Baixe o app para aproveitar ainda mais
Prévia do material em texto
SEMANA 1 VAMOS COMEÇAR O que as empresas de comércio eletrônico, entretenimento, saúde, manufatura, marketing, finanças, tecnologia e centenas de outros setores têm em comum? Acertou: todas elas usam dados. Organizações de todos os tipos precisam de analistas de dados para ajudá-las a melhorar processos, identificar oportunidades e tendências, lançar novos produtos, oferecer um ótimo atendimento ao cliente e tomar decisões ponderadas. Olá, meu nome é Tony, gerente de programa do Google e analista de dados. Quero dar as boas-vindas ao Certificado de Análise de Dados do Google. Há muitos motivos excelentes para ter esse certificado. Talvez você esteja pensando em iniciar uma carreira no mundo empolgante da análise de dados ou talvez simplesmente tenha fascínio pelo poder dos dados, como eu. Não importa o que trouxe você aqui, está no lugar certo para começar uma carreira e aprender habilidades relevantes para o setor em análise de dados. Mas primeiro, o que exatamente são dados? Bem, gostaria de dizer que dados são uma coleção de fatos. Esta coleção pode incluir números, fotos, vídeos, palavras, medidas, observações e muito mais. Depois de ter os dados, a exploração os coloca para funcionar por meio da análise. A análise de dados é a coleta, transformação e organização de dados para tirar conclusões, fazer previsões e orientar a tomada de decisão informada. E não para por aí. Os dados evoluem ao longo do tempo, o que significa que esta análise, ou exploração, como a chamamos, pode nos fornecer novas informações ao longo de todo o ciclo de vida dos dados. Os dados estão em toda parte. Você usa e cria dados todos os dias. Você já leu análises de um produto antes de decidir se o compraria ou não? Isso é análise de dados. Ou talvez você use um monitor de atividades físicas para contar seus passos e se manter na ativa durante todo o dia. Isso é análise de dados. Mas você não apenas usa dados. Você também cria grandes quantidades deles todos os dias. Sempre que você usa seu telefone, procura algo on-line, reproduz uma música, faz compras com cartão de crédito, posta em redes sociais ou usa um GPS para mapear uma rota, está criando dados. Nosso mundo digital e os milhões de dispositivos inteligentes dentro dele tornaram a quantidade de dados disponíveis verdadeiramente alucinante. Aqui no Google, processamos mais de 40 mil pesquisas por segundo. São 3,5 bilhões de pesquisas por dia e 1,2 trilhão de pesquisas todos os anos. Veja outra maneira de pensar nisso. O YouTube tem quase dois bilhões de usuários. Se os usuários do YouTube criassem um país, ele seria o maior do mundo. Todos esses dados estão transformando o mundo ao nosso redor. A revista The Economist recentemente chamou os dados de o recurso mais valioso do mundo. É fácil ver por que os analistas de dados são tão valorizados pelas organizações em que trabalham. O que um analista de dados faz exatamente? Simplificando, um analista de dados é alguém que coleta, transforma e organiza dados para ajudar a tomar decisões informadas. Além da função em si, uma das partes mais empolgantes de ser analista de dados é o número de oportunidades disponíveis. A demanda por analistas de dados é maior do que o número de pessoas qualificadas para preencher essas vagas de emprego. Este programa de certificação é um ótimo primeiro passo em sua jornada para encontrar um emprego que você adora. Os analistas de dados vêm de muitas origens diferentes e têm todos os tipos de experiências de vida. Você não precisa de décadas de experiência de trabalho ou uma formação cara para começar. Muitos analistas de dados aprenderam por conta própria as habilidades de que precisavam para conseguir o primeiro emprego, assim como você está fazendo agora. Vamos falar agora mais sobre o que você vai aprender. O Certificado de Análise de Dados do Google é dividido em cursos baseados em diferentes processos de análise de dados. São eles: perguntar, preparar, processar, analisar, compartilhar e agir. Planeje assistir a estes vídeos em ordem. Cada um aborda um assunto novo, e cada assunto se baseia no que você aprendeu antes, o que facilita o acompanhamento do seu progresso. Você está no assento do motorista. Mesmo que você veja tudo organizado por semanas, tudo pode ser concluído no seu próprio ritmo. Assim, você decide o quanto quer fazer a cada dia. No final do programa, você pegará tudo o que aprendeu e transformará em um projeto que você pode usar para mostrar suas habilidades, e impressionar os gerentes de contratação nas entrevistas de emprego. Pelo caminho, você também ouvirá os Googlers. É assim que chamamos quem trabalha aqui no Google. Eles darão a você uma visão interna de como é trabalhar em nosso setor e compartilharão histórias pessoais de como entraram nessa área. Eles também darão algumas dicas excelentes sobre como conseguir o emprego dos seus sonhos. Então, prepare-se. Alguns deles vão se apresentar em um segundo. Meu nome é Angie. Sou gerente de programa de engenharia no Google. Realmente acredito 2 que a limpeza de dados é o coração e a alma dos dados. É como você conhece seus dados, as peculiaridades, as falhas e os mistérios deles. Adoro um bom mistério. Parecia quase um superpoder. Eu era um detetive e tinha ido lá e realmente resolvido algo. Olá, meu nome é Alex. Sou cientista de pesquisas do Google. Pesquiso os diferentes impactos da inteligência artificial na sociedade e em nossos usuários. Meu nome é Lilah Jones. Faço parte da nossa equipe de nuvem. Tenho a chance de liderar uma equipe de pessoas incríveis que estão focadas em ajudar os clientes a chegar à nuvem. Olá, meu nome é Evan. Sou gerente de portfólio de aprendizagem aqui no Google. Tenho um dos empregos mais legais do mundo, em que posso olhar para todas as diferentes tecnologias que afetam o big data e, em seguida, trabalhar com elas em cursos de treinamento como este para os alunos fazerem. Serei seu instrutor no primeiro curso. Apresentarei cada módulo que cobrirá um tópico específico de algumas maneiras diferentes. Você terá vídeos, materiais de leitura, questionários, atividades práticas e solicitações de discussão para você conversar com outros alunos em um fórum on-line. Estou muito animado por guiar você por este curso, mas estou especialmente empolgado por você ter escolhido esta aventura. A aprendizagem ao longo da vida é algo que gosto muito. Ao crescer, quando olhava em volta, muitas vezes eu não via muitas opções disponíveis para mim. Só quando comecei a levar minha educação a sério é que percebi que tinha o controle de criar minhas próprias oportunidades e que a educação seria a chave que abriria essas portas. Quanto mais eu aprendia e mais trabalhava, mais possibilidades se abriam. Se eu não tivesse buscado esse conhecimento e continuado a me desafiar, talvez não estivesse onde estou hoje. Aprender me permitiu crescer pessoalmente, ter sucesso, visitar lugares que eu nunca teria visto, e conhecer pessoas que nunca teria conhecido. Agora vou apresentar algumas dessas grandes pessoas. Olá, sou Ximena, analista financeira. Ajudarei você a aprender como fazer as perguntas certas sobre os dados, o projeto em que você trabalha e os problemas que está tentando resolver. Oi, meu nome é Hallie, líder de análise. Estou muito animada para mostrar como preparar seus dados para que fiquem prontos para análise. Olá, sou a Sally, líder de medição e análise. Juntos, abordaremos como processar e limpar seus dados. Para limpar dados, não precisamos de água e sabão. Estou falando sobre garantir que seus dados estejam completos, corretos e relevantes para o problema que você está tentando resolver. Olá, meu nome é Ayanna, gerente global de insights. Vamos nos aprofundar na análise. Você aprenderá como coletar, transformar e organizar os dados para que possa usá-los para descobrir informações úteis, tirar conclusões e tomar grandes decisões. Meu nome é Kevin, e com minha experiência como diretor de análises no Google, vou guiar você pelo que considero a parte mais interessante do processo de análise de dados:planejar, criar e apresentar visualizações de dados eficazes e atraentes. Olá, meu nome é Carrie. Mal posso esperar para contar sobre tudo de interessante que você pode fazer com a linguagem de programação R. Vamos lá? Olá, meu nome é Rishie, gerente global de currículo de habilidades analíticas. Vou ajudar você a reunir tudo o que aprendeu durante este programa criando um estudo de caso que impressionará qualquer gerente de contratação. Assim como o topo de um grande edifício mostra a todos que ele está completo, seu estudo de caso representará sua grande conquista de ganhar um certificado do Google em análise de dados. Certo, você está se animando com o potencial de se tornar analista de dados? Dá para fazer muito com dados. Você está prestes a entrar em um mundo totalmente novo. Vamos lá? Vamos. Descrição do programa e currículo do curso Olá e boas-vindas! O programa que você está prestes a iniciar foi desenvolvido especificamente para ajudar qualquer tipo de aluno a concluir o certificado e se tornar um analista de dados júnior ou associado. Não é necessária nenhuma experiência anterior em análise de dados, matemática ou estatística. Para ter sucesso, você só precisa querer aprender como os dados influenciam o mundo. Prepare-se para o trabalho A cada dia, a quantidade de dados disponíveis aumenta. Portanto, a capacidade de interpretá-los com eficácia é mais importante do que nunca. A análise de dados está se tornando uma das opções de carreira com crescimento mais rápido e gratificante do mundo. Na próxima década, a demanda por habilidades de análise de negócios provavelmente será maior do que por qualquer outra carreira (10,9% x 5,2%) (fonte: Escritório de Estatísticas do Trabalho). Todos os tipos de empresa no mundo inteiro precisam de analistas de dados qualificados para resolver problemas e ajudar a tomar as melhores decisões de negócios possíveis. No 3 momento, 59% das empresas têm planos de incluir ainda mais cargos que exijam habilidades de análise de dados (fonte: SHRM). Quando terminar este programa, você terá preparação suficiente para fazer recomendações inteligentes, estratégicas e com base em dados para organizações em todos os tipos de setor. Durante cada curso do programa, você completará muitas atividades e projetos práticos com base na vida cotidiana e nas atividades práticas de um analista de dados. Ao longo do caminho, você aprenderá como fazer as perguntas certas e compreender os objetivos. Você também aprenderá como limpar e organizar grandes quantidades de dados de maneira eficiente para deixá-los prontos para análises de alta qualidade. Além disso, terá experiência prática com todos os tipos de ferramentas e técnicas, que ajudarão você a reconhecer padrões e descobrir relações entre pontos de dados. Para ajudar a comunicar os resultados de sua análise, você aprenderá como projetar recursos visuais e painéis. Há até a oportunidade de criar um estudo de caso, que você poderá destacar em seu currículo para mostrar o que aprendeu a potenciais empregadores. Visão geral do curso O programa completo conta com oito cursos. Este é o primeiro deles e abrange cerca de cinco semanas de material. 