2
2.1.     Cultura movida a dados
2.1.1.         Transformação cultural
2.1.2.         Conquistando apoio executivo
2.1.3.         A importância de quick wins
2.1.4.         Contexto para a transformação cultural
2.1.5.         Case: Rolls-Royce
2.1.6.         A equipe de analytics
2.1.6.1.              Atribuições
2.1.6.2.              O cientista de dados
2.1.6.3.              Internalizar ou terceirizar?
2.1.7         Gestão de stakeholders
2.1.7.1.              Tipos de stakeholders
2.1.7.2.              Matriz RACI
Módulo 3
3.1.     Gestão de dados
3.1.1.         Modelos de gestão para analytics
3.1.2.         O Chief Data Officer
3.1.3.         Governança de dados
Módulo 4 – REVISÃO – AULA 3

AULA 4 – FERRAMENTAS DE GESTÃO
Módulo 1
1.1.     Storytelling com dados
Módulo 2
2.1.     Ferramentas analíticas e de visualização
Módulo 3
3.1.     Metodologia CRISP-DM
Módulo 4 – REVISÃO – AULA 4       

AULA 5 – PRIVACIDADE E LEGISLAÇÃO DE DADOS  
Módulo 1
1.1     O futuro da privacidade
1.1.1.         Caso Tonton
1.1.2.         Caso Target
1.2.     Desafios e recomendações sobre privacidade
1.3.     Modelos de privacidade
Módulo 2
2.1.     Legislação na UE: GDPR
Módulo 3
3.1.     Legislação nos EUA
Módulo 4
4.1.     Legislação no Brasil
Módulo 5 – REVISÃO – AULA 4       

AULA 6 – TENDÊNCIAS  
Módulo 1
1.1.     Sensores e IoT
Módulo 2
2.1.     O futuro das organizações
Módulo 3
3.1.     Especialistas falam sobre o futuro
3.1.1.         Karl Rexer, Ph.D
3.1.2.         James Taylor
Módulo 4 – REVISÃO – AULA 6

Ementa do Curso

Nenhum Currículum encontrado!
1009 ALUNOS
     

    2017 © Análise Preditiva

    Código do Certificado


    Sobre

    Esse portal é dedicado à promoção da educação sobre big data e análise preditiva no Brasil. Aqui você encontra vários recursos para ajudar você a fazer previsões usando dados de forma inteligente.

    top

    Setup Menus in Admin Panel