Os desafios do GVwise ao entregar predição e
promover proação
Sobre mim
Wagner Luiz Cambruzzi
Mestre em Computação Aplicada na UNISINOS
 Inteligência Artificial
 Aprendizado de Máqui...
Nossos produtos
Case
Um case de
Será?
http://www.businessinsider.com.au/infographic-what-happens-online-in-60-seconds-2015-5
http://sci2s.ugr.es/BigData
http://www.ibmbigdatahub.com/sites/default/files/infographic_file/4-Vs-of-big-data.jpg
http://newsbizblog.blogspot.com.br/2013/11/big-data-four-vs.html
http://dataconomy.com/seven-vs-big-data/
Volume
Variety
Velocity
Value
Variability
Veracity
Visualization
https://www.mapr.com/blog/top-10-big-data-challenges-%E2%80%93-serious-look-10-big-data-v%E2%80%99s#.VhRKQHpVhBc
1. Volume...
https://www.linkedin.com/pulse/lets-replace-vs-big-data-single-d-mathias-golombek
Digitalization
“Big data is like teenage sex:
everyone talks about it,
nobody really knows how to do it,
everyone thinks everyone else is...
Como extrair valor?
ValorAnálise
Dados
centralizados
Dados BrutosProblema
Principais tipos de análises
https://duncan3ross.wordpress.com/tag/predictive-analytics/
Cenário
Problema
• ~40% dos alunos de IES públicas não completam o curso
(Agência Senado, 2014)
• ~30% dos alunos de IES privadas ...
Tem dados?
Eventos
Professores e
Tutores
AdministrativoCoordenações
2. Instituição de Ensino
Ambiente Virtual
de Aprendiza...
Como extrair valor?
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
1 - Mapeamento de
indicadores
2 - Geração e validação de
padrões
3 - Predição e emissão de
alertas
4 - Avaliação e realiza...
Como entregar?
• Interface de acompanhamento de uma turma
Resultados
Estudo de caso
• Todas as turmas dos cursos EaD de uma IES
• LOGs históricos: ~ 130 milhões
• LOGs diários: ~ 225 mil
• Di...
Resultados de Predição
25,0%
35,0%
45,0%
55,0%
65,0%
75,0%
85,0%
95,0%
Aula 2 Aula 3 Aula 4 Aula 5 Aula 6 Aula 7 Aula 8
Pr...
Resultados de Reversão
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
80,0%
Evasão Aprovação
Comparativo
Sem GVwise Com GV...
Enxergamos o valor que
está nos nossos dados?
Obrigado!
Wagner Luiz Cambruzzi
wcambruzzi@gvdasa.com.br
br.linkedin.com/in/wlcambruzzi
FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação
FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação
FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação
FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação
FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação
FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação
FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação
Próximos SlideShares
Carregando em…5
×

FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação

251 visualizações

Publicada em

Apresentação do case da GVDASA no FIC 2015 - Fórum de Internet Corporativa com o tema BIG DATA - Dos dados à ação, o futuro do Marketing.

Publicada em: Dados e análise
0 comentários
2 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
251
No SlideShare
0
A partir de incorporações
0
Número de incorporações
3
Ações
Compartilhamentos
0
Downloads
3
Comentários
0
Gostaram
2
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

FIC 2015 - BIG DATA - Os desafios do GVwise ao entregar predição e promover proação

