A era do dataísmo e os próximos passos do marketing

O dataísmo é a nova religião dos dados. No passado acreditava-se muito nos princípios da fé para ter respostas às angústias que nos cercavam. Agora os poderosos algoritmos nos dão encaminhamento para as respostas. Alguns usam as estatísticas assim como os bêbados, mais para apoio do que para iluminação.

Antes eu estimava o tempo que levaria para me locomover de A para B, hoje tenho o tempo exato. Antes recorria à intuição dos mais velhos para saber se ocorreria uma chuva durante o dia, hoje tenho a previsão exata se isto acontecerá. Antes fazia minhas orações para não ser acometido por uma doença grave, hoje os testes de DNA fazem análises preditivas. Quando queríamos saber alguma informação para nos ajudar a decidir, recorríamos antigamente ao professor, ao chefe e até ao padre da paróquia. Tínhamos como base de conhecimento as grandes religiões, como o Cristianismo, o Hinduísmo, o Budismo e o Islamismo.

Não sou mais um profissional de marketing, hoje sou um profissional de Matemarketing, minha vida é sufocada por dados. No passado quando encontrava os meus pares de mercado, a pergunta mutua que me faziam era: qual é a sua agência de publicidade?  Hoje perguntamos: quais são as martechs que estão plugadas no seu negócio? Todas as martechs tem no seu DNA algoritmos potentes que geram dados, que por sua vez geram informações, que por sua vez geram a big idea.

A sequência é mais ou menos essa: Biga Data, Data, Small data, insight.  No período da big ideia pura, para aprovar uma campanha havia necessidade de muitas autorizações, assinaturas e carimbos dando autenticidade de que a ideia havia sido aprovada. Era um vai vem de papel, pranchas, assinaturas, etc. Hoje é muito comum o analista fazer uma campanha nas redes sociais, ninguém viu, ninguém aprovou e ninguém opinou. Ela impacta 1 milhão de pessoas, geram milhões de impressões, click views e centenas de clientes interessados etc. Com custo de aquisição de cliente e prospect, e acuracidade de 06 casas depois da vírgula. Tudo é absolutamente mensurado. Acabou a era dos palpiteiros de plantão.

Estamos vivendo a era do Dataísmo, a nova religião de dados, tudo se explica através de números. Os profissionais de marketing e comunicação que não acordarem para esta nova realidade estão fora da arena de negócios. Independentemente da carreira que atuamos, todos deveremos ser proficientes em competências analíticas, sobretudo os profissionais de humanas que passaram e ter que incorporar essa nova habilidade no seu grid. Ouso afirmar que o Big Data adquiriu um protagonismo significativo nos últimos anos a ponto de parear com o big ideia, no entanto um não vive sem o outro. Profissionais de humanas, bem-vindos ao mundo de exatas.

Fonte: Consumidor Moderno

Análise de dados auxilia no crescimento das marcas

Atualmente, nenhuma ação de comunicação de sucesso existe sem o uso de dados. Estamos em tempos de real time marketing, onde as marcas precisam se movimentar de acordo com os movimentos dos seus concorrentes e dos consumidores. Para isso, é importante monitorar a todo tempo informações que de alguma forma ajudem na concepção de soluções e estratégias de comunicação.

Ter sucesso no mercado é basicamente vender um produto ou serviço. E quando se analisa o ambiente competitivo, com muitos players e diversos canais para comunicação, ter visibilidade é essencial para impulsionar as vendas. Pensando nisso, reunimos opiniões de diversos especialistas de comunicação que relataram a importância de usar a análise de dados como trampolim para os negócios. Confira!

Mensuração de dados
Para os anunciantes, analisar dados é ideal para ter maior precisão nas compras de mídia e consequente na avaliação de resultados. Segundo Celso Vergeiro, CEO da Adstream, o cruzamento de informações como compra de mídia, valores investidos, exibição e audiência da mídia veiculada, é possível avaliar cada campanha, se os resultados esperados foram atingidos e até mudar o plano de voo caso os resultados não estejam sendo alcançados. “Muitas marcas utilizam ferramentas de medição, mas ainda pouco precisas. Quanto mais informação conseguirmos cruzar por meio dos relatórios analíticos, mais eficientes serão as campanhas” completa.

Análise da concorrência
Entender o posicionamento da sua empresa utilizando dados disponíveis no mercado a seu favor torna a tomada de decisão muito mais assertiva. “Mais do que monitorar o mercado é de suma importância analisar o comportamento da concorrência como forma de entender o que mais está funcionando em suas estratégias de comunicação. Você pode e deve usar estas evidências como forma de se diferenciar em seu mercado, tomando ações corretivas, embasadas e de maneira ágil. Como já diz algumas das máximas da administração: o que não pode ser medido não pode ser gerenciado!”, explica Eduardo Prange, CEO da Zeeng.

Comportamento do consumidor
O Analytics é uma ferramenta crucial para o entendimento do comportamento do consumidor nos meios digitais. Saber o que desperta seu interesse, quais as principais páginas e ações dentro de um site. Mas vai além disso, é importante entender também como o conteúdo é consumido, por qual canal, por quanto tempo, que tipo de assunto tem mais aderência. “Compreender os objetivos do consumidor é essencial para saber o que o marketing irá perseguir. Pensar nas pessoas não como um número, mas como parte integrante da engrenagem do sucesso das estratégias”, afirma Hérica Machado, Head de Performance da DIWE, primeira agência de profound marketing do país. “De maneira prática podemos usar como exemplo uma análise simples, mas que muda toda a maneira de pensar uma estratégia, que é entender qual o principal dispositivo de acesso ao seu site. Em um cenário que o mobile tenha uma parcela maior de acessos, o planejamento deve ser feito com o pensamento “mobile first”, campanhas, formatos e ações devem conversar diretamente com esse dispositivo. Por outro lado, entender se existe apenas volume por esse dispositivo mas não qualificação, ou seja, pelo Analytics, podemos acompanhar se o tráfego é qualificado e isso dá insumos para traçar planos de ação que possam aumentar essa qualidade. Todas essas características influenciam na maneira de consumo de informação e em como podemos otimizar a comunicação com o público aumentando a visualização da marca”, finaliza Hérica.

