MBA

ANALYTICS EM BIG DATAPARA GESTÃO DE NEGÓCIOS

CARGA HORÁRIA: 600 horas

DURAÇÃO: 19 meses

COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila MontiniProf. Dr. Adolpho Walter P. Canton

Lyzbeth Cronembold

APRESENTAÇÃOO MBA Analytics em Big Data para Gestão de Negócios é o melhor MBA em Big Data e Inteligência Arti--ficial do Brasil desenvolvido especialmente para executivos C-Level, que desejam se tornar protagonis--tas na condução de projetos de Big Data e Inteligência Artificial. O LabData da FIA, é pioneiro no lançamento de cursos de Big Data no Brasil.

DIFERENCIALAs aulas serão ministradas por profissionais com experiência em implementação de projetos de Big Datae Inteligência Artificial, dos mais variados segmentos. Os professores possuem ampla experiência acadê-mica, grande conhecimento teórico e são focados em Business. As aulas práticas serão desenvolvidas emlaboratório equipado com diversos softwares de soluções de Big Data. Durante o curso serão desenvol-vidos cases e projetos.

OBJETIVOSAbordar as principais tecnologias e estratégias utilizadas na condução de projeto de Big Data e Inteligê-ncia Artificial. Este programa permitirá uma visão das melhores abordagens e práticas digitais para queatravés de algoritmos de IA e Big Data os participantes explorem novas e existentes estratégias de negó-cios que possam ser melhoradas para que os resultados consigam ser atingidos nas organizações.

PERFIL DO ALUNO

Diretores, VPs, Presidentes e Executivos C-Level que desejam se tornar protagonistas na condução de projetos de Big Data e Inteligência Artificial.

CORPO DOCENTE

O corpo docente conta com professores altamente capacitados em Big Data e Inteligência Artificial comexperiência no mundo corporativo.

COORDENAÇÃO

Coordenadora

Vice-coordenador

Coordenadora PedagógicaLyzbeth Cronembold CIO desde 2006, solida experiência em tecnologia da informação. Membro do Conselho CIONET e Membro do Conselho do WCIO. Diretora de Tecnologia Digital no Grupo Bandeirantes de Comunicação e Coordenadora do MBA Big Data da FIA.

Profª. Drª. Alessandra de Ávila Montini Diretora do LabData (Laboratório de Análise de Dados da FIA). Coordenadora dos Cursos de Analytics, Big Data e Inteligência Artificial da FIA. Palestrante e Consultora de Projetos de Big Data e Inteligência Artificial. Membro do Conselho Curador da FIA. Professora da Área de Métodos Quantitativos da FEA-USP. Orientadora de Mestrado e Doutorado do Programa de Pós-Graduação da FEA-USP. Parecerista de Revistas Científicas. Coordenadora de Grupos de Pesquisas do CNPQ.

Profº. Drº. Adolpho Walter P. Canton Diretor do LabData (Laboratório de Análise de Dados da FIA). Coordenador dos Cursos de Analytics, Big Data e Inteligência Artificial da FIA. Consultor de Projetos de Big Data e Inteligência Artificial. Professor daÁrea de Métodos Quantitativos da FEA-USP. Coordenador de Grupos de Pesquisas do CNPQ.

MATRIZ CURRICULAR

Módulo 1 - Big Data e Inteligência Artificial

Introdução ao Big Data e Inteligência Artificial• Conceito e Aplicações de Big Data, Inteligência Artificial, Machine Learning e Deep Learning

• Panorama para o surgimento do Big Data e para o fortalecimento da Inteligência ArtificialNecessidade da utilização das técnicas de Big Data e de Inteligência Artificial para a rápidatomada de decisão das empresas

•

• Vantagens da utilização das técnicas de Big Data e Inteligência Artificial

7 Vs do Big Data: Variedade, Veracidade, Valor, Volume, Velocidade, Visualização, Vulnerabilidade

•

Cases nacionais e internacionais de Big Data e Inteligência Artificial•

Mercado de Big Data e Inteligência Artificial• Motivação das empresas e principais players do mercado

