Logo

Business Intelligence (Sistemes d'Informació de Negoci)

Codi: 107563
Crèdits: 6
2026/2027
Titulació Tipus Curs
Empresa i Tecnologia OB 3

Professor/a de contacte

Nom :
David Esteban Palma Araneda
Correu electrònic :
david.palma@uab.cat

Idiomes dels grups

Podeu consultar aquesta informació al final del document.

Prerequisits

Ja que el curs tracta especificament de l'obtenció i organització de dades, és important tenir en compte, i refrescar si cal, els conceptes introduits a l'assignatura de Bases de Dades, especialment en relació a consultes SQL.

Objectius

L'objectiu basics de l'assignatura és el d'introduir als i les estudiants en el conjunt d'eines i habilitats necessàries per a confeccionar quadres de comandament que siguin útils i complerts per a la presa de decisions estratègiques dins una organització.

Al finalizar el curs, els i les estudiants hauran de ser capaces de:

  • Recollir i comprendre la informació que es genera en els processos empresarials
  • Estructurar la informació per aconseguir un model dimensional que generi el Data Wharehouse de l'empresa
  • Usar de forma intensiva un dels programes específics de Business Intelligence.
  • Avaluar la idoneïtat i l'ajust de diversos mètodes de modelatge per a problemes comuns a l'empresa

Resultats d'aprenentatge

  • CM13 (Proposar bases de dades relacionals que recullin les característiques, les funcionalitats i l'estructura adequades a l'organització.) Proposar bases de dades relacionals que recullin les característiques, les funcionalitats i l'estructura adequades a l'organització.

Continguts

1. Business Inteligence, Data Wharehouse i Model Dimensional


2. Model Dimensional aplicat a distints processos empresarials (transaccions, vendes, inventaris, etc.)


3. Recorregut pels Processos i Tasques del sistema de ETL (Extracció, Transformació i càrrega de dades)


4. Representació de dades: mètriques, KPI, bones pràctiques de visualització, etc.


5. Integració de Bases de Dades a nivell Dimensional


6. Fonaments i aplicacions bàsiques de modelació de dades

Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Pràctiques de laboratori 15 0,6 CM13
Tutories i seguiment dels treballs a realitzar i dels casos a preparar 15 0,6 CM13
Lectures relacionades, preparació de casos i pràctiques, estudi i elaboració d'esquemes 87 3,48 CM13
Classes magistrals, discussió de casos i presentació de treballs 30 1,2 CM13

El treball a l'assignatura s'estructurarà al voltant d'una alternança de teoria i pràctica. Cada cop que es tracti un nou tema, es començarà per introduir els conceptes teòrics, seguits immediatament per aplicacions pràctiques amb bases de dades reals o sintètiques. Hi ha tres tipus de treball pràctic: (i) exercicis breus a realitzar durant la classe, (ii) tasques avaluables en el format de pràctiques de laboratori lliurables dins d'un termini donat, i (iii) un projecte d'assignatura a treballar al llarg del semestre. La major part del treball pràctic es realitzarà en grups, els quals es definiran al principi de lassignatura i es mantindran fixos al llarg daquesta.


Per a aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) exclusivament en tasques de suport, com la cerca bibliogràfica o d’informació, la correcció de textos o codi, o les traduccions. L'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA en aquesta activitat avaluable es considerarà falta d'honestedat acadèmica i pot comportar una penalització parcial o total en la nota de l'activitat, o sancions majors en casos de gravetat. En qualsevol cas lús de la ia está prohibit en qualsevol examen.


Nota: es reservaran 15 minuts d'una classe per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.



Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè l'alumnat completi les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.

Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Tascas en grup 30% 0 0 CM13
Proves individuals i prova final 40% 3 0,12 CM13
Projecte de Business Intelligence 30% 0 0 CM13

Avaluació

L'avaluació de l'assignatura (nota d'assignatura, NAsig) es compondrà de tres elements:

  1. Tasques a realitzar en grup (30%): Al llarg del semestre, es publicaran tasques que s'hauran de completar en grups de treball (a mantenir constants al llarg del semestre), i que s'hauran de lliurar mitjançant el campus virtual.
  2. Exàmens a realitzar individualment (40% en total, 20% cadascun): Es realitzaran dos exàmens presencials a les dates indicades per la facultat.
  3. Un projecte a realitzar en grup (30%): El qual es realitzarà en grup i en diferents etapes al llarg del semestre. El projecte consisteix a:
  4. Aconseguir una base de dades real, idealment d'una empresa o institució (o si no n'hi ha, d'alguna font de dades oberta), i reestructurar-la en un model estrella.
  5. Definir indicadors de gestió (KPI) rellevants i generar dashboards per visualitzar-los.
  6. Proposar i respondre una pregunta de recerca rellevant utilitzant les dades disponibles i alguna tècnica de modelació estudiada a l'assignatura.

Si la nota al component exàmens (NExam) és menor a 4,0, llavors la nota de presentació (NPres) es calcularà com a mínim entre 4,0 i la nota de l'assignatura (NAsig), és a dir, NPres = min(4,0 ; NAsig). En cas contrari, NPres = NAsig.

Els qui arribin a una nota de presentació (NPres) entre 3,5 i 4,9 podran presentar-se a un examen de recuperació.

