Extração, Transformação, Carregamento e Visualização

As aulas serão asseguradas com ferramentas ETL e com ferramentas de visualização de dados, rentabilizando as licenças educação
disponíveis na Escola correspondentes ao Power BI, Qlik e Tableau, de modo a que os estudantes se familiarizem com as mesmas e
desenvolvam aptidões quanto ao seu manuseamento.
Considerando a dificuldade em trabalhar com dados reais de empresas, promover-se-á a utilização de dados disponíveis em repositórios
abertos de dados como o data.gov.pt ou os do Portal da Transparência da Administração Pública, transparência.gov.pt, ou dados de
governos internacionais como o data.gov, dos Estados Unidos da América.
As aulas serão teórico-práticas com exposição dos conteúdos teóricos, seguidas da componente de aplicação em contexto de preparação
para análise de dados, visualização e tomada de decisão.
Parte do trabalho será desenvolvida em aula, de modo a permitir o acompanhamento necessário, estando também previstas horas de
trabalho autónomo dos estudantes.
Os trabalhos serão apresentados nas aulas e em regime de peer-review, ou seja, cada grupo terá de apresentar o seu trabalho e
responder às questões para além de analisar o trabalho de outro grupo, propondo sugestões de melhoria e endereçando críticas
construtivas.
Os estudantes serão orientados de modo a cumprirem o plano definido para o trabalho, com entregas de pequenas tarefas ao longo do
semestre, as quais serão finalizadas com um pitch para cada uma das versões finais dos 2 trabalhos apresentados.
Os estudantes serão ainda convidados a assistir a eventos extra-aula assegurados por entidades parceiras e será ainda desenvolvido um
meet up com uma das empresas parceiras da Escola, a realizar na Escola. Este evento representará um dos serviços prestados à
sociedade por esta Unidade Curricular, sendo que os estudantes terão oportunidade de se envolver ativamente na preparação do Meet up
e, durante o evento, constatar novas funcionalidades previstas para as ferramentas em uso, casos de uso nas empresas e estabelecer a
ligação com as Unidades Curriculares do último semestre da Licenciatura, para além de promover e alagar a sua rede de conhecimentos
empresariais, potenciando as suas oportunidades de ligação ao mercado de trabalho.
Serão ainda lançados dois desafios de natureza opcional:
1) participação em concurso nacional/internacional sobre a temática desta UC
2) submissão em conferência com indexação Scopus: os estudantes serão convidados a criar uma versão, em modelo de artigo científico,
que inclua os 2 trabalhos desenvolvidos com o objetivo de ser publicada numa conferência com indexação Scopus, de modo a promover
atividades de Investigação junto destes estudantes de licenciatura.

Esta UC pretende atingir os seguintes objetivos de aprendizagem:
– Conhecer o ciclo Real-Life ETL (Extração, Transformação, Carregamento)
– Dominar as diversas fases do processo ETL (estabelecendo a ligação, na componente de transformação de dados, aos conhecimentos
adquiridos na UC de Análise de Dados)
– Conhecer, comparar e utilizar ferramentas ETL
– Conhecer e aplicar as regras de visualização de dados adequadas ao contexto dos utilizadores dos dados, promovendo a melhor
compreensão e tomada de decisão com base nos dados.
– Saber utilizar as técnicas mais adequadas aos dados em análise de modo a que, partindo de dados em bruto, seja possível obter as
visualizações mais eficazes, passando pelo processo ETL, até à conclusão da visualização.

1 – Conceitos de Dados, Cultura orientada aos Dados e ETL
1.1 – Ciclo de Análise de dados
1.2 – Localização e tipos de Fontes de Dados: Extração de Dados
1.3 – Processos de Preparação e Transformação de dados
1.4 – Data warehouses vs Data Lakes: Carregamento de dados
1.5 – Princípios de Data Governance e perfis profissionais associados
1.6 – Curadoria dos Dados
1.7 – Aspetos éticos do uso de dados e Regulamento Geral sobre a Proteção dos Dados
1.8 – Repositórios Abertos
1.9 – Ferramentas para ETL e estudo comparativo
2 – Visualização de Dados
2.1 – Regras para a elaboração de visualização de dados
2.2 – Ferramentas para visualização de dados: identificação e estudo comparativo
2.3 – Planificação, monitorização e discussão do processo de visualização de dados
3 – Projeto de ETL e visualização de dados

NAO

Aspin, A. (2022). Pro Data Mashup for Power BI: Powering Up with Power Query and the M Language to Find, Load, and Transform Data,
Apress Editions
Deckler, G. (2022). Learn Power BI: A comprehensive, step-by-step guide for beginners to learn real-world business intelligence, 2nd
Edition, Packt Publishing
Deckler, G., Powell, B. (2022). Mastering Microsoft Power BI: Expert techniques to create interactive insights for effective data analytics and
business intelligence, 2nd Edition, Packt Publishing
Kimbal, R., (2004). The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data
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, Analytics Press.
Few, S. (2019). Now You See It: Simple Visualization Techniques for Quantiative Analysis, Analytic