MBA Executivo em Análise de Dados & Tomada de Decisão em Negócios
Análise de Cenários e Tendências Econômicas
Indicadores econômicos. Política monetária. Política fiscal. Política cambial. Modelos Clássico, Keynesiano. Modelo IS-LM. Modelo Mundell-Fleming. Inflação versus desemprego. Ciclos econômicos. Crescimento econômico.
Análise e Previsão de Séries Temporais
Tendência, sazonalidade e outras componentes estruturais. Métodos de previsão. Modelos de séries temporais. Passeio aleatório e a evolução de preços de ativos. Identificação e estimação de um modelo. Testes de diagnóstico. Previsão condicionada a modelos. Regressão de séries temporais.
Análise Exploratória de Dados
Dados estruturados, semiestruturados e não-estruturados. Análises descritiva, preditiva e prescritiva de dados. Distribuições de frequências. Histogramas, gráficos de barra, de linha e outros. Detecção de padrões. Medidas descritivas de posição. Medidas descritivas de dispersão. Assimetria. Curtose. Percentis. Box-Plot. Detecção de outliers. Diagramas de Dispersão. Análise de correlação.
Bases de Dados em Negócios
Estruturas de dados: tipos e exemplos. Armazenamento e processamento de dados em grande escala. Preparação dos dados para análise e modelagem. Análise exploratória de dados (EDA). Modelagem preliminar da base de dados. Estruturas de dados comuns no ambiente de negócios.
Classificação Não Supervisionada e Redução de Dimensionalidade em Negócios
Técnicas de classificação não supervisionada: k-means, k-medóides, clara, métodos hierárquicos, expectation-maximization, DBSCAN. Métodos de avaliação da qualidade do agrupamento. Métodos para redução de dimensionalidade e visualização de dados. Detecção e tratamento de outliers. Processamento de linguagem natural: stop-words, stemização e n-grams. TF-IDF. Modelagem de tópicos (LDA, NMF). Word embeddings: CBOW e skip gram. Projeto orientado a negócios.
Comportamento dos Agentes Econômicos
Demanda e oferta. Equilíbrio de mercado. Comportamento do consumidor. Restrição orçamentária, preferências, curvas de utilidade, custos e produção, estruturas de mercado. Escolhas sob incerteza.
Finanças Corporativas
Matemática Financeira: conceitos, operações com fluxos de caixa e aplicações práticas. Decisões de investimento: métodos de avaliação e fluxo de caixa. Risco e custo de oportunidade. Estrutura de capital e custo de capital, e alavancagem financeira. Avaliação de empresas e criação de valor: conceitos fundamentais de valuation. Técnicas de avaliação de empresas. Integração de critérios ESG nas decisões financeiras: introdução e decisões financeiras corporativas.
Gerenciamento de Riscos Corporativos
Definição de gestão e controle de risco. Estrutura e pilares da gestão de riscos de acordo com a Basileia I, II e III. Risco de mercado, diversificável, crédito e operacional. Identificação de riscos. Métricas de risco. Value at risk. Stress testing. Gerenciamento de crises. Sistemas automáticos para gerenciar riscos. Papel da governança corporativa na gestão de riscos.
Inferência Estatística
População e amostra. Estimação: conceitos e técnicas. Estimadores e as suas propriedades. Intervalos de confiança para médias, proporções e variâncias. Testes de hipóteses para médias, proporções e variâncias. Comparação de amostras (igualdade estatística de médias, variâncias e proporções).
Inteligência Artificial em Negócios
Soluções de inteligência artificial para negócios. Redes neurais e deep learning. Tipos de redes neurais. Aprendizado de reforço e estratégia empresarial. Automação de tarefas. Otimização de cadeias de suprimentos. Previsão de demanda. Precificação dinâmica. Estratégias de marketing com inteligência artificial. Redução de custos operacionais. Inovações e tendências.
Machine Learning Aplicada à Classificação Supervisionada em Negócios
Machine learning e negócios. Transformação, padronização e imputação de dados. Técnicas de classificação supervisionada: máquinas de vetores de suporte, árvores de decisão, florestas aleatórias, vizinho mais próximo, regressão logística e naive bayes. Treinamento de modelos. Métricas de avaliação de classificadores.
Matemática Aplicada a Negócios
Juros simples e compostos. Uso de calculadoras e planilhas eletrônicas. Taxas equivalentes. Anuidades. Taxas reais e aparentes. Descontos. Séries de pagamentos uniformes. Equivalência de fluxos de caixa. Amortização. Séries não uniformes. Valor presente líquido. Taxa interna de retorno.
Mercado de Capitais
Utilidade. Renda fixa e renda variável. Decisões de investimento, Fronteira de Markowitz, CAPM, modelo de fatores e eficiência de mercado. Gestão e otimização de portfólios. Aplicações no mercado brasileiro.
Métodos para Análise de Dados em Painel
Estruturas de dados em painel. Modelos para dados em painel. Efeitos fixos. Efeitos aleatórios. Diferenças em diferenças. Endogeneidade. Variáveis instrumentais. Aplicações práticas em ambiente de negócios.
Mineração de Dados em Negócios
Compreensão de big data em negócios. Armazenamento e processamento de dados em grande escala. Análise, exploração e simplificação de grandes conjuntos de dados de alta dimensão. Modelagem e interpretação de big data. Construção de modelos para previsão e classificação.
Modelagem de Dados em Cross-Section
Regressão versus análise de correlação. Análise descritiva bivariada. Especificação e estimação de modelos de regressão simples. Testes de hipóteses sobre os coeficientes. Avaliação de modelos estimados. Especificação e estimação de modelos de regressão múltipla. Interpretação dos parâmetros. Testes de significância conjunta. Predição. Modelos não lineares nas variáveis. Modelos com variáveis binárias.
Modelos Probabilísticos
Lei da Probabilidade. Teorema de Bayes. Variáveis aleatórias. Valor esperado, variância e outras medidas importantes. Distribuições discretas e contínuas de probabilidade. Teoria da Decisão.
Python e R para Análise de Dados
Fundamentos de Python. Estruturas de dados no Python. Manipulação de dados no Python. Criação de arrays e processamento vetorizado. Variáveis e funções. Operadores e métodos relacionados. Agregação de dados e operações em grupos. Navegação em listas. Programação funcional. Fundamentos de R. Manipulação e tratamento de dados no R. Bibliotecas e uso de pacotes do R. Análise descritiva e estimação de modelos no R. Mineração de dados em R. Aplicações a negócios.
