Apolo

Atividade

133445 - Data-driven Decision Making

Período da turma:

04/08/2026 a 11/08/2026

Selecione um horário para exibir no calendário:

Descrição:

Dados são centrais na economia contemporânea digital, já que sua captura, limpeza, exploração e modelagem levam a uma
compreensão mais profunda dos comportamentos, sentimentos e interações que têm os consumidores de produtos e
serviços distribuídos nas aplicações online e móveis. A aplicação de novas rotinas tecnológicas em ciência de dados para
análise das informações digitais passa pela compreensão de que big data é hoje o grande vetor de competitividade e
transformação digital de companhias nos mais variados setores de conhecimento e atuação. Apesar de cada vez mais
presente, a cultura de tomada de decisões a partir da análise de grandes bases de dados enfrenta desafios que passam
pela formação profissional interdisciplinar focada em habilidades e competências em ferramentas para analytics que não
sejam somente técnicas, mas também voltadas ao uso ético, transparente e eficiente da informação.

Objetivo Geral:
Discutir como tomar decisões a partir da análise de dados reconhecendo os principais conceitos e técnicas do universo do
big data e do analytics.

Objetivos Específicos:
Identificar competências e habilidades profissionais que compõem hoje o profissional de dados e seus cenários de
atuação;
Compreender a relevância do uso ético, transparente e eficiente da informação digital para empresas e consumidores;
Explorar conceitos, métodos e técnicas para desenvolvimento, monitoramento e manutenção de sistemas de análise de
big data.

Conteúdo Programático:
1) Letramento de Dados
Data Science e ciclo de vida dos dados
Big data para o processo de tomada de decisão
Formação de profissionais hábeis em dados
2) Governança de Dados
Uso ético da informação e suas implicações
Qualidade dos dados: taxonomias e ontologias
Cenários nacionais e internacionais sobre regulações e normas
3) Narrativa guiada por Dados
Dados, narrativa e visual: os elementos do data storytelling
Estratégias para a estrutura narrativa em dados
Dados e persuasão
4) Dashboards: desenvolvimento, monitoramento e manutenção
Usos e funções de dashboards
A hegemonia do Python em data analytics
Tableau, Power BI, Looker como ferramentas low-code
Página inicial Especialização presencial MBA Extensão Internacionais Con

Metodologia / Estratégias de ensino-aprendizagem
Aula expositiva

Avaliação
Questionário de múltipla escolha e/ou exercícios práticos

Bibliografia
1. AGUILAR, Audilio Gonzalez et al. Visualização de dados, informação e conhecimento. Florianópolis: Editora UFSC,
2017.
2. BOLDOSOVA, Valeriia. Telling stories that sell: The role of storytelling and big data analytics in smart service sales.
Industrial Marketing Management, v. 86, p. 122-134, 2020.
3. CUI, Ying et al. Data literacy assessments: a systematic literature review. Assessment in Education: Principles, Policy &
Practice, v. 30, n. 1, p. 76-96, 2023.
4. DYKES, Brent. Effective data storytelling: how to drive change with data, narrative and visuals. John Wiley & Sons,
2019.
5. FLORIDI, Luciano. The ethics of information. Oxford University Press, 2013.
6. LUND, Brady D. The Art of (Data) Storytelling. The International Journal of Information, Diversity, & Inclusion, v. 6, n.
1/2, p. 31-41, 2022.
7. POTHIER, Wendy Girven; CONDON, Patricia B. Towards data literacy competencies: Business students, workforce
needs, and the role of the librarian. Journal of Business & Finance Librarianship, v. 25, n. 3-4, p. 123-146, 2020.
8. TABLEAU. www.tableau.com, 2023. Core Capabilities of Data-Driven Organizations. Disponível em:

9. TABLEAU. www.tableau.com, 2023. Tableau Visual Guide Book. Disponível em: < https://www.tableau.com/visual-
guidebook-flowingdata#form>

10. WEDEL, Michel; KANNAN, P. K. Marketing analytics for data-rich environments. Journal of marketing, v. 80, n. 6, p. 97-
121, 2016.

Carga Horária:

12 horas

Tipo:

Obrigatória

Vagas oferecidas:

Ministrantes:

Alan César Belo Angeluci

voltar