Formação Executiva em Dados
A formação que prepara profissionais de dados para sentar na mesa executiva.
Você trabalha com dados há anos. Entrega resultado no squad. A próxima posição pede competências que não cabem num curso técnico e não se aprendem num MBA. Essa formação cobre essa lacuna em 13 semanas, 28 horas de programa com mentores convidados.
Empresas onde nossos mentores já atuaram
// O problema
Data Product Manager virou cargo oficial. Junior, Pleno, Senior, Head. Depois disso, o caminho some. Profissionais experientes circulam no mesmo nível porque o próximo degrau exige competências que nenhuma das posições anteriores desenvolveu.
A empresa contratou engenheiros, cientistas, comprou ferramentas. O board pergunta qual foi o retorno. Ninguém na sala traduz o que o time técnico entrega em linguagem que a diretoria reconhece como valor.
O time de dados entrega análises. Produto toma decisões por conta. Negócio pede algo diferente do que recebeu. Trabalham com dados, sobre dados, mas cada área vive numa realidade separada.
Esse conjunto de competências é raro: profundidade técnica pra entender o que é viável, e visão de negócio pra defender prioridades na mesa executiva. Quem desenvolve essas competências abre caminho pra posições como Director of Data Strategy, VP of Data e CDO.
Se você se reconhece nessas situações, o Radar mostra exatamente onde estão seus gaps.
Quero descobrir meus gaps// Quem ensina
Vinícius Coimbra
Product, Data & AI Executive · Senior Director
Executivo de Produto, Dados e IA com mais de 22 anos de experiência liderando design, construção e escala de produtos digitais complexos em ambientes B2B e B2C. Opera na interseção de produto, engenharia, dados e estratégia, conectando visão de negócio com execução técnica real.
Passou por posições de CPTO, CTO e Director of Data Engineering em organizações com mais de 4.000 colaboradores, coordenando ecossistemas de dados diversos com múltiplas business units e operações em vários países. A experiência de estar entre o time técnico e a mesa executiva mostrou um gap que nenhuma formação cobria. O Data Translator é a resposta prática: o que só se aprendia errando dentro de operações reais.
Profissionais que trazem perspectivas complementares da mesa.
Data Science Manager — QuintoAndar
Mestre em Economia pela Mackenzie. Atua na interseção entre ML aplicado, precificação e decisão de negócio.
Sr Staff Data & ML Eng — Blip
22 anos em engenharia de dados e arquitetura. Evoluiu plataformas de dados em fintechs brasileiras. Data Mesh e MLOps.
Innovation & Product Mgr — BDMG
10 anos em estratégia e transformação digital. Professor na Fac. Unimed. Fellow em Venture Capital.
Arraste para ver todos →
// Para quem é
Identificou seu perfil? O Radar mapeia seus gaps em menos de 5 minutos.
Quero fazer meu Radar// O caminho
Vocabulário técnico, papéis e disciplinas, ML e IA sem hype. Pessoas de negócio, operações ou estratégia passam por aqui. Quem já trabalha com dados pula direto pro próximo ciclo.
Mapa de carreira. O gap de tradução. Identidade do Data Translator. Leitura sistêmica com cases reais. Strategic framing. Radar aprofundado com situações do dia a dia.
Data Product Thinking. Framework proprietário L5. Change management e adoção. Economia de dados e como falar de ROI. Playbook com 6 cenários reais de stakeholder management. IA, agentes e futuro. Radar final: compare com o diagnóstico do primeiro dia.
// Radar de Competências
Cada eixo representa uma competência usada em conversas reais com stakeholders diferentes. O diagnóstico mostra onde você está forte e onde precisa investir.
Clique nos pontos para ver detalhes · Exemplo de preenchimento
Eixo 1 → Data Engineers
Pipelines, ETL/ELT, CDC, streaming, Modern Data Stack (dbt, Airflow, Fivetran). Entender trade-offs de qualidade e prazo. Negociar escopo com o time técnico sem comprometer a entrega.