Pesquisa inédita revela como C-levels brasileiros utilizam dados para tomada de decisão

Quanto maior a empresa, maior a utilização de dados na tomada de decisão. Contudo, a ferramenta escolhida para a elaboração dos dados e as áreas que demandam mais informações diferem bastante e demonstram que muitas organizações podem estar trabalhando com o ‘achismo’.

Essas informações fazem parte da pesquisa inédita sobre  Como utilizar dados para tomada de decisão, apresentada com exclusividade durante um painel no Digitalks Executive by PwC, no dia 24 de abril, em São Paulo, que contou com a participação de Edu Neves, do Reclame Aqui, Felipe Schepers, da Opinion Box, Gabriela Manzini, do Digitalks, João Ciaco, ex-FCA (Fiat Chrysler Automotive), e Reinaldo Nogueira, da BSP (Business School São Paulo), do grupo Anhembi Morumbi.

A pesquisa realizada pelo Digitalks, em parceria com o Opinion Box, foi composta por 800 entrevistas online com gerentes, diretores, C-levels e presidentes de empresas a partir de 50 funcionários em todo o país.

Segundo Felipe Schepers, COO do Opinion Box, entre os desafios levantados na pesquisa estão a implantação de uma cultura de trabalhar com dados nas empresas, deixando de lado o achismo, além de avaliação e testes frequentes dos dados recebidos. “Sozinhos, sem uma avaliação mais profunda, os dados não dizem nada. Também é preciso saber quais são mais relevantes ou fundamentais, abordá-los por vários aspectos diferentes e testá-los com frequência, sempre pensando no futuro da empresa”, esclarece Felipe.

Na pesquisa, as áreas administrativas (58%), de vendas (47%), de TI (41%), de operações (38%), de produtos (33%) e marketing (33%) são as que mais fazem relatórios, com frequência diária (36%), semanal (44%), mensal (16%) e até a cada três meses ou com menor periodicidade (4%).

O uso de Excel varia de acordo com o porte da empresa, sendo 75% de utilização em empresas com 50 a 99 funcionários, 77% entre 100 a 499, 64% entre 500 e 999, e 61% a partir de 1.000 colaboradores. Enquanto 71% dos entrevistados utilizam o Excel, 22% adotam o Google Data Studio, 20% empregam outras ferramentas de BI, 17% o Google Sheets, 16% Power BI, 8% Tableau, 4% não souberam responder enquanto 2% utilizam outras.

Sua empresa tem muitos, poucos ou nenhum dado?

Os entrevistados foram questionados sobre o volume de dados que suas empresas têm de cara área. 76%  das empresas consideram ter muitos dados da área de vendas. Em seguida vem os dados de produção, gerados em grande volume em 72% das empresas. Dados sobre o mercado em geral e sobre a satisfação do cliente empatam em terceiro lugar, com 61%. Em menor volume as empresas também têm muitos dados sobre comportamento do consumidor e sobre a satisfação da equipe (57% cada), seguidos pelos dados sobre a concorrência (52%) e as buyer personas da empresa (40%).

No tocante a dados X decisões, as empresas que utilizam dados para basear suas decisões as tomam de forma mais inteligente segundo 82% dos entrevistados. No entanto, 75% gostariam que a empresa utilizasse mais dados para tomar decisões e 36% têm dificuldades em acompanhar relatórios de dados e métricas, o que demonstra que, na prática, boa parte das empresas se consideram data-driven, mas não necessariamente o são de fato, segundo explicou Schepers

Entre os principais desafios apontados pelas organizações, 22% esperam encontrar profissionais qualificados em análise de dados, 19% querem manter a periodicidade de atualização, 18% pretendem implantar uma cultura de gestão de dados, 14% pretendem coletar dados de forma sistemática, 12% querem aprovar orçamento para contratar ferramentas, 9% gostariam de compreender os dados coletados, 5% acreditam não ter desafios e 1% não vê importância nisso.

Durante o painel, após a apresentação da pesquisa, Edu Neves, do Reclame Aqui, disse que a pergunta errada resulta em dados errados, ou seja, o problema pode ser o viés. “É preciso ser outsider. Embora os dados sejam coletados por ferramentas, devem ser vistos e avaliados por seres humanos”, concluiu.

Para João Ciaco, que recém saiu da FCA, o desafio é trabalhar modelos e processos em tempo real e também tomar decisão dessa forma. “Como a quantidade de dados é muito grande, o que faz a diferença é a agilidade. Mais do que isso, tem que ter olhar crítico com tudo que recebe. Os desafios são a quebra de paradigmas e a geração de novos pensamentos e dados para ter resultados”, conclui.

Reinaldo Nogueira, da BSP, acredita que o profissional ficou hermético. “É fundamental saber qual é a pergunta de negócios que tem que ser respondida, entender exatamente o que se quer e não esperar que o time de dados resolva. As pessoas querem muito estar lá na frente, mas quando olham internamente descobrem que a empresa ainda está no ambiente 1.0, o que acontece em várias empresas de diferentes segmentos em todo o mundo”, completa.

Para finalizar, Gabriela Manzini, do Digitalks, esclareceu que os dados trazem informações para balizar decisões, mas a empresa tem suas raízes, sua linha de atuação e precisa se pautar também por tendências sociais e de mercado por isso os dois pilares (Dados e Tendências) têm que andar juntos, sempre pensando a longo prazo.

