• EN
  • Facebook
  • Instagram
  • Youtube
  • Linkedin
Você está em: Início > Ensino > Unidades Curriculares > LNI41
Autenticação
ATENÇÃO: Este site utiliza cookies. Ao navegar no site estará a consentir a sua utilização.

Business Intelligence dos Negócios Internacionais

Código: LNI41    Sigla: BINI
Área Científica: Informática

Ocorrência: 2023/24 - 2S

Área de Ensino: Informática

Cursos

Sigla Nº de Estudantes Plano de Estudos Ano Curricular Créditos Horas Contacto Horas Totais
LNI 16 Despacho nº 6215/2023 4 45 100

Horas Efetivamente Lecionadas

LNI-2-TA

Teórico-Práticas: 42,00

Docência - Horas Semanais

Teórico-Práticas: 3,00

Tipo Docente Turmas Horas
Teórico-Práticas Totais 1 3,00
Jorge Luís Mouta Rodrigues Caldeira - ESGT   3,00

Docência - Responsabilidades

Docente Responsabilidade
Filipe Montez Coelho Madeira - ESGT Responsável

Objetivos de Aprendizagem (conhecimento, 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 cados 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

Metodologia de Ensino (Avaliação incluída)

Os métodos de ensino abrangem sessões presenciais expositivas, teórico-práticas e práticas, utilizando as seguintes abordagens:
- Método expositivo (M1)
- Método ativo (M2)
- Método experimental (M3)
- Método demonstrativo (M4)

Os alunos, organizados em pequenos grupos de até 3 membros, escolhem um tema, coletam e organizam dados para um projeto de BI. Individualmente, cada aluno desenvolve um segundo projeto, explorando análise de dados com modelos de previsão, algoritmos de processamento automatizado e programação de alertas a partir de indicadores. Ambos os projetos devem ser aprovados pelo professor e apresentados à turma em sessão presencial. A avaliação é dividida da seguinte forma:
- Projeto de grupo (A1): 60%
- Projeto individual (A2): 40%
Ambos os projetos exigem uma pontuação mínima de 10 para avaliação positiva.


Demonstração da Coerência das Metodologias de Ensino 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 permitindo alcançar 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 (A1)
OA5 - M2 (A2)
OA6 - M2 & M3 & M4 (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.