people analytics - o rh data driven
TRANSCRIPT
![Page 1: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/1.jpg)
People Analytics: O RH Data Driven
Marcelo Furtado, Convenia
![Page 3: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/3.jpg)
• Desmistificar sem simplificar o conceito de People Analytics
• Tornar o conceito prático
• Mostrar que as pessoas serão cada vez mais importantes no processo
![Page 4: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/4.jpg)
Como Vendas trabalha com dados?
![Page 5: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/5.jpg)
Como Finanças trabalha com dados?
![Page 6: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/6.jpg)
Como Marketing trabalha com dados?
![Page 7: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/7.jpg)
Como você trabalha análise de dados no RH?
![Page 8: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/8.jpg)
1. Básico-Coletar dados
2. Intermediário-Métricas e Indicadores
3. Avançado-Correlacionar dados
4. Nirvana-Prever o futuro
Estágios do People AnalyticsObjetivo
RH
![Page 9: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/9.jpg)
Em que estágio as empresas brasileiras se encontram?
0%
10%
20%
30%
40%
Básico Intermediário Avançado Nirvana
10%
24%
40%
26%
Fonte: Prática de People Analytics nas Organizações Brasileiras - 2ª Edição 2016
![Page 10: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/10.jpg)
O que as empresas utilizam para fazer People Analytics?
0%
25%
50%
75%
100%
Planilhas ERP Módulo do ERP Software Específico
6%
24%
38%
92%
Fonte: Prática de People Analytics nas Organizações Brasileiras - 2ª Edição 2016
![Page 11: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/11.jpg)
Não tem desculpa!
Você precisa ter um RH data driven.
![Page 12: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/12.jpg)
Avaliação de Desempenho
Staffing (Contratar, Promover e
Manter)
Talent Management
• Quais funcionários tem melhor performance? • Quais funcionários contribuem mais para o
resultado da empresa?
• Como será o desempenho futuro de um candidato?
• Quem deve ser promovido? • Quais funcionários sairão da empresa nos
próximos meses?
• Como aumentar a colaboração entre os times? • Quais treinamentos oferecer para formar
futuros líderes? • Como aumentar o engajamento dos
colaboradores?
![Page 13: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/13.jpg)
People AnalyticsProblema: Contratar bons vendedores
![Page 14: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/14.jpg)
1. Básico-Coletar dados
Estágios do People AnalyticsObjetivo
RH
![Page 15: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/15.jpg)
Processo vs.
Resultado
![Page 16: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/16.jpg)
t- Gol!
t-1 Passe
t-2 Condução
![Page 17: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/17.jpg)
Procure entender quais são as variáveis que levam ao resultado (processo) e não apenas o resultado.
![Page 18: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/18.jpg)
Dell Computers trocou a sua fórmula de avaliação de desempenho no começo dos anos 2000:
Antes: 100% baseado em resultados obtidos
Depois: 50% no resultado obtido
50% como o funcionário obteve tal resultado
![Page 19: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/19.jpg)
Quanto mais incerto for o ambiente da sua empresa (ou seja, quanto
menor for o controle do funcionário sobre o resultado), mais você deve
focar no processo ao invés do resultado.
![Page 20: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/20.jpg)
Por que eliminar o acaso (a sorte) da sua coleta de
dados?
![Page 21: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/21.jpg)
1. Entre em sli.do2. Digite o código do evento 18123. Responda a pergunta na tela
Wifi: Campus CommunitySenha: workhardplayhard
![Page 22: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/22.jpg)
Como você espera que os 5 primeiros colocados no campeonato brasileiro de 2016
estarão em 2017?
a) No topo da tabela b) No meio da tabela c) Na parte de baixo da tabela
![Page 23: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/23.jpg)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2012 2013
Média: 10,4
Média: 3
![Page 24: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/24.jpg)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2013 2014
Média: 10,4
Média: 3
![Page 25: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/25.jpg)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2014 2015
Média: 4
Média: 3
![Page 26: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/26.jpg)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2015 2016
Média: 9,4
Média: 3
![Page 27: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/27.jpg)
Média de colocação ano posterior
2012 - 2013 10,4
2013 - 2014 10,4
2014 - 2015 4,0
2015 - 2016 9,4
Média do período 8,55
Sendo um campeonato com 20 times, a colocação tende a média de 10.
![Page 28: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/28.jpg)
Quanto maior for o papel do acaso em um resultado, mais
retorno a média você terá.
Busque a persistência dos dados.
![Page 29: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/29.jpg)
Por que eliminar o acaso (a sorte) da sua coleta de
dados?
Seres humanos são enviesados por natureza. Criamos histórias para tentar justificar acontecimentos.