Fonte: Digitalks

A inteligência artificial e os dados reais

A tecnologia não existe “no vácuo”, mas é fruto de escolhas sociais: uma combinação entre comportamentos, mercados e processos históricos muito mais complexa que as mais recentes “redes neurais”. Como ficam então os avanços nas áreas de análise de dados e inteligência artificial combinados com mudanças demográficas, conscientização crescente sobre a importância dos dados pessoais, crise ambiental e economia nacional estagnada? A resposta (que eu não tenho) para esta pergunta vai ser o “make or break” dos anunciantes e agências nos próximos anos no Brasil.

Nossa renda per capita ainda não se recuperou do estrago da última recessão, e tudo indica que mesmo com a aprovação de uma reforma razoável da Previdência, o fluxo de investimento necessário para gerar emprego e renda em um volume suficiente para crescermos de forma sustentada (3% – 4% ao ano) não vai se materializar tão cedo, mesmo se não tivermos grandes sustos no cenário internacional (um dos melhores estudos recentes sobre o tema foi publicado pelo FMI, “Brazil: Boom, Bust and the Road to Recovery”. A produtividade do trabalhador brasileiro é baixa e está praticamente estagnada nas últimas três décadas. A reversão deste quadro exige investimentos maciços em educação e infraestrutura, que não maturam em menos de cinco ou dez anos.

Neste cenário, podemos esperar um investimento crescente das marcas em promoções e formatos de publicidade mais direta. Segundo Marc Pritchard, CMO da P&G, em recente conferência da Associação Americana de Anunciantes, estamos assistindo uma “mudança de visualização em massa para alcance em massa, com uma precisão crescente”. O contato direto via plataformas digitais permite a obtenção de dados mais personalizados, que por sua vez alimentam a geração de conteúdo de maneira “autorreplicável” pelo consumidor. De acordo com o executivo, isso explica o melhor resultado de vendas da empresa nos últimos cinco anos, apesar de uma redução de 6% na verba de comunicação.

Não por acaso, os produtos que mais tendem a se beneficiar destes formatos são os consumidos pela parcela mais jovem da população e que também demonstram um apelo ao meio ambiente (o caso exemplar na P&G, segundo Pritchard, foi o da Pampers Pure, feita com algodão ecológico por meio de uma cadeia de fornecedores certificada, que em menos de um ano alcançou a liderança no segmento nos EUA).

Neste ambiente, não apenas a coleta de dados, mas também seu tratamento e sua contextualização são um fator decisivo para atingir a vantagem competitiva. Em um livrinho bastante interessante, “Information, a very short introduction”, o professor de Oxford Luciano Floridi menciona o conceito de “pequenos padrões”, familiar para todos nós que trabalhamos com publicidade: metade dos seus dados é lixo, o problema é saber qual metade, uma vez que a série de pontos da outra metade, se agregados, se tornam fortes preditores de comportamento. O valor deste tipo de conhecimento só vai aumentar na medida em que os consumidores e o ambiente regulatório tornarão cada vez mais complexo o uso de dados pessoais — a oportunidade da sua obtenção será cada vez “custosa” em termos da confiança no relacionamento com a marca.

Mas o grande desafio é “materializar” a informação sobre o consumidor em produtos e serviços, e aqui entram a inteligência artificial e as novas técnicas de desenvolvimento de projetos (debaixo do guarda-chuva das metodologias ágeis), produção e aprendizado organizacional. Em um contexto brasileiro de baixo crescimento de mercado e crescente pressão por resultados, se as agências não desenvolverem estas habilidades ou pelo menos conectarem seus clientes com quem as possui, veremos cada vez mais os anunciantes internalizando essas funções ou recorrendo a outras organizações que dominem essas competências (sim, me refiro às consultorias, entre outras).

Obviamente não existe uma receita de bolo, mas quando acompanho os casos bem (e mal) sucedidos de evolução digital no Brasil aqui na GV, verifico que o ponto em comum, além do decisivo apoio do CEO, é a criação de uma cultura de decisões baseadas em dados capaz de se impor sobre o processo tradicional de “silos de competências” (algumas vezes essa cultura precisa ser construída de forma quase clandestina, para então ser incorporada pelas demais áreas).

Se este ainda é um tema periférico na sua empresa, melhor ficar de olho: com a entrada de novos mecanismos regulatórios (a Lei Geral de Proteção de Dados, que vai vigorar a partir de agosto do ano que vem) e o cenário cada vez mais acirrado pela disputa do consumidor, pensar em maneiras de implantar esta cultura de dados sem muitos investimentos de capital será um grande desafio. Um primeiro passo que tenho recomendado é partir da seguinte pergunta: qual a experiência média que nosso consumidor espera e vai encontrar no mercado em cinco ou dez anos? Se você parar para pensar, vai ver que boa parte da proposta de valor para atender esse cliente passa por maior personalização, velocidade e custo. Concentre seus esforços de coleta de dados em cima de relações de causa e efeito dessas variáveis — é aí que aparecerão as primeiras lacunas sobre as quais sua empresa deve atuar.

Fonte: Meio&Mensagem

10 principais certificações para se tornar um expert em ciência de dados

Uma pesquisa da Gallup para o Fórum de Negócios de Educação Superior mostra que, em 2021, 69% dos empregadores esperam dar preferência a candidatos com habilidades de análise e ciência de dados. No entanto, o mesmo relatório também revelou que apenas 23% das faculdades e universidades esperam formar alunos com essas habilidades nos próximos anos. Essa lacuna pode, eventualmente, fechar, mas levará tempo que as empresas não têm. Eles estão ansiosos para contratar agora para que possam capitalizar dados, com postagens para posições de ciência de dados, que devem chegar a 2,72 milhões em 2020.

