Fran Mateus

O livro  O homem mais rico da Babilônia , do escritor George S. Clason (1874 - 1957), está celebrando 100 anos! Ele foi publicado no ano de 1926 e, desde então, virou não só um best-seller como um clássico do universo das finanças pessoais. Através das parábolas de homens babilônios, que desejavam sair da pobreza e ter acesso ao ouro e às outras formas de fortunas presentes na Babilônia em seu auge, o autor nos guia sobre como proceder caso também queiramos fazer a nossa própria fortuna.  Aqui estão alguns dos seus ensinamentos. 1º) Faça o seu dinheiro crescer Conserve consigo, pelo menos, 10% do que você ganha, pagando a si mesmo primeiro. Não faz sentido você trabalhar e entregar todo o seu dinheiro para os outros. Invista onde o valor principal esteja a salvo, onde possa ser reivindicado sempre que você desejar e onde você possa conseguir uma bela renda. Ponha o dinheiro economizado para trabalhar para você, mas proteja-o contra perdas, investindo cautelosamente. Tome cui...

Repassando algumas dicas de sucesso que coletei de alguns pesos-pesados do mundo dos negócios e da comunicação como Richard Branson, Warren Buffett, Dale Carnegie, Robin Sharma e outros. Richard Branson O executivo britânico do Grupo Virgin nos ensina como conseguir enriquecer em cinco passos bem dados: Identifique um problema que outras pessoas precisam resolver e encontre uma solução para ele. Tente obter a receita antes de entregar o produto. Primeiro você vende; depois, você entrega. Trabalhe com pessoas que acreditam em sua ideia (sócios, empregados, fornecedores). Construa a sua marca pessoal e|ou da sua empresa. Aprenda a correr riscos calculados. Sobre o item 1, duas boas fontes de inspiração para quem quer identificar problemas são a leitura do livro Apaixone-se pelo problema, não pela solução , de Uri Levine (inventor do Waze ) e assistir o programa semanal Pequenas Empresas, Grandes Negócios (exibidos aos sábados, às 07:50, pela Globo, e disponibilizado online pelo GloboPla...

Ser objetivo na venda de ideias, produtos ou serviços pode parecer um ato simples, mas que nem sempre é fácil. Esse também era o pensamento de James Oswald, o dono da maior agência de publicidade dos Estados Unidos, a (fictícia) Oswald Advertising Agency, quando citou o motivo de ter dado uma chance para um rapaz chamado O. B. Adams, visto que ele parecia não ter as qualificações necessárias para trabalhar no ambicioso universo da publicidade. No entanto, a obviedade do jovem chamou a atenção do executivo: "Quantas pessoas são capazes de perceber e fazer o óbvio? E quantas têm persistência suficiente para levar adiante as suas ideias a respeito do que é óbvio?"  (James Oswald) O. B. Adams, conhecido como Adams Óbvio no meio publicitário, é o personagem principal dessa pequena história sobre a conquista do sucesso seguindo passos objetivos. Ele nasceu pobre e não demorou para se tornar órfão também. No entanto, a sua origem humilde e financeiramente limitadora não o impediu de...

Análises estatísticas no filme Moneyball - O Homem que Mudou o Jogo (Divulgação) O filme Moneyball — O Homem que Mudou o Jogo (2011) é um excelente exemplo de como a análise de dados através de técnicas estatísticas pode transformar decisões estratégicas no setor esportivo.  Neste post, veremos como os quatro tipos mais comuns de análise de dados — Descritiva, Diagnóstica, Preditiva e Prescritiva — aparecem nas ações do gerente-geral do time de baseball Oakland A’s , Billy Beane (interpretado por Brad Pitt ), ao longo dessa narrativa baseada em eventos reais. Mas, primeiro, vamos entender o problema deste negócio. O Problema do Negócio Oakland A's Quando a temporada de 2002 começou, o Oakland A’s estava prestes a perder seus melhores jogadores e não tinha dinheiro para fazer boas contratações. Billy Beane tinha um problema sério para resolver e sabia que precisava mudar algo na sua estratégia se quisesse competir com os grandes times da Liga Americana. Foi nesse momento da histó...

Recomendações baseadas tanto em conteúdo como em usuários e itens similares (fonte: Amazon) Objetivo deste post Explicar, sucintamente, como os sistemas híbridos de recomendações de produtos funcionam e como eles estão sendo usados para aumentar as vendas de quem já os implantou em seus negócios. Os sistemas híbridos de recomendações Os sistemas híbridos de recomendações são ferramentas que combinam os modelos de recomendações baseadas em conteúdo , as recomendações usando filtros colaborativos e as análises de cestas de compras dos clientes . Dessa forma, os sistemas híbridos tiram vantagem do melhor de cada uma dessas técnicas e conseguem fazer sugestões altamente personalizadas para seus clientes e usuários. Vejamos dois exemplos sobre o uso de sistemas híbridos de recomendação: o caso da Amazon para já clientes; e o da Sephora, para usuários novos em sua plataforma de vendas. Sistema de recomendação híbrido para clientes (cujo histórico de compras é conhecido) Na foto acima, ...

Gráfico de cesta de compras com produtos, frequentemente, comprados juntos (Fran Mateus). O objetivo deste post Este post, da série especial sobre Sistemas de Recomendação, trata de um tipo de recomendação que faz uso da análise dos itens comprados — frequentemente — juntos pelos clientes, e usa a informação para sugerir outros produtos similares ou que também são comprados juntos. Essa técnica é conhecida como Análise de Cestas de Compras (ou Market Basket Association ) e muito usada em supermercados, e-commerce em geral e lojas virtuais com alto fluxo de vendas.  Quero esclarecer que o objetivo, aqui, é dar uma ideia de como esse tipo de análise, usada para alimentar para sistemas de recomendação, pode ser útil para o seu negócio, sem a pretensão de esgotar o tema. Vamos começar com um exemplo. Cenário 1 - a cesta de um supermercado Observe o gráfico acima. Ele mostra o resultado da análise das cestas de compras dos clientes de um determinado supermercado americano. De acordo com...

Filme "Casa Gucci" (2021) recomendado pela Prime Video. O objetivo deste post Este post faz parte da série especial sobre Sistemas de Recomendação baseados em Machine Learning e trata do tipo de sugestão feita através do uso de filtros colaborativos . Estes filtros podem ser divididos de, pelo menos, duas formas: uma baseada nos gostos e preferências de usuários similares ao que está navegando na loja virtual, website, aplicativo da sua empresa; outra, baseada na similaridade entre os itens | produtos | serviços pesquisados pelo usuário. O objetivo, aqui, é dar uma ideia inicial do que esse tipo de sistema de recomendação pode fazer pelo seu negócio, sem a pretensão de esgotar o tema. Para começar, considere os seguintes cenários. Cenário 1: Recomendações de produtos baseadas nos gostos de usuários similares João, Michelle, Marcelo e Juliana não se conhecem; eles nem moram na mesma cidade. Um deles, inclusive, mora em outro país. Mas, de acordo com o sistema de recomendação ...