Datos Identificativos 2020/21
Asignatura (*) Intelixencia de negocio Código 614502009
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Obrigatoria 6
Idioma
Castelán
Galego
Modalidade docente Híbrida
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Bernardo Roca, Guillermo de
Correo electrónico
guillermo.debernardo@udc.es
Profesorado
Bernardo Roca, Guillermo de
Lopez Mato, Javier
Silva Coira, Fernando
Correo electrónico
guillermo.debernardo@udc.es
javier.lopezm@udc.es
fernando.silva@udc.es
Web http://moodle.udc.es
Descrición xeral A materia revisa as temáticas relacionadas co tratamento de datos orientado ao ámbito analítico, fundamentalmente os elementos da análise de negocio, as bases de datos da contorna analítica (ODS, Data Warehouse, Data Marts), a integración e a virtualización de datos, o deseño de Data Warehouse, a Minería de Datos, as técnicas de estatística de negocio (Dashboard e KPIs) e o Big Data e a súa relación coa análise de datos.
Plan de continxencia 1. Modificacións nos contidos

Non se modificarán os contidos previstos

2. Metodoloxías
*Metodoloxías docentes que se manteñen

*Metodoloxías docentes que se modifican

As metodoloxías docentes manteranse, modificando o mecanismo de asistencia.
A docencia teórica e práctica, así como o exame, realizaranse de forma telemática (Teams/Moodle) se non fose posible realizalos presencialmente na aula.

3. Mecanismos de atención personalizada ao alumnado

Poderá contactarse co profesorado da materia polos medios habituais (Teams, email) para concertar atención personalizada. As titorías serán sempre virtuais, empregando preferentemente Teams.

4. Modificacións na avaliación

Non se realizarán modificacións na avaliación

*Observacións de avaliación:


5. Modificacións da bibliografía ou webgrafía

Ningunha

Competencias do título
Código Competencias do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer, entender e implementar solucións á problemática da integración de datos nos sistemas de información orientados á toma de decisións AP5
BP1
BP2
BP3
BP5
BP6
BP8
BM1
BM2
BM3
BM4
BM5
CP1
CP3
CP4
CP5
CP6
CP7
CP8
Coñecer as características das bases de datos da contorna analítica e ter capacidade para entender e solucionar os problemas de deseño que presentan. AP12
BP1
BP2
BP3
BP5
BP6
BP8
BM1
BM2
BM3
BM4
BM5
CP1
CP3
CP4
CP5
CP6
CP7
CP8
Coñecer, entender e implementar solucións para analizar datos estratéxicos dunha organización, extraer conclusións e obter resultados descoñecidos. AP12
BP1
BP2
BP3
BP5
BP6
BP8
BP10
BP11
BP12
BP13
BP14
BP17
BM1
BM2
BM3
BM4
BM5
CP1
CP3
CP4
CP5
CP6
CP7
CP8

Contidos
Temas Subtemas
Introdución á Intelixencia de Negocio

Arquitectura de Integración de Datos

Bases de Datos Multidimensionais - Deseño de DW

Minería de Datos
Técnicas de Estatística de Negocio: Dashboard, KPI.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A5 A12 B1 B2 B3 B5 B6 B8 B10 B11 B12 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 20 28 48
Solución de problemas A5 A12 B1 B2 B3 B5 B6 B8 B10 B11 B12 B13 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 0 12 12
Lecturas A5 B3 B5 B6 B10 B14 B17 B21 B22 B23 B25 C4 C6 C7 C8 0 10 10
Proba mixta A5 A12 B1 B2 B3 B5 B6 B8 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 3 0 3
Traballos tutelados A5 B1 B2 B3 B5 B6 B8 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C5 C6 C7 C8 0 12 12
Sesión maxistral A5 A12 B1 B3 B5 B6 B10 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 20 40 60
 