Você não precisa se matricular em uma faculdade de quatro anos para aproveitar o mercado de habilidades em ciência de dados. Os programas de certificação podem ajudá-lo a conhecer os mais recentes conceitos, técnicas e ferramentas da ciência de dados. Outros programas são projetados para profissionais experientes que já têm conhecimento ou graduação, mas que querem ficar por dentro das tendências do setor.

Aqui estão dez programas de certificação de desenvolvimento profissional que podem ajudar a lançar ou impulsionar sua carreira em ciência de dados.

10 principais programas de certificação de ciência de dados

• Programa Avançado de Certificação em Ciências de Dados, Northwestern Professional Studies • Certificação de Big Data, UC San Diego Extension School • Certificação em Ciência de Dados, Georgetown University School of Continuing Studies • Certificação de Desempenho Profissional em Ciências de Dados, Columbia University • Programa de Certificação em Ciência de Dados, UC Berkeley Extension • Certificação de pós-graduação de Mineração de Dados e Aplicativos, Stanford Center for Professional Development • Ciência de Dados A-Z: Exercícios de Ciência de Dados da Vida Real, Udemy • Certificação de Ciência de Dados, Harvard Extension School • Programa de Certificação de Ciência de Dados, eCornell • Ciência de Dados para Executivos, Columbia University

Programa Avançado de Certificação em Ciências de Dados, Northwestern Professional Studies

O programa de certificação Advanced Data Science da escola Northwestern Professional Studies oferece cursos que vêm diretamente do mestre da ciência da escola no programa de Ciência de Dados. Estes incluem o gerenciamento analítico, análise e modelagem, engenharia de dados e inteligência artificial. Este é um curso projetado para aqueles que já têm um diploma de pós-graduação em ciência de dados ou um campo semelhante, e que querem se atualizar sobre novas tecnologias ou tendências do setor.

Pré-requisitos: um diploma de pós-graduação em ciência de dados, análise preditiva ou um campo similar. Complete dois cursos fundamentais através da Northwestern ou tenha conhecimento e habilidades equivalentes Taxa de matrícula: US$ 3.015 por curso Localização: on-line Duração: dois a quatro meses em média

Certificação de Big Data, UC San Diego Extension School

A Certificação de Big Data, oferecida pela UC San Diego’s Extension School, oferece cursos, workshops e campo de treino on-line e presencial. Os cursos enfocam a mineração de dados, analisando dados especiais com o GIS, criando modelos preditivos e usando algoritmos de aprendizado de máquina. Você pode optar por uma certificação de dados mais especializada com os certificados Mineração de Dados para Análise Avançada ou Métodos de Aprendizagem de Máquina. Outros incluem Programação Python, Análise de Business Intelligence e certificados de ciência de dados com foco em ferramentas e habilidades específicas, como SAS, R e TensorFlow.

Pré-requisitos: varia por certificação e curso Taxa de matrícula: US$ 4.735Localização: on-line Duração: pelo menos um ano; um ano e três meses é a média

Certificação em Ciência de Dados, Georgetown University School of Continuing Studies

O Certificado de Ciência de Dados da Georgetown ensinará tudo o que você precisa saber para coletar, limpar, modelar e apresentar dados. Os alunos usam a linguagem de programação Python e adquirem experiência prática na criação e apresentação de visualizações, modelos preditivos e análises, que o prepararão para trabalhar com dados em uma configuração comercial. No final deste programa, Georgetown diz que os alunos serão capazes de aplicar o pipeline da ciência de dados a fluxos de trabalho analíticos, usar práticas de programação eficazes, utilizar e consultar bancos de dados relacionais e NoSQL, encontrar perspectivas mais profundas em dados, criar modelos preditivos e criar visualizações efetivas.

Pré-requisitos: experiência básica de programação Taxa de matrícula: US$ 7.496 custo total estimado Localização: no campus Duração: oito cursos ao longo de seis meses

Certificação de Desempenho Profissional em Ciências de Dados, Columbia University

A Columbia University oferece uma certificação de desempenho profissional em ciências de dados, que é um programa de meio período sem graduação. No entanto, se você concluir este programa de certificação, os créditos podem ser aplicados a um mestre da ciência de Columbia. Os cursos enfocam os fundamentos da ciência de dados, incluindo algoritmos, probabilidade e estatística, análise exploratória de dados e visualização e aprendizado de máquina. Cada curso também tem seus próprios pré-requisitos em relação à habilidades de programação, matemática e ciências, por isso certifique-se de verificar se você tem o background certo para cada curso individual.

Pré-requisitos: curso de graduação, curso prévio de programação quantitativa e introdutória Taxa de matrícula: US$ 1.936 por créditoLocalização: on-line ou no campus Duração: 12 créditos; a maioria dos alunos conclui o programa dentro de um ano e deve ser completada dentro de cinco

Programa de Certificação em Ciência de Dados, UC Berkeley Extension

O Programa de Certificação em Ciência de Dados da UC Berkeley Extension requer um curso principal, um curso de programação, um curso de aprendizado de máquina e até quatro disciplinas eletivas. A UC Berkeley Extension promete ajudá-lo a “adquirir as habilidades necessárias para realizar discussões avançadas de dados, mineração de dados, modelagem estatística e aprendizado de máquina em conjuntos de dados, que podem ser muito grandes e complexos”. Os cursos cobrem os fundamentos da ciência de dados, programação em R e Python , análise de dados e computação científica, aprendizado de máquina com ferramentas como TensorFlow, Spark e R, entre outros assuntos.