1. Fundamentos: Dados, dados, em todos os lugares (este curso) 2. Fazer perguntas para tomar decisões com base em dados 3. Preparar os dados para exploração 4. Processar os dados para limpá-los 5. Analisar os dados para responder às perguntas 6. Compartilhar os dados com a arte da visualização 7. Análise de dados com programação em R 8. Clímaxdo Google Data Analytics: conclua um estudo de caso Conteúdo do curso Curso 1 – Fundamentos: dados, dados, em todos os lugares 1. Introdução à análise de dados: dados nos ajudam a tomar decisões na vida cotidiana e nos negócios. Nesta primeira parte do curso, você aprenderá como os analistas de dados usam ferramentas para informar essas decisões. Você também saberá mais sobre este curso e as expectativas gerais do programa. 2. Pensamento analítico: os analistas de dados têm muitos papéis diferentes no trabalho deles. Nesta parte do curso, você aprenderá sobre alguns desses papéis e as principais habilidades necessárias. Também verá o pensamento analítico e como ele se relaciona com a tomada de decisão com base em dados. 3. Exploração do maravilhoso mundo dos dados: os dados têm o próprio ciclo de vida, e os analistas de dados usam um processo de análise que atravessa e aproveita esse ciclo de vida. Nesta parte do curso, você aprenderá sobre o ciclo de vida e o processo de análise dos dados. Ambos são relevantes para seu trabalho neste programa e no trabalho como futuro analista de dados. Você será apresentado a aplicativos que ajudam a orientar os dados durante o processo de análise de dados. 4. Configuração de uma caixa de ferramentas de dados: planilhas, linguagens de consulta e ferramentas de visualização de dados são uma grande parte do trabalho de um analista de dados. Nesta parte do curso, você aprenderá os conceitos básicos para usá-las na análise de dados. Você entenderá como elas funcionam graças aos exemplos fornecidos. 5. Descoberta das possibilidades na carreira de dados: todos os tipos de negócio valorizam o trabalho dos analistas de dados. Nesta parte do curso, você examinará diferentes tipos de negócio e os trabalhos e tarefas que os analistas realizam para eles. Também aprenderá como o Certificado de Análise de https://www.coursera.org/learn/fazer-perguntas-para-tomar-decisoes-com-base-em-dados/home/welcome https://www.coursera.org/learn/preparar-os-dados-para-exploracao/home/welcome https://www.coursera.org/learn/processar-os-dados-para-limpa-los/home/welcome https://www.coursera.org/learn/analisar-os-dados-para-responder-as-perguntas/home/welcome https://www.coursera.org/learn/compartilhar-os-dados-com-a-arte-da-visualizacao/home/welcome https://www.coursera.org/learn/analise-de-dados-com-programacao-em-r/home/welcome https://www.coursera.org/learn/projeto-final-conclua-um-estudo-de-caso/home/welcome 4 Dados do Google ajudará a atender a muitos dos requisitos para conquistar uma posição nessas organizações. 6. Conclusão do Desafio do Curso: ao final deste curso, você poderá colocar tudo o que aprendeu em perspectiva com o Desafio do Curso. O Desafio do Curso fará perguntas sobre os principais conceitos aprendidos e, em seguida, dará a você a oportunidade de aplicar esses conceitos em dois cenários. O que esperar Cada semana do curso inclui uma série de aulas com muitos tipos de oportunidade de aprendizado. Eles incluem: ● Vídeos para instrutores, para ensinar novos conceitos e demonstrar o uso de ferramentas. ● Textos para apresentar novas ideias e desenvolver os conceitos dos vídeos. ● Fóruns de discussão para compartilhar, explorar e reforçar os tópicos da aula para uma maior compreensão. ● Sugestões de discussão para promover o pensamento e o envolvimento nos fóruns de discussão. ● Simulados para servir como preparação para os testes que valem nota. ● Testes que valem nota para medir seu progresso e oferecer um feedback valioso. ● Além disso, preste atenção às perguntas no vídeo que serão exibidas de vez em quando. Elas foram desenvolvidas para que você teste seu aprendizado. Cada pessoa aprende de maneira diferente, por isso, este programa foi projetado para permitir que você trabalhe no seu próprio ritmo. Embora os prazos personalizados comecem no momento da inscrição, eles são apenas um guia. Sinta-se à vontade para navegar pelo programa na melhor velocidade para você. Não há penalidade para atividades atrasadas. Para ganhar seu certificado, só é preciso concluir tudo. Se preferir, você pode estender seus prazos voltando para Visão geral no painel de navegação e clicando em Alternar sessões. As avaliações se baseiam na abordagem do curso para oferecer uma ampla variedade de materiais de aprendizado e atividades que reforçam habilidades importantes. Os testes (com e sem nota) ajudarão a absorver o conteúdo. Os simulados sem nota são uma oportunidade para você se preparar para os testes que valem nota. Osdois tipos de teste podem ser feitos mais de uma vez. Atalho opcional para quem tem experiência em análise de dados O Certificado de Análise de Dados do Google oferece instruções e feedback para alunos que querem conseguir uma posição como analista de dados de nível básico. Muitos alunos são novos no mundo da análise de dados, mas outros podem já estar familiarizados com a área e só quererem aperfeiçoar certas habilidades. Se você acredita que este curso será principalmente uma atualização para você, recomendamos fazer o teste de diagnóstico prático (encontre-o no conteúdo desta semana). Isso permitirá que você determine se deve seguir o atalho, que é uma oportunidade de prosseguir para o Curso 2 depois de ter realizado cada um dos Desafios Semanais do Curso 1 e o Desafio do Curso Geral. Os alunos que conseguirem 100% de pontuação no teste de diagnóstico poderão tratar os vídeos, os textos e as atividades do Curso 1 como opcionais. Os alunos que seguirem o atalho ainda poderão receber o certificado. Dicas ● Recomendamos fazer esses cursos (e examinar os itens de cada aula) na ordem em que aparecem, porque as informações e os conceitos novos se baseiam no conhecimento anterior. ● Use os recursos adicionais que estão vinculados ao longo do programa. Eles foram projetados para auxiliar seu aprendizado. ● Quando você encontrar links úteis no curso, marque-os como favoritos para consultar as informações para estudo ou revisão. https://www.coursera.org/learn/fundamentos-dados-dados-em-todos-os-lugares/discussions 5 ● Os recursos adicionais são gratuitos, mas alguns sites estabelecem limites para o número de artigos que podem ser acessados gratuitamente por mês. Às vezes, é possível se registrar no site para receber acesso total, mas você pode sempre marcar um recurso como favorito e voltar para visualizá-lo mais tarde. ● Se algo estiver confuso, assista novamente a um vídeo, faça uma leitura novamente, etc. ● Participe de todas as oportunidades de aprendizado para conseguir o máximo de conhecimento e experiência possível. Parabéns por escolher dar este primeiro passo para se tornar parte do maravilhoso mundo da análise de dados. Aproveite a jornada! Registro de aprendizado: pense nos dados da vida cotidiana Visão geral Agora, você já começou a descobrir como os dados podem ser poderosos. Ao longo deste curso, você precisará fazer anotações em um registro de aprendizado. O registro será um espaço pessoal em que você poderá acompanhar seus pensamentos e suas reflexões sobre as experiências que terá coletando e analisando dados. As reflexões podem incluir o que você gostou, o que mudaria e as questões levantadas. No momento em que você concluir a anotação desta atividade, terá um entendimento mais sólido sobre análise de dados. Dados do dia a dia Antes de fazer uma anotação em seu registro de aprendizado, pense sobre onde e como você usa dados para tomar decisões. Você criará uma lista com pelo menos cinco perguntas para as quais pode usar dados. Veja aqui alguns exemplos para se inspirar: ● Qual é a melhor hora para ir à academia? ● Como a duração do seu trajeto para o trabalho varia de acordo com o dia da semana? ● Quantas xícaras de café você bebe por dia? ● Que sabor de sorvete os clientes compram? ● Quantas horas de sono você dorme por dia? Depois, você selecionará uma das cinco perguntas de sua lista para explorar mais a fundo e anotar os tipos de dados que podem ser coletados para a tomada de uma decisão. Isso é a análise de dados em ação. Acessar seu registro de aprendizado Para usar o registro de aprendizado deste item do curso, clique no link abaixo e selecione “Usar modelo”. Link para o modelo de registro de aprendizado:Pense nos dados da vida cotidiana OU Caso você não tenha uma conta do Google, faça o download direto do modelo pelo anexo abaixo. DAC1M1L1R2ATTACHMENT_POR DOCX File Reflexão https://docs.google.com/document/d/1j6kyM_KuLttOR8bNXbFZ9kj_WKVOdeJnChTiTxvvsv8/template/preview