Visão Geral

Curso Introduction to Data Analysis, Aprenda os fundamentos da Análise de Dados.

Análise e análise de dados são disciplinas em evolução. Ouvimos constantemente sobre big data, previsão, IA e técnicas de modelagem.

No entanto, técnicas avançadas baseiam-se em fundamentos que podem ser aplicados em muitas funções de trabalho. Esta classe equipa-o rapidamente com essa base. Esteja você mapeando sua estratégia geral de inteligência de negócios ou realizando uma análise por conta própria, essas ferramentas e técnicas básicas informam rapidamente a tomada de decisão eficaz. Neste workshop introdutório de ritmo acelerado, examinaremos a história da inteligência de negócios, sua relação com a análise de dados e por que os dois são necessários para ajudar as empresas a fornecer uma montagem completa do 'enigma de dados'. Também abordaremos os obstáculos que as equipes enfrentam ao lidar com a sobrecarga de dados e sugerimos algumas soluções possíveis.

Em meio a uma explosão contínua de dados, também há uma necessidade maior de entender quem está qualificado para analisar dados corretamente. Exploraremos as qualificações dos analistas de dados, bem como as ferramentas analíticas disponíveis para essas pessoas usarem associadas ao cargo.

Observação: os exercícios deste curso não são compatíveis com o Excel em um navegador da web. Verifique se você tem uma versão do Excel baixada localmente em seu computador ou acesso ao Excel via Microsoft 365.

Este curso foi submetido, revisado e aprovado pelo Instituto Internacional de Análise de Negócios (IIBA) para premiar CDUs por frequência.

Objetivo

Após realizar este Curso Introduction to Data Analysis, você será capaz de:

• Medir o desempenho do negócio.
• Identificar oportunidades de melhoria nos processos de negócios.
• Descreva a necessidade de rastrear e identificar as causas-raiz do desvio ou falha.
• Use os princípios, propriedades e aplicação da Teoria da Probabilidade.
• Discuta a distribuição de dados, incluindo tendência central, variância, distribuição normal e distribuições não normais.
• Tirar conclusões sobre uma população de dados usando inferência estatística.
• Tendências de previsão usando análise de regressão linear simples.
• Realize análises precisas depois de aprender sobre tamanhos de amostra e intervalos de confiança e limites, e como eles influenciam a precisão de sua análise.
• Explore diferentes métodos e algoritmos fáceis para prever resultados futuros e reduzir riscos atuais e futuros.

Publico Alvo

• Qualquer pessoa envolvida em operações, gerenciamento de projetos, análise de negócios ou gerenciamento que precise de uma introdução à análise de dados se beneficiaria deste curso.

Materiais

Conteúdo Programatico

Data and Information

1. Data in the Real World
2. Data vs. Information
3. The Many “Vs” of Data
4. Structured Data and Unstructured Data
5. Types of Data

Data Analysis Defined

1. Why do we analyze data?
2. Data Analysis Mindset
3. Data Analysis Steps
4. Data Analysis Defined
5. Descriptive Statistics vs Inferential Statistics

Types of Variables

1. Categorical vs Numerical
2. Nominal Variables
3. Ordinal Variables
4. Interval Variables
5. Ratio Variables

Central Tendency of Data

1. (Arithmetic) Mean
2. Median
3. Mode

Basic Probability

1. Probability Uses In Business
2. Ways We Can Calculate Probability
3. Probability Terms
4. Calculating Probability
5. Calculating Probability from a Contingency Table
6. Conditional Probability
7. Frequency Distribution

Distributions, Variance, and Standard Deviation

1. Discrete Distributions
2. Continuous Distributions
3. Range
4. Quartiles
5. Variance
6. Standard Deviation
7. Population vs. Sample
8. Application of the Standard Deviation
   • Standard Deviation and the Normal Distribution
   • Sigma (σ) Values (Standard Deviations)
9. Bimodal distribution
10. Skew and Summary
11. Other Distributions
    • Poisson Distribution
    • Exponential Distribution
    • Pareto Distribution (“80/20”)
    • Log Normal Distribution
12. Distributions in Excel

Fitting Data

1. Bivariate Data (Two Variables)
2. Covariance and Correlation
3. Simple Linear Regression
4. Linear Regression
5. Fitting Functions
   • Linear Fit
   • Polynomial Fit
   • Power-Law Fit

Predictive Analytics Overview

1. Monte Carlo Method