Data Analytics

Em São Paulo

Preço para verificar

Descrição

  • Tipologia

    Curso intensivo

  • Local

    São paulo

  • Início

    Datas a escolher

Descrição

O curso oferece as ferramentas necessárias para traduzir grandes volumes de informação e, assim, poder tomar decisões de negócio efetivas. Para isso, são usados intensamente Excel, PowerBI, linguagem SQL e diversas ferramentas de análise de comportamento digital, como o Google Analytics e plataformas de análise para redes sociais.
Você aprenderá a coletar, limpar e analisar dados de diversas fontes, como Internet, redes sociais, bancos de dados locais ou remotos, além de técnicas de visualização e predição de cenários futuros.
Também vai elaborar modelos conceituais de negócios e modelos analíticos simples. Poderá aplicar modelos preditivos que permitam tomar decisões estratégicas de negócio.
Em 5 meses de aulas presenciais e intensivas, você se tornará um analista de dados, profissional muito valorizado no mercado.

Instalações

Localização

Início

São Paulo
Ver mapa
Av Dr Cardoso de Melo, 90 – Vila Olímpia, São Paulo, 04506003

Início

Datas a escolherInscrições abertas

A ter em conta

O objetivo geral do curso de Data Analytics é que os alunos possam usar grandes conjuntos de dados para tomar decisões seguras e confiáveis. O curso ajudará os participantes a adquirir habilidades que permitam expandir seus negócios, aumentar seus benefícios e sua rentabilidade, assim como agregar o máximo de valor para todas as partes envolvidas.

O curso é orientado para todas as pessoas interessadas em ampliar suas capacidades analíticas e em melhorar suas tomadas de decisão. PROFISSIONAIS DE MARKETING DIGITAL que querem analisar dados de diversas plataformas, buscar otimizações e melhorar seus resultados. Gerentes e diretores de empresas, líderes de equipes que tomam decisões, têm subordinados e precisam analisar como é possível ser mais produtivo nas suas áreas ou na empresa como um todo. ANALISTAS DE NEGÓCIOS Profissionais encarregados tanto de entender uma ou várias áreas de uma empresa e sua operação para poder implementar melhorias nos processos como do retorno do investimento, analisando informações e gerando estratégias. EMPREENDEDORES que precisam de dados para tomar decisões objetivas e encontrar formas de tornar mais eficientes tanto o retorno do investimento como suas táticas de marketing e a forma de gerenciar seus processos estratégicos para crescer. BUSINESS INTELLIGENCE/ INTELIGÊNCIA COMERCIAL Profissionais encarregados de gerar, gerenciar e transmitir o conhecimento de uma empresa e os seus resultados para promover sua eficiência e inovação. São responsáveis por preparar dashboards e relatórios que permitam que outras áreas também tomem decisões e gerar visualizações dos avanços da respectiva estratégia.

Certificado

Entreremos em contato por telefone

Perguntas & Respostas

Levante suas perguntas e outros usuários poderão responder-te

Quem você quer que lhe responda?

Publicaremos apenas seu nome e pergunta

Matérias

  • Data Analytics
  • Data analytics para negócios
  • Ciclo de vida dos dados
  • Principais KPIs
  • Business Metrics
  • SQL
  • DDL
  • DML
  • Big Data
  • ETL

Programa

01. INTRODUÇÃO AO DATA ANALYTICS PARA NEGÓCIOS

» Objetivo: Conhecer o ciclo de vida dos dados, as funções necessárias e as métricas fundamentais nos diferentes modelos de negócio. Principais KPIs, funções nas equipes de Analytics. Necessidades de informação de acordo com o interesse do solicitante. » Ciclo de vida dos dados e fluxo de trabalho em Data Analytics. » Funções e habilidades necessárias em uma equipe de Data Analytics. » Cultura de dados, qualidade dos dados, tipos de dados. » Business Metrics: KPI x KSI. » Necessidades de informação das partes envolvidas interna e externamente.

02. FUNDAMENTOS DE ESTATÍSTICA PARA NEGÓCIOS

» Objetivo: Conhecer as bases e os princípios estatísticos que orientarão a análise das métricas adequadas para obter uma primeira análise das informações. » Principais elementos da estatística descritiva. Estrutura de dados e matrizes. Caracterização de uma distribuição: frequências, medidas de tendência central, dispersão e simetria. » Relações entre variáveis quantitativas. Medidas de dispersão (Variabilidade). Desvio padrão. Desvio médio. Coeficiente de variação. » Indicadores: proporções, médias, índices e taxas. Associação: entre variáveis qualitativas e quantitativas. Coeficiente de correlação. » Modelo de regressão linear. A reta de regressão. O coeficiente de correlação linear. Coeficiente de determinação. Medir a qualidade do modelo. Regressão linear múltipla.