Pré-requisitos: conhecimento de estatísticas do primeiro semestre de um curso de graduação ou superior; a capacidade de programar em pelo menos uma linguagem de programação de alto nível como Python, Java, Ruby, JavaScript, C ou C++ Taxa de matrícula: US$ 5.100 (custo estimado sem incluir materiais do curso ou taxas de inscrição) Localização: on-lineDuração: 10 unidades semestrais, cerca de 150 horas de instrução; deve ser concluído dentro de três anos

Certificação de pós-graduação de Mineração de Dados e Aplicativos, Stanford Center for Professional Development

O Stanford Center for Professional Development oferece um programa de certificação de pós-graduação de Mineração de Dados e Aplicativos. O programa de três cursos abrange o uso de métodos estatísticos para extrair significado de grandes conjuntos de dados, desenvolvimento e uso de modelos preditivos e análises, e como usar aplicativos estratégicos de tomada de decisão. É mais adequado para cientistas de dados, gerentes de estratégia, pesquisadores científicos, pesquisadores médicos, pesquisadores de ciências sociais, analistas de dados e consultores, e profissionais de publicidade e marketing.

Pré-requisitos: você precisará de um diploma de bacharel com um GPA de graduação de 3,5 ou mais e cursos introdutórios em estatística ou probabilidade, álgebra linear e programação de computadores Taxa de matrícula: US$ 11.340 – US$ 12.600 (9-10 unidades) Localização: on-lineDuração: um a dois anos em média; programa deve ser concluído dentro de três anos

Ciência de Dados A-Z: Exercícios de Ciência de Dados da Vida Real, Udemy

Se você preferir aprender sozinho em seu próprio tempo tempo, ou se quiser testar as águas antes de investir milhares em aulas, você pode se interessar pelo curso de Ciência de Dados A-Z, oferecida pela Udemy. Os alunos têm acesso às instruções passo a passo por meio de mineração de dados, modelagem, visualizações de tableau e muito mais. Inclui 21 horas de vídeos sob demanda, acesso vitalício ao conteúdo e um certificado de conclusão; há também uma garantia de reembolso de 30 dias, caso você não esteja satisfeito.

Pré-requisitos: nenhum Taxa de matrícula: US$ 199, mas atualmente à venda por US$ 10,99 Localização: on-line Duração: individualizado

Certificação de Ciência de Dados, Harvard Extension School

Para obter um certificado de ciência de dados da Harvard Extension School, você precisará concluir e obter pelo menos uma nota B em quatro cursos de certificação dentro de três anos. Você escolherá duas disciplinas eletivas de um grupo selecionado, uma exigirá curso de ciência de dados de outro grupo selecionado, e ambos um curso de estatística de nível básico e nível avançado. Esta certificação é melhor para aqueles que já têm conhecimento de programação – especialmente Python – e aqueles que buscam obter créditos de pós-graduação.

Pré-requisitos: conhecimento prévio em estatística e programação básica, incluindo conhecimento prévio de Python Taxa de matrícula: US$ 11.000 total, em média Localização: on-line e pessoalmente Duração: deve ser concluído dentro de três anos

Programa de Certificação de Ciência de Dados, eCornell

A Cornell University oferece vários certificados de ciência de dados por meio da eCornell, que é o departamento de educação on-line da universidade. Você pode escolher entre certificados personalizados que incluem análise de negócios, estatísticas de negócios, aprendizado de máquina, análise de dados, análise de dados 360 e marketing orientado a dados. Cada programa tem requisitos diferentes, mas você pode fazer um pré-teste gratuito para cada programa de certificação para ver se tem a experiência e o histórico exatos.

Pré-requisitos: não há pré-requisitos, mas você pode fazer um pré-teste para cada certificação para ver se você está qualificado. Taxa de matrícula:US$ 1.260 – US$ 9.800 dependendo do curso Localização: on-line Duração:individualizado

Ciência de Dados para Executivos, Columbia University

Columbia University’s School of Engineering offers a Data Science for Executives certificate program through EdX. It’s geared toward executives who want to learn more about statistical thinking, machine learning and how data will impact businesses in the future. It addresses the unique information that executives need to know as data becomes fundamental in the enterprise. The courses are taught by professors at Columbia University through EdX’s online platform.

A Escola de Engenharia da Columbia University oferece um programa de certificação de Ciência de Dados para Executivos por meio da EdX. Ele é voltado para executivos que desejam aprender mais sobre o pensamento estatístico, o aprendizado de máquina e como os dados afetarão as empresas no futuro. O programa aborda as informações exclusivas que os executivos precisam saber, à medida que os dados se tornam fundamentais na empresa. Os cursos são ministrados por professores da Columbia University através da plataforma online da EdX.

Pré-requisitos: nenhum Taxa de matrícula: US$ 347 Localização: on-line Duração: cinco semanas por curso

Fonte: CIO

Publicidade digital alcançará US$ 9 bi na América Latina

Os investimentos feitos em publicidade no ambiente digital deverão alcançar o montante de US$ 9,17 bilhões na América Latina em 2019. A previsão faz parte da edição deste ano do estudo Latin America Ad Spending, realizado pela consultoria eMarketer.

De acordo com a pesquisa, a expectativa é que, até o ano de 2023, sejam investidos US$ 82, 1 bilhões em publicidade digital na região. Desse valor, mais de US$ 5 bilhões deverão ser direcionados para a mídia mobile. A pesquisa da eMarketer foi realizada com base em números fornecidos por agências e empresas digitais do continente, entre elas, a Logan, presente em oito países latino-americanos (entre eles, o Brasil).

Pelos cálculos da eMarketer, o investimento total gerado pela publicidade em 2019 será 14,1% do que no ano anterior. Apesar da perspectiva positiva para o setor, a pesquisa ressalta que a evolução da publicidade digital na região ainda é inferior à média mundial e que o mobile tende a ser o pilar que puxará a maior parte dos investimentos da área, sobretudo com a sofisticação dos smartphones e a ampliação do acesso aos serviços de internet.

O relatório projeta, ainda, que o Brasil continuará sendo, ao final de 2019, o maior mercado de anúncios mobile da América Latina, respondendo por 50,7% de toda a verba publicitária do segmento na região. Na sequência estará o México, com uma fatia de 17,7%, seguido da Argentina, com 4,2%.