https://d3c33hcgiwev3.cloudfront.net/oiG94l9DSLOhveJfQ7izjA_b48b69e2b67e475394aec3892263a3f1_DAC1M1L1R2ATTACHMENT_POR.docx?Expires=1687046400&Signature=TVWYNI4bHXbE6UNEbvp1Cyrxj2cIoxIs6ffWh5n0LqLFkZ1cz9TLGfpznGr95HgAQuxf18F3ghLN01DN2l1J1uzDwusMTdO7Si8mbotuLZDq28rnMhsfaM~hvqi~Ih3JdejIl9vfTIlaRRXP8wZSpFtIsqQWLpywMpmfmxyrNIU_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A https://d3c33hcgiwev3.cloudfront.net/oiG94l9DSLOhveJfQ7izjA_b48b69e2b67e475394aec3892263a3f1_DAC1M1L1R2ATTACHMENT_POR.docx?Expires=1687046400&Signature=TVWYNI4bHXbE6UNEbvp1Cyrxj2cIoxIs6ffWh5n0LqLFkZ1cz9TLGfpznGr95HgAQuxf18F3ghLN01DN2l1J1uzDwusMTdO7Si8mbotuLZDq28rnMhsfaM~hvqi~Ih3JdejIl9vfTIlaRRXP8wZSpFtIsqQWLpywMpmfmxyrNIU_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A https://d3c33hcgiwev3.cloudfront.net/oiG94l9DSLOhveJfQ7izjA_b48b69e2b67e475394aec3892263a3f1_DAC1M1L1R2ATTACHMENT_POR.docx?Expires=1687046400&Signature=TVWYNI4bHXbE6UNEbvp1Cyrxj2cIoxIs6ffWh5n0LqLFkZ1cz9TLGfpznGr95HgAQuxf18F3ghLN01DN2l1J1uzDwusMTdO7Si8mbotuLZDq28rnMhsfaM~hvqi~Ih3JdejIl9vfTIlaRRXP8wZSpFtIsqQWLpywMpmfmxyrNIU_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A 6 Depois de considerar como você usa a análise de dados em sua própria vida, pare um momento para refletir sobre o que descobriu. As reflexões podem incluir o que você gostou, o que mudaria e as questões levantadas. Em sua nova anotação no registro de aprendizado, você escreverá de duas a três frases (40 a 60 palavras) como resposta a cada pergunta abaixo: ● Que considerações ou preferências você quer ter em mente ao tomar uma decisão? ● Que tipo de informação ou dado que você acessa influenciará em sua decisão? ● Há algum outro item que você queira acompanhar associado a essa decisão? Quando você terminar sua anotação no modelo de registro de aprendizado, salve o documento para que sua resposta fique guardada em um lugar acessível. Isso ajudará você a continuar aplicando a análise de dados na vida cotidiana. Você também poderá acompanhar seu progresso e crescimento como analista de dados. "Dados! Dados! Dados! Não consigo fazer tijolos sem argila." Alguém adivinha quem disse isso? Vou dar uma dica. Não foi um CEO de tecnologia famoso nem um analista de dados. A pessoa que disse isso viveu muito antes de as empresas de tecnologia sequer existirem. Mas aposto que mesmo assim você já ouviu falar dele. Essa fala foi dita por Sherlock Holmes, o famoso detetive criado por Sir Arthur Conan Doyle. O que Doyle quis dizer é que Holmes não conseguia tirar nenhuma conclusão, que seriam os tijolos que ele mencionou, sem os dados, ou a argila. Você provavelmente não está aqui para virar um detetive conhecido no mundo inteiro, mas os dados ainda são o elemento essencial que você usará para tudo que fizer em sua nova carreira de analista de dados, e Sherlock Holmes concordaria com isso. Ao iniciar este programa, você viu que Sherlock Holmes e você têm algo em comum, vocês dois têm interesse em aprender mais. Essa é uma das qualidades mais importantes que um analista de dados pode ter. Há várias maneiras diferentes de explorar dados, mas um dos melhores aspectos sobre a análise de dados é que muitas vezes você poderá aprender como e quando quiser. Isso pode significar fazer sua própria pesquisa, conversar com pessoas do setor ou fazer cursos online. Dito isso, boas-vindas ao seu primeiro curso. Esta é a sua introdução ao maravilhoso mundo da análise de dados. Como análise de dados é ciência de dados, você usará este curso para começar a aprender tudo sobre dados. Dados são basicamente uma coleção de fatos ou informações, e, por meio de análise, você aprenderá como usar os dados para tirar conclusões, fazer previsões e tomar decisões. Pessoalmente, não fui direto para o campo da análise de dados. Achei que análise de dados fosse para os engenheiros da computação. Em vez disso, comecei com o sonho de trabalhar com finanças. Porém, depois de terminar um estágio, percebi que não era o caminho que eu queria seguir na carreira. Comecei a aprender sobre planejamento e análise financeira, e todo o trabalho que os analistas financeiros estavam realizandocom os dados. Percebi que analistas financeiros são, na verdade, apenas analistas de dados que trabalham em um departamento financeiro. Esses analistas estavam ajudando a orientar as decisões de negócios sabendo como usar os dados. Foi então que percebi como os dados são poderosos e comecei a adotá-los. Logo, percebi que poderia fazer essa análise de dados por conta própria. A análise de dados é um grande mundo cheio de oportunidades. Há tantas áreas em que suas habilidades de análise podem ser aplicadas, e de muitas maneiras diferentes. Se você é novo nesse mundo, aprenderá como identificar qual caminho e setor podem ser mais adequados às suas habilidades e interesses. Para vocês que já têm alguma experiência, vamos ajudar a abrir portas para oportunidades novas e empolgantes. Uma das habilidades que você ganhará com o programa é aprender a seguir as práticas recomendadas que os analistas usam para ajudar a tomar decisões com base em dados. Os computadores são uma parte do processo, mas os analistas dependem de muito mais para tomar decisões. É por isso que aprender a pensar analiticamente e usar suas outras habilidades e características em sua função facilitará seu trabalho. Sei que você já sabe tomar boas decisões, afinal, você escolheu estar aqui. Neste primeiro curso, você aprenderá mais sobre cada fase do processo de análise de dados. Perguntar, preparar, processar, analisar, compartilhar e agir. Como analista de dados, você passará por essas etapas à medida que usa os dados para informar suas decisões. Em algum momento, você verá como este programa em si é, de certa forma, a própria versão desse processo. Sei que você vai gostar de assistir a estes vídeos, mas sua viagem para o primeiro curso incluirá muito mais. Outros vídeos terão a forma de vinhetas, em que você aprenderá com profissionais de análise de dados que já estão consolidados nas carreiras. Eles vão oferecer palavras de sabedoria, bem como contar as próprias experiências no início das carreiras. Você vai começar seu próprio diário de dados, que ajudará você a monitorar o que aprendeu ao longo do curso. Você também incluirá seus próprios pensamentos sobre o que está aprendendo ao longo do programa. Você vai ler sobre como navegar por este 7 programa no mundo da análise de dados. Você concluirá atividades, incluindo algumas que ajudarão a entrar na mentalidade de um analista de dados. Ao longo do curso, você também terá a chance de se conectar com seus colegas alunos. As solicitações de discussão darão a você a chance de dividir seus pensamentos e, ao mesmo tempo, ver o que seus colegas pensam sobre tudo o que você está aprendendo. Essas solicitações ajudarão você a criar um sistema de apoio à comunidade para usar em todo o programa. Chega de conversa, vamos começar por esse caminho empolgante. Sua próxima etapa está esperando. Recursos úteis para começar O Certificado de Análise de Dados do Google foi desenvolvido para oferecer aulas novas todas as semanas. Como você já sabe, cada aula inclui uma série de vídeos, textos, discussões entre colegas, perguntas inseridas em vídeos, simulados e testes que valem nota. Neste texto, você aprenderá a fornecer feedback sobre o conteúdo do curso, como obter o Certificado de Análise de Dados do Google e hábitos úteis para concluir o certificado com sucesso. Como fornecer feedback ou conseguir ajuda sobre o conteúdo do curso Lembre-se de dar feedback sobre vídeos, textos e materiais. Basta abrir o recurso e procurar os símbolos de curtir e não curtir. ● Clique em curtir para os materiais que são úteis. ● Clique em não curtir para os materiais que não são. Esse feedback é encaminhado para os desenvolvedores do curso, não para outros alunos, e ajuda a melhorar o curso. Para receber ajuda técnica no Coursera, visite a Central de Ajuda do Aluno. Para receber ajuda para acessar os materiais do curso, clique no link “Fale conosco” na parte inferior da página. Como receber o Certificado de Análise de Dados do Google Depois de concluir todos os oito cursos, você se qualifica para receber o Certificado de Análise de Dados do Google. Para receber o certificado, é preciso seguir estas etapas: ● Receber aprovação em todas as atividades obrigatórias do curso ou atingir o limite de aprovação no curso. Cada atividade avaliada faz parte de uma nota cumulativa, e a nota necessária para aprovação do Certificado de Análise de Dados do Google é 80%. ● Pagar a taxa do Certificado do Curso (US$ 39/mês, sendo que a maioria dos alunos conclui o material em seis meses ou menos) ou se inscrever e ser aprovado para ganhar uma bolsa do Coursera. Você pode rever gratuitamente vídeos, textos, fóruns de discussão, perguntas inseridas em vídeos e simulados no programa. No entanto, você não terá acesso às atividades que valem nota. Se você decidir ir em frente e receber seu certificado, precisará fazer um upgrade para o programa de certificação, liberar as atividades que valem nota e concluir essas etapas. Hábitos úteis para a conclusão do certificado Como aluno, você traz todas as suas experiências anteriores e melhores práticas de aprendizagem para este programa. As pessoas que desenvolveram este curso também elaboraram uma lista de hábitos úteis que ajudarão você a ter mais sucesso: 1. Planeje seu tempo: defina horários de estudo regulares e siga-os todas as semanas para incorporar o aprendizado à sua rotina. Use um calendário ou uma agenda para criar um cronograma. Listar o que você planeja fazer a cada dia dividirá seu trabalho em metas alcançáveis. E criar um local tranquilo para assistir vídeos, revisar textos e concluir atividades é importante para que você consiga se concentrar no material. https://learner.coursera.help/hc/en-us https://learner.coursera.help/hc/en-us/articles/209819033-Apply-for-Financial-Aid-or-a-Scholarship 8 2. Aprenda na ordem: recomendamos fazer estes cursos (e os itens de cada aula) na ordem em que aparecem, porque as informações e os conceitos novos se baseiam nos anteriores. Ao seguir a ordem, você se sentirá confortável com as ideias e, em seguida, poderá praticá-las e desenvolvê-las. 3. Tenha curiosidade: se você encontrar uma ideia empolgante, busque saber mais sobre ela. Faça perguntas, pesquise mais detalhes online, verifique os links de seu interesse e faça anotações sobre as descobertas. Tudo que você fizer para auxiliar seu aprendizado ao longo do caminho, por menor que seja, expandirá seu conhecimento, abrirá mais portas neste campo novo e de alto crescimento e ajudará você a se qualificar para todos os tipos de novos empregos. 