03. EXTRAÇÃO DE DADOS COM SQL

» Objetivo: Aprender a fazer consultas em SQL (a linguagem padrão para trabalhar com bancos de dados) e usar os resultados como insumo para a análise. » Introdução a conceitos básicos. Motores digitais de bancos de dados. Concorrência. Consistência. Disponibilidade. Integridade. Integridade transacional (ACID). Índices: Definição e utilidade. Ex. dois motores mais utilizados hoje e suas diferenças. » SQL conceitos básicos. Sentenças DDL. Sentenças DML: Rápida ebreve resenha das operações disponíveis: INSERT, SELECT, DELETE e UPDATE. Acrescentando e organizando dados em SQL (SORT, AGGREGATE). Extraindo dados de múltiplas tabelas (JOIN). Empilhando dados (UNION). O que fazer com os dados após a extração? » Enfoque e Arquitetura de Data Warehouse. » Data Warehouse x Datamarts. Modelos Dimensionais. Exemplos por área de negócio.

04. LIMPEZA, PREPARAÇÃO E MANIPULAÇÃO DE DADOS

» Objetivo: Conhecer as técnicas e os processos mais eficientes para transformar dados brutos e desorganizados em informações que possam ser processadas e interpretadas. Realizar atividades práticas sobre limpeza de dados em geral, executar o processo de extração e upload de dados em ferramentas de BI e reconhecer as características do processo de extração, transformação e upload (ETL). Entender a importância das boas práticas de manipulação de dados. » Critérios de qualidade dos dados. » Limpeza de dados: filtragem, imputação de casos perdidos, lidando com strings e dados categóricos, padronização de formatos, tipos de dados, unificação de diferentes conjuntos de dados. » ETL: Extração, transformação e upload. História, conceito e principais ferramentas. » Big Data: História, conceito e principais ferramentas.

05 IMPLEMENTAÇÃO DE FERRAMENTAS DE ANALYTICS E BUSINESS INTELLIGENCE

» Objetivo: Entendercomo implementar um ecossistema de ferramentas de Analytics e BI, assim como as considerações necessárias para poder extrair insights relevantes. » PowerBI: Apresentação das funcionalidades básicas da ferramenta. Exercícios individuais. Práticas com casos de uso. » Tableau: Apresentação das funcionalidades básicas da ferramenta. Exercícios individuais. Práticas com casos de uso. » Google Data Studio / Google Analytics: Apresentação das funcionalidades básicas da ferramenta. Exercícios individuais. Práticas com casos de uso.

06. INTRODUÇÃO À ANÁLISE PREDITIVA

» Objetivo: Entender os fundamentos e técnicas para a predição de dados (quantitativos e qualitativos). » Predição x Inferência: Métodos paramétricos x não paramétricos. Supervised x Unsupervised Learning. Regressão x Classificação. » Probabilidade marginal, conjunta e condicional. Regra de Bayes. Distribuições de probabilidade mais usadas. » Introdução aos problemas de classificação: Por que não usar a regressão linear? Modelo de regressão logística. Calculando os coeficientes. KNN (clusterização).

07. GERAÇÃO DE UMA ESTRATÉGIA DE MEDIÇÃO

» Objetivo: Aprender a definir um plano estratégico que permita conhecer os mecanismos mais efetivos para utilizar a informação e tomar decisões de negócio, diante de diferentes problemáticas de negócio. » Conceito de Balanced Scorecard: Visão, missão, objetivos estratégicos. Perspectivas: financeira, clientes, processos internos, de aprendizagem e mudança. Iniciativas estratégicas. KPIs/KSIs. » Segmentação de clientes: métodos de clustering para segmentar. Modelo RFM. Modelos de Segmentação por Risco. » Montagem do ciclo de vida e da persona do cliente: Criação e monitoramento do ciclo de vida do cliente.

08. COMUNICANDO E VISUALIZANDO DADOS DE FORMA EFICIENTE

» Objetivo: Conhecer e aplicar técnicas de visualização e exposição para gerar apresentações de resultados elegantes, claras e efetivas. » Princípios de visualização de dados: como criar gráficos claros e efetivos? » Técnicas para visualização de múltiplas variáveis. Técnicas de storytelling para a apresentação de resultados. » Boas práticas na geração de relatórios. » Dashboards e relatórios de acordo com as necessidades do negócio: Dashboards com múltiplos objetos combinados. Navegação entre páginas. » Storytelling.

PROJETO INTEGRADOR

» Objetivo: Aplicação de todo o conhecimento adquirido para resolver problemas de um negócio com aspectos que simulam um caso real de trabalho.» Apresentação do projeto final

Data Analytics

Preço para verificar