Alfabetização de dados:
[Data Literacy]
Carga horária: 7hs
Modalidade: Online (ao vivo)
Data: 6 e 13 de Junho
Investimento: R$ 349,00
LINK PARA INSCRIÇÃO (CLIQUE AQUI)
OBJETIVO DO CURSO
Desenvolver nos líderes e gestores das empresas habilidades analíticas introdutórias para que consigam tomar melhores decisões e aumentar a competitividade das empresas através dos dados, utilizando conhecimentos de estatística, machine learning e visualização de dados.
Data Literacy é “a capacidade de ler, trabalhar, analisar e se comunicar com os dados”. Sarah Nell-Rodriguez.
Por isso as empresas precisam criar uma cultura Data Driven, onde as pessoas sejam orientadas por dados e consigam melhorar a tomada de decisão. Isso para reduzir custo, erros e serem mais competitivas.
O curso foca em 4 pilares [da Alfabetização de Dados].
(1) ler os dados,
(2) trabalhar com os dados,
(3) analisar e decidir com dados e
(4) argumentar com os dados
A Habilidade em entender e interpretar dados é tão fundamental quando a de saber fazer a pergunta para os dados.
O início do processo de aprendizagem passa por entender quais problemas devem ser resolvidos, quais decisões e estratégias os números podem dar.
Depois disso entender os tipos de dados, como são estruturados e como trabalhar com eles de forma que demonstrem informações importantes para o dia-a-dia da empresa.
Ao final ter habilidade em apresentar esses dados de forma que os usuários possam entender e assim tomarem melhores decisões.
METODOLOGIA DO CURSO
O curso será dividido em 2 dias de 4hs.
1 DIA -
Como descobrir o problema de negócio
O que são dados
Como entender e categorizar
Papel do analista de dados e business analytics
8 Passos para implantação
Como ler os dados
Fontes de dados e tipos
DIA 2 -
Como transformar os dados em informação
Alguns procedimentos estatísticos
Algoritmos de Machine Learning mais famosos
Exemplos de aplicação
Apresentação e visualização dos dados
Usabilidade para o cliente do dado
Os líderes precisam entender os dados o suficiente para tomar suas melhores decisões, promover a alfabetização em toda a organização e criar uma cultura de confiança nos dados. MIT.
Alguns números:
· 76% dos principais tomadores de decisão de negócios não confiam em suas habilidades de Data Literacy. Gartner cita a baixa alfabetização de dados como o segundo maior obstáculo interno ao sucesso.
· 93% por cento dos tomadores de decisão de negócios acreditam que a alfabetização de dados é relevante para seu setor e acham é importante que os seus funcionários tenham conhecimento de dados
· apenas 17% dessas empresas realmente incentivam de forma significativa os seus funcionários a se sentirem mais familiarizados com os dados.
· apenas 34% das empresas atualmente oferecem treinamento em Data Literacy
· 80% das organizações serão obrigadas a iniciar programas de alfabetização de dados para superar deficiências extremas.
Os líderes devem ter em mente o seguinte: FONTE (https://mitsloan.mit.edu/ideas-made-to-matter/data-literacy-leaders)
1 - Antes de ver os dados, pense no que você espera ver. Dessa forma, “o contraste entre o que você esperava e o que realmente está aparecendo vai saltar para você”, disse Ramakrishnan. Isso geralmente destaca rapidamente as partes mais relevantes de um relatório. “Esse é um hábito que vale a pena cultivar e você ficará melhor com a prática”, disse ele.
2 - Lembre-se de que os dados são incertos. Quase sempre há um grau de incerteza nos dados, disse Ramakrishnan. Ele citou o estatístico John Tukey, que disse: “A combinação de alguns dados e um desejo ardente de uma resposta não garante que uma resposta razoável possa ser extraída de um determinado conjunto de dados” , ou peça à sua equipe para obter mais dados para fornecer mais informações e reduzir a incerteza.
3 - Use o teste de “senso comum”. Se você estiver tomando uma decisão importante com base em dados, teste-os. “Se algo é verdadeiro... as chances são de que diferentes caminhos de dados levem à mesma verdade”, disse Ramakrishnan. “Se você está prestes a tomar uma decisão importante com base em uma análise, faça o possível para que outra equipe ou outro conjunto de dados seja analisado para ver se aponta na mesma direção.”
4 - Não confunda causalidade e correlação. “Sempre que você estiver olhando para uma análise que sugere que algum fator está gerando algum resultado, sempre tente descobrir quanto disso é correlacional e quanto é causal”, disse Ramakrishnan. “Eles deveriam realmente debater com a equipe de gerenciamento sobre o que mais poderia explicar essa suposta relação de causa e efeito.”