Considerando o investimento geral em publicidade digital, o Brasil também fica na liderança. A estimativa é que, ao final de 2019, o País responda por 53,7% de todo o valor investido em mídias digitais na América Latina.

Fonte: Meio e Mensagem

Facebook enfim dirá claramente nos termos de uso que ganha dinheiro direcionando anúncios a usuários

Enquanto o Facebook não é alvo de forte regulação nos EUA e em outras partes do mundo, a rede social vai fazer algumas alterações em seus termos de uso após pressão da União Europeia. Na prática, a plataforma terá de ser clara sobre seu modelo de negócio para os usuários, informando que é gratuito, pois a companhia ganha dinheiro ao direcionar propagandas para os membros do serviço.

A União Europeia explica melhor o tipo de esclarecimento que eles querem que o Facebook expresse claramente aos usuários: que o Facebook vende para terceiros informações baseadas no uso de dados dos perfis.

Apesar de a rede ter concordado com as propostas da União Europeia, o Facebook tem até junho de 2019 para atualizar os termos de uso.

O escrutínio sobre o Facebook na Europa vem após a polêmica da Cambridge Analytica, em que dados de um teste de personalidade foram usados em um contexto político. A Comissão Europeia quer que a rede seja cada vez mais clara ao informar como ganha dinheiro e de onde vêm as receitas da empresa. Pode parecer um pouco óbvio para quem é do ramo de tecnologia, mas, aparentemente, mesmo na Europa, não existe muito bem a noção de que os dados dos usuários são a mina de ouro da companhia de Mark Zuckerberg.

“Termos de uso mais claros são bem-vindos, mas não resolvem o problema inerente ao modelo de negócio do Facebook, que foi construído na exploração e monetização extensas da privacidade das pessoas, na dominação de mercado na Europa e preocupações sobre o cumprimento da lei de privacidade europeia”, disse Ursula Pachl, vice-diretora geral do BEUC (Bureau Européen des Unions de Consommaterus), órgão de fiscalização de direitos do consumidor da União Europeia, ao TechCrunch.

Além dessa questão sobre modelo de negócio, informa a União Europeia, o Facebook também alterou:

  • Sua política de limitação de responsabilidade e reconhece agora sua responsabilidade em caso de negligência, por exemplo, no caso de dados terem sido usados de indevidamente por terceiros.
  • Seu poder de alterar unilateralmente os termos e condições, limitando-se a casos em que as alterações sejam razoáveis, tendo em conta o interesse do consumidor.
  • As regras relativas à retenção temporária de conteúdos suprimidos dos consumidores. Esse conteúdo só poderá ser retido em casos específicos — por exemplo, para cumprir um pedido de uma autoridade — e por um período máximo de 90 dias em caso de razões técnicas.
  • A linguagem que esclarece o direito de recurso dos usuários quando o conteúdo deles for removido.

Ao TechCrunch, um porta-voz do Facebook informou que as mudanças nos termos de serviço ocorrerão globalmente, e não só no território europeu. “Temos trabalhado muito neste ano para explicar melhor como o Facebook funciona, quais dados coletamos e como nós os utilizamos. Como parte desse esforço contínuo, atualizaremos os termos de serviço para ser mais claros em como o Facebook ganha dinheiro. Várias das atualizações (nos termos) são resultado de nosso trabalho com o a rede de proteção ao consumidor europeia (CPC, na sigla em inglês), mas nós faremos essas mudanças globalmente.”

No ano passado, havia rumores de que a União Europeia estaria preparando uma multa de bilionária por causa de uma falha de segurança que permitia o acesso a credenciais de 50 milhões de contas. A cobrança ainda não chegou, mas nada impede que Bruxelas (Bélgica), sede da União Europeia, escreva um talão de multa e mande para Menlo Park, a sede do Facebook na Califórnia.

Lógico, isso não é sinal de que as coisas estão tranquilas para o Facebook na Europa. Como notou Ursula em sua fala, a rede ainda é investigada pela sua dominação de mercado e por possíveis violações do GDPR.

Fonte: GIZMODO BRASIL

Verbete Draft: o que é Marketing Holístico

Não precisa acender incenso. O Marketing Holístico leva em conta que todas as partes envolvidas com a empresa se relacionem em uma estratégia ampla e, portanto, mais eficiente. Conheça.

MARKETING HOLÍSTICO

O que acham que é:  Marketing voltado a terapias alternativas.

O que realmente é: Marketing Holístico é uma abordagem que visa contemplar partes diversas (como stakeholders, clientes, funcionários, fornecedores) ao criar e implementar estratégias de marketing. No conceito está a ideia de que a melhor solução nasce de uma perspectiva ampla e inter-relacionada. Quatro vertentes, necessariamente, precisam trabalhar juntas no Marketing Holístico: Marketing de Integração, de Relacionamento, Interno e Socialmente Responsável. Segundo Guilherme Pereira, diretor acadêmico dos MBAs da FIAP, o Marketing de Integração deve criar uma experiência unificada para o cliente, da mensagem ao entendimento. “Já o Marketing de Relacionamento visa gerar vínculo e criar envolvimento a longo prazo da marca com o cliente e o Marketing Interno é um conjunto de ações direcionadas ao público interno da organização ou empresa”, afirma. Eventualmente é possível adicionar mais vertentes como endomarketing, webmarketing, branding etc. Para Eduardo Prange, CEO da Zeeng, que analisa big data nas áreas de marketing e comunicação, o Marketing Holístico parte do pressuposto de que todas as partes envolvidas com a organização sofrem interferência e se relacionam. “Todos os processos de desenvolvimento, projeto ou a implementação de programas e atividades de marketing devem ter consciência dessa correlação.”

Quem inventou: Os acadêmicos e autores norte-americanos Philip Kotler e Kevin Lane Keller.

