Conhecimentos de Base Recomendados

-

Objetivos

1. Compreensão e assimilação dos conceitos fundamentais no domínio de BI e Analytics
2. Entender a historicidade dos sistemas de “data analytics” e o seu percurso evolutivo
3. Enquadramento e compreensão das arquiteturas funcionais em BI e Analytics
4. Utilizar soluções tecnológicas de BI e de Analytics baseadas em modelos dimensionais ou algorítmicos para resolução de problemas de negócio
5. Desenvolvimento de “case studies” focalizados na realização de valor dos sistemas de BI e de Analytics para as organizações
6. Aproximação metodológica à gestão do ciclo de vida dos projetos de BI e de Analytics
7. Compreensão da influência da evolução tecnológica e de “Big Data” na emergência da “Data Science” e na transformação de “Data Analytics”;
8. Entender e aplicar a categorização dos métodos e modelos analíticos e algumas das técnicas e soluções referentes
9. Entender o enquadramento organizacional das áreas de BI e Analytics e as suas funções e competências.

Métodos de Ensino

Aulas Teóricas:
- Processos expositivos para apreensão conceptual fundamentados em “casos de estudo” e em “demonstrações” funcionais de soluções tecnológicas;
- Método participativo - contributos dialético, criativo, cooperativo e reflexivo;
- Método interativo - partilha, estruturação, compreensão e construção de perspetivas de grupo e multidisciplinares.

Aulas Práticas:
- Métodos expositivo e participativo - resolução de casos práticos recorrendo a plataformas de BI e de Analytics;
- Método dedutivo, recapitulativo e indução crítica sobre perspetivas de conhecimento e saber constituídos na heterogeneidade dos domínios da

Unidade Curricular:
- Software específico utilizado (Power BI, Analytics Solver, RStudio, Anaconda). 

Avaliação:
- Contínua - Teste Intermédio (20%) + Teste final (30%) + Trabalho Prático de grupo (50%)

- Final - Exame Individual (50%) + Trabalho Prático de Grupo (50%) com discussão individual

Estágio(s)

Não

Programa

I. Dados, informação, conhecimento e saber.
   a) Definições
   b) Proposta de valor em “data analytics”

II. Os sistemas de suporte à decisão empresarial
   a) Historicidade
   b) Transformação digital e monetização dos dados
   c) A transição de BI para Analytics. O impacto Big Data

III. Business Intelligence e Analítica Descritiva
   a) Arquiteturas e modelos funcionais.
       a. Infraestrutura e Integração de Dados
            i. Data Warehouse e Data Lakes
            ii. O processo ETL
       b. Análise de Dados. Multidimensionalidade e Algoritmia
       c. Visualização dos Dados
   b) Casos práticos aplicados

IV. Business Intelligence e Analítica Predictiva e Prescritiva
    a) Analítica Predictiva
        a. Definição e âmbito
        b. Introdução a Data Mining. Caso prático aplicado.
    b) Analítica Prescritiva
        a. Definição e âmbito
        b. Introdução aos modelos de otimização. Exemplos empresariais.

V. Data Science e Tecnologias emergentes
   a) Multidisciplinaridade em “Data Science”
   b) O impacto das novas tecnologias em BI e Analytics
       a. Inteligência Artificial e “Machine and Deep Learning”
       b. Linguagens de programação Phyton e R

VI. Estruturas organizacionais de BI e Analytics
    a) Enquadramento e competências

Demonstração de conteúdos

Para os objetivos de aprendizagem definidos de 1 a 9, e face ao programa previamente definido de I a VI:
- I aborda o tema que permite concretizar os objetivos de aprendizagem apresentados em 1;
- II permite atingir os objetivos de aprendizagem definidos em 2;
- III permite alcançar os objetivos de aprendizagem definidos de 3 a 6;
- IV proporciona a concretização dos objetivos de aprendizagem apresentados em 4, 5 e 8;
- V permite concretizar os objetivos de aprendizagem apresentados em 7;
- VI possibilita o cumprimento dos objetivos de aprendizagem descritos em 9.

Demonstração da metodologia

As metodologias de Ensino utilizadas na UC proporcionam quer a assimilação teórica do sentido evolutivo e dos grandes desafios nos domínios organizacional e tecnológico de BI e Analytics, quer a sua aplicabilidade (através de soluções tecnológicas) a casos práticos efetivos de negócio.
A componente participativa e o trabalho em grupo na vertente prática são abordagens fundamentais para a colaboração e a interação entre alunos e docente proporcionando o trabalho em equipa e preparando a génese e a dinâmica de projetos referentes aos domínios de desenvolvimento e implementação de soluções de BI e de Analytics, possibilitando simultaneamente uma consciencialização progressiva do universo da Ciência dos Dados.

Docente(s) responsável(eis)

Francisco Joaquim Madeira Esteves - 1.º Semestre

Bibliografia

- Alpaydin, E. (2020), “Introduction to Machine Learning”, 4th edition, MIT Press.

- Deviln, B. (2013), “unBusiness Intelligence”, Technics Publications

- Eryurek,E. & Gilad U. (2021) ”Data Governance: The Definitive Guide”, O’Reilly

- Knight, B., Knight, D., Pearson, M., Quintana, M.,Powel , B. (2018), “Microsoft Power BI Complete Reference”, Packt Publishing.

- Laursen, G. H., & Thorlund, J. (2016), “Business analytics for managers: Taking business intelligence beyond reporting”. John Wiley & Sons.

- Mount, G. (2021), “Advancing into Analytics: from Excel to Phyton and R”, O’Reilly.

- Powel , B. (2018), “Mastering Microsoft Power BI” , Packt Publishing.

- Sharda,R., Delen ,D. & Turban, E.. (2017) “Business Intelligence, Analytics, and Data Science: A Managerial Perspective”, 4th Edition, Pearson.

- Shmueli, G. Bruce, P. & Gedeck, N. (2020) “Data Mining for Business Analytics: Concepts, Techniques and Applications in Python”, Wiley.