Bayesian Business Analytics, BA sob uma perspectiva Bayesiana
Cada vez é maior a necessidade de perfis analíticos e quantitativos dentro das empresas. » Bayesian Business Analytics, BA sob uma perspectiva Bayesiana
Cada vez é maior a necessidade de perfis analíticos e quantitativos dentro das empresas. O estudo anual da Adecco mostra os perfis mais procurados e coloca no Top 5 a profissão de consultor de Business Intelligence. Nos EUA, a McKinsey Global Institute estima uma carência de 140.000-180.000 profissionais com habilidades analíticas para 2018.
Bayes Forecast, no seu compromisso com a formação de pessoas e com a difusão de conhecimento, organiza o curso “Bayesian Business Analytics, BA sob uma perspectiva Bayesiana” que oferece a oportunidade de conhecer como a inferência Bayesiana pode ser aplicada em distintas áreas de negócio, explorando insights, difundindo técnicas de modelagem e experiências de mercado acumuladas pela Bayes em 20 anos, sempre com os objetivos de agregar e maximizar valores do negócio por meio da otimização na decisão estratégica.
A didática deste programa alia visão de negócio, teoria estatística e prática computacional – utilizando o software especializado em análise de séries temporais TOL – para exemplificar aplicações da estatística Bayesiana em diferentes áreas de negócio: Telecomunicações, Bancos e Seguros, Publicidade e Mídia e Energia e Mineração.
O conteúdo abrange desde conceitos básicos de B.A. e estatística até o entendimento sobre o impacto final dos modelos nas estratégias e tomadas de decisões.
Convidamos vocês a participar desta experiência com a Bayes Forecast para expandir seus conhecimentos técnicos em inferência Bayesiana e alavancar seu desenvolvimento profissional!
Conteúdo
Aula 1 – Introdução
1. Introdução
2. BI&BA
a. Perspectiva de Business Intelligence
b. De Business Intelligence a Business Analytics
3. Estatística
4. Estatística Bayesiana
Aula 2 – Abordagem Técnica
1. Introdução técnica – definições e nomenclaturas
1.1 O que é um Modelo?
1.2 Um pouco sobre Regressão Linear
1.3 Exemplos de regressões: GLM’s e modelos de resposta qualitativa
1.4 O que é uma Variável Aleatória?
1.5 Definição da Distribuição Normal
1.6 Definição de Série Temporal
2. Modelos Probit e Logit
3. Modelos Arima e Função de Transferência
3.1 Definição dos Operadores de Retardo e Avanço
3.2 Identificação de Modelos Arima
3.3 Estimação dos Modelos Arima: Box-Jenkins
3.4 Previsão dos Modelos Arima
3.5 Função de Transferência
4. Estatística Bayesiana
4.1 Contextualização
4.2 Estimação Bayesiana
4.3 Inferência Bayesiana
5. Comparação entre estatística Clássica e Bayesiana
5.1 Diferenças entre estatística Clássica e Bayesiana
5.2 Vantagens da estatística Bayesiana
Aula 3 – Exemplos de modelagem Bayesiana
1. Na área de Telecomunicações, é abordado um exemplo com Call Center sobre dimensionamento da operação. Neste exemplo são utilizados modelos de séries temporais e inferência Bayesiana.
2. Para Bancos e Seguros, é exemplificado um modelo de Risco de Crédito e Inadimplência, com modelos probit e logit.
3. Em Publicidade e Mídia são abordadas técnicas de modelagem para otimização do Retorno do Investimento em Publicidade, utilizando séries temporais e inferência Bayesiana.
4. A área de negócio Energia e Mineração é explorada através de exemplos de modelos para previsão de preços, demanda, produção e transporte, utilizando séries temporais e inferência Bayesiana.
Aula 4 – Exemplos práticos
Serão explorados computacionalmente dois exemplos.
1. Modelagem sobre Commodities, através de um exemplo com modelos de séries temporais e inferência Bayesiana.
2. Modelo de Satisfação do cliente, através de um exemplo com modelos probit.
Aula 5 – Otimização da tomada de decisões
1. Campos de visão e benefícios agregados à utilização dos modelos estatísticos por diferentes áreas da empresa.
2. Construção e análise de função de custo.
3. Simulação de Cenários e interpretação dos resultados para auxílio na tomada de decisões.
