MBA em Analytics, Data Science e Inteligência de Mercado
O curso tem como objetivos formar recursos humanos qualificados e com capacidade técnica para atuar em áreas disruptivas de análise do mercado, proporcionar conhecimento técnico e aplicado de análise de dados em ambientes de negócio, desenvolver raciocínio analítico e habilidades críticas de análise de dados aplicadas a negócios, desenvolver habilidades estatísticas específicas de análise de dados aplicadas a softwares estatísticos e desenvolver habilidades gerenciais para tomada de decisões racionais nos negócios.
Voltar para o início da página.
As aulas serão teóricas e práticas e seguirão o modo exclusivamente remoto on-line. As aulas vão ocorrer com periodicidade quinzenal, às sextas-feiras à noite e nas manhãs e tardes de sábado.
Voltar para o início da página.
| Público-Alvo | Proprietários de micro e pequenas empresas, gestores, consultores e analistas, das áreas de negócio (Administração, Contabilidade e Economia) e de tecnologia (Informática e Ciências da Informação em geral) que queiram desenvolver habilidades técnicas e aplicadas de Analytics, Data Science e Inteligência de Mercado, bem como profissionais que atuem na área de docência superior de instituições de ensino públicas e privadas. |
| Carga Horária Total | 360 horas |
| Tipo de Ensino | À distância |
| Período do Curso | 04/03/2022 a 28/02 /2025 |
| Turno | Às sextas-feiras, das 18h30 às 22h30; Aos sábados, das 08h às 12h30; Eventualmente aos sábados, das 14h às 18h; Eventualmente, disciplinas de 10 horas/aula podem ter sua organização suprimida para um sábado inteiro de aula letiva somente. |
| Quantidade de turmas previstas | Duas |
Voltar para o início da página.
Etapas: o processo de seleção, Inscrição e matrícula será executado de acordo com o Edital de seleção elaborado pela Coordenação do curso e aprovado pela Unidade Acadêmica responsável.
Último edital: clique aqui para conferir.
Prazo de inscrição: 17/11/2021 a 03/03/2022.
Previsão de próximas turmas:
Turma 1: 04/03/2022 a 29/02/2024;
Turma 2: 03/03/2023 a 28/02 /2025.
Voltar para o início da página.
| Dados, Ciência e Causalidade (15h) | Ementa: Bancos de Dados. Observações e variáveis. Estruturas longitudinais e transversais. Variáveis qualitativas e quantitativas. Escalas de mensuração de variáveis. Variáveis nominais e ordinais. Variáveis métricas. Discussão de Ciência, Correlação Espúria e Causalidade. |
| Business Intelligence (15h) | Ementa: Inteligência competitiva. Processo de inteligência competitiva, tipo, fonte e inteligência e coleta de dados. Técnicas aplicadas ao de processamento, análise e disseminação da inteligência competitiva. |
| Excel Avançado na Tomada de Decisão (15h) | Ementa: Elaboração de Dashboard para apoio na tomada de decisão financeiras utilizando o Excel, Pivot-Table, Tabelas Dinâmicas, Gráficos Dinâmicos. Noções de Macro. Conexão com outras planilhas, banco de dados e arquivos fontes de dados. |
| Gestão de Marketing (20h) |
Ementa: Conceitos e Fundamentos Básicos de Marketing. Entendimento das Necessidades e Desejos dos Clientes. Orientações de Marketing. Percepção e Valor. Segmentação de Mercado e Definição de Público-alvo. Posicionamento de Mercado. Decisões do Composto de Marketing. Elementos do composto de marketing. Inteligência de marketing. Gestão de marketing como ferramenta competitiva. |
| Empreendedorismo e Criatividade nos Negócios (15h) |
Ementa: Conceitos básicos de empreendedorismo e inovação. O papel do empreendedor. Processo empreendedor. Identificação de oportunidades. Plano de negócios. Assessoria e apoio aos novos negócios. Alinhamento estratégico da Gestão de Pessoas ao Empreendedorismo. Importância da Criatividade no Contexto Organizacional. Definições de criatividade e inovação. Criatividade em equipes de trabalho. Criatividade e complexidade. |
