Ementas

Abordagens sobre os Domínios de Desempenho em Projetos – Incertezas e Medição. Gerenciamento de Riscos em Projetos. Conceitos de medição bidimensional e tridimensional. Aspectos sobre Medição e Acompanhamento do Andamento do Projeto. Curva S e Análise do Valor Agregado.

A função de compras está se tornando cada vez mais estratégica não só pela importância das negociações mas também pela sua contribuição na Gestão do Capital de Giro das empresas. Este curso coloca uma luz sobre a função compras, revela inter relações ainda pouco percebidas com outros setores da empresa e estabelece indicadores que tornam a gestão mais profissional, mais efetiva, fazendo com que a empresa saia definitivamente do “achismo” quando se trata de compras. As métricas envolvidas, a avaliação mensal da performance e a corresponsabilidade da equipe de vendas pela gestão de compras e estoques são temas especiais deste curso, e revelam o quanto as características de liderança passaram a fazer parte do perfil do gestor de compras neste mercado competitivo.

Introdução; Índices e Indicadores; Conceitos e definições; Uso de indicadores na engenharia de manutenção; Tipos de indicadores; Indicadores de Capacitação; Indicadores de Desempenho; Indicadores de Performance; Sistema de Gerenciamento da Manutenção Computadorizado; Montagem de código para os índices; Indicadores da capacidade produtiva. Indicadores de Desempenho de Máquinas. Indicadores de Mão de Obra. Indicadores Financeiros da Manutenção. Indicadores para gerência de material.

Origens do comportamento de influência. Itencionalidade e teoria da mente. Comunicação sobre o mundo social. Inclusão/exclusão de grupo. Hierarquia. Política. Táticas de influência. Alianças e coalizões. Enganação. Cooperação. Reciprocidade e troca.

Nesta disciplina serão estudadas as técnicas para se avaliar os sistemas chamados de “pacotes” disponíveis no mercado para gerenciamento da manutenção e os resultados que os sistemas dedicados e corporativos trazem para a empresa na gestão dos ativos.

Inovação e tecnologia. Fontes de inovação na empresa e formas de acesso à inovação. Estrutura organizacional de empresas inovadoras. Aspectos legais da inovação e apropriação de seus resultados. Inovação tecnológica e estratégia competitiva. Gestão da inovação tecnológica: ações estruturantes. Pesquisa & Desenvolvimento de produtos ou serviços. Cultura da inovação. Métodos e técnicas de criatividade para a inovação. Cenários da inovação. Melhoria de processos produtivos e inovação tecnológica.

Modelos de negócios emergentes. Organizações intensivas em conhecimento. Lean process. Técnicas de criatividade e inovação. Business Model Canvas: parceiros-chave, atividades-chave, recursos-chave, proposta de valor, relações com os consumidores, canais, segmentos de consumidores, estrutura de custos e fontes de recursos. Projetar, retrabalhar e implementar modelos de negócios. Motivações: recursos, oferta, clientes ou finanças. Modelos de negócios exponenciais.

Em uma economia baseada no conhecimento, na qual a proposição de valor ganha cada vez mais importância para a competitividade das organizações, torna-se fundamental a adoção de uma nova lógica no desenvolvimento de novos modelos de negócios para a inovação. A inovação hoje é vital para a sobrevivência das empresas, sejam elas nascentes ou consolidadas no mercado. Ao mesmo tempo, é necessário ter rapidez nos processos para não desacelerar a evolução do modelo de negócio. A metodologia Business Model Canvas foi criada para ser, acima de tudo, uma ferramenta facilitadora da inovação.

Organizações sociais e a disseminação do conhecimento. Entendendo a nossa inteligência, sua emergência e sua evolução. Dados, informação, conhecimento, cognição e capacidades. Coletividade: formas de colaboração, competição, sinergia e contaminação. Tipos de inteligência coletiva: informacional, estrutural, reflexiva, de fluxo, noética. Estratégias para alcançar sucesso com inteligência coletiva: facilitadores e inibidores. Inteligência Coletiva na prática: grupos, mecanismos, estratégias, benefícios, classificações. Computação social. Memória de grupo e solução coletiva de problemas. Estratégias de “crowdsourcing” e o poder das multidões. Novas tecnologias para tornar grupos e organizações mais espertas. Aplicações, sites, grupos, plataformas, produtos, serviços e redesenho organizacional. Ambiente WIKI. Análise e discussão de aplicações existentes e propostas de aplicação em casos práticos e reais.

Conceitos centrais de inside sales, contextualizações e perspectivas. Inside Sales x telemarketing. Outside sales x inside sales. Gerenciamento e métricas: número de vendas, ciclo de vendas, taxas de conversões/vendas, perdas comerciais/clientes, receita por vendedor/região, ticket médio e tempo de rampeamento (ramp-up). Inside sales, funil de vendas e marketing.

Raciocínio, Representação e Lógica. Conceito de Inteligência Artificial. Resolução de Problemas. Métodos de Extração do Conhecimento. Sistemas Especialistas. Machine Learning. Mineração de Dados. Repositórios de Conhecimento. Formas de Representação do Conhecimento. Experimentos com Inteligência Artificial. Teste de Turing. Redes Neurais Artificiais. Representação da Incerteza. Métodos Informados e não Informados de Busca.

Potencial da inteligência artificial (IA) aplicada à gestão de remuneração. Otimização nos processos de remuneração com uso de IA. Ferramentas e tecnologias de IA para RH. Análise de dados salariais complexos. IA e tomada de decisões em remuneração.

Informática para Medicina. Tecnologias Exponenciais. Novas Tecnologias: Inteligência Artificial, Big Data, IoT, Neurohacking, Prototipação 3D, Nanotecnologia, Design Thinking, Deep Learning, Cloud Computing. Diagnostic Health Techs. Treatment Health Techs. Prototipagem e Validação. Gerenciamento das Tecnologias de Saúde. IBM Watson.

Algoritmos. Aprendizado: supervisionado, não supervisionado e semi-supervisionado. Inteligência Artificial: inteligência humana exibida em máquinas. Redes neurais, árvores de decisão e análise multivariada dentre outras. Deep Learning: uma técnica para implementar Machine Learning.