4. Faça anotações: as anotações são úteis ao pesquisar algo sobre o que você tem curiosidade. Isso é especialmente útil quando uma tarefa parece importante e você acha que ela poderá ser útil mais tarde. Ou, às vezes, você pode se deparar com um assunto que queira explorar com mais detalhes. Fazer anotações pode ajudar a acompanhar o que você aprende. Além disso, fazer anotações é uma maneira eficaz de fazer conexões entre assuntos e entendê-los melhor. É possível usar as anotações para criar seu próprio diário de análise de dados, um lugar do qual você possa capturar ideias, informações e anotar qualquer pergunta que possa ter. Você provavelmente vai querer manter as anotações em um só lugar: um diário físico ou um documento no computador. Isso facilitará a manutenção da organização. Sinta-se à vontade para consultar seu diário à medida que avança no programa, durante sua busca por emprego e até mesmo conforme se adapta à sua nova função como analista de dados. 5. Converse (de maneira responsável) com outros alunos: se você tem uma dúvida, talvez não seja só você. Sinta-se à vontade para entrar no fórum de discussão e pedir ajuda a outros alunos que participam do programa. Também é possível acessar a Comunidade online global do Coursera. Consulte o Código de honra e o Código de conduta do Coursera para ver outros itens importantes a ter em mente enquanto faz amigos. TRANSFORMAR DADOS EM INSIGHTS Bem-vindo de volta. Neste ponto, apresentamosvocê ao mundo da análise de dados e o que os analistas de dados fazem. Também aprendeu como este curso preparará você para uma carreira de sucesso como analista. A seguir, você aprenderá todas as maneiras como os dados podem ser usados e descobrirá por que os analistas de dados têm tanta demanda. Não estou exagerando quando digo que nenhuma meta e sucesso que minha equipe e eu alcançamos poderia ter sido alcançado sem dados. Aqui no Google, todos os nossos produtos são criados com base em dados e na tomada de decisões com base em dados. Do conceito ao desenvolvimento e ao lançamento, usamos dados para descobrir o melhor caminho a seguir. E não estamos sozinhos. Inúmeras outras organizações também enxergam o incrível valor dos dados e, é claro, dos analistas que as ajudam a usá-los. Portanto, sabemos que os dados abrem muitas oportunidades. Para ajudar você a compreender todas as maneiras como é possível usar dados, vamos examinar alguns exemplos da vida cotidiana. Você pode não perceber, mas as pessoas analisam dados o tempo todo. Por exemplo, sou uma pessoa matinal. Há muito tempo, percebi que sou mais feliz e produzo mais se for para a cama cedo e acordar cedo. Cheguei a essa conclusão depois de notar um padrão em minhas experiências cotidianas. Quando dormia sete horas por dia e acordava às 6h30, eu funcionava melhor. Então, pensei na relação entre esse padrão e minha vida diária e previ que dormir cedo seria a escolha certa para mim. E definitivamente sou minha melhor versão quando acordo bem cedo. Aposto que você também já identificou padrões e relações em sua vida. Talvez sobre o próprio ciclo de sono ou como se sente após comer certos alimentos, ou a que horas do dia goste de se exercitar. Esses são ótimos exemplos de padrões e relações reais que podem ser usados para fazer previsões sobre as ações certas a serem tomadas, e isso é uma grande parte da análise de dados. Agora, vamos colocar esse processo em um ambiente empresarial. Você deve se lembrar, de um vídeo anterior, de que há muitos dados por aí. E a cada minuto de cada hora de cada dia, mais dados estão sendo criados. As empresas precisam de uma maneira de controlar todos esses dados para usá-los para melhorar processos, identificar oportunidades e tendências, lançar novos produtos, atender clientes e tomar decisões ponderadas. Para que as empresas dominem a https://coursera.community/ https://learner.coursera.help/hc/en-us/articles/209818863-Coursera-Honor-Code https://learner.coursera.help/hc/en-us/articles/209818863-Coursera-Honor-Code https://learner.coursera.help/hc/en-us/articles/208280036-Coursera-Code-of-Conduct 9 concorrência, elas precisam dominar seus dados. É por isso que essas empresas contratam analistas para controlar as ondas de dados que coletam todos os dias, dar sentido a elas e depois tirar conclusões ou fazer previsões. Esse é o processo de transformar dados em insights e é como os analistas ajudam as empresas a fazer bom uso de todos os dados. Essa é uma boa maneira de pensar em análise: a transformação de dados em insights. Como um lembrete, a definição mais detalhada que você aprendeu antes é que a análise de dados é a coleta, transformação e organização de dados para tirar conclusões, fazer previsões e orientar a tomada de decisão informada. Depois que os analistas criam insights com os dados, o que acontece? Bem, muita coisa. Esses insights são divididos com outras pessoas, decisões são tomadas e as empresas agem. E é aqui que tudo pode ficar bem empolgante. A análise de dados pode ajudar organizações a repensar completamente algo que fazem ou apontá-las para uma direção totalmente nova. Por exemplo, talvez os dados as levem a um novo produto ou serviço exclusivo ou talvez as ajudem a encontrar um novo jeito de oferecer uma experiência incrível ao cliente. São esses momentos de surpresa que podem ajudar as empresas a alcançar outro nível, e isso torna os analistas de dados vitais para qualquer empresa. Agora que sabe mais sobre as formas incríveis como os dados são usados todos os dias, você pode ver por que os analistas de dados têm tanta demanda. Vamos seguir explorando como os analistas podem transformar dados em insights que levam à ação. Antes que perceba, você estará pronto para ajudar qualquer organização a encontrar maneiras novas e empolgantes de transformar dados. Estudo de caso: novas perspectivas de dados Como você aprendeu, é possível encontrar dados em praticamente qualquer lugar. Sempre que você observa e avalia algo no mundo, está coletando e analisando dados. Sua análise ajuda a encontrar maneiras mais fáceis de realizar tarefas, identificar padrões para economizar seu tempo e descobrir novas perspectivas surpreendentes que podem mudar completamente a maneira como você vivencia tudo. Veja aqui um exemplo real de como um grupo de analistas de dados usou as seis etapas do processo de análise de dados para melhorar o local de trabalho e os processos de negócios. A história deles envolve algo chamado análise de pessoas, também conhecida como análise de recursos humanos ou da força de trabalho. A análise de pessoas é a prática de coletar e analisar dados sobre as pessoas que compõem a força de trabalho de uma empresa com o objetivo de receber insights para melhorar a forma como a empresa opera. Ser um analista de pessoas envolve o uso de análise de dados para receber insights sobre os funcionários e como eles vivenciam as vidas profissionais. Os insights são usados para definir e criar um local de trabalho mais produtivo e incentivador. Isso pode liberar o potencial dos funcionários, motivá-los a ter o melhor desempenho possível e garantir uma cultura empresarial justa e inclusiva. As seis etapas do processo de análise de dados que você aprendeu neste programa são: perguntar, preparar, processar, analisar, compartilhar e agir. Essas seis etapas se aplicam a qualquer análise de dados. Continue lendo para aprender como uma equipe de analistas de pessoas usou essas seis etapas para responder a uma pergunta de negócios. Uma organização tinha uma taxa de rotatividade alta entre as contratações novas. Muitos funcionários deixavam a empresa antes do fim do primeiro ano de trabalho. Os analistas usaram o processo de análise de dados para responder à seguinte pergunta: como a organização pode melhorar a taxa de retenção de funcionários novos? Veja aqui um resumo do que essa equipe fez, passo a passo. 10 PERGUNTAR Em primeiro lugar, os analistas precisavam definir como seria o projeto e o que seria um resultado de êxito. Portanto, para determinar isso, eles fizeram perguntas eficazes e colaboraram com líderes e gerentes interessados no resultado da análise do pessoal. Estes foram os tipos de pergunta que eles fizeram: ● O que você acha que os funcionários novos precisam aprender para ter sucesso no primeiro ano de trabalho? ● Você já coletou dados de funcionários novos antes? Em caso afirmativo, podemos ter acesso aos dados históricos? ● Você acredita que os gerentes com taxas de retenção maiores oferecem algo extra ou exclusivo aos funcionários novos? ● Qual você acha que é a principal causa de insatisfação entre os funcionários novos? ● Em que porcentagem você gostaria que a retenção de funcionários aumentasse no próximo ano fiscal? PREPARAR Tudo começou com uma preparação sólida. O grupo criou um cronograma de três meses e decidiu como queria transmitir o progresso às partes interessadas. Também durante essa etapa, os analistas identificaram quais dados precisavam para atingir o resultado bem-sucedido que identificaram na etapa anterior. Nesse caso, os analistas optaram por coletar os dados de uma pesquisa on-line com funcionários novos. Eles desenvolveram perguntas específicas sobre a satisfação dos funcionários com diferentes processos de negócios, como contratação e integração, e a remuneração geral deles. Foram estabelecidas regras para quem teria acesso aos dados coletados. Nesse caso, nenhuma pessoa fora do grupo teria acesso aos