| Ambiente Econômico e Tendências de Mercado (20h) |
Ementa: Conceitos de Economia. Funcionamento do Sistema Econômico. Introdução à Microeconomia: demanda, oferta, preço, equilíbrio de mercado, inovação e mudança técnica. Estruturas de mercado. Introdução à Macroeconomia: produto e demanda agregada, contas nacionais, política fiscal e monetária, inflação, distribuição de renda, emprego. Caracterização do ambiente de negócios. Construção e análise de cenários econômicos. Fundamentos da análise de risco no ambiente de negócios. Identificação de tendências e seus paradoxos. |
| Planejamento Estratégico (20h) |
Ementa: O planejamento estratégico e seus três níveis: tático, operacional e estratégico. Missão. Visão. Metas Estratégicas. Plano de Ação. O plano orçamentário do contexto do planejamento estratégico. Controle orçamentário. O Ambiente Empresarial. Definições e importância do Planejamento Estratégico, tático e operacional. Análise das mudanças de mercado, Análise Ambiental, Conceito de Estratégia e Construção do Planejamento Estratégico. Matriz GUT, SWOT e Balanced Scorecard. |
| Gestão Econômico-Financeira Empresarial (20h) | Ementa: Juro simples. Juros compostos. Taxas de juros (reais, efetivas e equivalentes). Descontos simples e compostos. Amortização de empréstimos. Conceitos de equivalência e fluxo de caixa. Valor presente líquido. Taxa interna de retorno. Payback (simples e descontado). Taxa de atratividade (custo de oportunidade). Montagem de fluxo de caixa de projetos. Avaliação de fluxo de caixa pelos métodos do valor presente líquido. Análise de sensibilidade. |
| Big Data (15h) |
Ementa: Tecnologias de Big Data aos Dados Financeiros. Papel Análise de Grandes Quantidades em Dados da Empresa. Fundamentos do Big Data. Ciclo de Vida dos Dados. O que são Estratégias de Dados. Perfis e responsabilidades de profissionais Big Data. Casos de sucesso do uso de Big Data. Manipulação de Grandes Quantidades de Dados. Fontes de dados. Extração, Filtragem e Reformatação de dados. Visualização múltipla – Gráficos. Análise Skew-ness e Kurtosis. |
| Power BI para Negócios (15h) | Ementa: Gráficos adequados a cada tipo de variável. Conceito de Business Intelligence. Simplificação e classificação de dados. Personalização de dados e unidades. Análise de dados a partir de cálculos rápidos provenientes de tabelas. Criar segmentações (Filtros) no Power BI. Aplicações de bancos de dados reais em Microsoft Power BI. Criação de templates profissionais em Power BI e elaboração de Dashboards. |
| Ambiente R para Negócios (15h) | Ementa: Apresentação da interface e funcionalidades do Software R, com aplicações práticas de gestão de negócios. |
| Ambiente Gretl para Negócios (5h) | Ementa: Apresentação da interface e funcionalidades do Software Gretl, com aplicações práticas de gestão de negócios. |
| Ambiente Stata para Negócios (10h) | Ementa: Apresentação da interface e funcionalidades do Software Stata, com aplicações práticas de gestão de negócios. |
| Estatística Descritiva no Stata (15h) | Ementa: Medidas de posição. Medidas de dispersão. Probabilidades. Distribuição normal. Intervalos de confiança. Variância e covariância. Aplicações de Estatística Descritiva no Software Stata. |
| Estatística Aplicada à Inteligência de Mercado I no R (15h) | Ementa: Introdução a Estatística inferencial: probabilidades, distribuições de probabilidades. Teste de Hipóteses com variáveis. Aplicações práticas de conceitos de estatística inferencial no R. |