Aquesta assignatura no permet el mètode davaluació única.

Calendarid’activitats d’avaluació

Les dates de les diferents activitats d'avaluació (exercicis, entregade treballs, ...) s'anunciaran amb suficient antelació durant el semestre.

La data de l'examen final de l'assignatura està programada en el calendari d'exàmens de la Facultat.

\"La programació de les proves d’avaluació no es podrà modificar, tret que hi hagi un motiu excepcional i degudament justificat pel qual no es pugui realitzar un acte d’avaluació. En aquest cas, les persones responsables de les titulacions, prèvia consulta al professorat i a l’estudiantat afectat, proposaran una nova programació dins del període lectiu corresponent.\" Apartat 1 de l'Article 115. Calendari de les activitats d’avaluació (Normativa Acadèmica UAB)

Els i les estudiants de la Facultat d'Economia i Empresa que d'acord amb el paràgraf anterior necessitin canviar una data d'avaluació han de presentar la petició omplint el document Sol·licitud reprogramació prova https://eformularis.uab.cat/group/deganat_feie/reprogramacio-proves

Procediment de revisió de les qualificacions

Coincidint amb l'examen final s'anunciarà el dia i el mitjà en que es publicaran les qualificacions finals. De la mateixa manera s'informarà del procediment, lloc, data i hora de la revisió d'exàmens d'acord amb la normativa de la Universitat.

Procés de Recuperació

“Per participar al procés de recuperació l'alumnat ha d'haver estat prèviament avaluat en un conjunt d'activitats que representi un mínim de dues terceres parts de la qualificació total de l'assignatura o mòdul.” Apartat 3 de l'Article 112 ter. La recuperació (Normativa Acadèmica UAB). Els estudiants i les estudiants han haver obtingut una qualificació mitjana de l’assignatura entre 3,5 i 4,9.

La data d’aquesta prova estarà programada en el calendari d'exàmens de la Facultat. L'estudiant que es presenti i la superi aprovarà l'assignatura amb una nota de 5. En cas contrari mantindrà la mateixa nota.

Irregularitats en actes d’avaluació

Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, \"en cas que l’estudiant realitzi qualsevol irregularitat que pugui conduir a una variació significativa de la qualificació d’un acte d’avaluació, es qualificarà amb 0 aquest acte d’avaluació, amb independència del procés disciplinari que s’hi pugui instruir. En cas que es produeixin diverses irregularitatsen els actes d’avaluaciód’una mateixa assignatura, la qualificació final d’aquesta assignatura serà 0\". Apartat 10 de l'Article 116. Resultats de l'avaluació. (Normativa Acadèmica UAB)

En aquest sentit, qualsevol lliurament que s'identifiquiplagiat d'altres companys o de qualsevol altra font comporta un zero en aquesta avaluació. En cas de plagi entre companys delcurs elzero serà tant per qui fa el plagi com per qui ho facilita.

Bibliografia

Kimball, Ralph y Ross, Margy ((2013): The Data Wharehouse Toolkit: The definitive guide to Dimensional Modeling. Tercera edicion

Few, Stephen (2013): Information Dashboard Design: Displaying data for at-a-glance monitoring, Second Edition, Analytics Press

Few, Stephen (2012): Show Me the Numbers: Designing Tables and Graphs to Enlighten, Second Edition, Analytics Press

Clark, Dan (2020): Beginning Microsoft Power BI. A Practical Guide to Self-Service Data Analytics, APress Berkeley, CA, Accés: https://link.springer.com/openurl?genre=book&isbn=978-1-4842-5620-6

Aspin, Adam (2020): Pro Power BI Desktop. Self-Service Analytics and Data Visualization for the Power User, Apress Berkeley, CA, Accés: https://link.springer.com/openurl?genre=book&isbn=978-1-4842-5763-0

Aspin, Adam (2021): Pro Power BI Theme Creation. JSON Stylesheets for Automated Dashboard Formatting, Apress Berkeley, CA, Accés: https://link.springer.com/openurl?genre=book&isbn=978-1-4842-7068-4

Seamark, Philip and Martens, Thomas (2021):Pro DAX with Power BI. Business Intelligence with PowerPivot and SQL Server Analysis Services Tabular, Apress Berkeley, CA, Accés: https://link.springer.com/openurl?genre=book&isbn=978-1-4842-4897-3

Ehrenmueller-Jensen, Markus (2020): Self-Service AI with Power BI Desktop. Machine Learning Insights for Business, Apress Berkeley, CA, Accés: https://link.springer.com/openurl?genre=book&isbn=978-1-4842-6231-3

Wade, Ryan (2020): Advanced Analytics in Power BI with R and PythonIngesting, Transforming, Visualizing, Apress Berkeley, CA, Accés:https://link.springer.com/openurl?genre=book&isbn=978-1-4842-5829-3

Programari

Programaris específics de BI, com ara Power BI o Tableau, sempre en versions educatives adients.

 

Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura

Tipus de docència Grup Idioma Semestre Torn
(TE) Teoria 20 Espanyol segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 204 Espanyol segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 205 Espanyol segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 206 Espanyol segon quadrimestre matí-mixt