Sistemas de Informação Analíticos

Código:

MCI0028

Sigla:

SIA

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2023/2024 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Ciência da Informação

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MCI	2	Plano de estudos oficial	2	-	6	42	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Dotar os estudantes da capacidade de projetar, implementar e explorar armazéns de dados (data warehouses).

Resultados de aprendizagem e competências

(1) Planear e gerir o ciclo de vida de um projeto de armazém de dados;
(2) Identificar os requisitos e as fontes de dados;
(3) Projetar um modelo dimensional adequado;
(4) Desenhar e implementar um processo de extração, transformação e carregamento de dados;
(5) Especificar e implementar aplicações e modelos de acesso e visualização da informação no armazém de dados;
(6) Otimizar o armazém de dados pela criação de agregações e índices;
(7) Criar e explorar implementações multidimensionais;
(8) Interrogar implementações multidimensionais;
(9) Definir os metadados necessários para efeitos de auditoria.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Bases de dados relacionais, normalização, SQL.

Programa

• Indicadores de desempenho


• Dimensões e hierarquias

• Modelação Conceptual do Armazém de Dados: o modelo MultiDim


• A Enterprise Data Warehouse: implementação numa base de dados relacional

• Kimball Data Marts: implementação numa base de dados relacional

• Extração, tranformação e carregamento de dados: experiências com uma ferramenta ETL


• O modelo multi-dimensional

• Exemplos com um servidor OLAP


• A linguagem MDX

• Como desenhar Dashboards: exemplos com uma ferramenta de desenho de dashboards


• Os princípo básicos do desenvolvimento agile de projetos de armazenamento de dados

• Utilização de técnicas de análise de dados sobre cubos OLAP


• Requisitos de metadados

Bibliografia Obrigatória

Alejandro Vaisman and Esteban Zimanyi; Data Warehouse Systems: Design and Implementation, Springer, 2014. ISBN: 978-3642546549

Bibliografia Complementar

Inmon, W. H.; Building the data warehouse. ISBN: 0-471-08130-2
Ralph Kimball, Margy Ross, Warren Thornthwaite, Joy Mundy, Bob Becker; The Data Warehouse Lifecycle Toolkit, 2nd ed., John Wiley & Sons, 2008. ISBN: 978-0470149775
Harold Kerzner; Project Management Metrics, KPIs, and Dashboards: A Guide to Measuring and Monitoring Project Performance, WIley, 2017. ISBN: 978-1119427285
Lawrence Corr and Jim Stagnitto; Agile Data Warehouse Design: Collaborative Dimensional Modeling, from Whiteboard to Star Schema, DecisionOne Press, 2011. ISBN: 978-0-9568172-0-4
Rick Sherman; Intelligence Guidebook: From Data Integration to Analytics, Morgan Kaufmann, 2015. ISBN: 978-0124114616

Métodos de ensino e atividades de aprendizagem

As aulas têm um formato teórico-prático em que a discussão de novos conceitos e a descrição de técnicas é entremeada com exemplos e com a resolução de exercícios em computador, uma vez que decorrem num laboratório. Atendendo aos objetivos aplicados da UC, optou-se por uma avaliação em que 50% assenta na realização de um trabalho prático de média dimensão, em grupos de 2 pessoas, de preferência com dados reais, no qual são percorridas as diversas etapas de um projeto de um armazém de dados. No final, para além do relatório do projeto, é realizada uma apresentação e discussão oral, como acontece nos projetos reais. Os restantes 50% correspondem a um exame escrito individual, onde os estudantes têm a oportunidade de demonstrar o seu domínio de assuntos que não tenham sido cobertos no seu trabalho prático.

Software

Pentaho workbench
Pentaho OLAP server
mySQL
Kettle

Palavras Chave

Ciências Físicas > Ciência de computadores > Gestão de bases de dados

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	50,00
Trabalho laboratorial	50,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	66,00
Frequência das aulas	56,00
Trabalho laboratorial	40,00
Total:	162,00

Obtenção de frequência

Avaliação distribuída não inferior a 7,5/20.

Fórmula de cálculo da classificação final

NotaProjeto: nota do projeto realizado em grupo.

NotaExame: nota do exame final.

Final = 50% * NotaProjeto + 50% NotaExame

Requer-se nota superior a 7,5/20 na NotaExame.

Provas e trabalhos especiais

Um trabalho laboratorial.

Avaliação especial (TE, DA, ...)

Os estudantes com estatutos especiais devem entregar e apresentar o trabalho e fazer o exame nas mesmas datas que os restantes estudantes.

Melhoria de classificação

O exame final pode ser melhorado através de um exame de melhoria de classificação.
O trabalho prático pode ser melhorado através de um novo trabalho a definir pelo docente.