Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Sistemas de Informação

Departamento / Department

Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year

2019/2020

Pré-requisitos / Pre-Requisites

Para esta UC são obrigatórios conhecimentos de bases de dados (modelo relacional e SQL) e UML (Unified Modeling Language). Desta forma, recomenda-se a frequência na UC de Fundamentos 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. Pretende-se que os alunos desenvolvam a capacidade de desenhar modelos dimensionais e que sejam capazes de aplicar os conceitos leccionados a um caso de estudo numa determinada área de negócio.

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. Descrever os diferentes tipos e a evolução dos Sistemas de Apoio à Decisão; OA2. Desenhar um modelo dimensional para uma determinada área de negócio; OA3. Descrever e aplicar os princípios base de modelação dimensional ágil OA4. Comparar e criticar diferentes modelos dimensionais; OA5. Descrever as diferentes fases de desenvolvimento de um projecto de DW/BI, segundo a metodologia de R. Kimball; OA6. Descrever os princípios fundamentais das diferentes arquitecturas de DW; OA7. Descrever e aplicar os conceitos fundamentais do levantamento de requisitos de um projecto de DW/BI; OA8. Identificar os factores chave de sucesso nas várias fases de desenvolvimento de um projecto/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. Arquitecturas de DW Modelação dimensional: CP4. Conceitos fundamentais CP5. Conceitos avançados CP6. Conceitos de modelação dimensional ágil Metodologia de desenvolvimento de DW/BI de Kimball: CP7. Levantamento de requisitos para o desenho de modelos dimensionais CP8. Processo de ETL (extracção, transformação e carregamento) CP9. Desenho de aplicações de 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

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. Arquitecturas de DW: OA. 6 Modelação dimensional: CP4. Conceitos fundamentais: OA. 2, 4, 5, 9 CP5. Conceitos avançados: OA. 2, 4, 8, 9 CP6. Conceitos de modelação dimensional ágil: OA. 2, 3, 4 Metodologia de desenvolvimento de DW/BI de Kimball: CP7. . Levantamento de requisitos para o desenho de modelos dimensionais: OA. 2, 5, 7, 8, 9 CP8. Processo de ETL: OA. 5, 8 CP9. Desenho de aplicações de BI: OA. 5, 8, 9

Avaliação / Assessment

As 36h lectivas são divididas em 18h teóricas (T) e 18h Teórico/práticas (TP). Os alunos devem ler a bibliografia recomendada antes das aulas T, de exposição de conceitos. As aulas TP são usadas para o debate de casos de estudo e resolução de exercícios de modelação dimensional. É disponibilizado no e-learning um planeamento detalhado das aulas (conteúdos, material de suporte, trabalho autónomo). O trabalho prático inclui uma componente de orientação tutorial obrigatória. | Avaliação contínua - Participação nas atividades do Learning Scorecard (individual): 10% -opcional - Trabalho prático (em grupo): 40% - Peer assessment (em grupo): 10% - Teste teórico individual (frequência): 40% ou 50% (sem Learning Scorecard) Regras de elegibilidade: nota mínima 10 em todas as componentes, assiduidade >=40% das aulas (relatório Fenix), 1 reunião tutoria ao trabalho prático, cumprimento datas limite das etapas. Grupos  3-4 elementos. Alternativa: avaliação por exame final 100%