(sejam eles obras do acaso ou não)
![Page 30: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/30.jpg)
Dica para coletar dados:
Tenha processos estruturados no seu Departamento Pessoal e RH.
![Page 31: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/31.jpg)
Admissão
Desligamento
Alteração de cargos e salários
Férias
AfastamentosDados
pessoais
Desligamento
![Page 32: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/32.jpg)
![Page 33: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/33.jpg)
People AnalyticsProblema: Contratar bons vendedores
Dados coletados: Performance histórica, anos de experiência, formação, distância do trabalho que mora, número de filhos, escolaridade,
![Page 34: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/34.jpg)
1. Básico-Coletar dados
2. Intermediário-Métricas e Indicadores
Estágios do People AnalyticsObjetivo
RH
![Page 35: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/35.jpg)
![Page 36: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/36.jpg)
![Page 37: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/37.jpg)
![Page 38: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/38.jpg)
Métricas e Indicadores
• Contextualize (equalize) os seus dados antes de fazer comparações e tirar conclusões
• Relativize: por departamento, setor, produto, ambiente macro-econômico, etc.
![Page 39: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/39.jpg)
Métricas e Indicadores Por que isso é importante para você?
• Como avaliar alguém de atendimento em um momento que seu produto tem falhas técnicas?
• Como avaliar um vendedor em uma economia ruim?
• Como mensurar performance de times recém-criados (benchmarks)?
![Page 40: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/40.jpg)
People AnalyticsProblema: Contratar bons vendedores
Dados coletados: Performance histórica, anos de experiência, formação, distância do trabalho que mora, número de filhos, escolaridade,
Métrica: Vendas / Ligações feitas (tiramos o efeito de “esforço”)
![Page 41: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/41.jpg)
1. Básico-Coletar dados
2. Intermediário-Métricas e Indicadores
3. Avançado-Correlacionar dados
Estágios do People AnalyticsObjetivo
RH
![Page 42: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/42.jpg)
Como contratar bons comissários de bordo?
![Page 43: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/43.jpg)
Prestativa Amigável
ou
Qual característica um bom comissário de bordo deve ter?
QUEM na empresa tem essa resposta?
![Page 44: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/44.jpg)
![Page 45: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/45.jpg)
Como foi a sua experiência de
vôo?
Como você descreveria os comissários?
(identificaram a correlação entre essas duas respostas)
1 2
![Page 46: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/46.jpg)
Expe
riênc
ia d
e Vô
o
0
5
10
15
20
Amigável
0 3 6 9 12
y = 5,2 + 1,3x(experiência de vôo)
(amigável)
![Page 47: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/47.jpg)
Identificar a correlação entre dados te ajudará a
prever um resultado futuro.
…mas cuidado…
![Page 48: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/48.jpg)
0
25
50
75
100
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
2 Dados de Correlação quase perfeita
Logo, se o governo proibir o consumo de sorvetes, não teremos mais ataques de
tubarão, correto?
![Page 49: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/49.jpg)
Ataques de tubarão
Consumo de sorvetecorrelação
Verão
causalidadecausalidade
Achar correlação não significa que você encontrou causalidade.
![Page 50: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/50.jpg)
Causalidade x Correlação Por que isso é importante para você?
• As pessoas sempre melhoram a performance após um treinamento? Ou só comparecem ao treinamento quando estão com performance baixa?
• As vagas internas são mais difíceis de serem preenchidas? Ou só publicamos as vagas mais difíceis de serem preenchidas?
![Page 51: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/51.jpg)
✓ Coleta de dados: pesquisa com passageiros;
✓ Criaram métrica: características pessoais do comissário;
✓ Modelo preditivo: quanto mais amigável, melhor o vôo;
✓ Tomaram ação: mudaram a forma de selecionar candidatos.
Estudo de caso Jet Blue
![Page 52: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/52.jpg)
People AnalyticsProblema: Contratar bons vendedores
Dados coletados: Performance histórica, anos de experiência, formação, distância do trabalho que mora, número de filhos, escolaridade,
Métrica: Vendas / Ligações feitas (tiramos o efeito de “esforço”)Correlação encontrada: Distância do trabalho que mora e número de filhos <> Métrica definida.
![Page 53: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/53.jpg)
1. Básico-Coletar dados
2. Intermediário-Métricas e Indicadores
3. Avançado-Correlacionar dados
4. Nirvana-Prever o futuro
Estágios do People AnalyticsObjetivo
RH
![Page 54: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/54.jpg)
Princípio de Peter
“Em algum momento, todas as posições da empresa serão ocupadas por um funcionário
incompetente para a sua função.”
Peter and Hull, 1969
![Page 55: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/55.jpg)
As características que fizeram um
funcionário ser bem sucedido em um
cargo são as mesmas do próximo
nível?
