MBA Executivo em Business Analytics e Big Data

Compartilhar
MUDAR DE LOCALIDADE
São Paulo, SP
Modalidade: Presencial
Escolha seu curso

Unidade: FGV Berrini

  • Oferta: 70611
    unidade-3448
    Frequência: Semanal
    2ª e 3ª das 19h às 22h30|MSP11924-TBABD-T1
    Início:30/04/2019
    Data limite de inscrição: 25/04/2019
    Duração: 14 meses
    Carga Horária: 432 horas/aula
    INSCREVA-SE
    RECEBA MAIS INFORMAÇÕES

Unidade: FGV Paulista

  • Oferta: 73546
    unidade-1585
    Frequência: Semanal
    2ª e 3ª das 19h00 às 22h30|MSP01991-TBABD-T8
    Início:27/08/2019
    Data limite de inscrição: 20/08/2019
    Duração: 14 meses
    Carga Horária: 432 horas/aula
    INSCREVA-SE
    RECEBA MAIS INFORMAÇÕES

Unidade: FGV Faria Lima

  • Oferta: 73545
    unidade-1586
    Frequência: Quinzenal
    Aos sábados (quinzenalmente) das 8h30 às 18h |MSP21931-TBABD-T6
    Início:21/09/2019
    Data limite de inscrição: 13/09/2019
    Duração: 27 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
  • 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: 29/04/2019
    Data de início (aula regular): 30/04/2019

    Informações adicionais

    Não será permitido novas matrículas após início do curso.

    Eventuais aulas de reposição, provas substitutivas, palestras temáticas e outras atividades extracurriculares podem ser realizadas em outro dia da semana e horário que não os definidos para a aula.

    Coordenador Acadêmico: José Luiz Carlos Kugler
    Público-alvo

    O MBA Executivo em Economia e Gestão: Business Analytics e Big Data é recomendado para profissionais que:

    • Desejam transformar dados em informação e conhecimento
    • São executivos, gestores, analistas, especialistas e consultores que atuam em setores de informação intensiva
    • Desempenham ou virão a desempenhar papéis de liderança
    • Participam ativamente de projetos de natureza analítica.


    Pré-requisitos:

    Tempo mínimo de conclusão da graduação: 2 anos*
    *Maior experiência profissional pode reduzir a necessidade do tempo mínimo de formado.
    Tempo mínimo de experiência profissional: 2 anos**
    **O tempo mínimo pode ser maior, dependendo do curso e da coordenação local.
    Desejável experiência profissional na área do curso: 1 ano
    Inglês intermediário, pois serão disponibilizados materiais em inglês.

    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
    Para obter informações sobre o valor de investimento e formas de parcelamento, consulte diretamente a nossa unidade.
    Processo seletivo

    com processo seletivo: análise curricular + entrevista

    processo seletivo com análise curricular e entrevista

    • O processo seletivo é composto pela análise curricular e entrevista (presencial ou virtual) com o candidato;
    • É obrigatório o upload do currículo profissional e acadêmico além do preenchimento da ficha de inscrição;
    • A etapa “análise curricular” pode levar até sete dias úteis;
    • Caso o candidato passe na etapa de análise de currículo, a entrevista será marcada de acordo com a disponibilidade de agenda e por ordem de chegada de inscrição;
    • 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
    • Documento de identidade
    • CPF
    • 2 (dois) retratos recentes 3 x 4 (colorida) ou em versão digital
    • Diploma do curso de graduação (ou de Pós-Graduação) e respectivo Histórico Escolar

Contato

      • Admissão e Matrículas

      E-mail: cursosberrini@fgv.br
      Telefone: 0800 772 2778 (MBA)
      Telefone: 11 3799-3455 (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. das Nações Unidas, 12495, Anexo 1 - Térreo, Itaim Bibi - São Paulo - SP - CEP: 04795-100
    Dúvidas, Acesse o FAQ
    Quero baixar o programa deste curso