Currículo

Laboratório de Business Analysis & Analytics 03634

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

OA1. Descrever os principais conceitos e frameworks para o desenvolvimento de uma arquitetura de dados. OA2. Aplicar metodologias e ferramentas apropriadas ao projeto (e.g., analisar o projeto de negócio, desenhar um framework de arquitetura de dados, identificar critérios de decisão, selecionar funcionalidades tecnológicas, e definir requisitos tecnológicos para a implementação do projeto de negócio. OA3: Aplicar técnicas de análise de dados (e.g. limpeza, preprocessamento, e integração de dados reais) adequados ao projeto. OA4: Analisar dados (e.g., sumarizar e visualizar dados de forma eficaz, modelação) e interpretar criticamente os resultados. OA5: Comunicar claramente os resultados e de forma estruturada (incluindo a proposta de valor).

Programa

P1. Fundamentos de arquitetura de dados P2. Armazenamento e recuperação de dados P3. Integração de dados P4. Análise, modelação e visualização de dados P5. Segurança, qualidade de dados e ética nos dados P6. Arquiteturas com tecnologias emergentes P7. Identificação de problemas P8. Fundamentação de propostas P9. Identificação de riscos e benefícios P10. Definição de requisitos tecnológicos P11. Comunicação de projetos de negócio

Método de Avaliação

A avaliação ao longo do semestre é composta pelas seguintes componentes: a) 10% em função da assiduidade do estudante nas aulas; b) 50% com trabalho de grupo, onde os estudantes devem demonstrar a capacidade de desenvolvimento de um projeto de negócio, com trabalho colaborativo e brainstorming, através da gravação de um vídeo (pitch) e da escrita de um relatório (documentação do projeto); c) 40% com a discussão oral individual do projeto de negócio. Aprovação: i) classificação mínima 10 valores em cada elemento; ii) completar com sucesso três cursos de e-learning recomendados (8 horas); e iii) participar ao longo do ano nas seguintes atividades: um workshop de ferramentas computacionais (8 horas), um datathon/hackathon/student challenge (com duração de, pelo menos, um dia), e dois seminários (e.g., business analytics talks) organizados por estudantes. Escala: 0-20 valores. Esta UC não contempla avaliação por exame dada a natureza da sua metodologia (project-based learning).

Carga Horária

Bibliografia

Principal

• Gatti, S. (2023). Project Finance in Theory and Practice: Designing, Structuring, and Financing Private and Public Projects. Academic Press. ISBN: 978-0323983600. Inmon, B.; Levins, M.; Srivastava, R. (2021). Building the Data Lakehouse. Technics Publications. ISBN: 978-1634629669. Kerzner, H. (2022). Project Management: A Systems Approach to Planning, Scheduling, and Controlling. 13th edition, Wiley. ISBN: 978-1119805373. Koller, T., Goedhart, M., Wessels, D. (2020). Valuation: Measuring and Managing the Value of Companies. 7th edition, McKinsey & Company Inc. ISBN: 978-1119611868. Serra, J. (2024). Deciphering Data Architectures. O'Reilly Media, Inc. ISBN: 978-1098150761. Azure Architecture Center - Azure Architecture Center | Microsoft Learn.: -- -- --

Secundária

• Agrawal, D.; Selçuk Candan, K.; Li, W-S. (2011). Data Management in the Cloud: Challenges and Opportunities. Springer. Erl, T.; Mahmood, Z.; Puttini, R. (2013). Cloud Computing: Concepts, Technology & Architecture. Prentice Hall. Götze, U.; Northcott, D.; Schuster, P. (2015). Investment Appraisal: Methods and Models. Springer. Kavis, M. (2014). Architecting the Cloud: Design Decisions for Cloud Computing Service Models (SaaS, PaaS, and IaaS). Springer. PMI (2017). The Standard for Portfolio Management. Project Management Institute. Zhao, L. (2014). Cloud Data Management. Springer.: -- -- --

Disciplinas de Execução

2025/2026 - 2º Semestre

2025/2026 - 2º Semestre