Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03744
Acrónimo :
03744
Ciclo :
1.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :
Inglês

Carga Horária / Course Load


Semestre :
1
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
36.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
37.0h/sem
Trabalho Autónomo :
113.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Sistemas de Informação

Departamento / Department


Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year


2022/2023

Pré-requisitos / Pre-Requisites


Para esta UC são obrigatórios conhecimentos de bases de dados (modelo relacional e SQL) e UML (Unified Modeling Language). Os alunos que não tenham presentes estes conteúdos programáticos devem fazer uma revisão dos mesmos logo no início do semestre letivo. Desta forma, recomenda-se a frequência na UC de Bases de Dados.

Objetivos Gerais / Objectives


Apresentar aos alunos uma visão introdutória dos diferentes tipos de sistemas de apoio à decisão. Dotar os alunos de conhecimentos profundos na área de Data Warehouse e Business Intelligence (BI). Pretende-se que os alunos desenvolvam a capacidade de desenhar modelos dimensionais e que sejam capazes de aplicar os conceitos lecionados a um caso de estudo numa determinada área de negócio, implementando uma aplicação de BI.

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


Para obter sucesso nesta UC o aluno deverá ser capaz de: OA1. Conhecer os diferentes tipos e a evolução dos Sistemas de Apoio à Decisão; OA2. Desenhar um modelo dimensional para uma determinada área de negócio; OA3. Conhecer e aplicar os princípios base de modelação dimensional ágil OA4. Comparar e criticar diferentes modelos dimensionais; OA5. Conhecer as diferentes fases de desenvolvimento de um projeto de DW/BI, segundo a metodologia de R. Kimball; OA6. Conhecer e aplicar os conceitos fundamentais do levantamento de requisitos de um projeto de DW/BI; OA7. Implementar uma aplicação de BI; OA8. Identificar os fatores chave de sucesso nas várias fases de desenvolvimento de um projeto/programa de DW/BI; OA9. Expressar e explicar as decisões de desenho tomadas em cada fase do trabalho prático

Conteúdos Programáticos / Syllabus


CP1. Introdução aos diferentes tipos de Sistemas de Apoio à Decisão (DSS) CP2. Data Warehouse e Business Intelligence (DW/BI): conceitos fundamentais CP3. Modelação dimensional: Conceitos fundamentais CP4. Conceitos de modelação dimensional ágil CP5. Modelação dimensional: Conceitos avançados CP6. Levantamento de requisitos para o desenho de modelos dimensionais CP7. Processo de ETL (extracção, transformação e carregamento) CP8. Desenho de aplicações de BI

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


Os conteúdos programáticos estão alinhados com os objectivos de aprendizagem da UC através das seguintes dependências: CP1. Introdução aos diferentes tipos de Sistemas de Apoio à Decisão (DSS): OA. 1 CP2. Data Warehouse e Business Intelligence (DW/BI): conceitos fundamentais: OA. 1, 5, 8 CP3. Modelação dimensional: Conceitos fundamentais: OA. 2, 4, 5, 9 CP4. Conceitos de modelação dimensional ágil: OA. 2, 3, 4 CP5. Modelação dimensional: Conceitos avançados: OA. 2, 4, 8, 9 CP6. Levantamento de requisitos para o desenho de modelos dimensionais: OA. 2, 5, 6, 8, 9 CP7. Processo de ETL: OA. 5, 8 CP8. Desenho de aplicações de BI: OA. 5, 7, 8, 9