dados brutos, mas poderia visualizar os dadosresumidos ou agregados. Por exemplo, a remuneração de um indivíduo não estaria disponível, mas as faixas salariais para grupos de indivíduos seriam visíveis. Eles finalizaram com quais informações específicas seriam coletadas e a melhor forma de apresentar os dados visualmente. Os analistas discutiram ideias sobre possíveis problemas relacionados a projetos e dados e como evitá-los. PROCESSAR O grupo enviou a pesquisa. Grandes analistas sabem respeitar os dados e as pessoas que os fornecem. Como foram os funcionários que forneceram os dados, era importante garantir que todos os funcionários tinham concordado em participar. Os analistas de dados também garantiram que os funcionários entendessem como os dados deles seriam coletados, armazenados, gerenciados e protegidos. Para manter a confidencialidade, proteger e armazenar os dados de modo eficaz, o acesso ficou restrito a um número limitado de analistas. Coletar e usar dados de maneira ética é uma das responsabilidades de um analista de dados. Em seguida, os 11 dados foram limpos para garantir que estivessem completos e corretos e que eram relevantes. Certos dados foram agregados e resumidos sem revelar respostas individuais. Os dados brutos foram carregados em um armazenamento de dados interno para garantir uma camada extra de segurança. ANALISAR Então, os analistas fizeram o que sabem fazer de melhor: analisar. Pelas pesquisas concluídas, os analistas de dados descobriram que a experiência de um funcionário novo com certos processos era um indicador-chave da satisfação geral com o trabalho. Os analistas descobriram que os funcionários que passavam por um processo de contratação longo e complicado tinham maior probabilidade de deixar a empresa. Os funcionários que passavam por um processo de avaliação e feedback eficiente e transparente tinham maior probabilidade de permanecer na empresa. O grupo sabia que era importante documentar exatamente o que haviam encontrado na análise, não importando os resultados. Fazer de outra forma diminuiria a confiança no processo da pesquisa e reduziria a capacidade de coletar dados verdadeiros dos funcionários no futuro. COMPARTILHAR Assim como se certificaram de que os dados estivessem cuidadosamente protegidos, os analistas também tiveram cuidado no momento de compartilhar o relatório. Apenas os gerentes que atingiram ou ultrapassaram o número mínimo de subordinados diretos com respostas enviadas à pesquisa estavam qualificados para receber o relatório. Primeiro, o grupo apresentou os resultados aos gerentes qualificados para ter certeza de que eles tinham a visão completa. Em seguida, pediram que entregassem os resultados às equipes. Isso deu aos gerentes a oportunidade de comunicarem os resultados no contexto certo. Assim, eles poderiam ter conversas produtivas com a equipe sobre as próximas etapas para melhorar o envolvimento dos funcionários. AGIR A última etapa do processo para a equipe de analistas foi trabalhar com os líderes da empresa e decidir a melhor forma de implementar as mudanças e agir com base nas descobertas. Os analistas recomendaram padronizar 12 o processo de contratação e avaliação de todas as contratações novas com base nas práticas mais eficientes e transparentes. Um ano depois, a mesma pesquisa foi distribuída aos funcionários. Os analistas anteciparam que uma comparação entre os dois conjuntos de resultados indicaria que o plano de ação funcionou. Acontece que as mudanças melhoraram o índice de retenção de funcionários novos e as ações das lideranças foram bem-sucedidas. A análise de pessoas é certa para você? Um dos muitos itens que tornam a análise de dados tão empolgante é que os problemas são sempre diferentes, as soluções precisam de criatividade e o impacto sobre os outros pode ser grande, até mesmo para mudar ou salvar vidas. Como analista de dados, é possível fazer parte desses esforços. Talvez você até sinta inspiração para aprender mais sobre o campo da análise de pessoas. Se for o seu caso, considere aprender mais sobre esse campo e incluir essa pesquisa em seu diário de análise de dados. Nunca se sabe: em breve, você poderá ajudar uma empresa a criar um ambiente de trabalho incrível para você e seus colegas! Recurso adicional Para saber mais sobre algumas aplicações recentes da análise de dados no mundo dos negócios, consulte o artigo “Quatro exemplos de análise de negócios em ação” da Harvard Business School. No artigo, o autor revela como as empresas usam insights de dados para otimizar o processo de tomada de decisões. O primeiro exemplo do artigo contém um pequeno erro no segundo parágrafo, mas o exemplo ainda é válido. Correção do artigo em negrito abaixo: A equipe do Workplace Analytics da Microsoft levantou a hipótese de que mudar o grupo de 1.200 pessoas de cinco prédios para quatro poderia melhorar a colaboração, com o aumento do número de funcionários por prédio e a redução da distância que a equipe precisava percorrer para comparecer às reuniões. Registro de aprendizado: Considerar como os analistas de dados abordam as tarefas Visão geral Anteriormente, você aprendeu como os analistas de dados de uma organização usaram dados para melhorar a retenção de funcionários. Agora, fará uma anotação em seu registro de aprendizado para captar seus pensamentos e suas reflexões sobre o processo desses analistas de dados e como eles abordaram esse problema. Ao concluir esta atividade, você terá um entendimento mais sólido de como as seis fases do processo de análise de dados podem ser usadas para dividir tarefas e resolver grandes questões. Isso ajudará você a aplicar essas etapas a tarefas de análise futuras e a começar a enfrentar grandes questões por conta própria. Rever as seis fases da análise de dados Antes de fazer uma anotação em seu registro de aprendizado, reflita sobre o estudo de caso anterior. Os analistas de dados queriam usar dados para melhorar a retenção de funcionários. Para fazer isso, eles precisaram dividir esse projeto maior em tarefas gerenciáveis. Os analistas organizaram essas tarefas e atividades em torno das seis fases do processo de análise de dados: 1. Perguntar https://online.hbs.edu/blog/post/business-analytics-examples https://www.coursera.org/learn/fundamentos-dados-dados-em-todos-os-lugares/supplement/nhC19/estudo-de-caso-novas-perspectivas-de-dados 13 2. Preparar 3. Processar 4. Analisar 5. Compartilhar 6. Agir Os analistas fizeram perguntas para definir o problema a ser resolvido e o que seria um resultado bem-sucedido. Em seguida, eles se prepararam, criando um cronograma e coletando dados com pesquisas de funcionários elaboradas para serem inclusivas. Eles processaram os dados, limpando-os para garantir que estivessem completos, corretos, relevantes e sem erros e outliers (dados discrepantes). Eles analisaram os dados limpos da pesquisa com os funcionários. Em seguida, os analistas compartilharam as descobertas e recomendações com os líderes de equipe. Posteriormente, a liderança agiu com os resultados e se concentrou na melhoria das áreas principais. Acessar seu registro de aprendizado Para usar o modelo deste item do curso, clique no link abaixo e selecione “Usar modelo”. Link para o modelo de registro de aprendizado: Considerar como os analistas de dados abordam as tarefas OU Caso você não tenha uma conta do Google, faça o download direto do modelo pelo anexo abaixo. DAC1M1L2R2ATTACHMENT_POR DOCX File Reflexão Reflita sobre o que você aprendeu com o estudo de caso: em seu modelo de registro de aprendizado, escreva de duas a três frases (40 a 60 palavras) respondendo a cada uma das perguntas abaixo: ● Os detalhes do estudo de caso ajudaram a mudar a maneira como você pensa sobre a análise de dados? Por quê sim ou não? ● Você achou algo surpreendente na maneira como os analistas de dados abordaram as tarefas deles? ● O que mais você gostaria de aprender sobre análise de dados? Quando você terminar sua anotação no modelo de registro de aprendizado, salve o documento para que sua resposta fique guardada emum lugar acessível. Isso ajudará você a continuar aplicando a análise de dados na vida cotidiana. Você também poderá acompanhar seu progresso e crescimento como analista de dados. Olá. Meu nome é Cassie e lidero o Decision Intelligence do Google Cloud. O Decision Intelligence é uma combinação de ciência de dados aplicada e ciências sociais e gerenciais. É tudo uma questão de aproveitar o poder e a beleza dos dados. Ajudo o Google Cloud e os clientes a transformar os dados em impacto e a melhorar os negócios e o mundo. Um analista de dados é um explorador, um detetive e um artista, tudo em uma pessoa. A análise é a busca por inspiração. Você não sabe o que vai inspirar você antes de explorar, antes de olhar ao redor. Quando você começa, não tem ideia do que vai encontrar nem se vai encontrar algo. Você tem que mergulhar corajosamente no desconhecido e descobrir o que há nos dados. Há um mito generalizado de que quem trabalha com dados precisa saber tudo sobre eles. Acho que isso não ajuda, porque o universo de dados se expandiu. Ele se expandiu tanto que a especialização se tornou importante. É muito difícil para uma pessoa saber tudo sobre os dados. É por isso que precisamos dessas funções diferentes. O conselho que dou a quem está entrando na área é escolher uma especialização com base em qual espécie, qual tipo de impacto se adapta melhor à sua personalidade. A ciência de dados, disciplina de tornar os dados úteis, é um termo abrangente que inclui três áreas: machine learning, estatística e análise. Elas são separadas por quantas decisões você sabe que quer tomar antes de começar. Se você quiser tomar algumas decisões importantes com incerteza, isso é estatística. Se você quer https://docs.google.com/document/d/1J9N9efx3IJZxlxXBProOld0Ha22pnsKP3ZPSJnIn-UA/template/preview https://d3c33hcgiwev3.cloudfront.net/ADkN5-ItQFK5DefiLVBSCQ_47a08b74bd4f44ffa2720593883e1df1_DAC1M1L2R2ATTACHMENT_POR.docx?Expires=1687046400&Signature=fBCCoH2eHOaYwhbMDXH79staT0ybVNpjtI0LDTJtb98Ox~mGouAIPW82ttZqxoNGpUi2Q1X6DC~XOAhTQScFlrt87Qh5jo5R~w8wozPPPNwmb~5PJi~TH3c5CB27cOwJDX8MXzyVKhPbs9yr-PdV0enliTMB9FF8d4Mcnb3Tp0E_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A