Advanced analytics é uma disciplina da área de dados que lida com análises exploratórias, preditivas e prescritivas além de teoria de tomada de decisão e pesquisa operacional. Nesta disciplina vamos abordar diversas técnicas de análises de dados e metodologias de como extrair insights sobre estes dados, além de técnicas de modelagem preditiva e prescritiva.

80 horas.

• Dia 1: Mineração de dados.
• Dia 2: Análise exploratória de dados.
• Dia 3: Técnicas de modelagem de dados. 
• Dia 4: Análise financeira – parte 1.
• Dia 5: Análise financeira – parte 2.
• Dia 6: Modelos “e se” e cenários. 
• Dia 7: Metodologias em valuation.
• Dia 8: Introdução a modelos preditivos. 
• Dia 9: Introdução a modelos prescritivos.
• Dia 10: Demonstrando resultados. 

• Acessando banco de dados SQL.
• Introdução ao SQL. 
• Sanando bases de dados.

• Utilizando gráficos para análises. 
• Quantificadores estatísticos. 
• Correlação, covariância vs causalidade. 
• Distribuições de variáveis (curvas, histogramas, barras, etc).

• Redução de dimensionalidade. 
• Lidando com outliers. 
• Lidando com dados faltantes. 
• Clusterização de dados.
• Análise multivariada. 

• Indicadores de rentabilidade, retorno e risco .
• Introdução à teoria de preços.
• Matemática financeira básica. 
• Análise de dados financeiros.

• Backtesting de resultados e modelos.
• Forecasting e projeção de resultados.
• Técnicas em análise financeira com dados em série.
• Metodologias em cálculo de rentabilidade de clientes. 

• Criando cenários base e target. 
• Selecionando indicadores de resultados.
• Simulação de evolução de indicadores.
• Criação de vínculos e causalidade entre indicadores. 
• Métodos numéricos para simulação. 

• Introdução e conceitos básicos. 
• Precificação de assets. 
• Cash flow de empresas. 
• Estimação de crescimento. 
• Precificação de bens intangíveis.
• Precificação para aquisições.
• Exemplos de modelos em precificação. 

• Introdução e conceitos elementares. 
• Modelos de classificação. 
• Modelos de clusterização. 
• Modelos de forecast. 

• Modelos de alocação de recursos. 
• Modelos de otimização.
• Análise de Pareto. 
• Discussão de cases. 

• Técnicas gráficas para análise de dados.
• Tipos de gráficos para demonstração de resultados.
• Seleção de métricas de resultado e performance. 
• Painéis de resultados e indicadores.
• Dashboards e self service analytics. 

• C., Hung. Advanced Analytic Methods in Continuum Mathematics: Fundamentals for Science and Engineering. Luban Press, 2004.
• Bender, C., and S. Orszag. Advanced Mathematical Methods for Scientists and Engineers. New York, NY: McGraw-Hill, 1978.
• Rizzi S. (2009) What-If Analysis. In: LIU L., ÖZSU M.T. (eds) Encyclopedia of Database Systems. Springer, Boston, MA.
• Mei, C. C. Mathematical Analysis in Engineering. Cambridge, England: Cambridge University Press, 1995.
• Tukey, John W. (1977). Exploratory Data Analysis. Pearson.