Eixo 2 → Architects, Platform
Data Warehouse, Data Lake, Lakehouse, Cloud (AWS/GCP/Azure), modelagem dimensional, batch vs streaming, Data Mesh. Avaliar com argumentos que servem pro CTO e pro CFO.
Eixo 3 → Analistas, BI, Stakeholders
Storytelling, dashboards estratégicos, self-service analytics, semantic layer, frameworks de métricas (North Star, OKRs). Separar métricas de decisão de métricas de vaidade.
Eixo 4 → ML Engineers, Scientists
ML lifecycle, MLOps, modelos supervisionados e não-supervisionados, monitoramento em produção, agentes de IA. Avaliar quando um modelo agrega decisão e como gerar confiança no negócio.
Eixo 5 → Data Stewards, CDO
Data catalog, lineage, ownership, data contracts, data quality. Garantir que os dados que sustentam decisões são confiáveis e resolver quando áreas apresentam números diferentes.
Eixo 6 → Jurídico, CISO, DPO
LGPD, GDPR, consentimento, anonimização, criptografia. Viabilizar projetos que precisam de dados sensíveis encontrando o caminho entre o time técnico e o jurídico.
Eixo 7 → PMs, GPMs, CPOs, Product Leads
Data product thinking, discovery para dados, specs, métricas de adoção, ciclo de vida de data products, quando matar um data product que não gera valor.
Eixo 8 → C-level, VPs, Diretores
Business cases, ROI de dados, P&L, comunicação executiva, priorização por valor organizacional. Defender investimento em dados pra quem mede sucesso em margem, retenção e market share.
O Radar mapeia esses eixos no seu perfil. Preenche em menos de 5 minutos.
Fazer meu Radar agora// O programa
Você não precisa ser técnico pra entrar no programa. Se vem de negócio, operações, produto ou estratégia, este ciclo constrói o vocabulário e a visão que o restante do programa assume. Quem já trabalha com dados pula direto pra Fundação Estratégica.
Os termos que aparecem em toda conversa sobre dados: pipeline, ETL, data lake, feature store, modelo. O que cada um significa na prática e por que importa pra quem decide.
Quem faz o quê num time de dados. Engenheiro, analista, cientista, DPM, arquiteto. Onde cada um entra, onde os conflitos surgem e como o Translator navega entre eles.
O que machine learning realmente faz, onde agrega e onde é teatro. Modelos, agentes, automação. O suficiente pra avaliar propostas técnicas sem depender de tradução de terceiros.
O aluno sai com: mapa de carreira pessoal, diagnóstico organizacional, radar aprofundado nos 8 eixos, e capacidade de articular o perfil Data Translator para qualquer audiência.
5 perfis de entrada, cargos reais com levels, zona de convergência executiva.
A lacuna entre quem entrega dados e quem decide com dados. Referências da McKinsey e cases.
As competências que definem esse perfil. Posicionamento na interseção dados-produto-negócio.
Cases reais de empresas brasileiras. Onde dados quebram nas organizações.
De "queremos ser data-driven" a roadmap com métricas que medem decisões melhores.
8 eixos dissecados com situações reais do dia a dia de quem trabalha com dados.
O aluno sai com: visão de data product thinking, framework operacional L5, playbook com 6 cenários reais de stakeholder management, e radar final comparativo.
O que é data product, discovery para dados, specs, métricas de adoção, quando matar um data product que não gera valor.
Framework proprietário. Da operação de data products ao pensamento estratégico.
O que o perfil Data Translator desenvolve a partir de competências que outras posições exercitam.
Change management aplicado a dados. Como fazer a organização adotar o que foi construído.
ROI, business cases. A conversa com quem controla o orçamento da organização.
6 cenários reais. O executivo que pede algo inviável. O time que resiste. A decisão com viés.
Agentes, automação, futuro das posições seniores. Radar final comparativo com o primeiro dia.
// Perguntas
// Próximo passo
Preencha o Radar de Competências e receba seu diagnóstico personalizado. A partir dele, agende uma mentoria gratuita pra discutir seu perfil e o programa.
Turmas de no máximo 10 pessoas. Vagas limitadas por ciclo.