https://d3c33hcgiwev3.cloudfront.net/ADkN5-ItQFK5DefiLVBSCQ_47a08b74bd4f44ffa2720593883e1df1_DAC1M1L2R2ATTACHMENT_POR.docx?Expires=1687046400&Signature=fBCCoH2eHOaYwhbMDXH79staT0ybVNpjtI0LDTJtb98Ox~mGouAIPW82ttZqxoNGpUi2Q1X6DC~XOAhTQScFlrt87Qh5jo5R~w8wozPPPNwmb~5PJi~TH3c5CB27cOwJDX8MXzyVKhPbs9yr-PdV0enliTMB9FF8d4Mcnb3Tp0E_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A https://d3c33hcgiwev3.cloudfront.net/ADkN5-ItQFK5DefiLVBSCQ_47a08b74bd4f44ffa2720593883e1df1_DAC1M1L2R2ATTACHMENT_POR.docx?Expires=1687046400&Signature=fBCCoH2eHOaYwhbMDXH79staT0ybVNpjtI0LDTJtb98Ox~mGouAIPW82ttZqxoNGpUi2Q1X6DC~XOAhTQScFlrt87Qh5jo5R~w8wozPPPNwmb~5PJi~TH3c5CB27cOwJDX8MXzyVKhPbs9yr-PdV0enliTMB9FF8d4Mcnb3Tp0E_&Key-Pair-Id=APKAJLTNE6QMUY6HBC5A 14 automatizar, em outras palavras, tomar muitas, muitas decisões com incerteza, isso é machine learning e IA. Mas e se você não souber quantas decisões quer tomar antes de começar? E se o que você estiver procurando for inspiração? Você quer encontrar todos os desconhecidos. Você quer entender o seu mundo. Isso é análise. Quando você pensa em ciência de dados e está escolhendo em qual área se especializar, recomendo seguir sua personalidade. Qual das três excelências da ciência de dados parece mais adequada para você? A excelência das estatísticas é o rigor. Os estatísticos são essencialmente filósofos, epistemólogos. Eles são muito cuidadosos para evitar que os tomadores de decisão cheguem a conclusões erradas. Se esse cuidado e esse rigor são do que você gosta, eu recomendaria a estatística. Desempenho é a excelência do engenheiro de IA e machine learning. Você sabe que essa é a escolha certa se alguém lhe disser: "Aposto que não consegue criar um sistema de automação que execute essa tarefa com precisão de 99,99999%", e sua resposta for: "Então me aguarde". E quanto à análise? A excelência de um analista é a velocidade. Com que rapidez você consegue passar por grandes quantidades de dados para explorá-los e descobrir as joias e os belos insights em potencial que valem a pena conhecer e apresentar aos tomadores de decisão? Qual sua empolgação com a ambiguidade da exploração? Você se empolga com a ideia de trabalhar em muitas coisas diferentes, olhar para muitas fontes de dados diferentes e pensar em grandes quantidades de informações, enquanto se compromete em não ignorar os insights importantes em potencial? Você não se importa de ouvir: "Aqui estão muitos dados. Ninguém olhou para eles antes. Encontre algo interessante."? Você cresce em projetos criativos e abertos? Se essa pessoa for você, a análise provavelmente é a melhor opção para você. Um conselho que dou aos analistas que estão começando nessa jornada é que pode ser muito assustador explorar o desconhecido. Mas sugiro abandonar um pouco qualquer tentação de perfeccionismo e, em vez disso, aproveitar a diversão e a emoção da exploração. Não se preocupe com as respostas certas. Veja como você consegue desembrulhar esse presente rapidamente e descubra se há algo divertido nele. É como se fosse seu aniversário, desembrulhando vários itens. Você gosta de alguns, mas de outros nem tanto. Mas não é divertido saber o que tem ali dentro? COMO COMPREENDER O ECOSSISTEMA DE DADOS Olá de novo. Você já aprendeu como ser um analista de dados e como este programa ajudará você a se preparar para sua futura carreira. Agora, é hora de explorar o ecossistema de dados, descobrir onde a análise se encaixa nesse sistema e revisar alguns equívocos comuns que podem ser encontrados no campo da análise de dados. Simplificando, um ecossistema é um grupo de elementos que interagem entre si. Ecossistemas podem ser grandes, como a selva em uma floresta tropical ou as áreas amplas, não povoadas na Austrália. Ou minúsculos, como girinos em uma poça ou bactérias em sua pele. E, assim como os cangurus e os coalas nas áreas amplas da Austrália, os dados também vivem dentro do próprio ecossistema. Ecossistemas de dados são compostos por vários elementos que interagem entre si para produzir, gerenciar, armazenar, organizar, analisar e compartilhar dados. Esses elementos incluem ferramentas de hardware e software e as pessoas que os usam. Pessoas como você. Os dados também podem ser encontrados em algo chamado nuvem. Nuvem é um lugar para manter os dados online, em vez de no disco rígido de um computador. Em vez de armazenar dados em algum lugar dentro da rede da sua organização, esses dados são acessados pela Internet. Portanto, “nuvem” é apenas um termo que usamos para descrever o local virtual. A nuvem tem um grande papel no ecossistema de dados e, como analista de dados, é seu trabalho aproveitar o poder desse ecossistema, encontrar as informações certas e fornecer à equipe análises que a ajudem a tomar decisões inteligentes. Por exemplo, você pode acessar o banco de dados de sua loja de varejo, que é um ecossistema cheio de nomes de clientes, endereços, compras anteriores e avaliações de clientes. Como analista de dados, você pode usar essas informações para prever o que esses clientes comprarão no futuro e garantir que a loja tenha os produtos e o estoque quando forem necessários. Como outro exemplo, vamos pensar em um ecossistema usado por um departamento de recursos humanos. Esse ecossistema incluiria informações como postagens de sites de empregos, estatísticas sobre o mercado de trabalho atual, taxas de emprego e dados de redes sociais sobre funcionários em potencial. Um analista pode usar essas informações para ajudar a equipe a recrutar novos trabalhadores e melhorar o engajamento e as taxas de retenção dos funcionários. Mas os ecossistemas de dados não são apenas para lojas e escritórios. Eles também funcionam em fazendas. Empresas agrícolas usam regularmente ecossistemas de dados que incluem informações como padrões geológicos em movimentos climáticos. Os analistas podem usar esses dados para ajudar os agricultores a prever aprodutividade das safras. Alguns analistas estão até usando ecossistemas de dados para 15 salvar ecossistemas ambientais reais. No Scripps Institution of Oceanography, os recifes de coral em todo o mundo são monitorados digitalmente para observar como os organismos mudam com o tempo, acompanhar o crescimento deles e medir aumentos ou declínios em colônias individuais. As possibilidades são infinitas. Agora, vamos falar sobre alguns equívocos comuns que você pode encontrar. O primeiro é a diferença entre cientistas e analistas de dados. É fácil confundir os dois, mas o que eles fazem é muito diferente. Ciência de dados é definida como a criação de novas maneiras de modelar e compreender o desconhecido usando dados brutos. É uma boa maneira de pensar nisso. Os cientistas de dados criam novas questões usando dados, já os analistas encontram respostas para questões que já existem criando insights a partir de fontes de dados. Também há muitas palavras e frases que você ouvirá neste curso que são fáceis de confundir. Por exemplo, análise e exploração de dados parecem iguais, mas, na verdade, são muito diferentes. Vamos começar com a análise. Você já aprendeu que a análise de dados é a coleta, transformação e organização de dados para tirar conclusões, fazer previsões e orientar a tomada de decisão informada. A exploração de dados, nos termos mais simples, é a ciência dos dados. É um conceito muito amplo e que abrange tudo, desde o trabalho de gerenciamento e uso de dados até ferramentas e métodos que os profissionais de dados usam todos os dias. Portanto, quando você pensa em dados, análise de dados e ecossistema de dados, é importante entender que tudo isso se encaixa no termo mais amplo da exploração de dados. Agora que você sabe um pouco mais sobre o ecossistema de dados e as diferenças entre análise e exploração de dados, está pronto para ver como os dados são usados para tomar decisões eficazes. Você verá em ação a tomada de decisão com base em dados. Até agora, você descobriu que há muitas maneiras diferentes de usar os dados. Em nossa vida cotidiana, utilizamos dados quando usamos um monitor de atividades físicas ou lemos avaliações de produtos para tomar uma decisão de compra. Nos negócios, usamos dados para aprender mais sobre nossos clientes, melhorar processos e ajudar os funcionários a fazerem o trabalho com mais eficácia. Mas essa é apenas a ponta do iceberg. Uma das melhores formas de colocar dados em ação é a tomada de decisões com base em dados. Ela é definida como o uso de fatos para orientar a estratégia de negócios. Organizações em muitos setores diferentes têm autonomia para tomar decisões melhores e com base em dados por parte de analistas de dados o tempo todo. A primeira etapa na tomada de decisões com base em dados é descobrir do que a empresa precisa. Normalmente, esse é um problema que precisa ser resolvido. Por exemplo, um problema pode ser uma nova empresa que precisa estabelecer um melhor reconhecimento de marca para competir com concorrentes mais conhecidos. Ou talvez uma organização queira melhorar um produto e precise descobrir como conseguir peças de um fornecedor mais sustentável ou eticamente responsável. Ou pode ser uma empresa tentando resolver problemas de insatisfação de funcionários, baixos níveis de engajamento, satisfação e retenção. Seja qual for o problema, uma vez definido, um analista de dados encontra os dados, os analisa e usa para descobrir tendências, padrões e relações. Às vezes, a estratégia com base em dados usará o que funcionou no passado. Outras vezes, pode orientar uma empresa a seguir em uma direção totalmente nova. Vejamos um exemplo real. Pense em um serviço de streaming de músicas ou filmes. Como essas empresas sabem o que as pessoas querem assistir ou ouvir e como oferecem isso? Com a tomada de decisão com base em dados, elas reúnem informações sobre o que os clientes estão ouvindo no momento, analisam e depois usam os insights que conseguiram para