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
2023/2024
Pré-requisitos / Pre-Requisites
Power BI Desktop instalado (Windows). Estatística e computação nível básico.
Objetivos Gerais / Objectives
O principal objetivo desta unidade curricular é apresentar aos alunos as potencialidades da tomada de decisão em organizações com base em grandes conjuntos de dados e na sua análise no contexto de business analytics e promover a compreensão dos dados com base na visualização e na apresentação de relatórios claros e estratégicos.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1. Entender como usar big data e análise de dados para superar a concorrência das empresas tradicionais nos seus setores. OA2. Aprender visualização de dados eficaz (Dashboards e Relatórios). OA3. Desenvolver aptidões sociais (soft skills), nomeadamente trabalho de equipa e colaboração, comunicação, pensamento crítico e ágil.
Conteúdos Programáticos / Syllabus
P1. Tomada de decisão baseada em dados. P2. Tipos de Analytics. P3. Visualização de dados. P4. Apresentação / comunicação eficaz; capacidade de explicar modelos analíticos complexos e resultados. P5. Plataforma de Analytics Power 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
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (P) com os objetivos de aprendizagem (OA), como a seguir se explicita: OA1 - P1, P2, P4, P5 OA2 - P3, P4, P5 OA3 - P1, P3, P4, P5
Avaliação / Assessment
1ª época: Trabalho individual com apresentação digital e discussão (100%, classificação mínima de 10 valores). (OA 1, 2, 3) 2ª Época: Trabalho individual com apresentação digital e discussão (100%, classificação mínima de 10 valores). (OA 1, 2, 3) 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 ME2 -> OA 1, 2, 3 ME3 -> OA 1, 2, 3 ME4 -> OA 1, 2, 3 ME5 -> OA 1, 2, 3
Observações / Observations
Bibliografia Principal / Main Bibliography
Aspin, A., Pro Power BI Desktop: Self-Service Analytics and Data Visualization for the Power User, 2020, 3rd ed. Edition, Apress., Microsoft, Microsoft Learn Power BI, n.a., Microsoft, https://learn.microsoft.com/en-us/training/powerplatform/power-bi Albright, S. & Winston, W., Business Analytics: Data Analysis & Decision Making, 2019, 7th Edition, South-Western College Pub, Berthold, M.R., Borgelt, C., Höppner, F., Klawonn, F. & Silipo, R., Guide to Intelligent Data Science: How to Intelligently Make Use of Real Data, 2020, 2nd Edition, Springer International Publishing, Knaflic, C. N., Storytelling com dados: um Guia Sobre Visualização de Dados Para Profissionais de Negócios, 2019, Alta Books,
Bibliografia Secundária / Secondary Bibliography
McCandless, D., Knowledge is Beautiful, 2014, William Collins, Bahga, A. & Madisetti, V., Big Data Science & Analytics: A Hands-On Approach, 2016, VPT, Meier, M., Baldwin, D., & Strachnyi, K., Mastering Tableau 2021: Implement advanced business intelligence techniques and analytics with Tableau, 2021, 3rd Edition, Packt.,
Data da última atualização / Last Update Date
2024-02-16