Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Estatística e Análise de Dados

Departamento / Department

Ano letivo / Execution Year

2016/2017

Pré-requisitos / Pre-Requisites

Não existem

Objetivos Gerais / Objectives

Apresentar aos alunos as principais técnicas de segmentação ou análise de agrupamento com recurso a aplicações práticas sobre dados reais, nomeadamente na área de CRM.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

OA1. Proceder a uma análise preliminar dos dados com vista ao seu agrupamento OA2. Tipificar as análises de segmentação e listar técnicas disponíveis; OA3. Técnicas de agrupamento: SOM-Self Organizing Maps, Ward e Two-Step OA4. Aplicar técnicas de segmentação em dados reais.

Conteúdos Programáticos / Syllabus

P1. Análise exploratória dos dados:e métricas para segmentação. P2. Tipificação das técnicas de segmentação e análise de adequação de técnicas diversas face aos dados considerados; P3. Técnicas de agrupamento: P3.1. O papel da técnica SOM-Self Organizing Maps em agrupamento P3.2. Algoritmo de Ward P3.3 Algoritmo Two-Step; P4. Aplicações em dados reais utilizando o software IBM SPSS Modeler e IBM SPSS Statistics

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes

Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (P) com os objetivos de aprendizagem (OA), como a seguir se explicita: P1  OA1 P2  OA2 P3  OA3 P4  OA 1,2 3, 4

Avaliação / Assessment

A avaliação contínua inclui: a) Teste com ponderação de 50% (nota mínima de 10 valores); b) Trabalho de grupo de 50% b.1) 3 exercícios(preenchimento de folha A4 de respostas) 5% cada; b.2) relatório sobre um caso de estudo de segmentação 35% A avaliação contínua exige a presença em, pelo menos, 60% das aulas. Os alunos que não obtenham 10 valores na nota ponderada de avaliação contínua deverão ser aprovados mediante um exame final (nota mínima de 10 valores).

Metodologias de Ensino / Teaching methodologies

AAs aulas expositivas sobre cada tópico do programa serão seguidas de aplicações em IBM SPSS. ME1. Expositivas, para apresentação dos quadros teóricos de referência. ME2. Participativas, com análise de artigos científicos. ME3. Ativas, com realização de trabalho de grupo ME4. Experimentais, em laboratório de informática, realizando análises sobre dados reais. ME5. Auto-estudo, relacionado com o trabalho autónomo (TA) do aluno, tal como consta no Planeamento das Aulas.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

As metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objetivos de aprendizagem, pelo que, na grelha a seguir, apresentam-se as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos. ME1 - OA 1, 2, 3 ME2 - OA 1, 2, 3 ME3 - OA 1, 2, 3 ME4 - OA 4 ME5 - OA 1, 2, 3, 4

Observações / Observations

.

Bibliografia Principal / Main Bibliography

McDonald, M. (2012), Market Segmentation: How to Do It and How to Profit from It, John Wiley & Sons. Hastie, T., Friedman, J., and Tibshirani, R. (2009), The Elements of Statistical Learning Springer. Dibb, Sally, and Lyndon Simkin (2016), Market Segmentation and Segment Strategy. In Marketing theory: a student text, edited by Michael J. Baker and Michael Saren: Sage. Artigos científicos indicados pelo docente (v. também Bibliografia Complementar) Folhas de apoio às aulas elaboradas pela docente

Bibliografia Secundária / Secondary Bibliography

Mendes, A. B., and Cardoso, M. G. M. S. (2006), "Clustering Supermarkets: The Role of Experts," Journal of Retailing and Consumer Services, 13, 231-247. McDonald, M., and Dunbar, I. (2012), Market Segmentation: How to Do It and How to Profit from It, (Revised 4th Edition ed.), Wiley. Martins, M. C. G., and Cardoso, M. G. M. S. (2012), "Cross-Validation of Segments of Credit Card Holders," Journal of Retailing and Consumer Services, 19, 629-636. Jesus, N. B. d., and Cardoso, M. G. (2007), "Análise De Agrupamento Incremental-Segmentação De Pontos De Retalho," Revista de Ciências da Computação, II, 26-38. Gama, J., Carvalho, A., Faceli, K., Lorena, A., & Oliveira, M. (2012). Extração de Conhecimento de Dados: Data Mining. Lisboa, Portugal: Edições Sílabo. Fonseca, J. R., and Cardoso, M. G. (2007), "Supermarket Customers Segments Stability," Journal of Targeting, Measurement and Analysis for Marketing, 15, 210-221. Cardoso, M. G. M. S., Themido, I. H., and Moura-Pires, F. M. (1999), "Evaluating a Clustering Solution: An Application in the Tourism Market," Intelligent Data Analysis, 3, 491-510. Cardoso, M. G. M. S., and Moura-Pires, F. (2002), "Segmentation of the Portuguese Clients of Pousadas De Portugal," in Neural Networks in Business, ed. K. A. S. e. J. Gupta, Idea Group Publishing, pp. 70-88. Cardoso, M. G. M. S., and Carvalho, A. P. d. L. F. (2009), "Quality Indices for (Practical) Clustering Evaluation.," Intelligent Data Analysis, 13, 725-740.

Data da última atualização / Last Update Date

2024-02-16