Solicitud de información
Business Intelligence
| Código Asignatura: |
1780
|
|
| Nº Créditos ECTS: |
6
|
|
| Tipo: |
Optativa
|
|
| Duración: |
Semestral
|
|
| Idioma: |
Castellano
|
|
| Plan de estudios: | ||
| Profesor(es): | ||
| Año académico: |
2024-25
|
|
La información sobre los datos de contacto y el horario de tutorías se encuentra publicada en el aula virtual de la asignatura.
Descripción
Business Intelligence es una asignatura optativa que consta de 6 créditos y que dotará al estudiante de conceptos relacionados con la extracción de conocimiento útil para la empresa desde la perspectiva del Proceso de Descubrimiento de Conocimiento en Bases de Datos (más conocido por sus siglas KDD, de su nombre en inglés Knowledge Discovery in Databases).
La asignatura comienza con un tema que tiene como objetivo introducir los conceptos básicos de Business Intelligence. A continuación se presenta el proceso de KDD y sus diferentes fases. Tras esta primera parte introductoria se describen las etapas iniciales del proceso de KDD. Seguidamente, se describen las etapas finales del proceso de KDD, en las que se evalúan e interpretan los modelos extraidos de cara a obtener beneficio empresarial. Finalmente, se analizará la forma de ejecutar un proyecto real de Business Intelligence y se abordarán los aspectos legales y éticos, así como las tendencias futuras en esta disciplina.
No existe ningún prerrequisito formal de matrícula para cursar la asignatura de Business Intelligence, aunque es recomendable contar con los conocimientos adquiridos en las asignaturas de Bases de Datos, que facilitarán la comprensión de las técnicas estudiadas. Esta asignatura se complementa con la asignatura de Minería de Datos, en la que se abordan las técnicas de KDD desde un punto de vista más técnico.
Antes de matricular la asignatura, verifique los posibles requisitos que pueda tener dentro de su plan. Esta información la encontrará en la pestaña "Plan de estudios" del plan correspondiente.
Competencias generales
- Capacidad para trabajar en situaciones carentes de información y bajo presión, teniendo nuevas ideas, que permiten la resolución de la situación con el uso de la informática.
- Capacidad para integrarse en la empresa de modo autónomo demostrando conocimientos básicos de la informática, comprensión de la responsabilidad ética y profesional, y motivación por y la mejora continua y la calidad del producto.
- Capacidad para el uso profesional de la tecnología de la información y la comunicación.
- Tener capacidad para realizar la formalización y especificación de problemas reales cuya solución requiere el uso de la informática.
Competencias específicas
- Capacidad para abordar proyectos de extración de conocimiento y para aplicar técnicas de Minería de Datos para la resolución de problemas específicos mediante el uso de los algoritmos existentes para cada tipo de problema.
Competencias transversales
- Capacidad de análisis y síntesis.
- Capacidad de organización y planificación.
- Capacidad de gestión de la información.
- Toma de decisiones.
Resultados del aprendizaje
- Comprender la importancia de los datos en las organizaciones.
- Conocer las fases del proceso de descubrimiento de conocimiento.
- Aplicar metodologías de extracción de conocimiento en la resolución de casos reales.
- Comprender el proceso analítico de datos (OLAP).
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 30%
- Supuestos y casos prácticos: 35%
- Lectura de artículos: 5%
- Búsqueda de información: 15%
- Redacción o realización de informes: 5%
- Acción tutorial: 5%
- Evaluación: 5%
Tutorías
El profesor aporta un seguimiento individualizado de la actividad del estudiante para asegurar las mejores condiciones de aprendizaje mediante la tutorización a través de las herramientas de la plataforma educativa y/o de las tutorías telefónicas. En estas tutorías los estudiantes pueden consultar a los profesores las dudas acerca de la materia estudiada.
Materiales didácticos
Para el desarrollo del aprendizaje sobre el que versará el examen final se han seleccionado materiales didácticos y/o manuales, a partir de los cuales se estudiarán las unidades didácticas que se corresponden con la descripción de los contenidos de la asignatura:
Manual de la asignatura:
Lara, J.A. "Manual de Business Intelligence". Ed: UDIMA (2015).Además, se recomienda la siguiente bibliografía de consulta voluntaria:
Hernández, J., Ramírez, M. J. y Ferri, C. (2004). Introducción a la Minería de Datos. Ed. Pearson.
Curto, J. (2016). Introducción al Business Intelligence. Ed. UOC.
Loshin, D. (2012). Business Intelligence: The Savvy Manager’s Guide. Ed. Elsevier Science & Technology.