Atención personalizada 5 0 5
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio Son clases nas que se desenvolven as competencias procedimentais relacionadas cos contidos da materia.
Nelas realizaranse, por unha parte, exercicios cuxo obxetivo é madurar os conceptos das clases teóricas, e por otra, introduciranse novos conceptos de carácter práctico que acompañaranse de exercicios.
Solución de problemas Son probas que plantexan uns supostos de carácter práctico que os estudantes deben resolver para complementar as habilidades adquiridas nas prácticas de laboratorio.
Lecturas Propondrase a lectura de diversos traballos que complementen e axuden a entender os conceptos plantexados.
Proba mixta Exame da materia que combina conceptos teóricos e prácticos.
Traballos tutelados Traballos realizados baixo a orientación do profesorado, cuxo objetivos é que os estudantes asuman a responsabilidade do seu propio aprendizaxe e que aprenden "como facer".
Sesión maxistral Clases teóricas nas que se exponen os contidos fundamentais da materia, que poden acompañarse da propuesta e da resolución de exemplos.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Solución de problemas
Descrición
Atenderanse as dúbidas e as preguntas que se orixinen, podendo aportar solucións ou ideas que orienten a algunha solución.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A5 A12 B1 B2 B3 B5 B6 B8 B10 B11 B12 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 A nota máxima será de 5 puntos sobre o total de 10 da materia. Estas probas pódense repetir na segunda oportunidade. 50
Proba mixta A5 A12 B1 B2 B3 B5 B6 B8 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 A nota máxima será de 4,2 puntos sobre o total de 10 da materia.
A proba consiste nun exame final que tratará sobre os conceptos teóricos e sobre a asimilación práctica da materia. Se non se superan a nota mínima, a nota total máxima da materia será como moito de 4,5 puntos. A proba pódese repetir na segunda oportunidade.
40
Traballos tutelados A5 B1 B2 B3 B5 B6 B8 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C5 C6 C7 C8 Avaliarase o resultado dos traballos, que terán unha data de entrega anunciada coa suficiente antelación e formarán parte da avaliación continua. Estes traballos non se poden repetir na segunda oportunidade. 10
 
Observacións avaliación
Na primeira oportunidade terá calificación de NON PRESENTADO o estudante que non realice a proba mixta.

Na segunda oportunidade pódese recuperar só a proba mixta, só as prácticas ou ambas as dúas partes, de maneira que as notas desta oportunidade sustitúen sempre ás da primeira. Terá calificación de NON PRESENTADO o estudante que non recupere ninguna das partes pendientes.

DISPENSA ACADÉMICA:

Aqueles estudantes con matrícula a tempo parcial e dispensa académica que lles exima da asistencia ás clases, deberán contactar cos docentes para determinar as condicións de realización das prácticas e dos traballos tutelados.

Fontes de información
Bibliografía básica Sharda, R. Delen, D.; Turban, E. (2014). Business Intelligence: A managerial perspective on analytics. Prentice Hall
Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for Decision Making . Wiley
Tan, P.; Steinbach, M.; Kumar, V. (2006). Introduction to Data Mining . Addison-Wesley
Kimball, R.; Ross, M. (2013). The Data Warehouse Toolkit (3 ed.). Wiley

Bibliografía complementaria Inmon, W. H. (2002). Building the Data Warehouse, 3nd edition. Wiley
Witten, I.; Frank, E.; Hall, M. (2011). Data Mining . Morgan Kaufmann
Williams, G. (2011). Data Mining with Rattle and R. Springer
Golfarelli, M.; Rizzi, S. (2009). Data Warehouse Design: Modern Principles and Methodologies. McGraw-Hill
Conesa Caralt, J.; Curto Díaz, J. (2010). Introducción al Business Intelligence . UOC
Kimball, R.; Ross, M.; Thornthwaite, W.; Mundy, J.; Becker, B. (2008). The Data Warehouse Lifecycle Toolkit (2nd ed) . John Wiley and Sons


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías