Métodos de Ensino
A Unidade Curricular de Business Intelligence e Analytics permite que os alunos tomem conhecimento, aprendam a gerir e desenvolvam a
capacidade para propor soluções de Data Analytics, Data Visualization e, globalmente de Business Intelligence e Analytics. Para tal, e
numa primeira fase, os estudantes terão aulas de cariz teórico-prático onde aprendem a manipular ferramentas de Self Service Business
Intelligence (como o Tableau ou Power BI) e a compreender a forma como devem ser apresentados e comunicados os dados de modo que
sejam entendíveis pelo público.
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 estudantes terão vantagem se estiverem aptos a, nas suas empresas, propor soluções
mais eficientes e eficazes para a apresentação da informação.
A UC de Business Intelligence (BI) prevê a realização de algumas Palestras com convidados externos sobre temáticas de investigação
atual (é fundamental que todas as UCs de Mestrado contribuam para que o estudantes se sinta apto a realizar investigação) na área de BI,
Business Analytics e casos de aplicação. entre outras.
A metodologia de ensino é essencialmente “problem-based learning” e “project-based learning” promovendo que os estudantes
proponham soluções para problemas que são expostos nas aulas e que desenvolvam um projeto ao longo do semestre. Mesmo no que
respeita à escrita de um artigo científico, ela baseia-se na metodologia de projeto já que o estudante terá de entregar diversas fases do seu
trabalho e receber feedback relativamente a cada uma de modo a passar à seguinte. O objetivo é promover a investigação e a publicação
de artigos de investigação com os estudantes,
A metodologia de ensino permite que os alunos desenvolvam competências de investigação e práticas em áreas específicas de BI que o
aluno prececione como sendo relevantes para a sua formação e/ou para a sua empresa.
Resultados de Aprendizagem
Objetivos:
OB1: dar a conhecer as potencialidades dos processos de Business Intelligence e dos Sistemas operacionais que os suportam
OB2: conhecer as atuais tecnologias de informação e as metodologias de desenvolvimento de soluções de Business Intelligence para
empresas data-driven
OB3: conhecer as principais tendências de ferramentas para visualização de dados e automatização de tarefas
OB4: saber utilizar uma ferramenta de visualização de dados e implementar todo o circuito de análise de dados, com sentido crítico das
soluções a utilizar.
Competências:
C1) científicas e de investigação: conhecimento dos principais autores e estudos e tendências mais recentes sobre as temáticas desta
área em Business Intelligence e Analytics.
2) de natureza prática, nomeadamente, que os alunos tomem conhecimento, aprendam a gerir e desenvolvam a capacidade para propor
soluções de Data Analytics, Data Visualization e, globalmente de Business Intelligence e Analytics.
Programa
1-Data-driven Decisions
1.1. Importância das decisões baseadas em dados
1.2. Frameworks para tomada de decisão informada
1.3. Principais desafios e armadilhas no uso de dados
2-Business Intelligence & Analytics
2.1. Fundamentos de BI e Analytics
2.2. Tipos de análises em BI
2.3. Componentes de uma solução de BI
2.4. Principais indicadores e métricas (KPIs)
3-Data governance, cultura e curadoria de dados
3.1. Fundamentos de data governance
3.2. Cultura orientada por dados
3.3. Curadoria e qualidade de dados
4-Automação de processos
4.1. Introdução à automação em BI
4.2. Robotic Process Automation (RPA) e BI
4.3. Machine Learning e Inteligência Artificial em BI
5-Ferramentas para análise de dados
5.1. Visão geral de ferramentas de BI
5.2. Linguagens e tecnologias para análise de dados
5.3. Comparação de ferramentas e critérios de escolha
6-Projeto de BI e Analytics
6.1. Planeamento do projeto
6.2. Construção e implementação da solução
6.3 Avaliação e Apresentação do Projeto
Estágio(s)
NAO
Bibliografia
Stephen Few, 2020, Now you see it: an introduction to Visual Data Sensemaking, 2nd edition, Analytics Press
E. Turban, R. Sharda, J. Aronson, D. King, 2016, Business Intelligence, Analytics, and Data Science: A Managerial Perspective, Pearson;
4th edition (December 12, 2016)
Laursen, G. H., & Thorlund, J. (2016). Business analytics for managers: Taking business intelligence beyond reporting. John Wiley & Sons.
Pochiraju, B., & Seshadri, S. (Eds.). (2019). Essentials of Business Analytics: An Introduction to the Methodology and Its Applications (Vol.
264). Springer.
Schniederjans, M. J., Schniederjans, D. G., & Starkey, C. M. (2014). Business analytics principles, concepts, and applications with SAS:
what, why, and how. Pearson Education.
Evans, J. (2017). Business Analytics: methods, models, and decisions, Global Edition, 2ª edição, Pearson
Davenport, T. H, Mittal, N. (2023). All-in On AI: How Smart Companies Win Big with Artificial Intelligence, Harvard Business Press