Grau en Business Intelligence i Data Analytics

Lidera la transformació de les empreses mitjançant l'ús i l'anàlisi de dades.

Eines d'anàlisi de dades

Descripció
La matèria Data Analysis Tools té com a finalitat capacitar als alumnes per a realitzar amb solvència anàlisis qualitatius i quantitatius de conjunts de dades. El curs prepararà als alumnes per a ser capaços de dur a terme diferents accions sobre conjunts de dades, tals com extraure dades estadístiques rellevants a través de tècniques exploratòries, combinar diferents conjunts, i representar los de forma visualment intuitiva per al seu anàlisi en més detall i profunditat. Durant el transcurs de la matèria l'alumne aprendrà a utilitzar R, el llenguatge de programació que permetrà dur a terme les accions definides, dotant així l’assignatura d'una forta component pràctica. S'utilitzaran diferents conjunts de dades provinents del món real per a que l'alumne pugui percebre el pragmatisme de la temàtica proposada i entendre el tipus de casos d'ús als que el temari impartit pretén donar solució.
Tipus assignatura
Primer - Obligatoria
Semestre
Primer
Curs
1
Crèdits
5.00
Objectius

Els Resultats d'Aprenentatge d’aquesta assignatura són:
R1. Capacitat de realitzar análisis estadístics de conjunts de dades
R2. Capacitat de combinar conjunts de dades
R3. Capacitat bàsica de programació en R
R4. Capacitat de rear representacions gràfiques (visualitzacions) rellevants de conjunts de dades

Continguts

1. Dades i estadística
1.1. Estadística descriptiva
1.2. Introducció a R
1.3. Anàlisi exploratori de dades

2. Combinació de conjunts de dades
2.1. Concatenació de dades
2.2. Join de dades
2.3. Combinació de conjunts de dades en R

3. Visualització de dades
3.1. Introducció
3.2. Dimensions, mètriques i indicadors
3.3. Tipus de visualitzacions
3.4. Quadre de comandament
3.5. Eines de visualització de dades

Metodologia

L'assignatura té un funcionament setmanal amb dues sessions lectives, una d'una hora i una de dues. Aproximadament la meitat de les hores lectives seran magistrals i l'altra meitat tindran una component pràctica o orientada a resoldre exercicis que permetin reforçar les capacitats dels alumnes. Cada dos o tres setmanes es proposaran exercicis a realitzar a casa i que formaran part essencial de l'avaluació contínua (més informació a l'apartat corresponent). Aquests exercicis estaran orientats a consolidar els coneixements de l'assignatura i a preparar l'alumne tant pels examens com per al projecte. També ajudaran a l'alumne a entendre l'aplicabilitat del temari de l'assignatura.

Avaluació

- Exàmens: 40%
o Examen de midterm: 15%
o Examen final: 25% (*)
- Projecte en grup: 20% (*)
- Avaluació contínua: 35%
o Assistència i participació a classe: 15%
o Homework: 20%
- Innovation and Inspiration (I&I): 5%

(*) L'examen final i el projecte en grup s'han d'aprovar per tal d'optar a aprovar l'assignatura.

En cas de no aprovar l'examen final o el projecte en grup, l'alumne s'haurà de presentar a la segona convocatòria al juliol, per a la qual es dissenyarà un examen nou. En aquest cas, l'avaluació final es composarà en un 70% de la nota de l'examen i en un 30% de la nota del projecte.

Bibliografia bàsica

Hadley Wickham & Garrett Grolemund, R For Data Science, O'REILLY, 2017 Jonas Holt, Sets of Data. Where We re Going. Where We ve Been. Contents. Statistics in Action. Using Technology, 2017.