PT
EN

Home
Disciplina detalhes

Business Intelligence & Analytics

Detalhes do curso

Conhecimentos de Base Recomendados

-
Objetivos

A presente UC tem como objetivos fundamentais da aprendizagem:
A. Compreender a evolução dos sistemas de apoio à informação de gestão e de tomada de decisão, e a sua transição para um universo de BI and Analytics;
B. Entender a importância da informação como ativo organizacional
C. Interpretação da arquitetura funcional das soluções de BI e Analytics
D. Aprender a utilizar soluções tecnológicas de BI e Analytics
E. Definição e apresentação de “business cases” demonstrativos da aplicabilidade dos sistemas de BI e de Analytics
F. Aproximação metodológica a projetos de BI e de Analytics
G. Evolução dos domínios de BI e Analytics em cenários de alinhamento efetivo entre tecnologia e negócio
H. Compreensão da envolvente tecnológica pluridisciplinar subjacente ao universo de BI and Analytics
I. BI and Analytics e a Transformação Digital
J. O universo de “Data Science” e a sua relação com BI and Analytics
K. BI and Analytics e as estruturas organizacionais de TI/SI.
Métodos de Ensino

A unidade curricular estrutura-se em aulas teórico-práticas, fundadas sobre um modelo pedagógico que compreende em termos de metodologias: 1) Método Expositivo: apresentação intuitiva e estrutural dos conceitos fundacionais com recurso a meios audiovisuais para consolidação do entendimento e assimilação basilar. 2) Método Demonstrativo: didática dos conceitos e funções inerentes às soluções de Business intelligence e Analytics suportada em exemplos aplicados à realidade das organizações enquadramento dos vários conceitos e funções associadas às soluções de Business intelligence e Analytics, incentivando à reflexão, análise e espírito crítico. 3) Exercícios Práticos:realização de exercícios práticos regulares em alinhamento com os conteúdos teóricos ministrados como forma de consolidação e integração de conhecimento. Os exercícios são realizados ao nível individual ou de grupo com discussão e validação de soluções no final, fomentando o trabalho em equipa, a multidisciplinaridade e a orientação dos resultados à resolução de problemas específicos. 3) Validação de Conhecimento: materialização dos conhecimentos adquiridos sobre os conceitos apresentados, através da realização de Quizzes suportados num modelo de análise lógica e orientado a uma revisão progressiva da matéria lecionada. 4) Avaliação Sumativa das componentes teórica e prática instanciadas nos períodos intermédio e final da lecionação da unidade curricular. A abordagem pedagógica preconizada concretiza-se quer na transmissão do conhecimento específico da unidade curricular (“hard skills”) quer no desenvolvimento de “soft skills”, competências igualmente cruciais para preparação do aluno para a autonomia, colaboração, partilha, debate e responsabilidade inerentes ao seu ingresso no universo profissional das organizações.
Estágio(s)

Não
Programa

1. Dados, informação, conhecimento e saber. Informação estruturada, semiestruturada e não estruturada.
2. A monetização dos dados.
3. Modelo Funcional em BI . Integração, Análise e Apresentação
4. Modelo Funcional em Analytics . Preparação, modelação, análise e visualização
5. Utilização prática do software de BI e de Analytics
a. Data Warehouse (DW) e Data Lakes
b. O processo de ETL
c. Dashboards e “Balanced Scorecards"
d. A dimensão da Geolocalização
e. OLAP e Data Mining
f. Funções DAX e patterns
g. O paradigma Big Data
h. Algoritmos ML e Deep Learning
i. Os modelos de supervisão da aprendizagem
j. Arquiteturas tecnológicas de referência
6. As tecnologias digitais num modelo evolutivo de BI e de Analytics
7. Data Science, Data Analytics e Data Management
8. Estruturas organizacionais de BI e de Analytics
a. Enquadramento orgânico e funcional
b. Modelos centralizados, distribuídos e externalizados
c. Perfis, “roles” e competências
Demonstração de conteúdos

Os conteúdos programáticos foram definidos em função dos objetivos e competências a serem adquiridos pelos estudantes: - O ponto 1 suporta os objetivos de aprendizagem A e B; - O ponto 2 suporta o objetivos de aprendizagem B; - Os pontos 3 e 4 suportam o objetivo de aprendizagem C; - O ponto 5 suporta os objetivos de aprendizagem D, E e F. - O ponto 6 suporta o objetivos de aprendizagem G, H e I. - O ponto 7 suporta o objetivo de aprendizagem J. - O ponto 8 suporta o objetivo de aprendizagem K.
Demonstração da metodologia

As metodologias de ensino adotadas na presente unidade curricular estão integralmente alinhadas com os objetivos de aprendizagem definidos, proporcionando uma experiência educativa coerente, eficaz e adequada à procura. O método expositivo é crucial para a aquisição de uma base teórica de conhecimentos sólida e essencial para a compreensão sólida e fundamentada dos conceitos. O método demonstrativo possibilita aos alunos a conexão entre os domínios teórico e prático capacitando-os cumulativamente para uma orientação à identificação e interpretação de problemas. Os quizzes de análise lógica possibilitam a autoavaliação e a aprendizagem contínua e contribuem significativamente para um modelo de pensamento estruturado. A realização de exercícios práticos capacita os alunos para a aplicação dos conhecimentos adquiridos numa orientação à definição e desenvolvimento de soluções. A realização de um teste intermédio e de um teste final individual têm como objetivos definidos a aferição da evolução dos conhecimentos teóricos adquiridos e a sua compreensão global. O trabalho prático constitui um indicador importante na operacionalização dos conhecimentos adquiridos, operado sobre uma plataforma tecnológica e orientado para a resolução de problemas organizacionais reais ou simulados, potenciando simultaneamente aos estudantes a cooperação, a reflexão e a adaptação à mudança.
Docente(s) responsável(eis)

Hernâni Raul Vergueiro Monteiro Cidade Mourão - 1.º Semestre
Bibliografia

- Devlin, B.; Business unIntelligence- Insight and Innovation Beyond Analytics and Big Data, Technics Publications, LLC, 2013
- Ferrari, A. & Russo, M..; DAX Patterns, SQLBI Corp, 2020
- Kellerer, J. & Thierney, B..; Data Science, MIT Press, 2018
- Kimball, R. & Thornthwaite, M.; The Data Warehouse Lifecycle Toolkit, John Willey & Sons, 2008
- Lachev, T.; Applied Microsoft Power BI, Prologika Press, 2022
- Ozdemir, S.; Quick Start Guide to Large Language Models: Strategies and Best Practices for Using ChatGPT and Other LLMs, Addison-
Wesley, 2023
- Power, D. & Heavin, C.; Decision Support, Analytics and Business Intelligence, Business Expert Press, 2017
- Santos, M. & Ramos, I.; Business Intelligence, FCA, 2017
- Sherman, R.; Business Intelligence Guidebook: From Data Integration to Analytics, Morgan Kaufmann, 2014
- Stirrup, J. & Weinandy, T.; Artificial Intelligence with Power BI, O’Reilly, 2023

Código

01101870
Modo de Ensino

PRESENCIAL
ECTS

5.0
Duração

Semestral
Horas

45h Teórico-Práticas

Conteúdo atualizado em 21/03/2025 15:46