Utilizei o ChatGPT para desenvolver um cronograma de estudos personalizado com base na Taxonomia de Bloom, considerando meu objetivo atual de desenvolver um projeto de churn na área de análise de dados.
O cronograma foi estruturado de maneira progressiva, seguindo os diferentes níveis cognitivos da Taxonomia de Bloom: memorizar, compreender, aplicar, analisar, avaliar e criar. Inicialmente, reservei momentos específicos para memorização de conceitos fundamentais relacionados a churn, SQL, Python, estatística e KPIs, utilizando flashcards, revisões e anotações. Em seguida, organizei atividades voltadas à compreensão do conteúdo, como produção de resumos, mapas mentais e estudo de videoaulas sobre retenção de clientes e análise de dados.
Além disso, incluí sessões práticas para aplicação e análise dos conhecimentos adquiridos, realizando exercícios em Python e SQL, além de análises exploratórias de dados (EDA) em datasets de churn. Essas atividades têm como objetivo identificar padrões de cancelamento de clientes, interpretar métricas e compreender fatores que impactam a evasão.
Também reservei tempo para avaliação crítica de dashboards, comparação de análises e verificação da qualidade das fontes utilizadas. Por fim, incluí momentos dedicados à criação, focando no desenvolvimento do projeto de churn, criação de dashboards no Power BI e elaboração de relatórios analíticos.
Dessa forma, o cronograma busca equilibrar teoria e prática, permitindo um aprendizado mais estruturado e eficiente.
Cronograma Semanal de Estudos
| Dia | Nível da Taxonomia | Atividade | Tempo |
|---|---|---|---|
| Segunda-feira | Memorizar | Flashcards e revisão de conceitos de churn, SQL e estatística | 2h |
| Terça-feira | Compreender | Resumos, mapas mentais e videoaulas sobre análise de dados | 1h30 |
| Quarta-feira | Aplicar | Exercícios práticos em Python e SQL | 2h |
| Quinta-feira | Analisar | EDA em dataset de churn e interpretação de métricas | 2h |
| Sexta-feira | Avaliar | Revisão crítica de dashboards e comparação de análises | 1h30 |
| Sábado | Criar | Desenvolvimento do projeto de churn e criação de dashboards | 3h |
| Domingo | Revisão Geral | Revisão leve e organização do planejamento semanal | 1h |
Roadmap de Aprendizagem
| Memorizar (Curto Prazo) | Compreender (Médio Prazo) | Aplicar (Longo Prazo) |
|---|---|---|
| Revisar conceitos de churn, KPI, SQL e estatística utilizando flashcards e anotações. | Produzir resumos e mapas mentais sobre análise de dados e retenção de clientes. | Desenvolver um projeto completo de churn utilizando Python, SQL e Power BI. |
| Memorizar comandos básicos de SQL e funções do Python para análise de dados. | Explicar com minhas próprias palavras como funciona a análise de churn e os fatores que influenciam o cancelamento de clientes. | Realizar análises exploratórias (EDA) em datasets reais de churn. |
| Revisar fórmulas estatísticas importantes para análise de dados. | Interpretar gráficos, métricas e dashboards relacionados à evasão de clientes. | Criar dashboards interativos para apresentação de indicadores de churn. |
| Revisar conceitos de ETL, banco de dados e visualização de dados. | Relacionar conceitos teóricos com exemplos práticos vistos em estudos de caso. | Aplicar consultas SQL para extração e tratamento de dados do projeto. |
| Fazer quizzes rápidos e revisões frequentes para fixação do conteúdo. | Discutir estratégias de retenção de clientes e soluções analíticas. | Construir soluções analíticas para auxiliar na redução do churn. |
| Memorizar bibliotecas e comandos utilizados em Python para análise de dados. | Entender as etapas de um projeto de análise de dados do início ao fim. | Criar relatórios analíticos e apresentações do projeto de churn. |
