MBA em Gestão Data Driven e Inteligência Artificial

Construção de cenários de negócio e mercado baseados em dados. Advanced analytics e os algoritmos: além do Business Intelligence. Formular estratégias a partir dos resultados obtidos com o uso da ciência de dados. A relação entre ciência de dados, big data e estatística. Machine Learning. Ciências de dados versus machine learning. Os dados como suporte a decisões estratégicas e comerciais: agilidade e assertividade nas tomadas de decisão. Análise Preditiva. Marketing Analytics. RH Analytics. Financial Analytics. Social Network Analytics. Ciclo de vida de projetos de Ciências de Dados. Soft skills e Carreira em Business Analytics. Ferramentas de análise de dados. Estruturação de relatórios e dashboards para análise e formulação de estratégia.

Conceito de inteligência competitiva. Conceitos envolvidos em inteligência competitiva: dado-informação-inteligência-conhecimento. O processo de IC: gestão; estratégia de atuação da organização; necessidades de informação da organização; coleta de informação; análise das informações.

IA e Transformação Digital; Identificação de Oportunidades para IA; Desenvolvimento de Estratégias de IA; Ferramentas e Plataformas de IA; Estudos de Caso: Sucesso e Falhas na Adoção de IA; Integração de IA na Cultura Organizacional; Desafios de Adoção e Escalabilidade;

Fundamentos científicos da felicidade no ambiente de trabalho, com base na neurociência, psicologia positiva e economia do bem-estar. Relações entre engajamento, clima organizacional e alta performance. Estratégias para o desenvolvimento de resiliência, inteligência emocional e adaptabilidade em contextos corporativos. Mindfulness aplicado ao bem-estar no trabalho: benefícios, mitos e equívocos. Construção de culturas organizacionais voltadas à felicidade como diferencial competitivo e fator de retenção de talentos. Abordagem preventiva do estresse e burnout em cenários de transformação digital e alta performance.

Aplicações práticas de automação inteligente. Ferramentas de automação para otimização de atendimento ao cliente, marketing, vendas e áreas operacionais. Benefícios, desafios e impactos de automatizar processos para melhorar a eficiência, reduzir custos e manter competitividade.

Influências macroambientais: demográficas, econômicas, político-jurídicas, socioculturais e tecnológicas. Economia globalizada e glocalização. Revolução 4.0. Modelos I/O e RBV com retornos acima da média. Capacidades e recursos da organização. Competição na indústria e análise dos concorrentes: grupos estratégicos, oportunidades e ameaças e considerações éticas. Mapeando as naturezas da força competitiva na indústria; A natureza da análise do ambiente interno: contexto, criação de valor e desafios. Drivers de ações e respostas competitivas. Mapeamento das competências: de essenciais para core business. Criando e desenvolvendo competências essenciais e de core: análise de cadeia de valor e outsourcing. Aplicação do modelo VRIO: critérios para vantagem competitiva sustentável. Estratégias de aquisição e reestruturação. Estratégias de cooperação. Liderança estratégica. Ações-chave em liderança estratégica. Papel da governança corporativa.

Definição e histórico. Mineração de dados. Evolução no tratamento dos diferentes modelos de bancos de dados. Big Data: definição, características e gerenciamento. Do processo de coleta ao processamento e a geração de conhecimento e sabedoria. Novos tipos de dados em Big Data: semi e não estruturados. Tratamento e gerenciamento. Tecnologias Fundamentais para Big Data: Infra-estrutura e interfaces. Desafios estruturais. Fundamentos do Ecossistema Hadoop (Map Reduce, Data Lake, HDFS). Big Data Analitycs. Computação em nuvem. Computação distribuída. Internet das Coisas. Bancos SQL e NoSQL. Soluções em Big Data / Consumo. Estudos de Caso. Tendências. Cientista de dados: perfil do novo profissional de dados. Mercado atual e tendências.

Princípios, estruturas e práticas de governança aplicadas a dados e sistemas de inteligência artificial. Aspectos éticos relacionados à transparência, explicabilidade, privacidade, responsabilidade e mitigação de vieses algorítmicos. Marcos regulatórios e requisitos de conformidade para proteção de dados e uso responsável da IA. Gestão de riscos, segurança da informação e accountability em ambientes orientados por dados. Avaliação dos impactos organizacionais, sociais e econômicos da inteligência artificial. Aplicação de frameworks, boas práticas e mecanismos de monitoramento e auditoria de sistemas inteligentes.

Fundamentos, aplicações e limitações da IA generativa no contexto organizacional. Utilização de modelos generativos para apoio à tomada de decisão, análise de cenários, planejamento e resolução de problemas. Engenharia de prompts e interação estratégica com agentes inteligentes. Aplicações em gestão, inovação, produtividade, comunicação e inteligência de negócios. Avaliação crítica de resultados, riscos e impactos organizacionais do uso da IA generativa. Desenvolvimento de fluxos de trabalho e processos orientados por IA para geração de valor e vantagem competitiva.