fazer sugestões que as pessoas provavelmente vão gostar no futuro. Isso mantém os clientes felizes e os estimula a voltar para ver mais, o que, por sua vez, significa mais receita para a empresa. Outro exemplo de tomada de decisão com base em dados é o surgimento do comércio eletrônico. Não faz muito tempo, a maioria das compras era feita em uma loja física, mas os dados mostravam que as preferências do público estavam mudando. Então, muitas empresas criaram modelos de negócios totalmente novos, que removiam a loja física e permitiam que as pessoas comprassem diretamente em computadores ou celulares, com os produtos entregues na porta de casa. Na verdade, a tomada de decisões com base em dados pode ser tão poderosa que pode deixar obsoletos métodos de negócios inteiros. Por exemplo, os dados ajudaram empresas a se afastar completamente dos telefones com fio e substituí-los por celulares. Ao garantir que os dados sejam incorporados a todas as estratégias de negócios, os analistas de dados têm um papel essencial no sucesso das empresas, mas é importante observar que, não importa o valor da tomada de decisão com base em dados, só os dados nunca serão tão fortes quanto dados combinados com a experiência, a observação e, às vezes, até a intuição humana. Para aproveitar a tomada de decisão com base em dados, é importante incluir insights de pessoas familiarizadas com o problema da empresa. Essas pessoas são chamadas de especialistas no assunto e têm a capacidade de examinar os resultados da análise de dados e identificar inconsistências, compreender as áreas indefinidas e, por fim, validar as escolhas feitas. Organizações assim colocam os dados no centro de todas as 16 estratégias de negócios, mas também aproveitam os insights da própria equipe. Nesse cenário, todos ganham. Como analista de dados, você tem o papel fundamental de fazer essas organizações tomarem decisões com base em dados, por isso é tão importante que você entenda o papel dos dados no processo de tomada de decisão. Dados e instinto Detetives e analistas de dados têm muito em comum. Os dois grupos dependem de fatos e pistas para tomar decisões. Ambos coletam e examinam as evidências. Os dois conversam com pessoas que conhecem parte da história. E ambos podem até seguir algumas pistas para ver aonde elas levam. Seja você um detetive ou um analista de dados, seu trabalho consiste em seguir etapas para coletar e compreender fatos. Os analistas usam a tomada de decisões com base em dados e seguem um processo passo a passo. Você aprendeu que há seis etapas nesse processo: 1. Fazer perguntas e definir o problema. 2. Preparar os dados, coletando e armazenando as informações. 3. Processar os dados, limpando e verificando as informações. 4. Analisar os dados para encontrar padrões, relações e tendências. 5. Compartilhar dados com seu público. 6. Agir com base nos dados e usar os resultados da análise. No entanto, há outros fatores que influenciam o processo de tomada de decisões. Você pode ter lido histórias de mistério em que o detetive usava o instinto e seguia um palpite que o ajudava a resolver o caso. Instinto é uma compreensão intuitiva de algo com pouca ou nenhuma explicação. Nem sempre isso é algo consciente. Com frequência, captamos os sinais sem nem perceber. Você apenas tem uma “sensação” de que tem razão. Por que o instinto pode ser um problema Os dados estão no centro da tomada de decisões com base em dados. Portanto, é essencial que os analistas de dados se concentrem nos dados para garantir que tomem decisões informadas. Se você ignorar os dados, preferindo tomar decisões com base na própria experiência, elas poderão ser tendenciosas. Mas, pior ainda, decisões com base no instinto e sem nenhum dado para apoiá-las podem causar erros. Pense no exemplo de uma licitação de uma incorporadora imobiliária para reconstruir uma parte do distrito central de uma cidade. Ela era conhecida pela preservação de edifícios históricos. Com base na reputação que tinha, os planejadores da agência seguiram o instinto e incluíram a preservaçãode vários edifícios para conseguir apoio e aprovação para o projeto. No entanto, as doações privadas ficaram aquém e nenhuma parceria chegou a tempo para resolver a situação. Depois de muito atraso e uma cara disputa com a cidade, os edifícios tiveram de ser demolidos. Quanto mais você entender os dados relacionados a um projeto, mais fácil será descobrir o que é necessário. Esses esforços também ajudarão a identificar erros e lacunas nos dados para conseguir comunicar as descobertas com mais eficácia. Às vezes, a experiência anterior ajuda você a fazer uma conexão que ninguém mais notaria. Por exemplo, um detetive pode resolver um caso porque se lembra de outro antigo igual ao que está resolvendo no momento. Isso não é apenas instinto. 17 Dados + conhecimento dos negócios = mistério resolvido Combinar dados com conhecimento de negócios e talvez com um toque de instinto será uma parte comum do seu processo como analista de dados júnior. A chave é descobrir a combinação exata para cada projeto específico. Muitas vezes, isso dependerá das metas de sua análise. É por isso que os analistas costumam perguntar: “Como posso definir o sucesso desse projeto?”. Além disso, tente fazer estas perguntas sobre um projeto para ajudar a encontrar o equilíbrio perfeito: ● Que tipo de resultado é necessário? ● Quem será informado? ● Estou respondendo à pergunta que está sendo feita? ● Com que rapidez uma decisão precisa ser tomada? Por exemplo, se você estiver trabalhando em um projeto urgente, talvez precise confiar em seu próprio conhecimento e em sua experiência mais do que o normal. Não há tempo suficiente para analisar completamente todos os dados disponíveis. No entanto, se você tiver um projeto que envolva muito tempo e recursos, a melhor estratégia será se basear mais nos dados. Cabe a você, como analista de dados, fazer a melhor escolha possível. Provavelmente, você combinará dados e conhecimento de um milhão de maneiras diferentes ao longo da carreira em análise de dados. Quanto mais você praticar, melhor encontrará a combinação perfeita. Origens do processo de análise de dados Quando você decidiu aderir a este programa, provou ser uma pessoa curiosa. Portanto, vamos explorar sua curiosidade e falar das origens da análise de dados. Não sabemos totalmente quando ou por que a primeira pessoa decidiu registrar dados sobre pessoas e coisas. Mas sabemos que isso foi útil, porque a ideia existe ainda hoje. Também sabemos que as raízes da análise de dados estão na estatística, que também têm uma história longa. Os arqueólogos consideram a construção das pirâmides, no antigo Egito, como o início da estatística. Os egípcios antigos eram mestres na organização de dados. Eles documentaram os cálculos e as teorias em papiros (materiais semelhantes a papel), que agora são vistos como os primeiros exemplos de planilhas e listas de verificação. Os analistas de dados atuais devem muito a esses escribas brilhantes, que ajudaram a criar um processo mais técnico e eficiente. É hora de entrar no ciclo de vida da análise de dados, o processo de ir dos dados à decisão. Os dados passam por várias fases conforme são criados, consumidos, testados, processados e reutilizados. Com um modelo de ciclo de vida, todos os principais membros da equipe podem alcançar o sucesso, planejando o trabalho tanto no início quanto no fim do processo de análise de dados. O ciclo de vida da análise de dados é bem conhecido entre os especialistas, mas não existe uma única estrutura definida dessas fases. Pode não haver uma única arquitetura uniformemente seguida por todos os especialistas em análise de dados, mas há alguns fundamentos compartilhados em todos os processos de análise de dados. Neste texto, fornecemos uma visão geral de vários deles, começando com o processo que constitui a base do Certificado de Análise de Dados do Google. O processo apresentado como parte do Certificado de Análise de Dados do Google é valioso à medida que você avança na carreira: 1. Perguntar: pergunta/objetivo/desafio de negócios 18 2. Preparar: geração, coleta, armazenamento e gerenciamento de dados 3. Processar: limpeza/integridade de dados 4. Analisar: exploração, visualização e análise de dados 5. Compartilhar: comunicação e interpretação de resultados 6. Agir: aplicação dos insights com o objetivo de resolver o problema Compreender esse processo (e todas as iterações que ajudaram a torná-lo conhecido) será uma grande parte na orientação de sua própria análise e de seu trabalho neste programa. Vamos examinar algumas outras variações do ciclo de vida da análise de dados. Ciclo de vida da análise de dados da EMC O ciclo de vida da análise de dados da EMC Corporation é cíclico, com seis etapas: 1. Descoberta 2. Pré-processamento de dados 3. Planejamento de modelo 4. Criação de modelos 5. Comunicação dos resultados 6. Operacionalização A EMC Corporation agora é Dell EMC. Este modelo, criado por David Dietrich, reflete a natureza cíclica dos projetos reais. As fases não são marcos estáticos: cada etapa se conecta e leva à próxima e, no fim das contas, se repete. As perguntas-chave ajudam os analistas a testar se realizaram o suficiente para seguir em frente e garantir que as equipes tenham passado tempo suficiente em cada uma das fases e não comecem a modelar antes de os dados ficarem prontos. É um pouco diferente do ciclo de vida da análise de dados em que este programa se baseia, mas tem algumas ideias centrais em comum: a primeira fase está interessada em descobrir e fazer perguntas, os dados precisam ser preparados antes de serem analisados e usados, e então as descobertas precisam ser compartilhadas e colocadas em prática. Para mais informações, consulte A gênese do ciclo de vida da análise de dados da EMC. Ciclo de vida iterativo da SAS Um ciclo de vida iterativo foi criado por uma empresa chamada SAS, uma provedora de soluções de análise de dados líder no mercado. Ele pode ser usado para produzir resultados repetíveis, confiáveis e preditivos: 