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