Finalmente, el profesor podrá poner a disposición del estudiante cualquier otro material complementario voluntario al hilo de las unidades didácticas o en una carpeta de material complementario.
Contenidos y programación
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 | Tema 1. Introducción a Business Intelligence. 1.1 Business Intelligence 1.2 Proceso de KDD 1.3 Herramientas para Business Intelligence 1.4 Metodologías para Business Intelligence 1.5 Aplicaciones 1.6 Repercusiones, desafíos y tendencias 1.7 Conclusiones |
|
| Semanas 2 y 3 | Tema 2. El proceso de KDD. 2.1 Introducción 2.2 Recopilación de datos 2.3 Selección, limpieza y transformación de datos 2.4 Data mining 2.5 Interpretación y evaluación 2.6 Visión de conjunto 2.7 Conclusiones |
|
| Semanas 4 y 5 | Tema 3. Almacenes de Datos (Data Warehouse). 3.1 Introducción 3.2 Necesidad de los Data Warehouse 3.3 Integración de datos en un Data Warehouse 3.4 Diseño de un Data Warehouse 3.5 OLAP 3.6 Implementación de un Data Warehouse 3.7 Conclusiones |
|
| Semanas 6 y 7 | Tema 4. Selección, Limpieza y Transformación de Datos. 4.1 Introducción 4.2 Selección, limpieza y transformación de datos 4.3 Selección, limpieza y transformación de datos con Weka 4.4 Conclusiones |
|
| Semana 8 | Tema 5. Data mining. 5.1 Introducción 5.2 Clasificación 5.3 Regresión 5.4 Clustering 5.5 Asociación 5.6 Detección de atípicos 5.7 Tareas y técnicas 5.8 Técnicas y modelos 5.9 Conclusiones |
|
| Semanas 9 y 10 | Tema 6. Interpretación y Evaluación de Modelos. 6.1 Introducción 6.2 Evaluación de clasificadores 6.3 Evaluación de modelos de regresión 6.4 Evaluación de agrupamientos 6.5 Evaluación de reglas de asociación 6.6 Conclusiones |
|
| Semanas 11 y 12 | Tema 7. Visualizaciones 7.1 Introducción 7.2 Visualizaciones básicas 7.3 Visualizaciones especializadas |
|
| Semanas 13, 14 y 15 | Tema 8. Tendencias en Business Intelligence. 8.1 Introducción 8.2 Big Data 8.3 Open Data 8.4 Linked Data 8.5 Extracción de conocimiento en datos no convencionales 8.6 Conclusiones |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
(*) Las fechas concretas se pueden consultar en el aula virtual de la asignatura y en la pestaña de “Precios, Calendario y Matriculación” de la titulación.
Sistema de evaluación
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 50% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Actividades de aprendizaje (AA): actividades que permiten evaluar el desarrollo de las competencias al hilo del desarrollo de las unidades didácticas. Pueden adoptar el formato de foro, cuestionario, glosario u otros.
- Controles: actividades que permiten evaluar la adquisición de aspectos conceptuales y prácticos de la asignatura. Toman la forma de cuestionarios.
- Actividades de evaluación continua (AEC): actividades que permitan evaluar el alcance de ciertos hitos académicos a lo largo del cuatrimestre. Pueden adoptar el formato de informes, cuestionarios, casos prácticos, comentarios de texto, etc.
- Un examen final presencial que supone el 50% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será de tipo mixto, con una parte tipo test con 10 preguntas de opción múltiple (2 puntos) y una parte de desarrollo teórico-práctica con cuatro ejercicios (8 puntos). Dentro de la parte tipo test, los errores penalizan con el objetivo de corregir las respuestas acertadas por azar.
Para presentarse al examen final en cualquiera de las convocatorias, el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del aula asociadas a la asignatura.
El estudiante que se presente al examen sin cumplir requisitos, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Cuadro resumen del sistema de evaluación
| Tipo de actividad | Número de actividades planificadas | Peso calificación |
|---|---|---|
| Actividades de aprendizaje |
2
|
10%
|
| Actividades de Evaluación Continua (AEC) |
3
|
30%
|
| Controles |
3
|
10%
|
| Examen final |
Si
|
50%
|
| TOTAL | 100% | |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre. El estudiante que no se presente a la convocatoria de febrero y/o de julio ni a la de septiembre, perderá automáticamente todos los trabajos realizados a lo largo del curso. Deberá en este caso matricularse de nuevo en la asignatura.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 – 4.9: Suspenso (SU) 5.0 – 6.9: Aprobado (AP) 7.0 – 8.9: Notable (NT) 9.0 – 10: Sobresaliente (SB) Matrícula de honor (MH)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.