Episode Details
Back to Episodes
Como a Stone mede o valor dos dados por problemas resolvidos
Episode 237
Published 2 weeks ago
Description
Uma área de dados gera resultados quando é capaz de estabelecer uma conexão entre plataformas, métricas e inteligência artificial a problemas de negócio mensuráveis.
Neste episódio do DoTheMATH, gravado no FEBRABAN TECH 2026, Eduardo Apolo, Director of Data Platform, Analytics and AI da Stone, explica como a centralização da plataforma e a unificação dos indicadores aproximaram dados das prioridades da empresa.
“A discussão tem que partir de qual é a dor de negócio que você tá resolvendo.”
A conversa aborda temas como fonte única de dados, camada semântica para IA, capacitação contínua, critérios para escolher entre IA generativa e modelos simples e redesenho dos times de dados.
Referências:
Siga o DoTheMATH no Spotify para acompanhar conversas sobre IA, dados, tecnologia, liderança e negócios.
Novos episódios toda quarta e sexta.
Apresentação
Marcel Ghiraldini, CSO, MATH
Vinicius Forcinito, Director of Solutions Architecture, MATH
Convidado
Eduardo Apolo, Director of Data Platform, Analytics and AI, Stone
Capítulos
00:00 – Trajetória e construção da plataforma de dados
05:52 – Confiança nos dados e unificação de indicadores
11:10 – Camada semântica e capacitação para IA
15:33 – Investimento, margem e retorno da plataforma
24:10 – Critérios para aplicar IA e controlar custos
27:18 – Governança e redesenho dos times de dados
39:19 – Indicadores ligados a problemas de negócio
Para ouvir e seguir:
🎧 https://open.spotify.com/show/4vJTtAzCBxzyK1XCxpybsw?si=188793c03ddd43e6
🌐 https://math.group/
Neste episódio do DoTheMATH, gravado no FEBRABAN TECH 2026, Eduardo Apolo, Director of Data Platform, Analytics and AI da Stone, explica como a centralização da plataforma e a unificação dos indicadores aproximaram dados das prioridades da empresa.
“A discussão tem que partir de qual é a dor de negócio que você tá resolvendo.”
A conversa aborda temas como fonte única de dados, camada semântica para IA, capacitação contínua, critérios para escolher entre IA generativa e modelos simples e redesenho dos times de dados.
Referências:
- Livro Competing on Analytics, de Thomas H. Davenport e Jeanne G. Harris
- DoTheMATH #164 - Decisões melhores não vêm da IA. Vêm de dados organizados | Ford South America: https://open.spotify.com/episode/74hkQAiqn0piy8H1xbUlgQ?si=49VESEpTRL6XLeKEwvTZVQ
Siga o DoTheMATH no Spotify para acompanhar conversas sobre IA, dados, tecnologia, liderança e negócios.
Novos episódios toda quarta e sexta.
Apresentação
Marcel Ghiraldini, CSO, MATH
Vinicius Forcinito, Director of Solutions Architecture, MATH
Convidado
Eduardo Apolo, Director of Data Platform, Analytics and AI, Stone
Capítulos
00:00 – Trajetória e construção da plataforma de dados
05:52 – Confiança nos dados e unificação de indicadores
11:10 – Camada semântica e capacitação para IA
15:33 – Investimento, margem e retorno da plataforma
24:10 – Critérios para aplicar IA e controlar custos
27:18 – Governança e redesenho dos times de dados
39:19 – Indicadores ligados a problemas de negócio
Para ouvir e seguir:
🎧 https://open.spotify.com/show/4vJTtAzCBxzyK1XCxpybsw?si=188793c03ddd43e6
🌐 https://math.group/