Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Estatística e Análise de Dados

Departamento / Department

Departamento de Métodos Quantitativos para Gestão e Economia

Ano letivo / Execution Year

2024/2025

Pré-requisitos / Pre-Requisites

Conhecimentos de data analytics ou ciência de dados. Power Automate Desktop instalado (Windows) – apenas uma aula.

Objetivos Gerais / Objectives

Compreensão de diferentes métodos analíticos aplicados à gestão; Compreender a relevância da gestão de processos de negócio e da automação; Capacidade de comunicação oral e escrita de trabalho realizado no âmbito dos métodos analíticos e ciência de dados aplicados à gestão.

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

OA1. Compreender os principais métodos analíticos; OA2. Compreender novas estruturas de dados (texto, espaciais, big data); OA3. Adquirir conhecimentos de BPM (Business Process Management) de forma a modelar processos de negócio; OA4. Adquirir conhecimentos de RPA (Robotic Process Automation); OA5. Conhecer as tendências em business analytics e em inteligência artificial; OA6. Refletir e discutir sobre a integração de métodos analíticos e da automação no processo de decisão.

Conteúdos Programáticos / Syllabus

P1. Tópicos Gerais P1.1. Ciência de Dados e Inteligência artificial P1.2. Ética e responsabilidade, Segurança e cibersegurança P1.3. Estratégias de monetização de dados, diagnóstico analítico organizacional, modelos organizacionais e outros tópicos corporativos. P1.4. Storytelling com dados P1.5. Outros tópicos e tendências P2. Casos de Uso Analíticos e Exemplos P2.1. Forecasting P2.2. Geomarketing (Análise Espacial) P2.3. CRM Analítico (Modelos Preditivos) P2.4. Deteção de Riscos e Fraude (Análise de Redes) P3. Processos e automação P3.1. BPM (Business Process Management) P3.2. DPA (Digital Process Automation) P3.3. RPA (Robotic Process Automation) P3.4. Intelligent Automation com AI (Intelligent Document Processing) P3.5. IDP (Intelligent Document Processing) P3.6. Process mining

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units 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 -> OA 1, 5, 6 P2 -> OA 1, 2, 5, 6 P3 -> OA 3, 4, 5, 6

Avaliação / Assessment

Avaliação ao longo do semestre: a) Trabalho de grupo (3 elemenntos) com apresentação e discussão (50%). Tema: Forecasting ou Análise Espacial (à escolha) / Dados: A facultar pela equipa docente b) Trabalho individual com apresentação digital e discussão (50%). Tema: Automatização de sistema de reclamações com recurso a ferramentas: Power Automate, AI Builder, To Do, Excel A avaliação ao longo do semestre exige: a) presença em, pelo menos, 2/3 das aulas, b) nota mínima de 7,5 valores nas duas provas, e c) classificação final de 10 valores. Avaliação por exame: 1ª época: teste escrito (100%), com classificação mínima 10 valores. 2ª época: teste escrito (100%) com classificação mínima 10 valores. Escala: 0-20 valores.

Metodologias de Ensino / Teaching methodologies

São utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1. Expositivas, para apresentação dos quadros teóricos de referência; ME2. Participativas, com análise e resolução de exercícios práticos; ME3. Ativas, com realização de trabalhos individuais e de grupo; ME4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador; ME5. Autoestudo, relacionado com o trabalho autónomo 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, 4, 5. Permitindo a aquisição de conhecimentos, conceitos e contextos teóricos de referência. ME2 -> OA 1, 2, 3, 4, 5. Fomentando o aprofundamento e análise crítica dos conceitos analíticos. ME3 -> OA 1, 2, 3, 4, 6. Para desenvolvimento de capacidades de gestão de projecto e comunicação com dados. ME4 -> OA 1, 2, 3, 4, 5. Para enriquecimento, consolidação e aplicação prática de conhecimentos, assim como o treino de competências técnicas específicas no âmbito metodologias analíticas para a gestão. ME5 -> OA 1, 2, 3, 4, 5, 6. Para estimular a pesquisa autónoma dentro da aplicações de métodos analíticos na gestão.

Observações / Observations

Bibliografia Principal / Main Bibliography

Dumas, M., La Rosa, M., Mendling, J. & Reijers, H., Fundamentals of Business Process Management, 2018, Second Edition, Springer, Gao, J., Fundamentals of Spatial Analysis and Modelling, 2022, CRC Press, Knaflic, C.N., Storytelling With Data: A Data Visualization Guide for Business Professionals, 2015, Wiley, Sharda, R., Delen, D. & Turban, E., Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 2017, Fourth Edition, Pearson, Guilmette, A., Workflow Automation with Microsoft Power Automate: Use business process automation to achieve digital transformation with minimal code, 2022, 2nd Edition, Packt Publishing, Microsoft, Microsoft Power Automate, n.e., Microsoft, https://learn.microsoft.com/en-us/training/powerplatform/power-automate

Bibliografia Secundária / Secondary Bibliography

Iscte, Documentação a facultar pelo docente., 2023, Iscte, Bhaduri, S. N. & Fogarty, D., Advanced Business Analytics. Essentials for Developing a Competitive Advantage, 2016, Springer, Few, S., Information Dashboard Design: Displaying Data for At-a-Glance Monitoring, 2013, 2nd Edition, Analytics Press, Larose, D. T. & Larose C. D., Data Mining and Predictive Analytics, 2015, 2nd Edition, Wiley, Shammunul, I., Hands-On Geospatial Analysis with R and QGIS: A beginner's Guide to Manipulating, Managing, and Analyzing Spatial Data Using R and QGIS 3.2.2, 2018, Packt Publishing, Bornet, P., Barkin, I. & Wirtz, J., Intelligent Automation: Learn How to Harness Artificial Intelligence to Boost Business & Make Our World More Human, 2020, World Scientific Publishing, Krause, P., Democratizing RPA with Power Automate Desktop: Boost your Productivity by Implementing Best Practices for Automating Repetitive Desktop Processes, 2023, Packt Publishing,

Data da última atualização / Last Update Date

2024-07-26