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

Ano letivo / Execution Year

2026/2027

Pré-requisitos / Pre-Requisites

Não exitem.

Objetivos Gerais / Objectives

O objetivo da UC é proporcionar aos estudantes a experiência completa de desenvolver projetos de negócio (empresariais) aplicados utilizando dados do mundo real, desde a conceção até à comunicação dos resultados. Com base em dados reais, os estudantes aprendem a selecionar e aplicar metodologias e ferramentas adequadas, realizar o pré-processamento e análise de dados, escolher as visualizações mais eficazes e interpretar corretamente os resultados. A UC promove o desenvolvimento integrado de competências técnicas e competências interpessoais, como o trabalho em equipa e a comunicação eficaz, culminando na documentação e apresentação adequada das soluções encontradas.

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

OA1. Descrever os principais conceitos e frameworks para o desenvolvimento de uma arquitetura de dados. OA2. Aplicar metodologias e ferramentas apropriadas ao projeto (e.g., analisar o projeto de negócio, desenhar um framework de arquitetura de dados, identificar critérios de decisão, selecionar funcionalidades tecnológicas, e definir requisitos tecnológicos para a implementação do projeto de negócio. OA3: Aplicar técnicas de análise de dados (e.g. limpeza, preprocessamento, e integração de dados reais) adequados ao projeto. OA4: Analisar dados (e.g., sumarizar e visualizar dados de forma eficaz, modelação) e interpretar criticamente os resultados. OA5: Comunicar claramente os resultados e de forma estruturada (incluindo a proposta de valor).

Conteúdos Programáticos / Syllabus

P1. Fundamentos de arquitetura de dados P2. Armazenamento e recuperação de dados P3. Integração de dados P4. Análise, modelação e visualização de dados P5. Segurança, qualidade de dados e ética nos dados P6. Arquiteturas com tecnologias emergentes P7. Identificação de problemas P8. Fundamentação de propostas P9. Identificação de riscos e benefícios P10. Definição de requisitos tecnológicos P11. Comunicação de projetos de negócio

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

O conhecimento dos conceitos e frameworks para o desenvolvimento de uma arquitectura de dados (OA1) pressupõe a compreensão do que é uma arquitectura de dados (P1), bem como a forma como o pipeline dos dados funciona, nomeadamente em termos de armazenamento (P2) e integração (P3), análise, modelação e visualização (P4), e segurança e qualidade de dados (P5). Com o desenvolvimento das tecnologias emergentes, importa explicar como é que as arquiteturas de dados podem funcionar em sistemas tecnologicamente avançados (P6). O conhecimento e o desenvolvimento de um projeto (OA2, OA3, OA4, OA5) suportado pelo desenho de uma arquitetura de dados, requer o domínio de aspetos relacionados com a identificação do problema (P7) e a fundamentação da proposta de valor (P8). O projeto cobre ainda a identificação de riscos e benefícios (P9) e de requisitos tecnológicos (P10) para a sua implementação. Para a argumentação e storytelling do projeto é fundamental saber comunicar (P11).

Avaliação / Assessment

A avaliação ao longo do semestre é composta pelas seguintes componentes: a) 10% em função da assiduidade do estudante nas aulas; b) 50% com trabalho de grupo, onde os estudantes devem demonstrar a capacidade de desenvolvimento de um projeto de negócio, com trabalho colaborativo e brainstorming, através da gravação de um vídeo (pitch) e da escrita de um relatório (documentação do projeto); c) 40% com a discussão oral individual do projeto de negócio. Aprovação: i) classificação mínima 10 valores em cada elemento; ii) completar com sucesso três cursos de e-learning recomendados (8 horas); e iii) participar ao longo do ano nas seguintes atividades: um workshop de ferramentas computacionais (8 horas), um datathon/hackathon/student challenge (com duração de, pelo menos, um dia), e dois seminários (e.g., business analytics talks) organizados por estudantes. Escala: 0-20 valores. Esta UC não contempla avaliação por exame dada a natureza da sua metodologia (project-based learning).

Metodologias de Ensino / Teaching methodologies

São utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1. Expositivas, para apresentação dos quadros teóricos e conceitos de referência. ME2. Project-based learning (metodologia de ensino baseada em projetos), desenvolvendo, analisando e discutindo projetos de negócio. ME3. Auto-estudo, relacionado com o trabalho autónomo (TA) do estudante, 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

Através da apresentação (ME1) do programa na aula (avaliada com o elemento a), será possível transmitir aos estudantes os conceitos, metodologias e frameworks mais relevantes para o desenvolvimento de uma arquitetura de dados (OA1) e do projeto de negócio (OA2, OA3, OA4, OA5), criando assim a base para a project-based learning (ME2). O desenvolvimento do projeto de negócio (OA2, OA3, OA4, OA5), avaliado com os elementos b) e c) vai exigir, numa primeira instância, a discussão em grupo e a realização de trabalho em grupo (ME2), promovendo uma abordagem colaborativa entre os estudantes. Numa segunda fase, os estudantes terão de realizar estudo autónomo (ME3) para desenvolver os seus projetos, lendo livros técnicos e assistindo a tutoriais em plataformas de aprendizagem online (por exemplo, SAP, SAS, IBM, plataformas de desenvolvimento de competências da Microsoft).

Observações / Observations

A UC contribui em particular para o ODS 4 - Educação de qualidade e ODS 9 - Indústria, inovação e infraestruturas, pelo facto de as arquiteturas de dados permitirem o desenvolvimento de infraestruturas de qualidade, de confiança, sustentáveis e resilientes e pela metodologia adotada ser project-based learning, o que prepara melhor os estudantes para a realidade do mundo profissional. Utilização de ferramentas de IA: quando os estudantes utilizam ferramentas de IA para produzir conteúdo para os seus trabalhos, devem atribuir esta nota identificando as ferramentas, os prompts utilizados e os comentários/avaliações sobre a sua utilização.

Bibliografia Principal / Main Bibliography

Gatti, S. (2023). Project Finance in Theory and Practice: Designing, Structuring, and Financing Private and Public Projects. Academic Press. ISBN: 978-0323983600. Inmon, B.; Levins, M.; Srivastava, R. (2021). Building the Data Lakehouse. Technics Publications. ISBN: 978-1634629669. Kerzner, H. (2022). Project Management: A Systems Approach to Planning, Scheduling, and Controlling. 13th edition, Wiley. ISBN: 978-1119805373. Koller, T., Goedhart, M., Wessels, D. (2020). Valuation: Measuring and Managing the Value of Companies. 7th edition, McKinsey & Company Inc. ISBN: 978-1119611868. Serra, J. (2024). Deciphering Data Architectures. O'Reilly Media, Inc. ISBN: 978-1098150761. Azure Architecture Center - Azure Architecture Center | Microsoft Learn.

Bibliografia Secundária / Secondary Bibliography

Agrawal, D.; Selçuk Candan, K.; Li, W-S. (2011). Data Management in the Cloud: Challenges and Opportunities. Springer. Erl, T.; Mahmood, Z.; Puttini, R. (2013). Cloud Computing: Concepts, Technology & Architecture. Prentice Hall. Götze, U.; Northcott, D.; Schuster, P. (2015). Investment Appraisal: Methods and Models. Springer. Kavis, M. (2014). Architecting the Cloud: Design Decisions for Cloud Computing Service Models (SaaS, PaaS, and IaaS). Springer. PMI (2017). The Standard for Portfolio Management. Project Management Institute. Zhao, L. (2014). Cloud Data Management. Springer.

Data da última atualização / Last Update Date

2026-05-28