Vector Processos Ágeis
online
Vector Processos Ágeis
Olá, bem-vindo à Vector Processos Ágeis. Como podemos lhe ajudar hoje? 😄
19:2
Data Science
Utilização da estatística avançada para avaliação de características que afetam indicadores de interesses, suas variações e determinação de equações para previsibilidade, transformando dados em informações, informações em conhecimento, permitindo sua empresa olhar para o "para-brisas", e não somente o "retrovisor"
Definição de Modelo Preditivo
Análises Estatísticas
Machine Learning
Consultoria e Coaching em Data Science
Definição de Modelo Preditivo
Avaliação, adequação, definição e validação do modelo estatístico para previsão de indicadores.
Etapas:
- Entendimento da jornada atual
- Criação de plano de atuação (Business Case)
- Avaliação da qualidade dos dados
- Mapeamento do processo nas características definidas
- Avaliação de impacto das características de entrada
- Definição do modelo preditivo adequado
- Definição da equação de modelagem estatística
- Validação do Plano do Projeto, e se necessário, ajustes para o fechamento do escopo (estratificações)
- Implantação e ponto de controle
Acompanhamento e Controle:
- Report periódico
- Validação de resultados
Análises Estatísticas
Avaliação estatística de modelos existentes, atestando sua assertividade e eficiência.
Etapas:
- Entendimento dos requisitos dos modelos existentes
- Entendimento da jornada atual
- Criação de plano de atuação (Business Case)
- Mapeamento do processo nas características definidas
- Estatística descritiva dos dados, utilizando ferramentas necessárias, tais como: pareamento, filtros, outliers, histograma, time series, boxplot, demais gráficos
- Validação do Plano do Projeto, e se necessário, ajustes para o fechamento do escopo (estratificações)
- Implantação e ponto de controle
Acompanhamento e Controle:
- Teste de eficiência após implantação
- Validação de eficácia
Machine Learning
Definição do modelo e requisitos necessários para realização de treinamento de máquinas e posterior implantação sistêmica.
Etapas:
- Entendimento da jornada atual
- Criação de plano de atuação (Business Case)
- Mapeamento do processo nas características definidas
- Avaliação de impacto das características de entrada
- Definição dos algoritmos para Machine Learning
- Validação do Plano do Projeto, e se necessário, ajustes para o fechamento do escopo (estratificações)
- Implantação e ponto de controle
Acompanhamento e Controle:
- Report periódico
- Validação de resultados
Consultoria e Coaching em Data Science
Coaching e acompanhamento para desenvolvimento de análises, modelagens e soluções em Data Science
Etapas:
- Priorização das iniciativas
- Orientação / coaching
- Aplicação na prática
- Mentoria de preparação das apresentações dos resultados
Acompanhamento e Controle:
- Mentoria de preparação das apresentações dos resultados
- Status Report
- Consolidação dos Resultados