Identifying Data 2021/22
Subject (*) Analytic Databases Code 614G02025
Study programme
Grao en Ciencia e Enxeñaría de Datos
Descriptors Cycle Period Year Type Credits
Graduate 1st four-month period
 Third Obligatory 6
Language
Spanish
Galician
Teaching method Face-to-face
Prerequisites
Department Ciencias da Computación e Tecnoloxías da Información
Coordinador
Bernardo Roca, Guillermo de
 E-mail
guillermo.debernardo@udc.es
Lecturers
Bernardo Roca, Guillermo de
Silva Coira, Fernando
 E-mail
guillermo.debernardo@udc.es
fernando.silva@udc.es
Web
General description A materia introduce os conceptos fundamentais da contorna analítica e profundiza na definición, deseño e explotación de almacéns de datos, introducindo as principais alternativas aos mesmos. Introdúcense os principais mecanismos de explotación de almacéns de datos, con especial énfase no SQL analítico e a visualización, así como a definición de métricas e indicadores de negocio.
Contingency plan 1. Modificacións nos contidos

Non se realizarán modificacións nos contidos

2. Metodoloxías
*Metodoloxías docentes que se manteñen

*Metodoloxías docentes que se modifican
Mantéñense todas as metodoloxías. En caso de que non fose posible realizar asistencia presencial, as prácticas e probas realizaranse de forma telemática utilizando os mecanismos oficiais da Universidade (Teams, Moodle)

3. Mecanismos de atención personalizada ao alumnado
A atención ao alumnado realizarase a través dos medios telemáticos habituais:
- Teams utilizarase como mecanismo preferido para a comunicación entre o alumnado e o profesorado, resolución de dúbidas e titorías.
- O alumnado poderá contactar por email co profesorado utilizando o email corporativo para concertar reunións ou aclarar dúbidas complexas.
- Moodle utilizarase para publicar os materias e ocasionalmente para o envío de avisos relevantes.

4. Modificacións na avaliación

Non se modificarán os criterios de avaliación.

*Observacións de avaliación:
No hay

5. Modificacións da bibliografía ou webgrafía

Non se realizarán modificacións

Study programme competencies
Code Study programme competences
A7 CE7 - Coñecemento das características, funcionalidades e arquitectura dos sistemas de xestión de bases de datos.
A8 CE8 - Coñecemento e aplicación de conceptos e técnicas relativos ao deseño, implementación e explotación de bases de datos.
A9 CE9 - Capacidade para analizar e avaliar as alternativas de tecnoloxías de bases de datos dispoñibles que permitan desenvolver sistemas para a toma de decisións.
B2 CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo
B3 CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética
B4 CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado
B7 CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables.
B8 CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo.
B9 CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados.
B10 CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións.
C2 CT2 - Estimular a capacidade para traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sustentable ambiental, económico, político e social.
C3 CT3 - Capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer prazos e cumprilos.
C4 CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.
C5 CT5 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras.

Learning aims
Learning outcomes Study programme competences
Coñecer os fundamentos dos almacéns de datos A7
A8
A9
 B3
B8
B9
Desenvolver capacidades para deseñar e explotar almacéns de datos A8
A9
 B2
B3
B4
B7
B8
B10
 C2
C3
Dominar as consultas analíticas en SQL A8
 B9
Desenvolver capacidades para establecer métricas e indicadores de negocio, e facilitar a visualización de información relevante do almacén de datos A7
A8
A9
 C4
C5
Identificar e analizar as alternativas existentes aos almacéns de datos A7
A8
 B3
 C4
C5

Contents
Topic Sub-topic
Almacéns de datos Conceptos de almacéns de datos
Deseño
Explotación
SQL analítico Group by avanzado
Funcións de ventá
Métricas e indicadores de negocio dentro dos almacéns de datos Métricas e indicadores
Visualización de almacéns de datos Conceptos
Ferramentas
Alternativas aos almacéns de datos Data Lake
Outras alternativas

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
ICT practicals A9 A8 B2 B3 B4 B7 B9 B10 C3 C4 C5 10 30 40
Supervised projects A8 B2 B4 B7 B9 B10 C2 C3 C4 1 25 26
Mixed objective/subjective test A9 A7 A8 B2 B3 B8 0 2 2
Problem solving A9 A8 B2 B9 C3 10 26 36
Guest lecture / keynote speech A9 A7 A8 B3 C5 C4 21 21 42
 
