Graduação em Administração

Nome do bloco:Business Intelligence e Análise de Dados 
Entregável do bloco:Uma solução quantitativa para um problema de gestão, extraindo, manipulando e analisando uma massa de dados a partir de sistemas de informação (como um CRM, um ERP, dados de logs de sites etc.) utilizando o SQL, PowerBI e o R/R Studio como ferramentas.
Prepara para as certificações:Não
Detalhes das certificações:Não se aplica
DisciplinaCompetências:Softwares/Equipamentos especiais:
Projeto de Bloco: Business Intelligence e Análise de Dados1. Compreender o que é um Business Intelligence;
2. Planejar um projeto de extração e BI para analisar dados de uma organização;
3. Implementar a extração de dados para uma organização (Nota para o PR: subentende que ele vai modelar ou compreender um modelo de dados existente);
4. Analisar visualmente dados de uma organização;
5. Analisar estatisticamente dados de uma organização;
6. Documentar e justificar um projeto de BI e análise de dados para uma organização.
CICLO 1: Fundamentos do BI e da Análise de Dados1. Compreender o valor do BI e da análise de dados para as organizações;
2. Compreender os conceitos fundamentais de banco de dados, modelagem de dados e business intelligence;
3. Compreender o panorama tecnológico e as principais ferramentas para BI e análise de dados;
4. Comparar as diferentes soluções analíticas disponíveis no mercado;
5. Analisar ciclos de processamento e entrega analíticos entre as diferentes soluções;
6. Utilizar o Microsoft Power BI para consultas e análises de dados simple
CICLO 1: Extração e Manipulação de Dados1. Compreender o contexto da descrição e da análise de dados
1.1 Compreender o conceito da análise de dados
1.2 Compreender o conceito de análise de dados com Big Data
1.3 Compreender a importância da estatística
1.4 Identificar o contexto e a aplicabilidade estatística na indústria
1.5 Compreender análises descritivas, diagnósticas, preditivas e prescritivas
1.6 Identificar as limitações e a não aplicabilidade estatística
2. Descrever dados quantitativamente
2.1 Caracterizar os diferentes tipos básicos de dados
2.2 Descrever tipos de escalas
2.3 Diferenciar variáveis e dados
2.4 Diferenciar dados discretos e contínuos
2.5 Diferenciar dados qualitativos e quantitativos
2.6 Compreender a importância da qualidade dos dados
2.7 Identificar as técnicas para qualificar dados
2.8 Identificar erros analíticos cometidos pela falta da qualidade nos dados
3. Instalar e utilizar o R/R Studio
3.1 Instalar o motor R e o R Studio
3.2 Compreender conceitualmente o motor R
3.3 Identificar os objetos do R Studio
3.4 Realizar entrada e saída de dados simples utilizando R
3.5 Realizar operações matemáticas, relacionais e lógicas básicas utilizando R
3.6 Realizar operações temporais utilizando R
3.7 Realizar análises básicas graficamente utilizando R
3.8 Identificar diferentes visualizações
4. Construir análises de dados simples utilizando o R
4.1 Caracterizar os diferentes tipos de medidas estatísticas básicas
4.2 Compreender o conceito de transformação de dados
4.3 Compreender os tipos básicos de visualizações de dados
4.4 Compreender agregação de dados
4.5 Compreender diferentes tipos de visualizações de dados
4.6 Caracterizar diferentes tipos de visualização de dados
4.7 Manipular visualizações para diferentes abordagens
CICLO 2: Business Intelligence1. Utilizar modelos de entidade relacionamento;
2. Utilizar o Microsoft PowerBI;
3. Extrair dados de sistemas de informação utilizando SQL;
4. Criar visualizações e cruzamentos de dados de sistemas de informação em uma plataforma de BI.
CICLO 2: Análise de Dados1. Compreender coleta e preparação de dados
1.1 Compreender modelos para preparação e limpeza de dados
1.2 Entender o impacto da preparação a análise de dados
1.3 Diagnosticar possíveis erros causados a limpeza de dados
1.4 Compreender transformações de dados
1.5 Analisar dados transacionais e informações quanto a análise de dados
2. Compreender análise de dados avançada
2.1 Compreender análise exploratória de dados
2.2 Compreender geo-análise
2.3 Compreender análise de associações e sequências
2.4 Compreender a influência das associações e sequências quanto a volumetria dos dados
2.5 Identificar o impacto das associações e sequências quanto a performance de processamento
2.6 Compreender classificação de dados e árvores de decisão
2.7 Identificar o impacto da classificação de dados no cenário corporativo/empresarial
2.8 Compreender segmentação de dados e análise de cluster
2.9 Assimilar a aplicabilidade da segmentação dos dados considerando a fonte de dados
3. Realizar análises de dados preditivas
3.1 Compreender modelagem preditiva em dados estruturados e não-estruturados
3.2 Compreender os diferentes modelos de regressão
3.3 Compreender a diferença entre regressão linear e não-linear
3.4 Compreender o conceito de redes neurais
4. Testar modelos de dados
4.1 Compreender a importância dos testes em modelos de dados
4.2 Assimilar as diferentes maneiras para testar modelos de dados
5. Implementar análises estatísticas utilizando R em uma plataforma de BI