PALESTRANTES
PALESTRA DE ABERTURA
Doris Fontes - Vice-Presidente do CONRE 3
Mais informações e entrevistas com nossos palestrantes acesse :
PAINEL 1
Políticas Públicas e dados abertos: A estatística na transformação social
Toda proposta de política pública precisa ser validada no plano real, com base em estudos de impacto regulatório rigorosos. Para tomar decisões de forma transparente, é importante que os agentes envolvidos estejam munidos de informações públicas de qualidade. Nesse sentido, a promoção e a disponibilização de dados abertos são ações imprescindíveis para permitir melhorias na sociedade. Nesse contexto, discutiremos neste painel: I) como funciona a coleta, armazenamento e disseminação de dados abertos; II) qual a importância da presença do estatístico em todos os processos de planejamento, coleta e análise de dados abertos como ferramenta para elaboração de políticas públicas; e III) cases de sucesso na utilização de análises estatísticas na transformação social.
Palestrantes:
Júlio Trecenti - (São Paulo)
Presidente do CONRE 3 e Secretário executivo da Associação Brasileira de Jurimetria.
George Santiago - (Bahia)
Graduado em Direito pela Universidade Federal da Bahia – UFBA. Pós-Graduado em “Corrupção: Controle e Repressão a desvios de Recursos Públicos”.
Alexandre Ribeiro Leichsenring - (São Paulo) - (A confirmar)
Doutor em Estatística pelo IME/USP, é Professor do Curso de Gestão de Políticas Públicas da Escola de Artes, Ciências e Humanidades da Universidade de São Paulo.
PAINEL 2
Aprendizado Estatístico: A integração da estatística com computação
O acúmulo de grandes massas de dados e a demanda crescente por profissionais da ciência de dados mostra um cenário promissor para estatísticos. A popularidade do tema em várias áreas do conhecimento trouxe consequências negativas, como a quantidade excessiva de terminologias e o advento de conceitos genéricos e vazios de conteúdo, que na prática atrapalham o desenvolvimento de soluções robustas. Por isso, é crescente a preocupação de gestores por cientistas de dados capazes de realizar análises consistentes, com embasamento sólido na teoria estatística. No entanto, é alta a proporção de estatísticos que possuem deficiência em linguagens de programação, o que gera problemas de adaptação ao mercado de trabalho. Nesse cenário, discutiremos neste painel: I) como os estatísticos podem se preparar para serem os líderes na área de ciência de dados; II) como lidar com o excesso de terminologias e com a multidisciplinaridade, tão necessária para consolidar a área de ciência de dados; e III) cases de sucesso na integração de estatística e computação.
Moderadora da mesa: Adriana Silva - Head Analytics da SAS
Palestrantes:
Athos Damiani - (São Paulo)
Cientísta de Dados do ITAÚ UNIBANCO e sócio da Curso-R Treinamentos e consultoria
Felipe Salvatore - (São Paulo)
Doutorando em Ciência da Computação no IME-USP
Adriana Silva - (São Paulo)
Graduada em Estatística pela Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp) e Mestra em Ciências: Estatística e Experimentação Agronômica pela Universidade de São Paulo (ESALQ/USP). Passou por empresas como Oracle e Editora Abril, onde foi gerente analítica. Atualmente está no SAS, como head de Analytics. É docente nas turmas de pós-graduação dos cursos "Análise de Dados e Data Mining” e “Análise de Big Data", na FIA, nas disciplinas de Regressão Linear, Logística e Árvore de Decisão, Social Network Analysis, além de aulas aplicadas em R, SPSS e SAS. É conselheira do CONRE-3. Exerce o cargo de presidente da CCT – Comissão de Comunicação e Tecnologia.
Bruno Leme - (São Paulo)
Formado em Ciência da Computação pelo SENAC-SP, possuí pós-graduação em Análise de Dados e Data Mining pela FIA e atualmente é mestrando em Ciência da Computação pelo IME/USP. Trabalhou em empresas como DTM Marketing de Relacionamento, BNP Paribas Cardif e Editora Abril, com experiência nas áreas de DBM, BI e analytics. Atualmente atua como especialista em analytics e machine learning pelo Grupo Recovery.
