Curso de Data Science para Product Managers

Aula 1 • Taxonomia de Métricas-Chave de Produto

Define métricas de aquisição, envolvimento, retenção e receita e as suas relações. Dá aos GPs uma linguagem partilhada para a seleção e priorização de métricas.

Aula 2 • Conceitos Estatísticos Essenciais para GPs

Aborda média, mediana, variância, distribuições e correlação sem matemática pesada. Fornece a intuição estatística necessária para avaliar criticamente as métricas de produto.

Aula 3 • Como os Dados Fluem nos Produtos

Acompanhe como as ações dos utilizadores se tornam dados estruturados através da recolha, armazenamento e recuperação. Estabelece o modelo mental de que os GPs precisam antes de analisar qualquer métrica.

Aula 1 • Padrões de Consulta Específicos para GPs

Aplica SQL a tarefas reais de GPs: análise de funis, consultas de coortes e adoção de funcionalidades. Faz a ponte entre o conhecimento de sintaxe e as perguntas reais que os GPs fazem todas as semanas.

Aula 2 • Fundamentos de Bases de Dados Relacionais

Explica tabelas, chaves, relações e esquemas no contexto dos dados de produto. Estabelece a base estrutural necessária antes de escrever qualquer consulta.

Aula 3 • Escrita de Consultas SELECT Fundamentais

Aborda SELECT, WHERE, ORDER BY, LIMIT e lógica de filtragem básica. Permite que os GPs extraiam secções de dados direcionadas de bases de dados de produto imediatamente.

Aula 4 • Agregações e Agrupamento de Dados

Ensina COUNT, SUM, AVG, GROUP BY e HAVING para resumir o comportamento do produto. Permite o cálculo direto de métricas de envolvimento e retenção.

Aula 1 • Armadilhas Comuns de Experimentação

Identifica peek, comparações múltiplas, efeitos de rede e viés de sobrevivência. Equipa os GPs para auditar os seus próprios experimentos e questionar os que são falhos.

Aula 2 • Conceção de Experimentos Válidos

Ensina randomização, seleção do grupo de controlo e configuração de métricas de guardrail. Previne falhas de conceção comuns que invalidam os resultados antes da recolha de dados.

Aula 3 • Fundamentos Estatísticos de Testes A/B

Aborda valores-p, intervalos de confiança, poder estatístico e cálculo do tamanho da amostra. Garante que os GPs podem avaliar a validade do teste sem delegar o julgamento a analistas.

Aula 4 • Pensamento de Produto Orientado por Hipóteses

Enquadra as alterações de produto como hipóteses testáveis com critérios de sucesso claros. Estabelece a mentalidade científica que torna a experimentação rigorosa e repetível.

Aula 1 • Métricas de Sessão e Envolvimento

Quantifica a profundidade, frequência e interação com funcionalidades da sessão para medir a qualidade do envolvimento. Ajuda os GPs a distinguir o uso superficial do valor profundo do produto.

Aula 2 • Análise de Caminhos e Mapas de Calor

Utiliza caminhos de clique e mapas de calor para compreender padrões de navegação e fricção na UI. Fornece textura qualitativa às descobertas quantitativas dos funis.

Aula 3 • Análise de Coortes e Retenção

Constrói tabelas de retenção de coortes para medir como o envolvimento do utilizador muda ao longo do tempo. Revela a adesão do produto e informa o marketing de ciclo de vida e a estratégia de funcionalidades.

Aula 4 • Técnicas de Análise de Funis

Mapeia etapas de conversão, calcula taxas de abandono e identifica estrangulamentos nos fluxos de utilizadores. Informa diretamente a priorização de melhorias na onboarding e ativação.

Aula 1 • Equilíbrio entre Input Quantitativo e Qualitativo

Integra investigação com utilizadores, dados de suporte e sinais de vendas juntamente com métricas quantitativas. Previne a dependência excessiva de números, mantendo a disciplina de dados.

Aula 2 • Modelos de Pontuação e Classificação

Constrói modelos de pontuação ponderada usando inputs de impacto, confiança e esforço. Fornece um método transparente e repetível para comparar iniciativas diferentes.

Aula 3 • Dimensionamento de Oportunidades com Dados

Estima populações de utilizadores abordáveis e potenciais aumentos de métricas usando dados de produto. Previne o sobreinvestimento em funcionalidades de baixo impacto ao quantificar o upside antes de construir.

Aula 1 • Automatização da Monitorização de Métricas

Configura alertas automatizados, deteção de anomalias e verificações de saúde de métricas para KPIs chave. Transfere os GPs de uma gestão reativa para uma gestão proativa de métricas.

Aula 2 • Rastreio e Instrumentação de Eventos

Define esquemas de eventos, convenções de nomenclatura e planos de rastreio para novas funcionalidades. Garante a qualidade dos dados na fonte antes de qualquer análise ser tentada.

Aula 3 • Business Intelligence e Relatórios

Aborda noções básicas de ferramentas de BI: ligação a fontes de dados, criação de gráficos e construção de dashboards para GPs. Expande a análise self-service para além das ferramentas comportamentais para dados de toda a empresa.

Aula 4 • Qualidade e Governação de Dados para GPs

Identifica problemas de qualidade de dados, eventos em falta e deriva de esquemas que corrompem a análise. Ensina os GPs a auditar dados antes de tirar conclusões ou apresentar descobertas.

Aula 1 • Definição de Âmbito e Lançamento de Funcionalidades de ML

Define o papel do GP na definição do âmbito de projetos de ML, critérios de sucesso e preparação para o lançamento. Faz a ponte entre o desenvolvimento do modelo e a entrega do produto.

Aula 2 • Requisitos de Dados para Funcionalidades de ML

Explica dados de treino, labels, engenharia de características e requisitos de volume de dados. Permite que os GPs avaliem a viabilidade de ML antes de comprometer recursos de engenharia.

Aula 3 • Tipos de Problemas de ML e Casos de Uso

Mapeia classificação, regressão, clustering e ranking para aplicações reais de produto. Ajuda os GPs a identificar quando o ML é a solução certa versus abordagens mais simples.

Aula 4 • Avaliação do Desempenho de Modelos de ML

Aborda exatidão, precisão, recall, AUC e métricas de avaliação relevantes para o negócio. Equipa os GPs para responsabilizar as equipas de ciência de dados pelos resultados do produto, não apenas pelas pontuações do modelo.

Aula 1 • Construção de uma Cultura de Equipa Informada por Dados

Estabelece definições de métricas partilhadas, cadências de revisão e normas de literacia de dados entre equipas. Escala a influência de dados do GP para além das análises individuais para os hábitos organizacionais.

Aula 2 • Melhores Práticas de Visualização

Aplica princípios de visualização de dados para escolher o gráfico certo e eliminar chartjunk. Maximiza a clareza e o poder de persuasão de cada slide e dashboard.

Aula 3 • Navegação em Discordâncias de Dados

Fornece quadros para resolver interpretações conflituantes de dados e disputas entre partes interessadas. Mantém a integridade analítica enquanto preserva relações multifuncionais.

Aula 4 • Apresentação a Executivos e Partes Interessadas

Adapta a profundidade e o enquadramento dos dados a diferentes públicos, desde engenheiros à C-suite. Constrói credibilidade ao antecipar perguntas e prevenir objeções de dados.