O ambiente de inteligência de negócios. Entendendo as organizações. Fases e etapas de um projeto de inteligência de negócios. Aspectos da evolução tecnológica e sua importância na transformação de dados em informações relevantes para o processo de tomada de decisão em ambiente empresarial. Business Intelligence: visão empresarial, ferramentas computacionais e relação com sistemas de gestão (ERP, CRM, SCM e outros).

Gestão de Projetos: Introdução; Ferramentas de Controle; Análise de Valor Agregado. Introdução e Desenvolvimento de Dashboards de Gestão de Projetos. Desenvolvimento de Negócios Digitais. Business Inteligence (BI). Inteligência de Negócios. Tomada de decisão. Business Agility.

Introdução ao Ambiente e Ferramentas de Business Intelligence. Conceitua o processo de coleta, armazenamento, tratamento e análise dos dados no contexto da vantagem competitiva. A Metodologia de Descoberta de Conhecimento em Bases de Dados. Data Mining e suas Técnicas. Exemplos de Aplicações. Modelagem dimensional. Obtenção e exploração de dados.

Planejamento como instrumento de mudança organizacional. Planejamento estratégico para os projetos de inteligência de negócios. Requisitos de informação métricas e indicadores. Balanced Scorecard – BSC: Perspectiva Aprendizado e Crescimento. Perspectiva Processos Internos; Perspectiva Clientes; e Perspectiva Financeira. Mapa Estratégico. Consolidação da Proposta de Valor. Plano de Ação Estratégico.

Introdução ao Data Warehouse. Projeto de Data Warehouse. Ferramentas para Data Warehouse. Exemplos de Aplicações. Tecnologias para Data Warehouse. Descoberta de conhecimento em bases de dados. Recurso a técnicas de exploração de dados (data mining). Modelos de dados empresariais e prática com Data Warehouse. Qualidade de Dados e Questões técnicas associadas à prática com Data Warehouse.

Fundamentos de IA . Compreensão da IA como resolução de problemas, reconhecimento de padrões, compreensão de linguagem natural, visão computacional, programação automática e aprendizado de máquina. Processo de criação na nuvem. Conceituas um assistente virtual (Watson Assistant) customizado para as demandas de interação com clientes. Inteligência artificial e estratégias comerciais. Mineração de dados para área comercial. Data analytics aplicados a vendas. Automatizações nos processos comerciais. Machine learning aplicado a robôs de vendas.

Análise dos fornecedores de infraestrutura e insumos para as empresas que praticam o Marketing Digital. Caracterização econômica da concorrência no ambiente digital. Intermediários no ecossistema de Marketing Digital. Tipos de mercados digitais, segmentações possíveis e taxas de crescimento destes segmentos no Brasil e no mundo. Empreendedorismo no Mundo Digital.

A mecânica da geração de leads. Landing page, CTA’s e páginas de agradecimento. Consolidação e liderança dos leads. Pontuação e qualificação para o time de vendas.

Ecossistema de Marketing Digital – Plataform Marketing. Modelos de Negócios em Canais Digitais. Comportamento do Consumidor em Canais Digitais. Desenvolvimento dos Ambientes Receptivos em Canais Digitais. UX – Criação e usabilidade para os diversos canais digitais. Mapeamento das Ações na Estratégia Digital. Web data, Online Engagement, CRM (customer service, NBO, social CRM)/Internet & Social Marketing Analytics.

Compreensão da importância da neurociência no estudo do consumo. Diferença entre neuroeconomia e neuromarketing. A relação do neuromarketing e o comportamento do consumidor sob a ótica da teoria cognitivista. O processo cerebral da tomada de decisão: razão e emoção; diferenças de gêneros, aspectos hormonais e preferências intertemporais; armadilhas da mente. Estratégias de Marketing e os estímulos neurais.

Entendimento das mudanças no comportamento do consumidor. Discussão sobre o cliente Omnichannel. Potencialização da experiência do usuário e da experiência de consumo. Discussão de estratégias para integração entre canais online e off-line. Análise e mensuração da experiência do usuário e de consumo.

Valor da Marca no Mundo Digital. Content marketing: atrair e gerar relacionamento com ações baseadas em conteúdo. Branded content: como as empresas podem gerar resultados efetivos. Conceito e posicionamento de e Marca. Como se tornar autoridade no assunto. Como conquistar confiança e Credibilidade do público-alvo. Gestão da reputação em mídias digitais.

Apresentar os principais recursos atuais de captura e análise de dados em larga escala, tais como os bancos de dados NoSQL. Mostrar as técnicas de integração com sistemas tradicionais do tipo banco de dados relacional. Fundamentos de Data Science, análise de dados e negócios em marketing. Data analytics aplicados a vendas. Automatizações nos processos comerciais.

Práticas de empatia junto aos Stakeholders; desenvolvimento da ideação de um projeto de inovação; definição da especificação de um projeto; validação da prova de conceito; desenvolvimento de um plano de negócios, usando métodos ágeis; desenvolvimento da prototipação – protótipo conceitual / low definition; desenvolvimento dos protótipos – high definition; elaboração do pitch de venda do projeto; critérios de mudança em projetos.

Conceitos básicos e metodologias para extrair conhecimentos de grandes bases de dados (KDD); Técnicas estatísticas de análise de dados; Técnicas Supervisionas e Não Supervisionadas; Análise de Cluster ou Conglomerado (Segmentação); Regras de Decisão; Modelagem preditiva de Churn/Attrition.

Conceito de Inbound e Outbound Marketing. Como funcionam as duas metodologias. Diferenças do Inbound X Outbound Marketing. Conceito das mídias sociais. Características da sociedade em rede. Aplicação, produção e adequação de conteúdo para as mídias sociais. Integrando ações de inbound marketing, outbound marketing e sales & marketing. Ambiente de business intelligence.

Data Art como arte computacional. Data art por princípios de: contagens de banco de dados, informações brutas, dados de mecanismos de pesquisa, cálculos e estatísticas (geográficas, políticas, climáticas, financeiras) e criação artística. A visualização de dados como técnica transmissão de informações e de dados.

Conceito de Marketing de busca. Evolução dos motores de busca e o futuro da internet. SEM, SEO e PPC aplicados no Inbound Marketing. Marketing de Conteúdo para o Google.

Fundamentos do modelo de marketing responsivo e customer centric. Análise da experiência e interação no consumo. A jornada de consumo e sua importância para o marketing. Compreensão das etapas da jornada do cliente. Estratégias de persuasão.

Alternativas para elaboração do trabalho de conclusão de curso. O método do estudo de caso e produção de artigos. Estratégias para coleta, análise e descrição dos dados. O uso de templates para a organização do trabalho. O processo de orientação para a elaboração do TCC. Critérios de avaliação do TCC. Avaliação final do curso.