Avaliação / Assessment


O aluno dispõe de dois métodos de avaliação: avaliação periódica e avaliação por exame (para 100% da nota). Dado o carácter prático desta UC, recomenda-se o método de avaliação periódica que inclui o desenvolvimento de um trabalho prático. Avaliação periódica: - Trabalho prático (em grupo): 55% (entrega parcial vinculativa para continuar em av. periódica a meio do semestre, com avaliação qualitativa) - Avaliação pelos pares (em grupo): 10% - Teste individual presencial (em Janeiro) 35% Nota mínima 10 em todas as componentes. Grupos de 4 elementos. Exceção para 5 elementos implica uma maior componente de implementação em PowerBI. Alternativa: avaliação por exame final 100% da nota. Os grupos de trabalho são de 4 elementos. São aceites excecionalmente grupos de 5 elementos, implicando uma maior componente de implementação em PowerBI. Devido ao elevado número de alunos inscritos não há possibilidade de realização de trabalhos práticos individuais. O trabalho prático tem uma entrega parcial vinculativa para continuar em avaliação periódica, a meio do semestre (tipicamente na aula 14). Cada grupo receberá feedback e uma avaliação qualitativa: A, B, C, D e F (exame). A data limite de entrega dos trabalhos de grupo é na última semana de aulas. Após a entrega dos trabalhos, cada grupo receberá um trabalho de grupo para realizar a avaliação pelos pares. O emparelhamento dos grupos em peer assessment é feita pela coordenação da UC. Cada grupo deve submeter (na plataforma de e-learning) o relatório de avaliação do trabalho de grupo que lhe foi assignado até o dia especificado em Conselho de Ano (tipicamente 3 dias após a data limite de entrega dos trabalhos de grupo). Será disponibilizado um template para este relatório (com um máximo de 3 páginas). As orais para discussão dos trabalhos serão realizadas via Zoom, numa data a combinar com cada grupo. As notas das orais (i.e., a nota da componente do trabalho prático) são individuais. Todas as orais têm que estar concluídas antes da data do teste (frequência), que se realiza em Janeiro na 1a. época de avaliação. Passam a ser avaliados por exame em 1a. época (contando 100% da nota) os alunos que: (a) não entregarem a 1a. parte do trabalho a meio do semestre; (b) não cumprirem a nota mínima do trabalho de grupo; (c) não cumprirem a nota mínima da avaliação por pares. O exame de 2a época constitui sempre 100% da nota e pode ser realizado: (a) por quem, em 1ª época, não obteve nota positiva ou não foi avaliado; e (b) para melhoria de nota (requer inscrição na secretaria).

Metodologias de Ensino / Teaching methodologies


ME1: Expositivas, para apresentação dos conceitos teóricos de DW e BI ME2: Experimental para exploração e desenvolvimento de exercícios e do trabalho prático de DW e BI ME3: Participativa, para desenvolvimento de trabalho prático e discussão crítica de casos de estudo. ME4: Auto-estudo, relacionadas com o trabalho autónomo do aluno, segundo o Planeamento da UC.

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


Nas aulas teórico-práticas (TP) são aplicadas metodologias expositivas para apresentação dos fundamentos teóricos de DW e BI. Nas aulas TP são aplicadas metodologias participativas e experimentais, promovendo-se a análise e resolução de exercícios práticos de modelação dimensional. São aplicadas também dinâmicas de grupo para a resolução de exercícios e prática da modelação dimensional ágil e do levantamento de requisitos analíticos para DW/BI. O alinhamento entre os objetivos de aprendizagem e cada metodologia de ensino-aprendizagem definidas para a UC é realizado da seguinte forma: ME1: OA1, 2, 3, 5, 6, 8 ME2: OA2, 3, 6, 7, 9 ME3: OA2, 3, 4, 6, 7, 8, 9 ME4: todos os OA.

Observações / Observations


.

Bibliografia Principal / Main Bibliography


https://docs.microsoft.com/en-us/power-bi/guided-learning/ - Microsoft Power BI Self-paced Learning - L. Corr, J. Stagnitto (2011) Agile Data Warehouse Design - Collaborative Dimensional Modeling, from Whiteboard to Star Schema. DecisionOne Press, UK. - R. Kimball, M. Ross, W. Thornthwaite, J. Mundy, and B. Becker (2008) The Data Warehouse Lifecycle Toolkit - practical techniques for building data warehouse and business intelligence systems, 2nd ed. John Wiley & Sons, USA - R. Kimball, M. Ross (2013) The Data Warehouse Toolkit - the definite guide to dimensional modeling, 3rd Edition. John Wiley & Sons, USA. - C. Adamson (2010) Star Schema: the complete reference. McGraw-Hill, USA - Slides das aulas teóricas e práticas (disponíveis na plataforma de e-learning)

Bibliografia Secundária / Secondary Bibliography


- J. O'Brien, G. Marakas (2008) Management Information Systems. 8th ed. McGraw-Hill Irwin, USA - Power, D. (2009). Decision Support Basics. New York: Business Expert Press, LLC - E. Turban, R. Sharda, and D. Delen (2010) Decision Support and Business Intelligence Systems (9th Eds). Pearson Education, Inc, USA

Data da última atualização / Last Update Date


2024-02-16