Bloco 1 — Mentalidade (20 min)

• Decisão data-driven vs intuição
• Os 4 níveis de maturidade analítica
• Casos: Moneyball, Kodak, Netflix, Zara

Bloco 2 — Processo e Arquitetura (25 min)

• O pipeline: do dado bruto ao insight
• Caso: NASA — quando dados errados matam
• Medallion, Big Data e visualização

Bloco 3 — Ferramentas e Times (30 min)

• SQL, Python e Machine Learning
• Times de dados: quem faz o quê
• GenAI e dados: realidade vs hype
• Plataformas avançadas: o horizonte

Bloco 4 — Impacto e Riscos (25 min)

• Dados no mercado de seguros (Cardif)
• Vazamentos e falhas de dados reais
• Quando a IA dá errado
• Cultura data-driven e carreira

O problema

O Oakland A's tinha o 3o menor orçamento do baseball americano. Perdeu 3 jogadores-estrela para times ricos. Precisava montar um time competitivo gastando 3x menos que o New York Yankees.

A decisão tradicional

Olheiros veteranos avaliavam jogadores "no olho" — velocidade, postura, carisma. Critérios subjetivos que os grandes times já usavam (e pagavam caro).

A decisão data-driven

O gerente Billy Beane contratou o analista Paul DePodesta (formado em economia por Harvard). Em vez de confiar em olheiros, usaram estatísticas que ninguém olhava: OBP (on-base percentage) e slugging.

Contrataram jogadores rejeitados por outros times — baratos, mas estatisticamente eficientes.

O resultado

20 vitórias consecutivas — recorde da liga. Chegaram aos playoffs gastando US$ 44M contra US$ 125M do Yankees.

Descritiva

"O que aconteceu?"

Relatórios, dashboards, KPIs.

90% das empresas

Diagnóstica

"Por que aconteceu?"

Drill-down, correlações, causa raiz.

~50% das empresas

Preditiva

"O que vai acontecer?"

Modelos estatísticos, ML.

~20% das empresas

Prescritiva

"O que fazer?"

Otimização, recomendação.

~5% das empresas

O que é

Todo dezembro, o Spotify transforma dados de uso de cada usuário em uma experiência visual compartilhável: "Você ouviu Taylor Swift 342 vezes — mais que 98% dos usuários."

Por que é brilhante

• É analytics descritiva pura — soma, contagem, ranking
• Mas é entregue como storytelling pessoal
• Cada usuário vira embaixador da marca ao compartilhar
• Marketing gratuito: milhões de posts nas redes sociais

Os dados por trás

Impacto

60 milhões de shares em stories. Downloads do app sobem 21% em dezembro.

O problema

Quando você pede aumento de limite, o Nubank precisa decidir em milissegundos: "Essa pessoa vai pagar ou vai ficar inadimplente?"

Decisão errada para um lado: perde clientes bons. Para o outro: acumula inadimplência.

A solução data-driven

Um modelo de Machine Learning analisa centenas de variáveis e gera um score de risco para cada cliente:

• Histórico de pagamentos
• Padrão de gastos (valores, categorias, horários)
• Tempo como cliente
• Renda estimada
• Comportamento no app

Como funciona na prática

Resultado

O Nubank tem 90+ milhões de clientes e uma das menores taxas de inadimplência do setor. Sem modelos preditivos, seria impossível aprovar crédito para essa escala.

O problema

Às 18h de uma sexta chuvosa, milhares de pessoas pedem Uber ao mesmo tempo. Não há motoristas suficientes.

• Preço fixo: Fila de espera de 40 min, usuários frustrados
• Preço alto demais: Passageiros desistem, motoristas sem corrida

O que a Uber faz

O algoritmo calcula em tempo real o preço exato que equilibra oferta e demanda. Não é previsão — é prescrição: "cobre 1.8x nessa região agora."

O ciclo prescritivo

1. Coleta: Demanda atual, motoristas disponíveis, clima, eventos
2. Previsão: "Demanda vai exceder oferta em 15 min nessa região"
3. Prescrição: "Aplicar multiplicador de 1.8x"
4. Efeito: Preço sobe → mais motoristas vão para a região → equilíbrio
5. Feedback: O sistema ajusta o multiplicador a cada 2 minutos

Diferença-chave

Preditiva: "Vai chover e a demanda vai subir."

Prescritiva: "Cobre R$ 32 em vez de R$ 18, e mande push para motoristas a 3km."

Como funciona

Cada loja Zara envia dados diários para a matriz na Espanha:

• Vendas por SKU, cor, tamanho
• Devoluções e motivos
• Feedback verbal dos clientes (registrado por vendedores)
• O que as pessoas experimentam mas não compram

Modelos de dados identificam tendências em tempo real: "Vestidos verdes estão vendendo 40% acima do esperado em Milão e Paris."

