Escola Conquer

Reclamar dessa empresa

Rio Branco - AC

17/03/2026 às 11:59

ID: 243507397

PROPAGANDA ENGANOSA: EMENTA DIFERENTE DO QUE É DE FATO MINISTRADO

Bom,sou aluno da conquer e cheguei até a empresa devido a indicação de outros colegas da USP ,então procurando especializações optei pelo curso de BI e Data Analytics da empresa,sempre assistindo as aulas e tudo mais porem acontece que me deparei com a distinção entre conteudos apresentados na ementa e na execução dos cursos,quando iniciei minha relação com o analista da empresa informei que não tinha interesse nenhum em certificado de um curso qualquer,meu foco era a prática e a aplicação ao negocio ao passo que o mesmo me informou que a especialização teria os seguintes conteudos:


EMENTA FORNECIDA

.....................

1. Introdução ao BI e Análise de Dados

Nível Iniciante: Você conhecerá o que é Business Intelligence (BI), seu papel em transformar dados brutos em informações acionáveis e as etapas do ciclo de vida de um projeto (coleta, ETL, modelagem, relatório).


Nível Intermediário: Verá como configurar um data warehouse ou data lake, entenderá conceitos de OLAP vs. OLTP e aprenderá a desenhar fluxos de extração, transformação e carga (ETL) para consolidar fontes diversas.


Nível Avançado: Explora práticas de data governance, metadata management e arquiteturas de streaming (real-time analytics), além de estratégias de alta disponibilidade e segurança em soluções corporativas de BI.


2. Cultura Data-Driven e sua Importância

Iniciante: Compreenderá o valor de decisões baseadas em dados em vez de feeling e como pequenas vitórias (quick wins) podem provar o ROI de iniciativas analíticas.


Intermediário: Aprenderá a implementar programas de data literacy e a estruturar papéis como data steward e data champion dentro da empresa, além de montar KPIs e dashboards de adoção.


Avançado: Desenvolverá competências em change management para promover a descentralização da tomada de decisão (data democratization), implantando frameworks como Data Mesh e estabelecendo métricas de maturidade analítica.


3. Modelagem de Dados e Estruturas Relacionais

Iniciante: Estudo de diagramas Entidade-Relacionamento (ER), conceitos de chave primária/estrangeira e normalização (1 a 3 forma normal) para evitar redundâncias.


Intermediário: Foco em modelagem dimensional (star e snowflake schemas), montagem de tabelas fato e dimensão, e otimizações de índices para consultas analíticas eficientes.


Avançado: Aprofundamento em Data Vault (DV2), modelagem para cenários de alta ingestão e em arquiteturas híbridas (federated, polyglot persistence), lidando com grandes volumes (big data) e performance tuning a nível de storage.


4. Microsoft Excel para BI

Iniciante: Uso de fórmulas básicas (SOMASE, PROCV/VLOOKUP), criação de Tabelas e Gráficos simples.


Intermediário: Domínio de Tabelas Dinâmicas, Power Query para ETL leve e fórmulas matriciais (SEERRO, ÍNDICE/CORRESP).


Avançado: Automação com VBA, introdução ao Power Pivot, modelagem de dados no Excel e criação de medidas DAX para cálculos avançados dentro do próprio workbook.


5. SQL para Análise de Dados

Iniciante: Sintaxe SELECTFROMWHERE, filtros básicos e ordenação (ORDER BY).


Intermediário: Junções (INNER, LEFT, RIGHT), agregações (GROUP BY), subconsultas e CTEs (Common Table Expressions).


Avançado: Window functions (ROW_NUMBER, RANK, LAG/LEAD), otimização de queries (EXPLAIN PLAN, índices compostos), procedures, triggers e particionamento de tabelas.


6. Power BI e Visualização de Dados

Iniciante: Conexão a fontes (Excel, CSV, SQL), criação de gráficos básicos e uso de filtros/slicers.


Intermediário: Construção de relacionamentos entre tabelas, medidas em DAX (CALCULATE, FILTER) e design de relatórios com drill-through.


