Business Analytics e Cultura de Dados

Conhecimentos de Base Recomendados

Não são necessários conhecimentos prévios. 

Métodos de Ensino

A Unidade Curricular de Business Analytics permite que os alunos tomem conhecimento, aprendam a gerir e desenvolvam a capacidade para propor soluções de Data Analytics, em especial de Data Visualization, destinadas a qualquer tipo de organização, considerando as regras de negócio. 

Os estudantes utilizarão ferramentas de Business Analytics para desenvolvimento e artefactos (dashboards) para a tomada de decisão. Os estudantes terão de tomar decisões quanto aos dados a utilizar e aos processos necessários para garantir a qualidade dos dados, compreenderão quais os indicadores fundamentais e relevantes para a tomada de decisão em contexto organizacional e proporão a forma mais adequada para apresentar e comunicar informação de modo que seja entendível pelo público a que se destina.

Few (2019) refere que “não estamos ainda na Idade da informação, mas sim na idade dos dados” e, atendendo à multiplicidade de dados disponíveis para facilitar o processo de decisão, os alunos terão vantagem se estiverem aptos a, nas suas empresas, propor soluções mais eficientes e eficazes para a apresentação da informação.

Pretende-se que os alunos tomem conhecimento dos diversos players nesta área, quer sejam software houses e soluções disponíveis no mercado, organismos que promovam a discussão do tema (International Institute of Business Analysis, Canadá), quer investigadores e estudos sobre as temáticas em discussão. 

Assim, a metodologia seguida é “Problem-based Learning” e “Project-based learning”: os estudantes serão motivados para a resolução de problemas e análise de cenários, bem, como elaborarão um projeto de análise de dados com diversas fases e entregáveis.  

Resultados de Aprendizagem

Os desafios da análise de dados estão, hoje, muito centrados na promoção de uma verdadeira “cultura de dados” nas organizações, para além de um profundo conhecimento do negócio em que cada empresa/organização atua, o que, atuando em sintonia, permite a aplicação de políticas de tomada de decisão efetiva baseada em dados (data-driven decision making).

Ferramentas para visualização de dados, nomeadamente, numa perspectiva de uso self-service, em plataformas cloud, são hoje a regra: o acesso democrático aos dados é também um tema de discussão fundamental.

Na UC de Business Analytics e Cultura de Dados (BACD) assumem especial ênfase os temas, aplicações e potencialidades de Business Analytics e os desafios relacionados com a tomada de decisão baseada em dados, que urge ultrapassar para que uma verdadeira cultura de dados possa emergir, nomeadamente: qualidade dos dados, processos de transformação de dados, atualização e visualização em tempo real e uso colaborativo dos dados e output gerado.

OBJETIVOS

Os objetivos desta UC são os seguintes: 

– conhecer aplicações e potencialidades de Business Analytics

– identificar os desafios relacionados com a tomada de decisão baseada em dados e com a implementação de uma cultura de dados nas organizações

– dominar os processos de ETL, transformação de dados, atualização e visualização em tempo real e uso colaborativo dos dados

– promover uma cultura de decisão com base em dados e o espírito crítico associado aos outputs gerados.

 

 

COMPETÊNCIAS

– aconselhar organizações sobre processos de decisão com base em dados e mudança para uma cultura de dados

– saber ultrapassar os desafios relacionados com a tomada de decisão baseada em dados e com a implementação de uma cultura de dados nas organizações

– produzir dashboards usando Power BI,  a partir de dados em bruto

– Apresentar soluções de visualização de dados que promovam uma cultura de decisão com base em dados.

 

Programa

1 – Conceitos de Business Analytics e Cultura de Dados
1.1 – Ciclo de Análise de dados
1.2 Fontes de Dados
1.3 Transformação de dados
1.4 Qualidade dos dados
1.5 Curadoria dos Dados
1.6 Aspetos éticos do uso de dados e RGPD
2 – Visualização de Dados
2.1 Regras para a elaboração de visualização de dados
2.2 Ferramentas para visualização de dados
2.3 Planificação, monitorização e discussão do processo de visualização de dados

Docente(s) responsável(eis)

Paulo Jorge de Almeida Pereira

Métodos de Avaliação

A metodologia de avaliação permite que os alunos desenvolvam competências práticas em áreas específicas de Business Analytics, que o aluno percecione como relevantes para a sua formação, para a organização onde se insere ou área onde pretende desenvolver a sua carreira futura. Para obter aproveitamento, terá de realizar obrigatoriamente 2 elementos de avaliação: TP1 e TP2.

TP1: utilização prática de um dataset, de uma das ferramentas de ETL disponíveis para aplicação de processos de limpeza, transformação e modelação do dataset original.

TP2: utilização prática de um dataset, de uma das ferramentas disponíveis para visualização de dados e à aplicação dos conhecimentos adquiridos para a elaboração de um conjunto de elementos de visualização que permitam tomada de decisão baseada nesses dados.

A classificação final, CF, é obtida: CF=1/2(TP1+TP2)

Sendo:

TP1 e TP2: classificações individuais sem arredondamento, escala de 0 a 20 valores. A nota mínima em cada um dos trabalhos é de 9,5 valores em 20.

CF: arredondada às unidades

TP1 e TP2 podem ser realizados em grupo, na época normal de avaliação. Nas épocas de Recurso e Especial os trabalhos são realizados individualmente. 

Cada estudante terá uma nota correspondente às componentes do trabalho em grupo e à de discussão individual do trabalho. Assim, a nota dos elementos do grupo poderá ser distinta na sequência do desempenho individual na discussão do trabalho.  

Caso o estudante tenha realizado um dos trabalhos ao longo do semestre, a nota desse trabalho será conservada para as restantes épocas, durante o ano letivo corrente. 

Caso o estudante pretenda realizar melhoria de nota, poderá melhorar um dos trabalhos ou ambos, tendo sempre de realizar nova(s) submissão(ões) do(s) trabalho(s), indicando todas as atualizações que efetuar. Terá de realizar de novo a apresentação e a discussão do(s) trabalho(s). 

 

 


    Estágio(s)

    NAO

    Bibliografia

    Bibliografia Fundamental:

    – Laursen, G. H., & Thorlund, J. (2016). Business analytics for managers: Taking business intelligence beyond reporting.John Wiley & Sons.
    – Few, S. (2019), The Data Loom: Weaving Understanding by Thinking Critically and Scientifically with Data, AnalyticsPress.
    – Few, S. (2019), Now You See It: Simple Visualization Techniques for Quantitative Analysis, Analytics Press.
    – Pochiraju, B., & Seshadri, S. (Eds.). (2019). Essentials of Business Analytics: An Introduction to the Methodology and Its Applications (Vol. 264). Springer.
    – Evans, J. (2021). Business Analytics: methods, models, and decisions, Global Edition, 3ª edição, Pearson
    – Davenport, T. H, Mittal, N. (2023). All-in On AI: How Smart Companies Win Big with Artificial Intelligence, Harvard Business Press

    Bibliografia Complementar: 

    Aparicio, M., & Costa, C. J. (2015). Data visualization. Communication design quarterly review, 3(1), 7-11.
    M. Y. Santos e I. Ramos, Business Intelligence – da Informação ao Conhecimento – 3.a edição Atualizada, Editora FCA,2017. ISBN: 978-972-722-880.
    Schniederjans, M. J., Schniederjans, D. G., & Starkey, C. M. (2014). Business analytics principles, concepts, and applications with SAS: what, why, and how. Pearson Education.