• Gartner Hype Cycle

Aplicações de Hadoop

• Data Lake versus Data Warehouse

• Infra estrutura do Hardware

• Desafios de Processamento

• Benefícios do Hadoop

• Conceitos da Arquitetura do Hadoop

• Armazenamento de Dados com Hadoop

• Ecossistema Hadoop

• Soluções de Armazenamento, de Processamento em Lote (Batch), de Processamento Streaming (Tempo Real), de Processamento SQL (Interativo), de Gerenciamento e de Governança

• Distribuições do Hadoop

• Tecnologias que se integram ao Hadoop

• Casos de uso do Hadoop

• Profissionais e Habilidades para Lidar com Hadoop

• O Futuro do Hadoop

• Resolução de Case

Aplicações de Spark• História do Spark

• Fundamentos de Spark

• Aplicações

• Spark versus Hadoop

• Cases de Sucesso

2

Cloud Computing• Conceitos de Computação em Nuvem (Cloud Computing)

• Conceito NIST de Cloud Computing

• Características do Cloud Computing

• Entidade do Ecossistema de Nuvem

• Aspectos de Segurança

• Conceito e Aplicações de Utility Computing

• Conceito de Data Center

•Repositório de Recursos Computacionais

• Exemplos de Empresas que Utilizam Cloud Computing

• Conceito de Nuvem Pública, Nuvem Privada, Nuvem Comunitária e Nuvem Híbrida

• SaaS: Software-as-a-Service

• PaaS: Plataform-as-a-Service

• IaaS: Infrastucture-as-a-Service

• Otimização de Infraestrutura de TI

• Vantagens da utilização da Cloud

• Governança, Segurança e Privacidade

• Fornecedores: AWS, AZURE e Google

• Resolução de Case

3

Soluções de Big Data •

•

•

Banco de Dados•

•

•

•

Ingestão de Dados•

Hortonworks, Cloudera e MapR

Data Center versus Nuvem

Nuvem: AWS, AZURE, GOOGLE

Relacional

NoSQL (HBase, Cassandra, MongoDB, Elasticsearch, Neo4j)

Modelagem NoSQL

Estudo de Caso

Ferramentas de Ingestão

• Camadas de Ingestão: Batch e Real Time

• Relação Custo Benefício

• Resolução de Case

Data Lake• Camadas de Armazenamento e Processamento do Data Lake

• Governança de Dados e Segurança

• Ambientes de Data Lake: Desenvolvimento, Homologação, Produção e Sandbox

• Pipeline de DevOps• Resolução de Case

• Trilha de Formação dos Talentos para Projetos de Big Data e Inteligência Artificial

Gestão de Talentos - Perfis de Profissionais para Projetos de Big Data e Inteligência Artificial

• Aquisição de Talentos

• Perfis de Profissionais para Iniciativas de Big Data e de Inteligência Artificial

• Liderança: CDO (Chief Data O�cers), CTO (Chief Technology O�cer), CDF (Chief Data Scientist)

• Data Analyst

• Estatístico

• Desenvolvedor de Big Data, Arquiteto de Dados/Big Data, Engenheiro de Dados

• Cientista de Dados e Engenheiro de Machine Learning

• Governança de Dados

• Data Quality

• Profissionais de TI e Infra/DevOps

• Como contratar os Profissionais de Big Data e Inteligência Artificial

• Resolução de Case

Estratégia de Big Data e Inteligência Artificial• Como criar um Centro de Excelência em Analytics (Centralizado, Descentralizado, Papéis e

Responsabilidades)

• Modelo Organizacional

• Gestão de Iniciativas de Big Data

• Modelo Operacional

• Gestão de Investimentos (Capex e Opex)

• Resolução de Case

4

Business Intelligence - BI para Gestão de Negócios• Evolução do BI (BI 1.0, BI 2.0 e BI 3.0)

