Use este identificador para citar ou linkar para este item:
http://www.monografias.ufop.br/handle/35400000/7038
Registro completo de metadados
Campo Dublin Core | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Araújo, Janniele Aparecida Soares | pt_BR |
dc.contributor.author | Baraky, Daniele Assis Lucas | - |
dc.date.accessioned | 2024-10-14T20:50:39Z | - |
dc.date.available | 2024-10-14T20:50:39Z | - |
dc.date.issued | 2024 | pt_BR |
dc.identifier.citation | BARAKY, Daniele Assis Lucas. Análise de dados para impulsionar o programa de diversidade e inclusão na CENIBRA. 2024. 77 f. Monografia (Especialização em Ciência de Dados) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2024. | pt_BR |
dc.identifier.uri | http://www.monografias.ufop.br/handle/35400000/7038 | - |
dc.description.abstract | O trabalho aborda como a governança de dados e a ciência de dados podem transformar a indústria de celulose, promovendo diversidade e inclusão. Utilizando um método desenvolvido conforme as práticas da empresa, experimentadas por este trabalho, foram implementados processos rigorosos de coleta, organização e análise de dados para desenvolver estratégias eficazes e sustentáveis. Por meio de técnicas avançadas de estatísticas e de aprendizado de máquina, como a análise de componentes principais e clusterização, foram identificadas oportunidades para aprimorar a inclusão de grupos minoritários dentro da empresa. Reduziu-se a dimensionalidade dos dados, facilitando a identificação de padrões relevantes, enquanto a clusterização ajudou a segmentar os dados em grupos homogêneos, destacando áreas com maior potencial de inclusão. Os resultados da clusterização identificaram três grupos principais: o Cluster 0, composto por funcionários mais experientes, do gênero masculino, com maior competência e diversidade racial; o Cluster 1, predominantemente feminino, com menor tempo de casa e competência média, representando funcionários mais novos ou em desenvolvimento; e o Cluster 2, similar ao Cluster 1 em tempo de casa, mas com a menor competência e promoções, sugerindo um grupo de funcionários menos experientes. Integrar práticas robustas de governança de dados com iniciativas de diversidade revelou-se essencial para enfrentar desafios específicos e gerar insights valiosos. Este trabalho não apenas esclarece as barreiras enfrentadas pela empresa, mas também oferece soluções práticas para fomentar uma cultura organizacional mais equitativa e inclusiva. Além disso, propõe-se a aplicação futura de modelos preditivos, como o Random Forest Classifier, para monitorar e melhorar continuamente as dinâmicas de inclusão e equidade. A adoção do storytelling foi fundamental para tornar os insights derivados da análise de dados acessíveis e compreensíveis. Ao utilizar narrativas e visualizações claras, democratizou-se o acesso às descobertas obtidas, engajando não apenas especialistas em dados, mas também líderes e colaboradores de diferentes áreas da empresa. Essa abordagem facilitou a comunicação eficaz dos resultados, promovendo uma cultura de transparência e colaboração essencial para sustentar mudanças positivas e duradouras em nossas práticas de inclusão e diversidade. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.subject | Análise por agrupamento | pt_BR |
dc.subject | Estatística - processamento de dados | pt_BR |
dc.subject | Diversidade no ambiente de trabalho | pt_BR |
dc.subject | Governança de dados | pt_BR |
dc.subject | Indústria de celulose | pt_BR |
dc.title | Análise de dados para impulsionar o programa de diversidade e inclusão na CENIBRA. | pt_BR |
dc.type | TCC-Especialização | pt_BR |
dc.rights.license | Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1). | pt_BR |
dc.contributor.referee | Sousa, Alexandre Magno de | pt_BR |
dc.contributor.referee | Caux, Leonardo Souza de | pt_BR |
dc.contributor.referee | Araújo, Janniele Aparecida Soares | pt_BR |
dc.description.abstracten | The work addresses how data governance and data science can transform the pulp and paper industry by promoting diversity and inclusion. Using a method developed according to the com pany’s practices, which were tested throughout this project, rigorous processes were implemented for data collection, organization, and analysis to develop effective and sustainable strategies. Through advanced statistical techniques and machine learning methods, such as Principal Com ponent Analysis and clustering, opportunities were identified to enhance the inclusion of minority groups within the company. Dimensionality reduction facilitated the identification of relevant patterns, while clustering helped segment the data into homogeneous groups, highlighting areas with greater inclusion potential. The clustering results identified three main groups: Cluster 0, composed of more experienced male employees with higher competence and racial diversity; Cluster 1, predominantly female, with less time in the company and average competence, representing newer or developing employees; and Cluster 2, similar to Cluster 1 in terms of time in the company but with the lowest competence and promotions, suggesting a group of less experienced employees. Integrating robust data governance practices with diversity initiatives proved essential to ad dressing specific challenges and generating valuable insights. This work not only clarifies the barriers faced by the company but also offers practical solutions to foster a more equitable and inclusive organizational culture. Additionally, it is proposed to apply predictive models, such as the Random Forest Classifier, to continuously monitor and improve inclusion and equity dynamics. The adoption of storytelling was crucial to making the insights derived from data analysis accessible and understandable. By using clear narratives and visualizations, the findings were democratized, engaging not only data specialists but also leaders and employees from different areas of the company. This approach facilitated the effective communication of results, promoting a culture of transparency and collaboration essential to sustaining positive and lasting changes in our inclusion and diversity practices. | pt_BR |
dc.contributor.authorID | 2021.10808 | pt_BR |
Aparece nas coleções: | Especialização - Ciência dos Dados |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
MONOGRAFIA_AnaliseDadosImpulsionar.pdf | 6,09 MB | Adobe PDF | Visualizar/Abrir |
Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.