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

-

Objetivos Gerais / Objectives

Apresentar aos alunos as principais aplicações e potencialidades do business analytics nas organizações.

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

OA1. Conhecer conceitos e metodologias de business analytics, com foco no problema de negócio (e.g., CRISP-DM); OA2. Conhecer e descrever as principais ferramentas computacionais em business analytics; OA3. Conhecer algumas aplicações reais de business analytics.

Conteúdos Programáticos / Syllabus

P1. Business analytics nas organizações P1.1. Conceitos P.1.2. Framework para a implementação P1.3. Metodologia CRISP-DM P1.4. Maturidade analítica P1.5. Outros tópicos (e.g., ética, sustentabilidade) P2. Aplicações de business analytics P2.1. Problemas com os dados P2.2. Problemas de business intelligence P2.3. Problemas de analytics P3. Ferramentas computacionais para business analytics P3.1 Business intelligence P3.2 Data analytics and inteligência Artificial P3.3 Outros

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). De facto, no P1 apresenta-se uma overview do que é e o que envolve o business analytics, o que vai de encontro ao OA1. No P2, com a participação em seminários, visitas de estudo, workshops com convidados ilustram-se de diferentes aplicações reais de business analytics (do problema à implementação), o que vai de encontro ao OA3, mas também ao OA1 e OA2. Por fim, no P3 são apresentadas diferentes ferramentas usadas em business analytics, recorrendo a workshops e a cursos de e-learning, o que vai de encontro ao OA2. P1 -> OA 1 P2 -> OA 1, 2, 3 P3 -> OA 2

Avaliação / Assessment

1) Avaliação ao longo do semestre: a) Dois cursos de e-learning (7,5% + 7;5%) - OA 1, 2 b) Trabalho individual com apresentação oral e digital (50%) - OA 1, 2, 3 c) Trabalho de grupo com possibilidade de discussão (35%) - OA 2, 3 Aprovação: a) mín. 7,5 valores em cada uma das provas; b) classificação final mín. 10 valores; e, c) assiduidade mínima de 4/5 das aulas Escala: 0-20 valores Dada a natureza dos conteúdos e objetivos da UC, em que se privilegia o contacto com profissionais ao longo do semestre, não está prevista a realização de exame.

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 de problemas e soluções de business analytics ME3. Ativas, com realização de trabalho individual e de grupo ME4. Autoestudo, 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 (ME) visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objetivos de aprendizagem (OA). Em todas as aulas teórico-práticas se apresentam e explicam os conceitos, metodologias, ferramentas e casos de uso reais (ME 1), reforçadas com a realização de cursos online e de outros elementos de avaliação (ME 3, 4), e com a interação com profissionais convidados, quer em seminários ou visitas de estudo (ME 2). Deste modo, concretizam-se os OA 1, 2 e 3. Com a realização de trabalho individual, entrevista a um profissional de business analytics, (ME 3) e com o auto-estudo (ME 4), nomeadamente, através da realização de cursos online e consulta de sites de empresas (e.g., consultoras), os estudantes conhecem aplicações reais de business analytics (OA 3) e diferentes problemas de negócio, metodologias e ferramentas inerentes (OA1, 2), levando à concretização do OA 3 e reforçando os OA 1, 2. Com a realização de trabalho de grupo (ME 3), que foca a identificação e descrição de um problema de negócio e a utilização de ferramentas computacionais para algumas tarefas de análise exploratória de dados no contexto do problema identificado, e com auto-estudo (leituras, prática de ferramentas, tutoriais,…) (ME 4), concretizam-se os OA 1, 2. ME1 -> OA 1, 2, 3 ME2 -> OA 1, 2, 3 ME3 -> OA 1, 2, 3 ME4 -> OA 1, 2, 3

Observações / Observations

- Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar com o docente da UC, ou com o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC.

Bibliografia Principal / Main Bibliography

Camm, J., Cochran, J., Fry, M., Ohlmann, J. (2024). Business Analytics, 5th Edition, Cengage. ISBN: 978-0357902202. Laursen, Gert H. N. & Thorlund, Jesper (2017)., Business Analytics for Managers: Taking Business Intelligence Beyond Reporting, 2nd Edition, Wiley. ISBN: 978-1119298588.

Bibliografia Secundária / Secondary Bibliography

Brennan, K. (2015). A Guide to the Business Analysis Body of Knowledge (BABOK Guide), V3, Int'l Institute of Business Analysis (IIBA). Isson, J. P. & Harriott, J. (eds) (2013). Win with advanced business analytics: creating business value from your data, John Wiley & Sons, Palmatier, Robert & Sridhar, Shrihari (2021). Marketing Strategy: Based on First Principles and Data Analytics, 2nd Edition, Bloomsbury Academic. Roberts, Terisa & Tonna, Stephan J. (2022). Risk Modeling: Practical Applications of Artificial Intelligence, Machine Learning, and Deep Learning, Wiley. ISBN 978-1119824930. Santos, M. & Ramos, I. (2009). Business Intelligence: Tecnologias da Informação na Gestão de Conhecimento, 2ª Edição, FCA. Schniederjans, M. J., Schniederjans, D. G., & Starkey, C. M. (2014). Business analytics principles, concepts, and application what, why, and how, Pearson. Sharda, Ramesh, Dursun Delen & Efraim Turban (2015). Business Intelligence and Analytics: Systems for Decision Support, 10th Edition, Pearson. Siegel, E. (2016). Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die, Wiley. Venkatesan, R, Farris, P. Wilcox R. (2014). Cutting Edge Marketing Analytics: Real World Cases and Datasets for Hands On Learning, Pearson/FT Press.

Data da última atualização / Last Update Date

2024-10-10