• Conceitos e Objetivos do BI

• Tipos de Gráficos e suas Aplicações para Negócios

• Modelagem de Dados para BI

• Arquitetura Tradicional versus Moderna Arquitetura de BI

• Como dimensionar um BI e como diferenciar Small Data e Big Data

• Processos de Data Preparation e Data Visualization

• Self-Service BI e Sandbox

• BI e Big Data: Uma Combinação de Sucesso

• Análise de Ferramentas para BI

• Técnica e Recomendações para Visualização de Dados

• Criação de Gráficos e Dashboards em Softwares e Especializados (Tableau, Qlik Sense e Power BI)

• Data Sharing e Compartilhamento de Visualizações em Cloud

5

• Cases de Sucesso com Utilização de Business Intelligence

• Análise de Dados da Internet com Digital Analytics

• Estratégia Analítica e Balance Scorecard

• Pipeline e Processo de Business Intelligence

• Conceitos de Modelagem Dimensional e KPI’s

Aplicações de Python• Java versus Python versus R

• Remuneração do Profissional

• Aplicações com Python

• Arquitetura Serverless

• Benefícios e Custos

Analytics

Análise Exploratória de Dados para Gestão de Negócios•Importância da Análise Exploratória de Dados em Projetos de Big Data e de Inteligência Artificial

• Análise Gráfica (Histograma, Boxplot)

• Medidas de Posição (Média, Mediana, Quartis e Moda)

• Medidas de Dispersão (Variância, Desvio Padrão e Coeficiente de Variação)

Técnica de Projeção: Regressão Linear Simples e Múltipla• Coeficiente de Correlação Linear de Pearson

• Coeficiente de Determinação e Coeficiente de Determinação Ajustado

• Métodos para Seleção de Variáveis

• Obtenção da Equação de Projeção

• Interpretação dos Parâmetros do Modelo

• Previsão dos Resultados

• Verificação da Qualidade do Modelo

• Resolução de Case

Técnica de Classificação: Regressão Logística • A importância da Regressão Logística para Projetos de Big Data

• Métodos para Seleção de Variáveis

• Estimação dos Parâmetros do Modelo

• Obtenção da Equação de Classificação

• Classificação das Observações em Grupos

• Matriz de Classificação

• Verificação da Qualidade do Modelo

• Resolução de Case

• Resolução de Case

• Aplicação de Python na Nuvem

6

Técnica de Classificação: Árvore de Decisão• A Importância da Árvore de Decisão para a Gestão de Negócios

• Elaboração da Árvore de Decisão

• Determinação dos Perfis de Interesse do Gestor

• Classificação das Observações em Grupos

• Matriz de Classificação

• Verificação da Qualidade do Modelo

• Resolução de Case

Técnica de Segmentação: Análise de Agrupamento• A Importância das Técnicas de Segmentação para Projetos de Big Data e Inteligência Artificial

• Medidas de Distância (Medidas de Similaridade e de Dissimilaridade)

• Distância Euclidiana

• Métodos de Agrupamento (Método Hierárquico e Método das K Médias)

•Dendograma

• Técnicas de Agrupamento

•Verificação da Qualidade da Segmentação

Resolução de Case

Geolocalização A Importância das Técnicas de Geolocalização para Projetos de Big Data

Aplicações de Geolocalização para Tomada de Decisão

•

•

•Cases de Sucesso baseados em Geolocalização dos Clientes•

Análise de Rede Social (Social Network Analysis - SNA) A Importância das Técnicas de SNA para Projetos de Big Data•

Aplicações de SNA para Tomada de Decisão•

Como utilizar os líderes e seguidores das redes sociais para tornar as decisões mais assertivas•

Análise de Texto (Text Mining) A Importância das Técnicas de Text Mining para Projetos de Big Data•

Aplicações de Text Mining para Entendimento das Necessidades dos Clientes•

Análise de Sentimento baseada nas Mensagens Enviadas pelos Clientes•

Análise de Cesto de Compras (Market Basket) A Importância das Técnicas de Análise de Cesto de Compras para Projetos de Big Data•