Metodologias de Ensino / Teaching methodologies

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

O alinhamento entre cada instrumento de avaliação e os objectivos de aprendizagem definidos para a UC é realizado da seguinte forma: - Participação nas atividades do Learning Scorecard: todos os OA. - Trabalho prático: OA. 2, 3, 4, 5, 7, 8, 9 - Peer-assessment: OA. 2, 3, 4, 5, 7, 9 - Teste teórico individual (duração 1h30): OA. 1, 3, 4, 5, 6, 7, 8, 9 - Exame final (duração 3h): todos os OA. O aluno dispõe de dois métodos de avaliação: avaliação contínua e avaliação por exame (100% da nota). Dado o carácter prático desta UC em Data Warehouse e Business Intelligence (BI), recomenda-se o método de avaliação contínua que pressupõe o desenvolvimento de um trabalho prático. Ao longo do semestre, o aluno em avaliação contínua é obrigado a cumprir as seguintes condições: (1) Assiduidade às aulas >= a 40% (i.e., mínimo de 10 aulas em 24). Os dados serão contabilizados com base no relatório de assiduidade do sistema Fenix; (2) Presença na tutoria ao trabalho (marcada com o docente do curso, num horário fora do período letivo até à data limite apresentada); (3) Nota mínima em todos os instrumentos de avaliação de 10 valores (escala 0/20); (4) Cumprimento das datas limite de todas as etapas ou milestones da avaliação contínua. O não cumprimento de pelo menos uma destas condições determina que o aluno passará a ser avaliado por exame final. O Learning Scorecard (LS) é uma ferramenta para apoio ao trabalho autónomo e melhoria da experiência de aprendizagem dos alunos, que utiliza técnicas de gamificação e de BI. O objetivo é proporcionar diversos materiais de estudo que os alunos podem voluntariamente desenvolver, como quizzes e exercícios. O aluno pode optar por não participar no LS, e nesse caso o teste teórico conta 50% da nota de avaliação contínua. A escolha de participação no LS terá que ser feita no início do semestre, até à data indicada no documento de planeamento. Os grupos de trabalho são de 3 a 4 elementos. Devido ao elevado número de alunos inscritos não há possibilidade de realização de trabalhos individuais. A frequência realiza-se em Janeiro durante a época de exames, na 1a época. Todas as orais para discussão dos trabalhos têm que ser realizadas antes da frequência. O objetivo da componente de peer assessment é que cada grupo possa avaliar o trabalho desenvolvido por outro grupo. A escolha do emparelhamento dos grupos em peer assessment é feita pela coordenação da UC. As orais para discussão dos trabalhos serão feitas com os dois grupos em conjunto. As notas das orais são individuais. Isto é, as notas da componente do trabalho prático e da componente de peer assessment são individuais, dependendo do desempenho do aluno durante a oral. Os alunos que não cumprirem as regras de elegibilidade da avaliação contínua passam a ser avaliados por exame em 1a época (contando 100% da nota). O exame de 2a época é apenas para quem não obteve nota positiva na 1ª época ou para melhoria de nota (requer inscrição).

Observações / Observations

Para o plano de estudos de IGE: - As UCs anteriores com matéria relevante para esta UC são: Fundamentos de Bases de Dados, Concepção e Desenvolvimento de Sistemas de Informação, Inteligência Artificial e Excel Avançado - As UCs que irão utilizar a matéria leccionada nesta UC são: Gestão de Sistemas de Informação, Sistemas Informáticos de Apoio à Decisão II e Projecto de Empresa Digital (para o plano de estudos de IGE). Para o plano de estudos de IGE, IGE-PL e MEI a matéria leccionada nesta UC será fundamental para a UC de Sistemas Informáticos de Apoio à Decisão II.

Bibliografia Principal / Main Bibliography

- 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

Bibliografia Secundária / Secondary Bibliography

- Ariyachandra, T. & Watson, H. (2006) Which data warehouse architecture is most successful? Business Intelligence Journal, 11, 4-6 www.tdwi.org - Eckerson, W. (2003) Four ways to build a Data Warehouse. TDWI. Available online: Computer Society - Viane, S. (2008) Linking Business Intelligence into Your Business. IT Professional. IEEE Computer Society - Watson, H. & Wixom, B. (2007) The current state of Business Intelligence. Computer. IEEE USA - J. O'Brien, G. Marakas (2008) Management Information Systems. 8th ed. McGraw-Hill Irwin, - Power, D. (2009). Decision Support Basics. New York: Business Expert Press, LLC - E. Siegel (2013) Predictive Analytics. John Wiley & Sons, USA - A. Ferrari & M. Russo (2013) Microsoft Excel 2013: Building Data Models with PowerPivot. Microsoft Press - 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