Vector Processos Ágeis

online

Vector Processos Ágeis

Olá, bem-vindo à ‎Vector Processos Ágeis. Como podemos lhe ajudar hoje? 😄

19:56

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.

  • 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 
  • 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.

  • 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
  • Report periódico
  • Validação de resultados

Consultoria e Coaching em Data Science

Coaching e acompanhamento para desenvolvimento de análises, modelagens e soluções em Data Science

  • Priorização das iniciativas
  • Orientação / coaching
  • Aplicação na prática
  • Mentoria de preparação das apresentações dos resultados
  • Mentoria de preparação das apresentações dos resultados
  • Status Report
  • Consolidação dos Resultados