Aplicações de Análise de Cesto de Compras para a Tomada de Decisão Gerencial•

Determinação da Cesta de Compra Ideal•

Técnicas de Inteligência Artificial

Introdução a Inteligência Artificial Conceitos de Inteligência Artificial•

Aplicações de Inteligência Artificial•

Conceitos e Aplicações de Internet das Coisas - IOT •

7

Machine Learning Introdução a Machine Learning•

Aplicações de Machine Learning•

Amostra de Estimação, Amostra de Validação e Amostra de Teste •

Algoritmos de Validação Cruzada: Cross Validation•

Métricas de Performance •

Ajuste de Modelos Não Lineares•

Ajuste de Modelos Não Lineares (Splines e GAM)•

Modelos de Machine Learning baseados em Árvore de Decisão (Árvore de Decisão, Bagging, Random Forest)

•

Algoritmos de Seleção de Variáveis•

Etapas de um Projeto de Machine Learning•

Aplicações de Machine Learning com Bibliotecas do Spark e do Python•

Modelos de Machine Learning utilizando Support Vector Machines •

Boosting•

Deep LearningIntrodução a Deep Learning•

Aplicações de Deep Learning•

Conceito de Redes Neurais•

Utilização de Deep Learning para a Tomada de Decisão em Projetos de Big Data•

Cases de Sucesso de Big Data baseados em Algoritmos de Deep Learning•

Aplicações de Machine Learning e Deep Learning na Cloud Custo dos Modelos e Simulações na Cloud•

Aplicações de Inteligência Artificial na Cloud •

Machine Learning Engineer•

Quando obter modelos de Machine Learning e Deep Learning na Cloud •

Quando consumir o Modelo Treinado•

• Resolução de Case

• Palestras

Projeto FinalProjeto executivo de Big Data e Inteligência Artificial com visão de Business considerando desde a definição da arquitetura, custos de implantação, tecnologias, segurança, bancos de dados e análise de informação com técnicas de Inteligência Artificial

•

Módulo 2 - Gestão de Negócios

EconomiaIntrodução a Macro e Micro Economia•

Fundamentos de Política Econômica e seus Instrumentos•

8

Agregados Macroeconômicos •

Principais Variáveis Macroeconômicas e suas Relações•

ContabilidadeA Importância da Contabilidade como um Sistema de Informações•

Estrutura das Demonstrações Financeiras•

Demonstração de Fluxo de Caixa•

Análise das Demonstrações Financeiras•

MarketingFundamentos de Marketing•

Planejamento, Implementação e Gestão de Marketing•

O Papel do Marketing nas Organizações •

Estratégias Competitivas em Marketing•

Segmentação, Posicionamento e Colocação no Mercado•

Desenvolvimento do Mix de Marketing (Produto, Preço, Canais de Distribuição e Promoção)•

Planejamento, Implantação e Controle de Marketing•

Processo de Abertura de Novos Mercados e Manutenção ou Crescimento em Mercados Correntes

