Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
L5042
Acrónimo :
L5042
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) :
54.0h/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 :
55.0h/sem
Trabalho Autónomo :
95.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Marketing

Departamento / Department


Departamento de Marketing, Operações e Gestão Geral

Ano letivo / Execution Year


2024/2025

Pré-requisitos / Pre-Requisites


Não se aplica

Objetivos Gerais / Objectives


Pretende-se que os alunos, no final da unidade curricular, desenvolvam competências conceptuais e aplicacionais no âmbito da utilização de business intelligence e métodos de ciência de dados numa perspectiva de apoio à tomada de decisões em gestão e marketing empresarial

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


No final da UC, cada estudante deverá ter adquirido as competências necessárias para: OA1. Compreender os fundamentos conceptuais da tomada de decisões em Marketing OA2. Compreender os fundamentos da utilização da Ciência de Dados para decisões em Marketing OA3. Descrever data mining como uma tecnologia de business intelligence OA4. Descrever text mining e as suas aplicações ao marketing OA5. Compreender como desenhar um sistema de Reporting para Marketing OA6. Explorar algumas das tecnologias emergentes que podem impactar no business intelligence em Marketing

Conteúdos Programáticos / Syllabus


CP1. Sistemas de Apoio à Decisão em Marketing numa era do Big Data CP2. O Papel da Ciência de Dados e da Inteligência Artificial Generativa na tomada de decisão em Marketing CP3. Data Mining e o CRM Analítico para Business Intelligence CP4. Text e Web Mining e as suas aplicações ao Marketing CP5. Sistemas de Reporting para Marketing CP6. Tendências Emergentes e Impactos em Business Intelligence

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 (CP1) encontram-se associados ao OA1, que refere que os alunos deverão compreender os fundamentos conceptuais da tomada de decisões em Marketing. Os CP2 encontram-se associados ao OA2, que refere que os alunos deverão compreender os fundamentos da utilização da Ciência de Dados para decisões em Marketing. Os CP3 encontram-se associados ao OA3, que refere que os alunos deverão descrever data mining como uma tecnologia de business intelligence. Os CP4 encontram-se associados ao OA4, que refere que os alunos deverão descrever text mining e as suas aplicações ao marketing. Os CP5 encontram-se associados ao OA5, que refere que os alunos deverão compreender como desenhar um sistema de Reporting para Marketing. Os CP6 encontram-se associados ao OA6, que refere que os alunos deverão explorar algumas das tecnologias emergentes que podem impactar no business intelligence em Marketing.

Avaliação / Assessment


Época Normal: avaliação ao longo do semestre, assiduidade min.2/3 - a) Exame individual 50% b) Discussão Individual do Trabalho Final de Grupo (35%) c) Relatório Final do Grupo (15%). Nota minínima de 7,5 valores em cada prova ou conjunto de provas individuais. Aprovação na UC: nota final miníma de 10 valores. Alunos que optem apenas por exame individual, ponderação 100%, nota miníma de 10 valores. Época de Recurso: para alunos que reprovarem na época normal, ou alunos que pretendem melhoria de nota, exame com ponderação de 100%, nota mínima de 10 valores. Não há recurso a prova oral para melhoria de nota.

Metodologias de Ensino / Teaching methodologies


Aluno deverá desenvolver competências de análise, síntese, pesquisa, crítica, comunicação escrita e oral. Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): 1.Expositivas para apresentação de quadros teóricos de referência; 2.Participativas com análise e resolução de exercícios práticos, análise e discussão de casos de estudo, e textos de apoio e leitura; 3.Activas com realização de trabalhos individuais e de grupo; 4.Auto-estudo relacionadas com o trabalho autónomo do aluno. Os grupos deverão ser compostos por 3 a 5 estudantes.

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


A metodologia adoptada não só ajudará o desenvolvimento dos raciocínios de análise crítica desejáveis como também permitirá um enriquecimento da turma com os contributos específicos de cada estudante. A análise de casos e a elaboração do trabalho de grupo permitirá a integração entre o domínio teórico e a sua aplicação na prática. O exame final, de carácter individual, permitirá analisar se cada estudante absorveu e sabe aplicar noutros contextos todos os conceitos apresentados ao longo da UC. Metodologias de ensino aprendizagem (MEA) vs Objectivo de Aprendizagem (OA): 1. Aulas expositivas, para apresentação de quadros teóricos de referência irão ser utilizadas para responder aos OA1 a OA8; 2. Aulas Participativas, com análise e resolução de casos práticos será utilizadas para responder aos OA1 a OA7; 3. Aulas Participativas, com análise e discussão de casos de estudo e textos de apoio serão utilizadas para responder aos OA1 a OA8; 4. Aulas Activas, com realização de trabalhos individuais e de grupo serão utilizadas para responder aos OA1 a OA7; 5. Auto-estudo, relacionadas com o trabalho autónomo do aluno, tal como consta do planeamento das aulas permitirá aos alunos cimentar os seus conhecimentos de forma a ir de encontro aos OA1 a OA7.

Observações / Observations


O docente irá disponibilizar uma hora semanal para atendimento aos alunos. A utilização de ferramentas de Inteligência Artificial (IA) é permitida na procura de informação de mercado para responder aos desafios da UC. No entanto, é necessário que os estudantes identifiquem sempre as fontes e as prompts que foram utilizadas para a geração desses insights e que sejam capazes de refletir com sentido crítico sobre os resultados apresentados. Esta UC contribui para o ODS de indústria, inovação e infraestruturas no sentido em que dota os estudantes de competências que permitam criar um espírito analítico, inovador e empreendedor nos mercados concorrenciais. Os alunos abrangidos pelo 'Regulamento Interno para Estudantes com Estatutos Especiais' deverão contactar o docente da UC, ou 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


Palmatier, R. W., Petersen, J. A., & Germann, F. (2022). Marketing Analytics: Based on First Principles. Bloomsbury Publishing.

Bibliografia Secundária / Secondary Bibliography


Fawcett, T., & Provost, F. (2018). Data Science para Negócios: O que você precisa saber sobre mineração de dados e pensamento analítico de dados. Alta Books Editora (versão brasileira).

Data da última atualização / Last Update Date


2024-07-24