MBA Executivo em Business Analytics
e Big Data

MBA Executivo em Business Analytics e Big Data

Big Data é o termo utilizado para descrever o vasto volume de dados que impactam os negócios no dia a dia. O MBA Executivo em Business Analytics e Big Data irá torná-lo capaz de analisar problemas empresariais e utilizar técnicas analíticas neste atual cenário caracterizado pela complexidade, diversidade e alto volume de dados digitais.

Competências e Habilidades que você vai obter
ao fazer o MBA

  • Capacidade analítica para gerenciar e conduzir projetos que envolvam bases de dados estruturadas e não estruturadas
  • Competência para analisar e gerar soluções para problemas empresariais
  • Conhecimentos sobre modelagem de dados, análise quantitativa, identificação/resolução de problemas e gestão empresarial, a partir da aplicação prática de métodos
  • Compreensão dos benefícios, desafios e riscos dos projetos analíticos
  • Entendimento sobre características e requisitos das principais técnicas e ferramentas analíticas aplicadas na formulação, modelagem e análise de bases de dados
  • Fundamentos de análise estatística e dos métodos computacionais para análises de dados nas organizações
  • Entendimento sobre características e requisitos das técnicas necessárias para manusear bases de dados estruturadas e bases distribuídas e de grandes volumes

Programa Acadêmico​

Carga Horária Total: 432 horas/aula

Ambiente de programação R. Introdução a linguagem R. Visualização de dados em R. Conceito e tipos de variáveis aleatórias. Distribuição de frequências. Medidas descritivas (posição, dispersão, quantis). Tipos de gráfico (barplot, boxplot, scatterplot,histograma). Distribuição conjunta, marginal e condicional. Independência. Regra de Bayes. Correlação. Regressão linear simples.

Técnicas de estatística espacial: análise de vizinhanças, tendências, correlação e autocorrelação espacial. Geoestatística e regressão espacial. Desenvolvimento de Estudo de Caso junto à turma.

Relações. Redes sociais no Contexto Empresarial. Tipos de rede. Análise de Redes de Comunicação. Redes em Ambiente Organizacional. Mineração de Texto. Análise de sentimentos. Modelagem de dados textuais.

Introdução à modelagem preditiva. Regressão Logística. Regularização. Árvores de Decisão, Florestas Aleatórias e Bagging. Validação de modelos preditivos.

Otimização não linear. Algoritmos estocásticos. Redes neurais (feedforward, recorrentes, adversariais, generativas, profundas). Máquinas de vetores de suporte. Técnicas para seleção e combinação de modelos.

Introdução às capacidades analíticas em marketing; conceitos e aplicações. Abordagens para a alocação de recursos em marketing. Estruturação das métricas para identificar os drivers de vendas, lucro e participação de mercado. Análise econômico-financeira das ações de marketing. Conteúdo Programático Mínimo: I. Introdução às capacidades analíticas em marketing; conceitos e aplicações II. Abordagens para a alocação de recursos em Marketing ” Técnicas para análise e alocação de recursos em marketing ” Alocação de recursos em diferentes canais e atividades de comunicação III. Estruturação das métricas para identificar os drivers de vendas, lucro e participação de mercado ” Métricas para otimizar a alocação de recursos de marketing e orientar decisões ” Cálculo do índice de desenvolvimento de categoria ” Métricas para analisar linhas de produtos IV. Retorno sobre Investimentos (ROI) de marketing ” Cálculo do ROI de marketing ” Análise financeira dos investimentos em marketing V. Cálculo do Customer Lifetime Value VI. Análise dos resultados de programas de comunicação de marketing e força de vendas ” Métricas para analisar o desempenho de campanhas de propaganda, promoções, relações públicas e força de vendas ” Métricas para tomada de decisão no ambiente digital

Estruturas de Mercado. Atividade Econômica e Empresas. Políticas de Governo e Efeitos na Economia. Análise Competitiva. Métodos para Mensuração de Valor Conteúdo Programático Mínimo: I. Estruturas de Mercado ” Teoria do Consumidor (Demanda) ” Teoria do Produtor (Oferta) ” Teoria dos Jogos II. Atividade Econômica e Empresas ” Produto e Renda Nacional ” Nível de Atividade Econômica ” Tendências e Ciclos Econômicos III. Políticas de Governo e Impactos na Economia ” Política Fiscal e Monetária ” Política Cambial e Balanço de Pagamentos IV. Análise Competitiva V. Métodos para Mensuração de Valor

Introdução e Conceitos. Modelos de Regressão para Séries Temporais. Conceitos de Séries Temporais. Modelagem de Séries Temporais e Previsão.

Conceitos de contabilidade financeira e gerencial. Estruturas de custo. Classificação de custos e despesas. Custeio Marginal. Custeio por Absorção. Custeio por Atividades.

Desafios e dilemas do processo decisório, Abordagens para identificação e modelagem de problemas.  Diferenças entre business intelligence e data Science e implicações. Gerenciamento dos projetos analíticos.

Estrutura, finalidade e produtos das fases dos projetos analíticos. Papéis, competências e habilidades dos profissionais envolvidos. Abordagens para o gerenciamento e condução dos projetos analíticos.

Análise do contexto informacional. Modelagem dimensional, na modalidade Star Schema. Verificação da estabilidade do modelo. Gerenciamento das iniciativas analíticas.

Computação distribuída e em nuvem. Revisão de bancos de dados relacionais e da linguagem SQL. Integração entre Hadoop e demais ferramentas de business Analytics. Acesso ao Hadoop através de interfaces de programação e comandos, Utilização de bibliotecas de análise in-db (MADLIB), Tecnologias de dados não-estruturados (NoSQL).

Big Data e Data Driven Economy. Introdução à análise exploratória de dados em SQL e Tableau. Ambiente e programação SQL. Visualização de dados com Tableau.

Geomarketing e Geoinformação – Evolução e o Estado-da-Arte. Conceitos de Informações Espaciais – Modelos de Dados. Exploração de Dados Geográficos. Análise Geográfica e Estatística Espacial.

Modelo Estatístico. Estimação e Intervalo de confiança. Testes de Hipótese. Regressão múltipla. Análise de Regressão. Análise de resíduos

Pré-tratamento de dados. Detecção e tratamento de outliers. Tratamento de dados faltantes. ANOVA e comparações múltiplas. Multicolinearidade. Métodos baseados em vizinhança. Regras de Associação e Market Basket Analysis.

Fundamentos de Cálculo e Álgebra Matricial. Matriz de covariância. Redução de dimensionalidade. Análise de componentes principais. Análise fatorial. Clusterização por K-means e cluster hierárquico.

INVISTA EM VOCÊ!

Preencha o formulário abaixo para saber mais detalhes sobre o curso

INVISTA EM VOCÊ!

Preencha o formulário abaixo para saber mais detalhes sobre o curso