Avançado: Paginated reports, deployment pipelines (dev test prod), Row-Level Security, custom visuals e integração com Azure Analysis Services.


7. Python para Data Science

Iniciante: Ambiente Jupyter, bibliotecas pandas e numpy para limpeza e manipulação de dados, importação/exportação de arquivos.


Intermediário: Visualização com matplotlib/seaborn, pipelines de dados com sklearn (transformers, pipelines), e tratamento de dados ausentes/outliers.


Avançado: Criação de modelos preditivos em scikit-learn, uso de TensorFlow/PyTorch para deep learning, deploy de modelos via Flask/Django e paralelização com Dask ou Spark.


8. Estatística Aplicada ao BI

Iniciante: Estatística descritiva (média, mediana, desvio-padrão), distribuição normal e boxplots.


Intermediário: Testes de hipótese (t-test, chi-square), intervalos de confiança, regressão linear simples e múltipla.


Avançado: Análise multivariada (PCA, cluster), séries temporais (ARIMA, Prophet), modelagem bayesiana e controle estatístico de processos (SPC).


9. Storytelling com Dados

Iniciante: Princípios de design de gráficos (cores, tipografia, escolha de tipos de gráfico).


Intermediário: Construção de narrativas (flow: contexto desafio insight ação), uso de dashboards interativos para engajamento de stakeholders.


Avançado: Data journalism, narrativas dinâmicas com R Shiny ou Dash, storytelling experiencial e testes A/B de apresentações para otimizar impacto.


10. Machine Learning e Predição de Tendências

Iniciante: Diferença entre aprendizado supervisionado, não-supervisionado e por reforço; primeiros modelos (k-NN, regressão linear).


Intermediário: Validação de modelos (cross-validation, grid search), classificação (Árvore de Decisão, SVM), clustering (K-Means, DBSCAN).


Avançado: Ensemble methods (Random Forest, XGBoost), deep learning (redes neurais convolucionais e recorrentes), MLOps (CI/CD de modelos) e produção em escala.


11. Planejamento Estratégico com Dados

Iniciante: Definição de KPIs e metas SMART, elaboração de dashboards executivos.


Intermediário: Balanced Scorecard, OKRs e alinhamento de métricas com objetivos de negócio; construção de roadmaps analíticos.


Avançado: Cenários preditivos, simulação de Monte Carlo, otimização de portfólio de projetos e dashboards dinâmicos para reuniões de diretoria.


12. Data Analytics e Performance Empresarial

Iniciante: Métricas básicas (CAC, LTV, churn rate), análise de vendas e relatórios gerenciais.


Intermediário: Modelagem de funil de vendas, análise de cohort, dashboards de performance em tempo real.


Avançado: Experimentação (testes A/B multivariados), causal inference, uplift modeling e analytics de prescrição para automação de decisões.


13. Inovação Baseada em Dados

Iniciante: Ciclo Build-Measure-Learn e cultura de experimentação com A/B tests simples.


Intermediário: Metodologias ágeis (Scrum, Kanban) aplicadas a iniciativas analíticas, design thinking e prototipagem rápida.


Avançado: Data mesh, digital twins, arquitetura orientada a eventos (event-driven), e governança orientada a plataformas de inovação contínua.

..........................

Algumas cadeiras sequer foram ministradas em qualquer nível como SQL e PYTHON fora os metodos avançados de Estatistica e zero Machine Learning,em essência o curso te vende uma coisa e entrega um curso raso que mais parece um curso aberto do que de fato uma especialização,se quer estudar ciência de dados assim como eu procure universidades de renome e passem longe de instituições como essa.

Obs:Já tentei inumeros canais de comunicação desde o ano passado e aparentemente sempre quem me atende pouco tempo depois para de trabalhar na empresa,o vendedor não trabalha mais la,a ouvidoria que me enrolava de dezembro de 2025 em março de 2026 também já não está la,o canal do instagram também não me responde mais desde que abri solicitação em outros lugares,fora que mesmo eu estando com apenas 80% do curso realizado já emitiram certificado de conclusão com nota 10 em todas as cadeiras,até mesmo aquelas que sequer assisti aula,então cuidado a todos.