A decisão data-driven

Em vez de planejar coleções com 6 meses de antecedência (como a indústria faz), a Zara:

1. Lança pequenos lotes para testar
2. Mede a resposta em tempo real
3. Produz mais do que vende, descontinua o que não vende
4. Design → fábrica → loja em 2-3 semanas

Resultado

A Inditex (dona da Zara) é a maior varejista de moda do mundo. Margens superiores à indústria. Quase zero liquidação (porque produz o que sabe que vai vender).

ETL vs ELT — a mudança moderna

ETL (antigo): Extrair, Transformar, depois Carregar. Transformação antes de salvar.

ELT (moderno): Extrair, Carregar bruto, depois Transformar. Guarda tudo primeiro, limpa depois — mais flexível e escalável.

Por que isso importa?

Quando um gerente abre o Power BI e vê "Vendas: R$ 2.3M", esse número passou por todo esse pipeline. Se qualquer etapa falhar — dados duplicados, transformação errada, ingestão atrasada — o relatório mente. E decisões são tomadas em cima dele.

Microsoft Fabric — a plataforma unificada

A aposta da Microsoft para unificar todo o pipeline num só produto:

• Data Factory → ingestão
• OneLake → data lake
• Synapse → warehouse
• Power BI → visualização

Arquitetura Medallion nativa. É a tendência do mercado brasileiro.

Metabase — o BI democrático

Conecta direto ao banco (PostgreSQL, MySQL, ClickHouse) e permite criar dashboards sem saber SQL — mas também tem SQL nativo para quem quer.

Open source e gratuito. Deploy com um comando Docker. Usado pelo Nubank, Creditas e centenas de startups brasileiras.

O que aconteceu

A sonda Mars Climate Orbiter da NASA foi lançada para estudar o clima de Marte. Custou US$ 125 milhões. Após 9 meses de viagem, a sonda entrou na atmosfera marciana no ângulo errado e se desintegrou.

A causa

Um time da Lockheed Martin enviava dados de propulsão em libras-força (sistema imperial). A equipe da NASA recebia esperando newtons (sistema métrico). Ninguém validou a unidade.

A lição para análise de dados

• Validação de dados é crítica: Nunca assuma que os dados estão corretos
• Unidades e formatos: "SP" vs "São Paulo" vs "sp" — mesma coisa para humanos, três valores diferentes para o computador
• Documentação: Sem dicionário de dados, cada pessoa interpreta de um jeito
• Revisão cruzada: Se ninguém confere, erros passam

No dia a dia corporativo

Você não vai perder uma sonda. Mas pode tomar uma decisão de R$ 1 milhão baseada em dados com unidades erradas, datas trocadas ou duplicatas não tratadas.

Regra dos 5 segundos

Um gráfico bom é entendido em 5 segundos. Se precisa de explicação, está complexo demais. Remova ruído visual, destaque o insight principal.

Título que conta a história

Ruim: "Vendas 2024"

Bom: "Vendas caíram 15% no Q3 por atraso logístico no Sul"

O título não descreve o gráfico — descreve o insight.

Exemplo: total de sinistros por região

SELECT regiao, COUNT(*) as total, AVG(valor) as ticket_medio FROM sinistros WHERE ano = 2025 GROUP BY regiao ORDER BY total DESC;

Resultado

Pipeline típico em Python

df = pd.read_csv('dados.csv')

df.describe() — estatísticas

df.groupby('regiao').sum() — agregar

df.plot() — visualizar

Em 4 linhas você já tem uma análise exploratória inicial de qualquer CSV.

Supervisionado

Aprende com exemplos rotulados.

"Isso é spam" / "Isso não é spam"

→ Prever preço, detectar fraude, score de crédito

Não Supervisionado

Encontra padrões sem rótulos.

"Organize esses clientes em grupos parecidos"

→ Segmentação, redução de dimensionalidade

Por Reforço

Aprende por tentativa e erro.

"Jogue xadrez 1 milhão de vezes e melhore"

→ Jogos, robótica, trading

Analista de BI

Pergunta: "O que aconteceu e por quê?"

• Cria dashboards e relatórios
• Faz queries SQL no warehouse
• Conta histórias com dados
• Próximo do negócio

Ferramentas: Power BI, Tableau, SQL, Excel

Engenheiro de Dados

Pergunta: "Como os dados chegam e ficam confiáveis?"

• Constrói e mantém pipelines
• Garante qualidade e idempotência
• Gerencia o data lake/warehouse
• Próximo da engenharia

Ferramentas: dbt, Spark, Airflow, Python

Cientista de Dados

Pergunta: "O que vai acontecer e o que fazer?"

• Cria modelos preditivos e prescritivos
• Estatística e Machine Learning
• Experimentos e A/B tests
• Próximo de pesquisa e produto

Ferramentas: Python, scikit-learn, Jupyter, SQL

Por que papéis separados?

Cada papel exige competências diferentes: storytelling vs. engenharia vs. estatística avançada. Uma pessoa raramente é excelente nos três.

Em equipes menores: uma pessoa acumula papéis — é o "generalista de dados". Funciona até a escala exigir especialização.