MESA REDONDA
Melhorias para o ensino de estatística em disciplinas de serviço
A disciplina de Estatística Básica é, talvez, um dos maiores pesadelos dos alunos de humanas e biológicas. Embora a investigação científica dos fenômenos seja fundamental para todas as áreas do conhecimento, o atual modelo de ensino da estatística básica para não estatísticos, chamada pelos Departamentos de Estatística de "disciplina de serviço", tem se provado, em geral, um fracasso. Nesse contexto, discutiremos neste painel: I) como conscientizar os alunos de outras áreas sobre a importância da estatística na sua profissão, II) motivos pelos quais o modelo atual insiste em ensinar estatística básica usando metodologia tradicional, sem adaptação para cada área de interesse dos alunos; e III) como pensar em conteúdos e formas que possam, de fato, ajudar os demais profissionais a usarem mais estatística no dia-a-dia.
Moderadora da mesa:
Angela Tavares Paes - Atua na área de Bioestatística. É responsável pelo curso de Análise Estatística da Pós-Graduação e Pesquisa da Universidade Federal de São Paulo (Unifesp). É Professora Assistente do curso de graduação em Medicina da Faculdade Israelita de Ciências da Saúde Albert Einstein
Palestrantes:
Alexandre Silva - (Rio de Janeiro)
Mestre em Estatística e Experimentação Agronômica - Escola Superior de Agricultura – USP
Miriam Salomão - (São Paulo)
Doutoranda em Gestão Internacional pela ESPM. É Bacharel em Estatística pela Universidade de São Paulo e Mestre em Administração pela Universidade de São Paulo. Professora na graduação da ESPM para as disciplinas de Branding e Métricas de Marketing. É especialista em gestão de marcas, marketing intelligence e marketing de relacionamento.
Edson Martinez - (São Paulo)
Mestre em Estatística pela Ufscar e Doutor em Ciências Médicas na Unicamp. Professor na Faculdade de Medicina da USP de Ribeirão Preto.
PALESTRA
Estatística e empreendedorismo: Panorama das StartUps e o papel do estatístico
A formação de startups no Brasil e no mundo acelera na mesma medida que o desenvolvimento científico e tecnológico. Tratam-se de pequenas empresas com ideias inovadoras, partindo modelos de negócio de alto risco e oferecendo produtos ou serviços escaláveis. Atualmente, é evidente que muitas startups dependem análises de dados avançadas para oferecer a seus clientes as soluções tecnológicas que propõem. No entanto, ainda é pequena a proporção de estatísticos que trabalham em startups, e menor ainda são as iniciativas de estatística na abertura dessas empresas. Nesse contexto, discutiremos neste painel: I) por que os estatísticos ainda não descobriram as startups e vice-versa; II) como incentivar os estatísticos a abrirem startups e se consolidarem como líderes no cenário empresarial de hoje; e III) cases de sucesso de empreendedores estatísticos.
Moderador da mesa:
Marcos Coque Jr - (São Paulo)
Head Data Science na Levee e conselheiro do CONRE-3
Palestrante:
Alonso Soler - (São Paulo)
Graduado em Estatística pela Universidade de Brasília (UNB), Mestre em Estatística pela Universidade Estadual de Campinas (Unicamp) e Doutor e Engenharia de Produção pela Universidade de São Paulo (USP). Sócio administrador da J2DA Treinamento e Consultoria. Atendeu clientes como Braskem, Aché Laboratórios e Camargo Correa. Também é sócio-diretor na Schédio Engenharia Consultiva e docente na Saint Paul Escola de Negócios, Insper e FIA.
PALESTRA DE ENCERRAMENTO
Marcelo Fernandes
Bacharel em Estatística pela Universidade Federal do Paraná (UFPR), com especializações em economia, marketing e administração. Possui mais de 17 anos de experiência em Analytics aplicado a processos de tomada de decisão, incluindo modelagem estatística, MIS, análise de portfólio, mineração de dados e descoberta de dados, associados à gestão de risco de crédito, prevenção de fraudes, otimização de processos de coleta. Atua em pré-venda de soluções SAS e SPSS, bem como criação e desenvolvimento de estratégias de vendas. Experiência em gestão de pessoas e treinamento relacionado ao desenvolvimento de habilidades técnicas e comportamentais. É palestrante e professor de disciplinas como inteligência competitiva, mineração de dados aplicados e estatística.