  1. 1. Os desafios do GVwise ao entregar predição e promover proação
  2. 2. Sobre mim Wagner Luiz Cambruzzi Mestre em Computação Aplicada na UNISINOS  Inteligência Artificial  Aprendizado de Máquinas  Mineração de Dados Gerente de Projetos na GVDASA
  3. 3. Nossos produtos
  4. 4. Case
  5. 5. Um case de
  6. 6. Será?
  7. 7. http://www.businessinsider.com.au/infographic-what-happens-online-in-60-seconds-2015-5
  8. 8. http://sci2s.ugr.es/BigData
  9. 9. http://www.ibmbigdatahub.com/sites/default/files/infographic_file/4-Vs-of-big-data.jpg
  10. 10. http://newsbizblog.blogspot.com.br/2013/11/big-data-four-vs.html
  11. 11. http://dataconomy.com/seven-vs-big-data/ Volume Variety Velocity Value Variability Veracity Visualization
  12. 12. https://www.mapr.com/blog/top-10-big-data-challenges-%E2%80%93-serious-look-10-big-data-v%E2%80%99s#.VhRKQHpVhBc 1. Volume 2. Variety 3. Velocity 4. Veracity 5. Validity 6. Value 7. Variability 8. Venue 9. Vocabulary 10.Vagueness
  13. 13. https://www.linkedin.com/pulse/lets-replace-vs-big-data-single-d-mathias-golombek Digitalization
  14. 14. “Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it...” Dan Ariely – 6 de janeiro de 2013 https://www.facebook.com/dan.ariely/posts/904383595868
  15. 15. Como extrair valor? ValorAnálise Dados centralizados Dados BrutosProblema
  16. 16. Principais tipos de análises https://duncan3ross.wordpress.com/tag/predictive-analytics/
  17. 17. Cenário
  18. 18. Problema • ~40% dos alunos de IES públicas não completam o curso (Agência Senado, 2014) • ~30% dos alunos de IES privadas não completam o curso (Agência Senado, 2014) • Evasão de cursos totalmente EaD ~19% (CENSO ABED, 2013) • Evasão de cursos semipresenciais ~15% (CENSO ABED, 2013) • As perdas financeiras podem chegar a R$ 9 bilhões (NOGUEIRA, 2011)
  19. 19. Tem dados? Eventos Professores e Tutores AdministrativoCoordenações 2. Instituição de Ensino Ambiente Virtual de Aprendizagem 3. Dados Atendimento 1. Estudantes
  20. 20. Como extrair valor?
  21. 21. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  22. 22. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações 1 – Mapeamento de indicadores AVEA, ERP, CRM, ... Indicadores Exploração dos dados
  23. 23. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  24. 24. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  25. 25. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações 2 - Geração e validação de padrões Definição de perfis Indicadores de estudantes (histórico) Aprovados Reprovados Evadidos Identificação dos grupos deinteresse Mineração dedados e identificação depadrões
  26. 26. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  27. 27. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  28. 28. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações 3 - Predição e emissão de alertas Módulo de encaminhamentos Estudantes classificados conforme o risco Classificação ou prediçãoIndicadores de estudantes (atuais) Central de Atendimento Ações automáticas Equipe de Retenção
  29. 29. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  30. 30. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  31. 31. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações 4 - Avaliação e realização de ações Analise dos estudantes em risco Realização deações Aumento da Permanência Gerência do Processo
  32. 32. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  33. 33. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  34. 34. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  35. 35. 1 - Mapeamento de indicadores 2 - Geração e validação de padrões 3 - Predição e emissão de alertas 4 - Avaliação e realização de ações
  36. 36. Como entregar?
  37. 37. • Interface de acompanhamento de uma turma
  38. 38. Resultados
  39. 39. Estudo de caso • Todas as turmas dos cursos EaD de uma IES • LOGs históricos: ~ 130 milhões • LOGs diários: ~ 225 mil • Disciplinas bimestrais (9 semanas)
  40. 40. Resultados de Predição 25,0% 35,0% 45,0% 55,0% 65,0% 75,0% 85,0% 95,0% Aula 2 Aula 3 Aula 4 Aula 5 Aula 6 Aula 7 Aula 8 Predição Insucesso Geral Insucesso Sucesso
  41. 41. Resultados de Reversão 0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0% Evasão Aprovação Comparativo Sem GVwise Com GVwise 0,0% 5,0% 10,0% 15,0% 20,0% 25,0% Retenção Aprovação 19,6% 7,4% Ganho
  42. 42. Enxergamos o valor que está nos nossos dados?
  43. 43. Obrigado! Wagner Luiz Cambruzzi wcambruzzi@gvdasa.com.br br.linkedin.com/in/wlcambruzzi

×