Quando foi inventado: Em 2006.

Para que serve: Para, por meio da sinergia criada entre todas as partes, impactar positivamente o resultado, fazendo com que o produto ou serviço venda mais. “Basicamente, o Marketing Holístico procurar enxergar o entorno de forma mais ampla e complexa, visando construir valor para a marca e para a empresa”, diz Silvio Sato, do curso de Publicidade e Propaganda da FAAP.

Quem usa: Qualquer empresa ou marca que deseje integrar estratégias.

Efeitos colaterais: Ineficiência, caso haja resistência na mudança da cultura da empresa (advinda da integração das áreas).

Quem é contra: Empresas que acreditam que a eficiência vem da segmentação. “São organizações que acreditam que o departamento de marketing é o pensador e o executor das estratégias, e não a empresa como um todo”, afirma Pereira.

Fonte: Projeto Draft

Aliadas, tecnologia e dados de consumo ajudam marcas a otimizar sua performance em vendas

Por Ricardo Rodrigues (*)

Você sabia que, em média, menos de 2% dos visitantes que chegam a um e-commerce compram no ato? Desse dado é possível concluir muita coisa. Primeiro que nenhum negócio consegue sobreviver exclusivamente de compras por impulso. A conta de investimento em atração de público versus vendas nunca vai fechar desse jeito. O que nos leva ao segundo ponto: só porque 98% de usuários deixam um site sem comprar nada, não significa que eles não gostaram dos produtos ou não têm intenção de converter com a marca em algum momento. Essas pessoas simplesmente não estavam prontas para comprar.

E isso pode acontecer por diversos motivos – o consumidor estava sem o cartão de crédito na hora, com pressa para buscar o filho na escola ou se distraiu com um e-mail de trabalho. Isso acontece porque a jornada de compra não é linear. Ao mesmo tempo, as marcas não podem simplesmente desperdiçar todo esse volume de potenciais clientes, que entraram no site e demonstraram interesse nos produtos. Portanto as empresas precisam ajudar as pessoas a tomarem uma decisão de compra e o melhor caminho para fazer isso é através dos dados de consumo, que indicam o perfil e comportamento do público de uma empresa e podem orientar campanhas mais assertivas.

Desvendando o perfil do consumidor através dos dados

Para otimizar a estratégia de marketing digital, o primeiro passo é  identificar quem são os visitantes do site – as necessidades e desejos do consumidor. Entender com profundidade o comportamento desses usuários  enquanto navegam nas páginas do site e quais são os produtos e categorias em que tem mais interesse é essencial para que as marcas criem campanhas mais direcionadas e personalizadas, com maior potencial de conversão, fazendo com que cada consumidor se sinta especial, mais próximo e querido pela empresa.

Todo este processo, desde a primeira identificação do cliente com a marca até a fidelização e recompra, é definido pela jornada de compra.  O objetivo de qualquer negócio online é buscar a evolução do visitante nesse processo, para que se torne um comprador fiel e constante, justamente pela boa experiência vivida no e-commerce.

Uma estratégia baseada em dados

Uma vez identificados os perfis de consumo dos consumidores, é possível aplicar uma comunicação humanizada, adequada ao momento em que aquele usuário está na sua jornada de compra.

Por exemplo: resultados preliminares de uma pesquisa de neurociência e linguística, liderada pela Social Miner, mostram que quando um novo visitante entra num site e está na fase de consideração da sua jornada de compra, usar uma linguagem mais afetiva e empática pode performar até 17% melhor. Ou seja, para cadastrar mais leads, o ideal é que as marcas sejam receptivas e encantem o seu potencial cliente. Na fase de avaliação, o compartilhamento de informações sobre os produtos – utilidades e vantagens – pode garantir resultados até 23% melhores.

Já na fase de conversão, a oferta de benefícios financeiros, como descontos e condições especiais, são mais relevantes em 60% dos casos e, na fase de retenção, o cuidado com a experiência pós-compra, bem como conteúdos que proporcionam uma boa experiência garantem a fidelização.

Estudamos ainda a relação entre a navegação do usuário em um site com a sua intenção de compra. E descobrimos que quanto mais engajado esse consumidor está, visitando mais páginas, maiores são as suas chances de conversão. Isso significa que podemos prever, com baixíssimo grau de erro, a probabilidade de um visitante comprar ou não, baseado em seu comportamento de navegação. Uma boa estratégia de engajamento ajuda as marcas a guiarem a navegação dos seus visitantes dentro do site, multiplicando as oportunidades de venda.

Automação x humanização: é possível ter os dois ao mesmo tempo?

A automação, aliada à personalização, permite que as marcas tratem os seus clientes com exclusividade e melhor: faça isso de forma escalável. Ou seja, a tecnologia faz o trabalho duro de análise de dados, enquanto as equipes de marketing podem focar no que realmente importa: as pessoas e o que elas esperam das marcas.

É, portanto, um recurso essencial tanto para grandes, quanto para pequenas e médias empresas. Num cenário de grandes e-commerces, os recursos ajudam a vencer o desafio de criar campanhas humanizadas, em escala. Já para o pequeno e médio empreendedor, oferece diferencial competitivo – baseada na experiência de compra humanizada – já que nem sempre essas organizações podem brigar por preço. Chamamos essa metodologia, que garante até 3,5 vezes mais conversões para as marcas, de People Marketing.

Por fim, é sempre importante buscar parceiros de confiança para que a sua marca esteja em boas mãos, afinal é a sua reputação que está em jogo. Existem empresas que podem te ajudar nesse sentido: criando verdadeiros laços entre a sua marca e seus clientes. Nós da Social Miner promovemos uma comunicação humanizada e automatizada para e-commerces aumentarem suas vendas. Minha dica é: valorize seu consumidor e fale com ele como se fossem bons amigos. Seja autêntico e, com certeza, você irá se destacar no mercado.

