SYLLABUS de la Asignatura Inteligencia de Negocios

Transcripción

1 Escuela de Informática Sazié contactofi@unab.cl SYLLABUS de la Asignatura Negocios 1. Descripción de la asignatura Este curso presenta el diseño y análisis de sistemas de información para la toma de decisiones empleando las tecnologías más exitosas empleadas actualmente como: DataWarehouse, OLAP y Data Mining. Se abordará un proyecto de negocios durante el desarrollo del curso, en el cual se Diseña, Construye y explota por cada una de las tecnologías previamente mencionadas, enfatizando la preparación de datos en El curso intercala la presentación de conocimientos teóricos con la aplicación práctica de los mismos con productos de Software. 2. Prerrequisitos, Co-requisitos y Horas Pedagógicas Pre-Requisito: No Existe. 3. Aprendizajes Esperados Reconocer las principales Tecnologías asociadas a INTELIGENCIA DE NEGOCIOS. Comprender las ventajas y casos donde aplicar el diseño de bases de para el apoyo a la gestión de las organizaciones. Diseñar y Construir un modelo multidimensional de datos. Aplicar una herramienta de desarrollo para el diseño y construcción de ETL's. Diseñar y Construir una base de datos OLAP Analizar datos con Cubos OLAP empleando las operaciones de drill down, roll up, slice & dice, pivot. Comprender las fases de Búsqueda de Conocimiento en las Bases de. Aplicar técnicas de Pre-procesamiento de para proyectos Conocer las distintas técnicas de aprendizaje automático y estadísticas utilizadas en minería de datos.

2 4. Sistema de Evaluación de la Asignatura La nota de presentación a examen se calculará como sigue: Promedio del Proyecto Curso = 80% Promedio de Desarrollo de Talleres = 20% 1. Actividades del Curso Debe detallar las actividades que incluya el curso. Para esto puede inspirarse alguno de los ejemplos que le proveemos: Ejemplo1 : Una tabla en la que se indiquen los puntos del encabezado Tipo de Actividad Sistema de Retroalimentación Desarrollo de un El proyecto se Proyecto del curso. realizará en 3 etapas, cada fase proveerá información relevante para la continuación de la siguiente fase del Desarrollo talleres/tareas. de proyecto. Se realizarán talleres en cada sesión, los que serán analizados durante la misma clase de manera formativa y, en la semana siguiente, de manera sumativa. Formato y medio de entrega de tareas Semanalmente los alumnos deberán presentar el avance de su proyecto y entregar un documento que sustente lo realizado. Los estudiantes deberán entregar a través del aula virtual los informes de resolución de los talleres. Política de entregas atrasadas Por cada semana (completa o parcial) de atraso será penalizado con 2 puntos. No se aceptarán entregas atrasadas.

3 2. Calendario de Contenidos y Actividades de la Curso Nombre de Unidad de Aprendizaje o de Semana Introducción a Data Warehouse (DW) Aprendizajes Esperados Comprender el significado de Negocios (BI). Comprender las etapas y roles asociados a un proyecto de BI. Reconocer los requerimientos necesarios de infraestructura de un proyecto de inteligencia de negocios. Reconocer los productos de software asociados a las tecnologías de Data Warehouse y OLAP, Data Mining Diferencia Data Warehouse de Data Mart s. Aplicar el modelamiento dimensional. Emplear los conceptos básicos de Calidad de datos. Diseñar procesos ETL necesarios para resolver la alimentación de datos de calidad al Data Warehouse. Aplicar y probar procesos ETL necesarios para resolver la fase de construcción de los proyectos de BI Bibliografía y Webliography Poe, Vidette y otros. Building a data warehouse for decisión support. Prentince Hall. Louise Druce. Pervasive business intelligence, Knowledge Board 04Jun08 The DataWarehouse Lifecycle Toolkit;Kimball/Reeve s/ross; Wiley The Microsoft Data Warehouse Toolkit; Mundy,Jon/Thotnthw aite, Warren/ Kimball, Ralph; Wiley Estructura de Contenidos Modelado del negocio. Finalidades y Evolución de los Sistemas de Información. Tecnologías de Datawarehouse, OLAP y Minería de : definición e interrelación. Roles de los actores en un proyecto de Definición y características de un DATAWAREHO USE y DataMart: Definición e interrrelación. Arquitectura de un sistema de DATAWAREHO USE. Ciclo de Desarrollo de un Data Mart. Modelo Dimensional: Componentes (Dimensiones, Fact Table y Medidas) Técnica para el diseño de un Modelo Dimensional: Actividades de Evaluación y Fecha Primer Informe. Primera Segundo Informe. Análisis de Fuentes y

4 OLAP Reconocer el modelo multidimensional de datos y sus operaciones básicas: drill-down, roll-up, slice dice, pivot. Diseñar y Construir una base de datos OLAP. Conocer la arquitectura y diferentes implementaciones. Análisis de datos con Cubos OLAP. The DataWarehouse Lifecycle Toolkit;Kimball/Reeve s/ross; Wiley The Microsoft Data Warehouse Toolkit; Mundy,Jon/Thotnthw aite, Warren/ Kimball, Ralph; Wiley Mapeo de datos destino. OLAP y Cubos. Operaciones básicas: Drill Down, Roll UP, Slice, Dice Arquitectura de un Sistema OLAP Sistemas de almacenamiento ROLAP, MOLAP, HOLAP. Poblamiento de una Base de OLAP. Segunda Tercer Informe. Desarrollo de Caso de Construcción de un base de datos OLAP y Cubos. Análisis de en los Cubos OLAP (Empleo de Clientes OLAP). Minería de Conocer las fases de Búsqueda de Conocimiento en las Bases de. Conocer las diversas técnicas y herramientas para poder apoyar la toma de decisiones. Diseñar modelos y patrones elegidos utilizando una herramienta o paquete de minería de datos. Introduccion A La Mineria de ; Hernández,J.; Prentice Hall. Indicadores de Gestión KPI (Key Performance Indicator): Diseño y Aplicación (PKI). Introducción a Minería de (Data Mining) Procesos de Búsqueda de Conocimientos en (KDD). Preprocesamiento de DataSet Técnicas de Selección de Atributos de DataSet Tercera Cuarto y quinto Informe. Técnicas de Minería de : Árboles

5 de Decisión, Clustering Desarrollo de caso aplicando las técnicas de Minería de datos implementadas en un producto de software.