1. Perguntar 2. Preparar 3. Explorar 4. Modelar 5. Implementar 6. Agir 7. Avaliar O modelo SAS enfatiza a natureza cíclica do modelo, visualizando-o como um símbolo de infinito. O ciclo de vida dele tem sete etapas, muitas das quais vimos em outros modelos, como Perguntar, Preparar, Modelar e Agir. Mas esse ciclo de vida também é um pouco diferente. Ele inclui uma etapa após a fase de ação, desenvolvida para ajudar os analistas a avaliar as soluções e, potencialmente, retornar de novo à fase das perguntas. Para mais informações, consulte Como gerenciar o ciclo de vida da análise para decisões em escala. Ciclo de vida da análise de dados com base em projeto Um ciclo de vida da análise de dados com base em projeto tem cinco etapas simples: 1. Identificação do problema https://infocus.delltechnologies.com/david_dietrich/the-genesis-of-emcs-data-analytics-lifecycle/ https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/manage-analytical-life-cycle-continuous-innovation-106179.pdf 19 2. Desenvolvimento dos requisitos de dados 3. Pré-processamento de dados 4. Execução da análise de dados 5. Visualização dos dados Esse ciclo de vida do projeto de análise de dados foi desenvolvido por Vignesh Prajapati. Não inclui a sexta fase, ou o que chamamos fase da ação (Agir). No entanto, ainda aborda muitas das mesmas etapas dos ciclos de vida que já descrevemos. Ele começa com a identificação do problema e a preparação e o processamento dos dados antes da análise e termina com a visualização dos dados. Para mais informações, consulte Como compreender o ciclo de vida do projeto da análise de dados. Ciclo de vida da análise de big data Os autores Thomas Erl, Wajid Khattak e Paul Buhler propuseram um ciclo de vida da análise de big data no livro Big Data Fundamentals: Concepts, Drivers & Techniques. O ciclo de vida deles sugere fases divididas em nove etapas: 1. Avaliação do caso de negócios 2. Identificação dos dados 3. Aquisição e filtragem dos dados 4. Extração dos dados 5. Validação e limpeza dos dados6. Agregação e representação dos dados 7. Análise dos dados 8. Visualização dos dados 9. Utilização dos resultados da análise Esse ciclo de vida parece ter três ou quatro etapas a mais do que os modelos de ciclo de vida anteriores. Mas, na realidade, eles apenas dividiram o que chamamos de fases “Preparar” e “Processar” em etapas menores. Isso enfatiza as tarefas individuais necessárias para coletar, preparar e limpar os dados antes da fase de análise. Para mais informações, consulte Considerações sobre adoção e planejamento de Big Data. Principal conclusão De nossa jornada até as pirâmides e os dados do antigo Egito até agora, a forma como analisamos os dados evoluiu (e continua evoluindo). O processo de análise de dados é como a arquitetura da vida real: há diferentes maneiras de realizar as tarefas, mas as mesmas ideias centrais ainda aparecem em cada modelo do processo. Quer você use a estrutura deste Certificado de Análise de Dados do Google, quer use uma das muitas outras iterações que aprendeu, estamos aqui para ajudar a continuar em sua jornada de dados. EXPECTATIVAS DO PROGRAMA E USO ADEQUADO DO FÓRUM DE DISCUSSÃO Abordamos muita coisa. Tenho certeza de que você já tem muito em que pensar. Isso é bom. Significa que você começou a coletar dados e está fazendo sua própria análise pessoal. É disso de que se trata. Você já criou uma ótima base. Enquanto este curso continua, seu conhecimento e suas habilidades de análise de dados continuarão a crescer. Depois de estabelecer uma base sólida, você aplicará o que aprendeu no restante do programa. O processo de análise de dados ajudará a fornecer uma estrutura para tudo o que você fizer. Em breve, você fará sua primeira avaliação que vale nota. É um ótimo jeito de verificar seu entendimento sobre os conceitos e aumentar a confiança em seu conhecimento. Todo mundo aprende em velocidades diferentes. http://pingax.com/understanding-data-analytics-project-life-cycle/ https://www.informit.com/articles/article.aspx?p=2473128&seqNum=11&ranMID=24808 20 Portanto, não tenha pressa. Familiarize-se com os conceitos. Assim que se sentir pronto, poderá prosseguir e começar. Lembre-se de que, se em algum momento você não tiver certeza sobre uma pergunta, poderá sempre revisar os vídeos e textos para se lembrar da resposta. Aqui, todos os testes são com consulta. Depois de passar, você estará pronto para seguir em frente. Você consegue. Antes que você perceba, terá concluído todos os cursos e estará pronto para criar seu próprio estudo de caso. Então, se quiser fazer isso, começará sua busca por emprego, com as ferramentas e habilidades que impressionarão qualquer empresa com a qual converse. Mal posso esperar para ver aonde você chegará com a análise de dados. Por enquanto, orgulhe-se do trabalho bem feito. Vejo você em breve. Pesquisas do programa Durante este programa, você precisará responder a algumas pesquisas curtas. Elas fazem parte de um estudo para compreender a eficácia do certificado para você. Veja abaixo um resumo do que cada pesquisa abordará. Sua participação na pesquisa é opcional, mas muito útil para tornar este curso o mais eficaz possível. Não há respostas corretas, e suas respostas e dados pessoais: ● não afetarão de forma alguma sua experiência, nota ou capacidade de receber um certificado ou trabalho no curso; ● serão mantidos confidenciais, com seu nome separado dos seus dados; ● Não serão compartilhados fora de nossa equipe de pesquisa, exceto se você permitir o compartilhamento das informações de contato com parceiros de contratação. Agradecemos sua consideração e seu tempo! Pesquisa de entrada A seguir, você terá a oportunidade de responder a uma breve pesquisa para nos ajudar a entender por que você se inscreveu neste programa de certificação. Se não preencher agora, você receberá um convite para fazer isso após concluir uma palestra ou atividade. A pesquisa perguntará sobre sua experiência antes do curso e as metas que você pretende alcançar. Essa informação é essencial para atendermos às necessidades de alunos como você e continuarmos oferecendo este programa no futuro. Feedback individual do curso Depois de completar a última atividade que vale nota de um curso, talvez você receba uma solicitação para responder a uma pesquisa que retoma as questões anteriores e pergunta o que você aprendeu até aquele ponto no programa. Mais uma vez, o preenchimento dessas informações é voluntário, mas muito benéfico para o programa e os futuros alunos. Pesquisa de conclusão da certificação Depois de concluir a última atividade que vale nota no curso final da certificação, você receberá uma solicitação para responder a uma pesquisa que retoma algumas questões anteriores e pergunta o que você aprendeu ao longo do programa. Essa pesquisa também pergunta se você gostaria de compartilhar informações de contato com possíveis empregadores. O preenchimento da pesquisa e o compartilhamento das informações de contato com possíveis empregadores são totalmente opcionais. Novamente, participar da pesquisa ou compartilhar informações com futuros empregadores não afetará de maneira alguma sua experiência, nota ou capacidade de receber um certificado ou trabalho no curso. 21 Fóruns de discussão Visão geral Trabalhar bem com seus colegas de classe é uma parte importante de um curso on-line. No início deste curso, guarde um tempo para “quebrar o gelo” e conhecer os colegas usando as solicitações e os fóruns de discussão. As solicitações de discussão são itens do curso com conversas associadas nos fóruns de discussão. Quando você responde a uma solicitação de discussão, sua resposta vai para o fórum associado, ao lado das respostas de seus colegas. Estabelecer uma interação pessoal com outros alunos fará sua experiência de aprendizado on-line muito mais agradável e envolvente. Recomendamos que você use os fóruns para aprofundar seu aprendizado e seus relacionamentos com os colegas. Conhecer os colegas Como você deve começar? Conte a todos um pouco sobre você! Em seguida, leia algumas das publicações de seus colegas. Escolha pelo menos duas publicações que sejam mais interessantes para você e inclua uma resposta amigável ou encorajadora. Você pode acessar o fórum de discussão e clicar no botão “Nova conversa” para iniciar uma nova conversa. Também é possível acessar a solicitação de discussão “Conhecer os colegas” para incluir sua história introdutória. Como atualizar seu perfil Além disso, considere atualizar seu perfil, que pode ser acessado clicando no link “Perfil”. O link para isso aparece no menu quando você clica no seu nome, no canto superior direito da tela. Quando os colegas encontram você nos fóruns de discussão, eles podem clicar no seu nome para ver seu perfil completo e conhecer você melhor. Como apoiar postagens Ao entrar no fórum de discussão do seu curso, você encontrará um botão de apoio abaixo de cada postagem. Recomendamos que você apoie as postagens que considerar interessantes ou úteis. Essa é a melhor maneira de garantir que postagens de qualidade sejam lidas por outros alunos no curso. Apoiar uma postagem também aumentará a probabilidade de que questões importantes sejam abordadas e respondidas. Como denunciar abusos O Código de Conduta do Coursera proíbe: https://www.coursera.org/learn/fundamentos-dados-dados-em-todos-os-lugares/discussions https://www.coursera.org/learn/fundamentos-dados-dados-em-todos-os-lugares/discussionPrompt/5a0P9/conhecer-os-colegas https://www.coursera.org/account/profile 22 ● intimidar ou ameaçar outros usuários; ● postar spam ou conteúdo promocional; ● postar conteúdos adultos; ● postar soluções para atividades (ou outras violações do Código de Honra). Denuncie as postagens que violem direitos autorais, sejam abusivas, ofensivas ou que violem de alguma forma o Código de Honra do Coursera. Você pode denunciar postagens usando a opção “Denunciar isto” encontrada na seta do menu à direita de cada postagem. Como seguir Se você achar uma conversa específica interessante, clique no botão Seguir
Compartilhar