![Page 56: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/56.jpg)
O que acontece se quisermos avaliar mais
de uma variável?
Competências técnicas
Características Pessoais
Avaliação
Experiências Anteriores
Formação
![Page 57: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/57.jpg)
y = 5,2 + 1,3x
y = 5,2 + 1,3x + 0,5y + 0,2z(amigável)
(experiência)
(avaliação)
(procure no Google - Regressão Multivariável no Excel)
![Page 58: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/58.jpg)
y = 5,2 + 1,3x + 0,5w + 0,2z
Um modelo matemático deste tipo, pode te responder, qual é a melhor pessoa para assumir determinado cargo.
(independente de opiniões subjetivas)
(quão boa é a pessoa para assumir o cargo)
(variáveis que você escolheu)
![Page 59: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/59.jpg)
Limitação: É preciso ter acesso a muitos
dados estruturados para conseguir montar uma regressão multivariável.
![Page 60: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/60.jpg)
Time de Vendas• Quantas ligações fez?
• Quantas ligações foram atendidas?
• Quantos contatos (leads) foram criados?
• Quantas reuniões foram marcadas?
• Quantas propostas foram enviadas?
• Quantas vendas foram feitas?
![Page 61: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/61.jpg)
y = 5,2 + 1,3x + 0,5w + 0,2z(vendas)
(# ligações)
(# propostas)
(reuniões)
![Page 62: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/62.jpg)
People AnalyticsProblema: Contratar bons vendedores
Dados coletados: Performance histórica, anos de experiência, formação, distância do trabalho que mora, número de filhos, escolaridade,
Métrica: Vendas / Ligações feitas (tiramos o efeito de “esforço”)
Correlação encontrada: Distância do trabalho que mora e número de filhos <> Métrica definida.
Modelo preditivo: y = 9,8 + 2,3x + 7.9z
Sendo, x = Distância da moradia em km e z = Número de filhos.
![Page 63: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/63.jpg)
Se você tinha medo de estatística…
• Processo vs Resultado (neymar)
• Regressão à média (times de futebol)
• Contextualização de dados (goleiro dos EUA)
• Correlação (caso Jet Blue)
• Causalidade x Correlação (tubarão x sorvete)
• Regressão Multi-variável (promover corretamente)
![Page 64: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/64.jpg)
Estudo de caso Google
Fonte: Um Novo Jeito de Trabalhar - Laszlo Bock
300.000Currículos de Engenheiros de Software Rejeitados em 2010
Como saber se, no meio destes currículos, o Google não deixou passar algum bom profissional?
![Page 65: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/65.jpg)
Estudo de caso Google
Fonte: Um Novo Jeito de Trabalhar - Laszlo Bock
1. Coleta de dados:
- Google processa todos os currículos dos atuais titulares do cargo de Engenheiro de Software e os currículos recebidos
![Page 66: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/66.jpg)
Estudo de caso Google
Fonte: Um Novo Jeito de Trabalhar - Laszlo Bock
2. Métricas e indicadores:
- O algoritmo identifica as palavras-chave mais comuns
- A lista de palavras-chave é ampliada por um seleto grupo de recrutadores e gestores
![Page 67: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/67.jpg)
Estudo de caso Google
Fonte: Um Novo Jeito de Trabalhar - Laszlo Bock
3. Correlação dos dados:
- Um segundo algoritmo analisa o currículo dos candidatos e atribuí um peso a cada palavra-chave conforme a frequência que ela ocorre no currículo de candidatos malsucedidos e bem sucedidos.
![Page 68: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/68.jpg)
Estudo de caso Google
Fonte: Um Novo Jeito de Trabalhar - Laszlo Bock
4. Projetando o futuro:
- O modelo indica quais currículos foram reprovados mas mereciam uma re-avaliação
- RH re-avalia e chama para novo processo
![Page 69: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/69.jpg)
Estudo de caso Google
Fonte: Um Novo Jeito de Trabalhar - Laszlo Bock
300.000 CV recusados
10.000 CV revisados
150 contratados
![Page 70: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/70.jpg)
Estudo de caso Google
Fonte: Um Novo Jeito de Trabalhar - Laszlo Bock
0%
0,4%
0,8%
1,2%
1,6%
Aproveitamento total Modelo
1,5%
0,25%
6x melhor
![Page 71: People analytics - O RH Data Driven](https://reader030.vdocuments.net/reader030/viewer/2022020802/587588d21a28ab901c8b5443/html5/thumbnails/71.jpg)
Desafio
1. Escolha um problema para atacar
2. Colete dados e crie métricas
3. Encontre correlações básicas dos dados
Se nos próximos 15 dias você chegar neste estágio, montaremos o modelo preditivo juntos.