Business Analytics

Frameworks

Software de analytics e de visualização

Algoritmos de machine learning

Ao concluir a UC, é esperado que o/a estudante demonstre as seguintes competências: 

- Compreender o conceito de Business Analytics;

- Saber as principais frameworks de implementação de Business Analytics e uma framework para identificar numa organização as capacidades relativas a Business Analytics;

- Conhecer diversas ferramentas de visualização e de software de analytics;

- Conhecer algoritmos chave de machine learning;

- Identificar e compreender a aplicabilidade de diferentes tipos de algoritmos de machine learning;

- Aplicar os conhecimentos adquiridos.

I.  Business Intelligence vs. Business Analytics e o papel do Business Analytics na tomada de decisão;

II. Conceitos básicos e frameworks de business analytics, incluindo descriptive, predictive, e prescriptive analytics;

III. Frameworks usadas nas organizações para implementar business analytics, incluindo modelo CRISP-DM e metodologias agile;

IV. Tecnologias e ferramentas de business analytics: introdução a ferramentas de visualização, software de analytics, e algoritmos de machine learning;

V. Tendências de futuro.

Opcional:

Vidgen, R., Kirshner, S. and Tan, F. (2019), "Business Analytics: a management approach”, Red Globe Press.

Obrigatórios:

Recursos disponibilizados em cada temática (leitura/visualização obrigatória) – consultar a sequência e os temas na turma.

E-learning.

O regime de avaliação preferencial é o de avaliação contínua, constituída pela realização de 2 e-folios (trabalhos escritos em formato digital), ao longo do semestre letivo, e de um momento final de avaliação e-fólio Global (e-fólioG), a ter lugar no final do semestre, com peso de, respetivamente, 40% e 60% na classificação final. Os estudantes podem, no entanto, em devido tempo, optar um único momento de avaliação, realizando, então uma prova de Avaliação Final (exame) com o peso de 100%.