•

Decisões de Marketing em um Ambiente de Mercado Dinâmico•

Gestão Estratégica de Pessoas Gestão do Capital Humano •

Importância da Gestão de RH•

Fatores Críticos na Gestão de RH•

Atração, Captação e Sucessão•

Rotatividade e Remuneração•

Tendências: Gestão de Talentos•

Liderança e Condução de Equipes •

Cenários e Tendências em Liderança•

Teoria sobre Liderança•

Papel e Desafios da Liderança•

Demandas do Líder Contemporâneo•

Estilos de Comunicação•

Avaliação de desempenho (como processo)•

Gestão de Crises•

Finanças Finanças Corporativas: Cálculo Financeiro e Análise de Investimentos •

Juros Simples e Compostos•

Taxas Proporcionais e Equivalentes •

Taxas Efetivas e Taxas Nominais •

Taxas Reais e Nominais •

9

Estrutura Temporal de Taxas de Juros em Reais e Dólar•

Séries de Pagamentos•

Ferramentas para Análise de Investimentos: Payback, TIR, VPL, TIR-modificada•

Sistemas de Amortização (Price, SAC e Americano)•

Precificação de Títulos Públicos e Privados •

Introdução ao Conceito de Risco •

Aspectos Gerais da Gestão de Riscos•

As Quatros Dimensões dos Riscos: Risco de Mercado, Risco de Crédito, Risco Operacional e Risco Legal. Outros tipos de Risco: Liquidez, Ambiental, Imagem

•

Introdução à Medição dos Riscos – Aspectos Estatísticos •

Gestão Integrada de Riscos•

Gestão da Informação, Inovação, Direito do Consumidor • Gestão Estratégica de Informação

• Os impactos que a TI tem exercido nos Negócios

• A tecnologia da Informação e suas Aplicações no Mundo Corporativo

• Principais Tendências da Tecnologia da Inovação

• Como o Big Data está modificando a Tecnologia da Informação

• Inovação

• O valor da Inovação

•Aumento de Performance

• Adequação da Inovação com a Estratégia de Negócio

• Ferramentas para Inovação

• Ambiente Legal de Negócios: Direito do Consumidor

• Definições e Conceitos

• Responsabilidade de Fornecedores e Comerciantes

• Práticas Comerciais e Práticas Abusivas

• Direitos Básicos dos Consumidores

• Efeitos em outros Ramos do Direito

• Órgão de Apoios

• Aspectos Regulatórios Focados em Análise de Dados e Big Data

• Marco Regulatório

Sustentabilidade e Responsabilidade Social Corporativa• Conceito e Histórico da Responsabilidade Social e da Sustentabilidade nas Empresas

• Indicadores de Responsabilidade Social e Sustentabilidade

• Visão Integrada de Sustentabilidade

• Sustentabilidade nas Empresas Brasileiras: Casos, Aplicações e Políticas

• Aplicação da Responsabilidade Social nas Empresas

Ciclo de Vida da Inovação•

10

Empreendedorismo• A Importância do Empreendedorismo Corporativo nas Empresas

• O Desenvolvimento da Competência Empreendedorismo Corporativo em Profissionais

• Os Elementos que Constituem um Empreendedor nas Empresas

• Empreendedor Clássico x Empreendedor Corporativo

• O DNA de um Empreendedor Corporativo

• Estrutura Geral e Tipos de Planos de Negócios - Transformando uma Ideia em Oportunidade

• O Desenvolvimento da Competência Empreendedorismo Corporativo em Profissionais

• Análise de Mercado (Setor, Concorrência e Segmento de Mercado)

• Plano Financeiro

• Plano de Marketing no Plano de Negócios

•Desenvolvendo a estratégia do Negócio

Governança Corporativa e Ética Empresarial • Governança Corporativa

• Práticas, Processos de Gestão e Teoria das Organizações

• Conflitos de Agência e Teoria da Firma

• Governança Corporativa: Definições e conceitos; Principais Mecanismos; Custos e Benefícios; Função-objetivo das Empresas

• Relação entre Governança e Valor das Empresas

• Ética Empresarial

• Códigos das Melhores Práticas

• Ética Empresarial

• Ética nos Negócios

• Código de Ética e Governança

Módulo Internacional (opcional)

O módulo internacional é optativo e deve ser adquirido opcionalmente, os valores são em dólare devem ser obtidos na secretaria do curso.

Os programas internacionais são oferecidos em parceria com as instituições dos Estados Unidos:Illinois Institute of Technology (Chicago) e Columbia University (Nova York).

O programa internacional inclui:• Atividades didático pedagógicas• Ciclo de palestras ministradas por professores das respectitvas escolas de negócios• Visitas a empresas e organizações

INFORMAÇÕESTel: (11) 3732-3535 | faleconosco@fia.com.br