Personalized attention 4 0 4
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
ICT practicals Plantexaranse problemas específicos a resolver polo alumnado utilizando as técnicas e ferramentas vistas na maeria
Supervised projects O alumnado deberá propoñer e desenvolver a resolución a un problema de deseño e explotación de almacéns de datos.
Mixed objective/subjective test Realización dunha proba escrita individual na que se avaliarán os conceptos explicados na materia
Problem solving Presentación ao alumnado de casos concretos para a súa análise e resolución.
Guest lecture / keynote speech Exposición dos contidos teóricos fundamentais da materia, en combinacións con aspectos de aplicación práctica.

Personalized attention
Methodologies
ICT practicals
Supervised projects
Problem solving
Description
Nas prácticas e traballos tutelados realizarase un seguimento individualizado das tarefas realizadas por parte do alumnado. O profesor resolverá dúbidas e proporá melloras a cada estudante ou grupo.
Na exposición de problemas, o profesor debatirá cos alumnos as posibles solucións.

A atención personalizada realizarase preferiblemente por medios telemáticos (Teams será a canle preferente).

Assessment
Methodologies Competencies Description Qualification
ICT practicals A9 A8 B2 B3 B4 B7 B9 B10 C3 C4 C5 Realización das tarefas prácticas propostas. 40
Supervised projects A8 B2 B4 B7 B9 B10 C2 C3 C4 Avaliarase a calidade do traballo realizado e a súa xustificación. 30
Mixed objective/subjective test A9 A7 A8 B2 B3 B8 Proba individual escrita, sobre os contidos da materia 30
 
Assessment comments

PRIMEIRA OPORTUNIDADE

Para aprobar a materia é necesario obter unha cualificación global superior a 5, e ademais:

  • Unha NOTA MÍNIMA de 1 (sobre 3) nos traballos tutelados.
  • Unha NOTA MÍNIMA de 1,5 (sobre 3) na proba mixta.

De non obter algunha destas notas mínimas, a nota máxima global da materia non será superior a un 4,5.

Terá cualificación de NON PRESENTADO calquera estudante que non realice a proba mixta.

SEGUNDA OPORTUNIDADE

Poderán presentarse á segunda oportunidade ÚNICAMENTE aqueles/as estudantes que non superasen a materia na primeira oportunidade. A recuperación de cada unha das partes farase da seguinte forma:

  • Traballos tutelados: poderán recuperarse no caso de que non foran entregados ou non se acadase a nota mínima na primeira oportunidade. 
  • Prácticas: cada práctica poderá recuperarse realizando unha nova entrega na segunda oportunidade.
  • Proba mixta: poderá recuperarse realizando o exame, nas mesmas condicións que na primeira oportunidade
  • Se un/unha estudante decide non realizar a recuperación de algunha das partes, conservará a nota obtida na primeira oportunidade nesa parte.
  • Na segunta oportunidade mantéñense as mesmas porcentaxes de avaliación e notas mínimas da primeira oportunidade.
  • Terá cualificación de NON PRESENTADO calquera estudante que non opte á recuperación de ningunha das partes.

DISPENSA ACADÉMICA

Aqueles/as estudantes con matrícula a tempo parcial e dispensa académica que lles exima da asistencia ás clases deberán contactar cos docentes nas primeiras semanas do curso para determinar as condicións de entrega das prácticas e traballos tutelados.

Sources of information
Basic Golfarelli, M.; Rizzi, S. (2009). Data Warehouse Design: Modern Principles and Methodologies. McGraw-Hill
Kimball, R.; Ross, M. (2013). The Data Warehouse Toolkit (3 ed.). Wiley

Complementary Inmon, W. H. (2002). Building the Data Warehouse, 3rd edition. Wiley
Sharda, R. Delen; Turba, E. (2014). Business intelligence: A managerial perspective on analytics. Prentice-Hall


Recommendations
Subjects that it is recommended to have taken before
Database Modeling/614G02016
Introduction to Databases/614G02008

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.