MBA Executivo em Business Analytics e Big Data

Compartilhar
MUDAR DE LOCALIDADE
São Paulo, SP
Modalidade: Presencial
Onde você quer estudar?
Dias e horários
Selecione
To prevent automated spam submissions leave this field empty.
Dias e horários
Selecione
  • Frequência: Quinzenal
    Sábados quinzenais das 08h30 às 18h|MSP02011-TBABD-T9
    Início: Imediato
    Data limite de inscrição: 23/06/2020
    26 meses
    Carga Horária: 432 horas/aula
    INSCREVA-SE
    RECEBA MAIS INFORMAÇÕES
  • Frequência: Semanal
    2as e 3as feiras das 19h às 22h30|MSP22008-TBABD-T7
    Início: Imediato
    Data limite de inscrição: 01/05/2020
    15 meses
    Carga Horária: 432 horas/aula
    INSCREVA-SE
    RECEBA MAIS INFORMAÇÕES
  • Frequência: Semanal
    4ªe 5ª das 19h às 22h30|MSP12013-TBABD-T2
    Início:13/05/2020
    Data limite de inscrição: 30/04/2020
    14 meses
    Carga Horária: 432 horas/aula
    INSCREVA-SE
    RECEBA MAIS INFORMAÇÕES
Visualize as informações do curso na página
Para se inscrever em um curso, você deve escolher uma opção de local e horário acima
Para baixar o programa em um curso, você deve escolher uma opção disponível
INSCREVA-SE
RECEBA O PROGRAMA
To prevent automated spam submissions leave this field empty.
  • Sobre o curso

    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.

    Você irá adquirir: 

    • Capacidade analítica, com foco em aplicações práticas, para gerenciar e conduzir projetos que envolvam bases de dados estruturadas e não estruturadas (Big Data)
    • Competência para analisar e gerar soluções para problemas empresariais
    • Conhecimentos aprofundados sobre modelagem de dados, análise quantitativa, identificação/resolução de problemas e gestão empresarial, a partir da aplicação prática de métodos
    • Compreensão dos principais 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 estruturadas e não estruturadas
    • Fundamentos de análise estatística e dos métodos computacionais necessários para conduzir análises de dados no contexto organizacional de empresas e entidades estatais, governamentais e de fins não lucrativos
    • Entendimento sobre características e requisitos das técnicas necessárias para manusear bases de dados estruturadas e bases distribuídas e de grandes volumes (Big Data).

    TURMA CONFIRMADA!

    Primeira aula: 26/06/2020 (Prevista)
    Data de início (aula regular): 27/06/2020

    Informações adicionais

    Não será permitido novas matrículas após início do curso.

    Obs.: Algumas aulas serão realizadas às sextas-feiras, as datas serão previamente informadas.
    Turmas aos sábados (quinzenalmente): as provas serão realizadas às 6as feiras no período noturno. Eventuais aulas de reposição, palestras temáticas e outras atividades extracurriculares podem ser realizadas em outro dia da semana e horário que não os definidos para a aula.

     

    A FGV é uma instituição de excelência e está classificada como o 5º melhor Think Tank do mundo em 2019.

    Seu corpo docente reúne especialistas influenciadores que promovem e fornecem conhecimentos que contribuem para o desenvolvimento socioeconômico nacional.

    Coordenador Acadêmico: José Luiz Carlos Kugler
    Público-alvo

    Pré-requisitos:

    • Tempo mínimo de conclusão de graduação: 2 anos
    • Tempo mínimo de experiência profissional: 3 anos

     
    Maior experiência profissional pode reduzir a necessidade do tempo mínimo de formado.       
    A matrícula nesse curso pode possuir como pré-requisitos de formação e de experiência profissional tempos mínimos superiores aos indicados. Consulte-nos para obter mais detalhes do curso.

    Programa

    MBA Executivo em Business Analytics e Big Data

    Aplicações em Decisões Mercadológicas

    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

    Análise Econômica e Geração de Valor

    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

    Análise de Séries Temporais

    Introdução e Conceitos. Modelos de Regressão para Séries Temporais. Conceitos de Séries Temporais. Modelagem de Séries Temporais e Previsão Conteúdo Programático Mínimo: I. Introdução e Conceitos " Problemas de previsão em administração e finanças " Componentes de uma série temporal II. Modelos de Regressão para Séries Temporais " Regressão linear simples e múltipla " Método de máxima verossimilhança " Análise dos resíduos III. Conceitos de Séries Temporais " Medidas de correlação e autocorrelação " Multicolinearidade e Heterocedasticidade " Especificação do modelo e diagnóstico " Processos estocásticos (estacionários e não estacionários) " Erros de previsão IV. Modelagem de Séries Temporais e Previsão " Processo auto-regressivo (AR) " Processo de médias móvel(MA) " Alisamento exponencial " Processo auto-regressivo e de média móveis (ARMA) " Processo auto-regressivo integrado e de médias móveis (ARIMA) " Estimação com modelos baseados no método de Box & Jenkins.

    Controladoria Gerencial

    Conceitos de contabilidade financeira e gerencial. Custeio Marginal. Custeio por Absorção. Custeio por Atividades Conteúdo Programático Mínimo: I. Conceitos de contabilidade financeira e gerencial. " Sistemas de custeio tradicionais. " Estrutura geral e conceitos de custos. " Classificação de custos e despesas. II. Custeio Marginal " Classificação de custos e despesas em variáveis e fixos. " Estrutura dos relatórios gerenciais. " Relações CVL, ponto de equilíbrio, margem de segurança e alavancagem operacional. III. Custeio por Absorção " Classificação de custos (diretos e indiretos) e despesas. " Estrutura do relatório gerencial. " Fluxo de custos. " Tributos; encargos; tratamento dos CIF, sem e com departamentalização. IV. Custeio por Atividades " ABC /ABM.

    Decisões Empresariais e Raciocínio Analítico

    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. Conteúdo Programático Mínimo: I. O processo decisório " Desafios e dilemas do processo decisório " Aspectos cognitivos na tomada de decisão II. Abordagens para identificação e modelagem de problemas. " Processos versus Indicadores de Gestão " Métodos para modelagem de problemas empresariais " O método das Perguntas Críticas de Negócio III. Business Intelligence versus Data Science " Características dos métodos de análise empresariais " Modelos causais; identificação de variáveis independentes e variáveis dependentes. IV. Gerenciamento dos projetos analíticos " Etapas, produtos, habilidades e fatores críticos associados aos projetos analíticos.

    Desafios e Requisitos 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. Conteúdo Programático Mínimo: I. Estrutura, finalidade e produtos dos projetos analíticos II. Papéis, competências e habilidades dos profissionais envolvidos " Competências nas Áreas de Negócio " Competência Informacional e em Análise de Dados " Competência em Tecnologia da Informação e Engenharia de Dados III. Abordagens para o gerenciamento e condução dos projetos analíticos " Integração das iniciativas analíticas " Construção e sustentação dos argumentos para a justificativa de projetos " Etapas, produtos, habilidades e fatores críticos associados aos projetos analíticos.

    Modelagem Informacional

    Análise do contexto informacional. Modelagem dimensional, na modalidade Star Schema. Verificação da estabilidade do modelo. Gerenciamento das iniciativas analíticas Conteúdo Programático Mínimo: I. Análise do Contexto Informacional " Definir o contexto de negócio, sob a perspectiva informacional " Noções de modelagem dimensional " Diferenças entre modelos relacionais e dimensionais II. Desenho do Modelo (Star Schema) " Definir a granularidade considerada no modelo " Identificar as métricas e dimensões de análise " Carga, limpeza, consolidação e consistência de dados " Agrupamento dos elementos comuns das dimensões; integridade referencial; conformidade dimensional " Sumarizar as análises possíveis a partir do Star Schema III. Verificação da Estabilidade do Modelo " Hierarquizar os elementos de dimensão " Gerenciar mudanças lentas " Estabilizar e consolidar o modelo " Verificar se o modelo comporta modelagem preditiva, através da clara identificação de variáveis dependentes e independentes IV. Gerenciamento das iniciativas analíticas " Ferramentas e alternativas para a arquitetura analítica " Planejamento dos projetos de natureza analítica

    Análise Exploratória de Dados

    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.

    Aplicações de Estatística Espacial

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

    Análise de Mídias Sociais e Mineração de Texto

    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.