| Estatística Aplicada à Inteligência de Mercado II no R (15h) | Ementa: Inferência estatística, análise de correlação e análise de dependência. Testes F e Qui-Quadrado. Mapa de correlações e Introdução à Análise de Regressão. Modelos de regressão linear simples e múltipla. Critérios estatísticos e analíticos do modelo de regressão: coeficiente de ajuste R2, teste F, testes t e testes de pressupostos básicos do modelo regressivo. |
| Clusterização de Dados (20h) | Ementa: Análise de conglomerados e de agrupamentos, padronização de variáveis e procedimento z-scores. Medidas de distância e de similaridade. Clusters hierárquicos, não hierárquicos, k-means. Dendograma. Aplicações práticas de clusterização. |
| Machine Learning e Indicadores do Negócio (15h) | Ementa: Machine learning e reconhecimento de padrões. Conceito de Machine Learning supervisionado e não-supervisionado. Árvores de decisão; bagging, boosting, random forest, redes neurais. Técnicas de validação: treino, validação e teste, out-of-time, overfitting, validação cruzada. Aplicações práticas de Machine Learning. |
| Modelos Quantitativos Aplicados ao Mercado (15h) | Ementa: Revisão de Intervalo de Confiança e Teste de Hipótese. Erros de decisão nos testes de hipótese. Erro Tipo I e Erro Tipo II. Teste de Hipótese para duas médias independentes. Teste de Hipótese para duas médias dependentes. Visão geral de modelos mercadológicos. Modelos da família da Análise de Variância e Modelos da família Econométrica. Principais preocupações dos modelos mercadológicos. |
| Séries Temporais Aplicadas ao Mercado (15h) | Ementa: Introdução às Séries Temporais: manipulação de arquivos de séries temporais. Visualização de conjunto de dados (tabelas e gráficos). Análises estatísticas das Séries Temporais. Casos práticos aplicados à gestão de negócios. |
| Criação de Dashboards (15h) | Ementa: Visão geral: importância da gestão da performance; Cultura organizacional e contextos da gestão de performance. Importância do Desempenho, Gestão da performance na arquitetura organizacional. Indicadores (KPIs) e aplicações práticas de criação de dashboards. |
| Caso 01: Negócios na Era do Data Science (5h) | Ementa: Discussão de Projeto Prático de Negócios na Era do Data Science. |
| Caso 02: Big Data e Negócios (5h) | Ementa: Discussão de Projeto Prático de Big Data e Negócios. |
| Caso 03: O Consumidor na Era do Data Science (5h) | Ementa: Discussão de Projeto Prático do Consumidor na Era do Data Science. |
| Trabalho de Conclusão de Curso (20h) |
Ementa: Desenvolvimento da investigação científica: O processo de pesquisa científica; Tipos de conhecimento; Conhecimento científico; Tipos de pesquisa científica; Etapas da pesquisa científica. Estudo dos elementos componentes de um projeto de pesquisa: Estrutura do projeto; Formulação do tema; Introdução/Justificativa; Formulação dos objetivos (objetivo geral e objetivos específicos), Formulação das hipóteses (determinação das hipóteses e conexão destas com os objetivos); Referencial teórico, Metodologia, Coleta e análise dos dados (instrumento, universo e amostra); Cronograma, Bibliografia. Compreensão dos elementos básicos de um relatório de natureza científica: Relatórios de pesquisa, Tipos de relatório. Organização e sistemática de trabalhos de natureza técnica: Apresentação dos relatórios, Referências bibliográficas Citações. |
Voltar para o início da página.
Coordenador: Marcos Inácio Severo de Almeida
Subcoordenadora: Denise Santos de Oliveira
Secretária: Bethânia Barbosa de Paula
E-mail: bethania_paula@ufg.br
Site: https://sea.face.ufg.br/p/40425-mba-em-analytics-data-science-e-inteligencia-de-mercado