(*) Ricardo Rodrigues é cofundador da Social Miner

Fonte: Proxxima

GARTNER IDENTIFICA CINCO MITOS SOBRE O USO DE INTELIGÊNCIA ARTIFICIAL NAS EMPRESAS

Os líderes de TI e de negócios geralmente ficam confusos sobre o que a Inteligência Artificial (IA) pode fazer por suas organizações e são frequentemente desafiados por falsas ideias sobre como aplicar os conceitos dessa tecnologia em suas organizações. O Gartner Inc., líder mundial em pesquisa e aconselhamento para empresas, avalia que os gestores de TI e negócios que desenvolvem projetos de inteligência artificial devem separar a realidade dos mitos para elaborar suas estratégias de inovação para o futuro.

“Com a tecnologia de IA ​​entrando nas companhias, é crucial que os líderes de negócios e de TI compreendam completamente como as soluções inteligentes podem criar valor para seus negócios e onde estão suas limitações”, diz Alexander Linden, Vice-Presidente de pesquisa do Gartner. “As tecnologias de Inteligência Artificial só podem gerar valor se fizerem parte da estratégia da organização e forem usadas da maneira correta”.

Para evitar concepções erradas, o Gartner anuncia cinco mitos sobre o uso da Inteligência Artificial:

Mito 1: A Inteligência Artificial funciona da mesma maneira que o cérebro humano

A Inteligência Artificial é uma disciplina de engenharia da computação. Em seu estado atual, consiste em ferramentas de software destinadas a resolver problemas. Embora algumas formas de IA sejam altamente capacitadas e habilidosas, seria impossível pensar que as aplicações inteligentes atuais são semelhantes ou equivalentes à inteligência humana.

“Algumas formas de aprendizado de máquina (ML – de Machine Learning, em inglês), que é uma categoria de inteligência artificial, podem ter sido inspiradas pelo cérebro humano, mas não são equivalentes”, afirma Linden. “A tecnologia de reconhecimento de imagem, por exemplo, é mais precisa do que a maioria dos humanos, mas não é útil quando se trata de resolver um problema de matemática. A regra com a Inteligência Artificial, hoje, é que ela resolve uma tarefa extremamente bem, mas, se as condições da tarefa mudarem um pouco, essa tecnologia falhará”.

Mito 2: Máquinas inteligentes aprendem por conta própria

A intervenção humana é necessária para desenvolver uma máquina ou um sistema baseado em Inteligência Artificial. O envolvimento pode vir de experientes cientistas de dados humanos, que são imprescindíveis para executar tarefas como definir e enquadrar quais são as questões a serem executadas, preparar os dados, determinar conjuntos de informações apropriados para a análise, remover possíveis erros (ver mito 3) e – o mais importante – para atualizar continuamente o software, permitindo a integração de novos conhecimentos e de aprendizagem para o próximo ciclo de inovação presente nas máquinas.

Mito 3: Inteligência Artificial pode ser livre de preconceito

Toda tecnologia de Inteligência Artificial é baseada em dados, regras e outros tipos de informações fornecidas por especialistas humanos. Semelhante aos humanos, as aplicações inteligentes também são intrinsecamente enviesadas por uma forma ou outra de análise.

“Hoje, não há como banir completamente o preconceito, no entanto, temos que tentar reduzi-lo ao mínimo”, diz Linden. “Além de soluções tecnológicas, como diversos conjuntos de dados, também é crucial garantir a diversidade nas equipes que trabalham com a Inteligência Artificial e fazer com que os membros da equipe revisem o trabalho uns dos outros. Esse processo simples pode reduzir significativamente o viés de seleção e confirmação”.

Mito 4: A Inteligência Artificial só substituirá trabalhos repetitivos e que não exigem graus avançados

A Inteligência Artificial permite que as empresas tomem decisões mais precisas por meio de previsões, classificações e agrupamentos da análise de dados. Essas habilidades das soluções baseadas em IA permitiram que as empresas reduzissem as demandas acerca das tarefas mais comuns, mas, por outro lado, também aumentaram a complexidade das tarefas remanescentes. Um exemplo é o uso de Inteligência Artificial na avaliação de imagens na área da saúde. Uma radiografia de tórax baseada em IA pode detectar doenças mais rapidamente que radiologistas. No setor financeiro e de seguros, robôs estão sendo usados ​​para o gerenciamento de rendas ou detecção de fraudes. Essas capacidades não eliminam o envolvimento humano nessas tarefas, mas permitem que os humanos lidem apenas com os casos incomuns ou mais específicos. Com o avanço da Inteligência Artificial ​​no local de trabalho, os líderes de negócios e de TI devem ajustar os perfis de trabalho e o planejamento das habilidades de suas equipes, além de oferecer opções de certificações e reciclagem de conhecimento para os profissionais já presentes na companhia.

Mito 5: Nem todas as empresas precisam de uma estratégia de Inteligência Artificial

Todas as organizações devem considerar o impacto potencial das soluções de Inteligência Artificial ​​em suas estratégias e investigar como essa tecnologia pode ser aplicada às demandas de suas operações. Evitar a exploração da Inteligência Artificial é o mesmo que abandonar a próxima fase da automação, o que, em última análise, poderia colocar as companhias em desvantagem competitiva.

“Mesmo que a estratégia atual de uma empresa não utilize a Inteligência Artificial, é importante que os líderes de negócios dessa companhia avaliem esse tema para tomar uma decisão consciente, baseada em muita pesquisa e avaliação do cenário. E como em relação a qualquer outra estratégia, é sempre recomendável que as companhias revisitem periodicamente seus planos, alterando suas diretrizes e rumos de acordo com as necessidades da organização. As ferramentas de Inteligência Artificial podem ser necessárias mais cedo do que o esperado”, finaliza Linden.

Fonte: Digitalks