    Análise Preditiva Avançada

    Otimização não linear. Redes Neurais. Otimização e Incerteza. Revisão de conceitos. " Programação linear " Simulação de Monte Carlo " Análise de desempenho comparado (DEA). Redes Neurais. Sistemas Dinâmicos: " Otimização não linear " Comparação de métodos evolutivos x algoritmos de início múltiplo " Redes Neurais " Bootstrapping " Aplicações: lançamento de novos produtos; evolução de market-share. Gestão de incerteza; otimização " Método neutro em relação ao risco " Fórmula de Black-Scholes " Precificação por simulação de Monte Carlo " Precificação pelo método binomial. Opções reais.

    Análise Preditiva

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

    Bancos de Dados Distribuídos

    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).

    Banco de Dados e Visualização

    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.

    Estatística Espacial

    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.

    Inferência Estatística

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

    Modelagem Estatística Avançada

    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.

    Métodos Matriciais e Análise de Clusters

    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.
    Investimento

    Até 27/06/2020

    • R$ 41.516,22 à vista ou até 25X de R$ 1.866,45

    Formas de Pagamento: Boleto Bancário ou Cartão de Crédito - compra recorrente (Visa e Mastercard).

    » A compra recorrente (cartão de crédito) permite que o valor da parcela seja descontado mensalmente no cartão do aluno, sem bloquear o valor total do curso no limite de cartão.

    » Clique aqui e confira outras formas de parcelamento.

    » Os planos de investimentos serão válidos para candidatos aprovados com matrículas efetivadas até as datas mencionadas acima. O processo de matrícula compreende entrega da documentação, assinatura do contrato e pagamento da primeira parcela. Todo parcelamento incide juros de 1,0% a.m.

    » Condições especiais para ex-alunos da FGV e empresas parceiras. Consulte nosso atendimento.

    » Clique aqui para consultar informações importantes.

    » Modelo de Autorização de Faturamento (em caso de pagamento pessoa jurídica).

    Processo seletivo

    Informações do processo

    O processo seletivo é composto pela participação do candidato em uma Reunião de Orientação Acadêmica, que poderá ser realizada presencial ou virtualmente. As Reuniões têm como referência os critérios de seleção definidos pelos coordenadores acadêmicos de cada programa. Nesta reunião individual será avaliado qual é o melhor programa para o seu momento de carreira e os pré-requisitos de ingresso. Caso o candidato não seja aprovado para o curso que se inscreveu, será orientado a realizar um programa que esteja alinhado ao seu perfil.

    Para conhecer os pré-requisitos dos MBAs clique aqui.  

    ATENÇÃO! É obrigatório o upload do currículo profissional e acadêmico além do preenchimento da ficha de inscrição;

    Após o preenchimento da ficha e envio do CV o candidato receberá, em até 3 dias úteis, um e-mail com uma indicação de dia, horário e unidade para o encontro, que também poderá ser realizado de forma virtual. Caso queira reagendar é só clicar no link indicado no e-mail de agendamento.

    As informações submetidas pelo candidato e o resultado do processo seletivo serão mantidas em caráter confidencial e divulgadas somente ao e-mail cadastrado.

    • CURRÍCULO ACADÊMICO E PROFISSIONAL
    • CÉDULA DE IDENTIDADE
    • FOTO RECENTE 3 X 4 (COLORIDA)
    • DIPLOMA DO CURSO DE GRADUAÇÃO
    • HISTÓRICO ESCOLAR DO CURSO DE GRADUAÇÃO COM CARGA HORÁRIA TOTAL DO CURSO (MÍNIMA DE 1.600 HORAS-AULA.

Contato

To prevent automated spam submissions leave this field empty.
      • Admissão e Matrículas

      E-mail: cursospaulista@fgv.br
      Telefone: 0800 772 2778 (MBA)
      Telefone: 11 3799-3455 (PÓS ADM, Curta e Média duração)
      Atendimento de 2ª a 6ª, das 8h às 20h30.

      • WhatsApp

      Atendimento via WhatsApp:  (11) 96497-7378
      (DISPONÍVEL PARA CANDIDATOS INTERESSADOS NOS CURSOS DE MBA)
      Atendimento de 2ª a 6ª, das 8h às 20h30.

    Endereço

    Av. Paulista, 548, Andar Intermediário, Bela Vista - São Paulo - SP - CEP: 01310-000
    Dúvidas, Acesse o FAQ
    Quero baixar o programa deste curso