Databricks

Lakehouse unificado. Data + ML + streaming num só lugar. Criado pelos fundadores do Apache Spark.

Usado por: Shell, Comcast, NBCUniversal

Snowflake

Cloud data warehouse serverless. Separa compute de storage. Compartilhamento de dados entre empresas.

Usado por: Capital One, DoorDash, JetBlue

Palantir

Plataforma de decisão para dados complexos e sensíveis. Muito usado em defesa, saúde e finanças.

Usado por: NHS, Airbus, US Army

AWS SageMaker

Plataforma completa de ML na AWS. Do treinamento ao deploy em produção com monitoramento.

Usado por: GE Healthcare, Siemens, BMW

Como funciona

"Quem comprou X, também comprou Y" — essa frase simples esconde um dos sistemas mais sofisticados do mundo.

O algoritmo analisa:

• Seu histórico de compras
• O que você navegou e por quanto tempo
• O que colocou no carrinho (e não comprou)
• Avaliações que você deu
• Comportamento de milhões de clientes similares

O impacto em números

Em 2024, a receita da Amazon foi de ~US$ 575 bilhões. Se 35% vem de recomendação, estamos falando de ~US$ 200 bilhões gerados por um algoritmo de dados.

A decisão data-driven

Jeff Bezos não perguntou "o que acho que os clientes querem?". Ele construiu um sistema que pergunta aos dados o que cada cliente quer — e responde em milissegundos.

O desafio

Milhões de transações por dia na América Latina. Para cada compra, o sistema precisa decidir em milissegundos: legítima ou fraudulenta?

O equilíbrio impossível

• Bloquear demais: Clientes legítimos irritados, vendas perdidas
• Bloquear de menos: Fraudes consumadas, prejuízo financeiro

A solução data-driven

Um modelo de ML analisa dezenas de variáveis em tempo real:

Resultado

Modelo retreinado continuamente. Taxa de fraude mantida abaixo de 0.5% mesmo com crescimento acelerado de transações.

O problema antigo

Uma colheitadeira que quebra no meio da safra custa dias de produção perdida. Manutenção preventiva por calendário (a cada 6 meses) é cara e imprecisa — troca peças que ainda funcionam e não pega as que vão falhar.

A solução com dados

Tratores da John Deere têm centenas de sensores em tempo real: temperatura do motor, pressão do óleo, RPM, vibração, consumo de combustível e horas de operação por componente.

O modelo preditivo

Séries temporais + anomaly detection identificam padrões que precedem falhas. Resultado: o sistema avisa o fazendeiro 15 dias antes — tempo de agendar a manutenção fora da safra.

Impacto

Sinais que o modelo detecta

O modelo em ação

Para cada sinistro, o modelo classifica automaticamente:

Impacto

80% dos sinistros são processados automaticamente (baixo risco). A equipe de investigação foca nos 20% suspeitos — muito mais eficiente.

A promessa (2008)

O Google descobriu que buscas por sintomas de gripe correlacionavam fortemente com surtos rastreados pelo CDC americano.

Google Flu Trends prometia detectar surtos de gripe 2 semanas antes do CDC, apenas com buscas. Funcionou por anos — papers, imprensa, parecia revolucionário.

O fracasso (2013)

O modelo passou a superestimar surtos, errando por 140% em algumas semanas.

• Correlação ≠ causalidade: pessoas buscavam "gripe" por notícias, não por estarem doentes
• Dados mudaram: o autocomplete sugeria buscas sobre gripe para qualquer sintoma
• Viés de mídia: quando a imprensa cobria gripe, buscas disparavam sem aumento real

Projeto descontinuado em 2015.

Os 4 pilares

• Acessibilidade: Dados disponíveis para quem decide (não presos no TI)
• Literacia: Pessoas sabem interpretar dados (não precisam programar)
• Governança: Uma fonte da verdade (todos falam a mesma língua)
• Ação: Insights viram decisões reais (o ciclo se fecha)

Antipadrões que matam dados

• "Eu acho que..." sem consultar dados disponíveis
• Dashboard que ninguém olha após a primeira semana
• Dados em silos: cada área com sua "verdade"
• Relatório de 50 páginas que ninguém lê
• Investir em IA sem dados limpos

Onde praticar

Kaggle — competições e datasets

dados.gov.br — dados abertos do governo

HackerRank — exercícios de SQL

Julius AI — explore dados sem setup

O que vimos hoje

• Dados não tomam decisões — mas pessoas sem dados decidem pior
• 4 níveis: descritiva → diagnóstica → preditiva → prescritiva
• Pipeline: coletar, limpar, transformar, visualizar
• Times: analista BI / engenheiro de dados / cientista
• GenAI ≠ análise de dados — e dados em GenAI = risco real
• Vazamentos e falhas de IA acontecem por descuido, não por hackers

Perguntas?

Próximo passo

Identificar um problema concreto na sua área que dados poderiam resolver — e conversar com seu time de dados sobre como começar.

Material e contato

Material completo no rodapé ("Material"). Prof. Afonso Brandão — Inteli