Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
OA1- Compreender o processo da BI e os fatores que contribuem para maximizar o valor no negócio
OA2 - Utilizar técnicas e de ferramentas para automatizar a recolha, preparação, modelação, visualização e análise de dados provenientes de diferentes fontes
OA3 - Otimizar o uso das folhas de cálculo com funcionalidades de transformação dos dados
OA4 - Usar ferramentas de integração e de visualização de dados para apresentar e partilhar os resultados e descobertas
OA5 - Obter capacidades analíticas avançadas que proporcionem valor significativo para a tomada de decisão da gestão usando dados reais
OA6 - Usar algumas das principais ferramentas num contexto de BI empresarial
Conteúdos programáticos
CP1. Introdução ao BI
CP1.1 O que é? Para que serve?
CP1.2 Infraestrutura BI - pessoas, processos e tecnologias
CP1.3 Ferramentas BI
CP2. Modelação dos Dados, Importações e Transformações
CP2.1 Modelos de dados
CP2.2 Tipos e formatos de dados
CP2.3 Tabelas de dados e de dimensões
CP3. ETL (Extract, Transform and Load)
CP3.1 Importação, transformação, limpeza, harmonização e carregamento de dados de diferentes origens e com diferentes formatos
CP4. Modelação Avançada
CP4.1 Filtrar, moldar e combinar dados
CP4.2 Medidas, indicadores e funções de data
CP5. Visualização e análise dos dados
CP5.1 Visualizações interativas e detalhe
CP5.2 Gráficos, Dashboards, relatórios e indicadores
CP6. Compartilhar e perfis de acesso
CP7. Atualizações automáticas
CP8. Introdução à Analítica de Dados
CP8.1 Modelos para predições e análise de negócio
CP8.2 Algoritmos para tratamento automatizado de dados
CP8.3 Programação de alertas e ações automáticas
CP9. Ferramentas informáticas
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
O programa está estruturado de forma que os estudantes melhorem a tomada de decisão em contextos organizacionais com grandes volumes de dados, de natureza heterogénea, sistematicamente acumulados em volumes de informação complexos. Para o objetivo (OA1) contribui diretamente o ponto (CP1). Os pontos (CP2) e (CP3) do programa contribuem para o objetivo (OA2). Os pontos (CP3) e (CP4) estão relacionados com o objetivo (OA3) e para o objetivo (OA4) contribuem os pontos (CP5), (CP6) e (CP7). Para a obtenção de competências analíticas avançadas (OA5) temos a contribuição direta do ponto (CP8). Finalmente, os exemplos, exercícios e aplicações de casos reais com recurso a ferramentas informáticas referidas no ponto (CP9), tais como o Excel, Power BI e Tableau, permitirão consolidar os conceitos, e serão utilizados para atingir os objetivos (OA2 a OA5 e mais diretamente o OA6).
Em síntese:
OA1 - CP1
OA2 - CP2 & CP3 & CP9
OA3 - CP3 & CP4 & CP9
OA4 - CP5 & CP6 & CP7 & CP9
OA5 - CP8 & CP9
OA6 - CP9
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
Metodologias a usar nas aulas presenciais:
M1-método expositivo
M2-método ativo
M3-método experimental
Metodologias a usar nas aulas a distância:
M1-método expositivo
M4-método demonstrativo
M5-autoestudo
Os estudantes organizados em pequenos grupos de até 3 elementos, identificam um tema de interesse, recolhem e organizam os dados necessários, a fim de desenvolverem um projeto de BI.
Individualmente, cada estudante desenvolve um segundo projeto, novo ou baseado nos dados do primeiro trabalho, para explorar a analítica de dados recorrendo a modelos para predições e análise de negócio, algoritmos para tratamento automatizado de dados e programação de alertas e ações automáticas a partir de indicadores.
Ambos os trabalhos deverão ser aprovados pelo professor responsável e serão apresentados à turma em sessão presencial.
A ponderação dos 2 trabalhos é a seguinte:
A1-TG: 60%
A2-TI: 40%
Ambos os trabalhos requerem a obtenção de um mínimo de 10 valores.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
A exposição dos conceitos e teorias fundamentais (M1) assim como a demonstração recorrendo a vídeos, exemplos e à resolução de exercícios (M4), dotam os estudantes dos conhecimentos necessários para compreenderem o processo da BI e os fatores que contribuem para maximizar o valor no negócio (OA1).
Os exemplos, exercícios e casos práticos usados nos métodos experimental (M3) e demonstrativo (M4) facilitam as aprendizagens dos estudantes para que estes sejam capazes de utilizar as técnicas e ferramentas ETL (OA2), otimizar o seu trabalho com recurso a funções avançadas de cálculo (OA3) e de integrar e visualização os dados (OA5).
Ao desenvolverem e apresentarem os trabalhos práticos (M2) os estudantes aplicam os conhecimentos resultantes do trabalho em aula e autónomo (M5), métodos diretamente relacionados com os objetivos de obtenção de capacidades analíticas avançadas que proporcionem valor significativo para a tomada de decisão da gestão (OA5), da partilha dos resultados e descobertas (OA4) e do uso de ferramentas informáticas de analítica de dados e de BI (OA6).
Os diferentes objetivos de aprendizagem serão avaliados através de dois trabalhos práticos a desenvolver e a serem apresentados em sala de aula (A1 & A2). Ambos os trabalhos contribuem para o sucesso de todos os objetivos de aprendizagem, embora o 2º trabalho (A2) se foque essencialmente no objetivo de obtenção de capacidades analíticas avançadas (OA5).
Em síntese:
OA1-M1 & M4 (A1)
OA2-M3 & M4 (A1)
OA3-M3 & M4 (A1)
OA4-M2 & M5 (A1)
OA5-M2 & M5 (A2)
OA6-M2 & M3 & M4 & M5 (A1& A2)
Bibliografia de consulta (existência obrigatória)
Camm, J. D., Cochran, J. J., Fry, M. J., Ohlmann, J. W. & Anderson, D. R. (2018). Business Analytics. Cengage Learning.
Deckler, G. & Powell, B. (2022). Mastering Microsoft Power BI - Second Edition: Expert techniques to create interactive insights for effective data analytics and business intelligence (2nd ed.). Packt Publishing.
Harvard Business Review & Review, H. B. (2018). HBR Guide to Data Analytics Basics for Managers (HBR Guide Series). Reed Business Education.
Milligan, J. N. (2022). Learning Tableau 2022: Create Effective Data Visualizations, Build Interactive Visual Analytics, and Improve Your Data Storytelling Capabilities. Van Haren Publishing.
Rozema, M. & Vlootman, H. (2022). Extreme DAX: Take your Power BI and Microsoft data analytics skills to the next level. Packt Publishing.
