Guia docente | ||||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2023_24 | |||||||||||||||||||||||||||||||||||||||
Asignatura | INTR.A LA ANALíTICA DE DATOS PARA LA EMP | Código | 00508049 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
6 | Optativa | Segundo |
||||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | ECONOMIA Y ESTADISTICA |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | jiabag@unileon.es mevalp@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http:// | |||||||||||||||||||||||||||||||||||||||
Descripción general | El objetivo de la asignatura es aprender a usar software de programación para recoger, combinar, depurar, reestructurar, manipular y sintetizar datos obtenidos de diversas fuentes, representarlos de forma efectiva, y elaborar cuadros de mando e informes automatizados que apoyen la toma de decisiones empresarial. | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Código | |
A19213 | 508COPT23 Capacidad para usar software de programación para recoger, combinar, depurar, reestructurar, manipular y sintetizar datos obtenidos de diversas fuentes, representarlos de forma efectiva, y elaborar cuadros de mando e informes automatizados que apoyen la toma decisiones empresarial. |
B5847 | 508CG2 Poder, mediante argumentos o procedimientos elaborados y sustentados por ellos mismos, asimilar y aplicar sus conocimientos y sus capacidades de resolución de problemas en ámbitos laborales complejos o profesionales y especializados que requieren el uso de ideas creativas e innovadoras. |
B5848 | 508CG3 Tener la capacidad de recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea preciso y pertinente, la reflexión sobre asuntos de índole social, científica o ética en el ámbito de la gestión empresarial, bajo criterios de calidad y eficiencia. |
B5852 | 508CT1 Habilidad para el pensamiento crítico y abstracto, el análisis y la síntesis como base para tomar decisiones razonadas. |
B5853 | 508CT2 Habilidad para aplicar el conocimiento en situaciones prácticas de forma autónoma y en equipo. |
B5857 | 508CT6 Habilidad para investigar, procesar y analizar la información a partir de una variedad de fuentes utilizando, en su caso, las herramientas informáticas adecuadas. |
B5858 | 508CT7 Habilidad para identificar, plantear y resolver un problema de forma racional o creativa, adaptándose a la situación. |
C2 | CMECES2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio. |
C3 | CMECES3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética. |
C5 | CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía |
Resultados de aprendizaje |
Resultados | Competencias | ||
Reconocer la importancia y utilidad de la analítica de datos y la inteligencia de negocios en la toma de decisiones empresariales en la era de la información. | B5847 B5848 B5852 B5853 B5857 B5858 |
C2 C3 C5 |
|
Usar software de programación para recoger, combinar, depurar, reestructurar, manipular y sintetizar datos obtenidos de diversas fuentes. | A19213 |
B5847 B5848 B5852 B5853 B5857 B5858 |
C2 C3 C5 |
Conocer los componentes de una visualización y aplicar principios, técnicas y herramientas de visualización de datos para comunicar y representar información de forma efectiva. | A19213 |
B5847 B5848 B5852 B5853 B5857 B5858 |
C2 C3 C5 |
Usar software de programación para elaborar cuadros de mando e informes automatizados que sirvan para apoyar la toma decisiones empresarial. | A19213 |
B5847 B5848 B5852 B5853 B5857 B5858 |
C2 C3 C5 |
Contenidos |
Bloque | Tema |
Tema 1. Introducción a la analítica de datos Tema 2. Herramientas básicas de programación en Tema 3. Importación, depuración y transformación de datos Tema 4. Visualización de datos Tema 5. Cuadros de mando e informes automatizados |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Dirigidas | 40 | 0 | 40 | ||||||
Supervisadas | 15 | 45 | 60 | ||||||
Autónomas | 0 | 45 | 45 | ||||||
Sesión Magistral | 0 | 0 | 0 | ||||||
Realización y exposición de trabajos. | 5 | 0 | 5 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Dirigidas | Clases eminentemente prácticas con PCs en las que el profesor guiará a los alumnos en el manejo del software (fundamentalmente R y RStudio). Podrá ser necesaria la elaboración y presentación de un informe de prácticas que recogerá todos los aspectos relacionados con el desarrollo de las mismas |
Supervisadas | Como complemento a las clases dirigidas, el profesor propondrá la realización de varias prácticas, algunas de las cuales se considerarán en la evaluación continua. De igual modo, la elaboración del trabajo obligatorio será supervisado por el profesor en sesiones periódicas. |
Autónomas | Realización de trabajos e informes individuales y/o en grupo. |
Sesión Magistral |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Supervisadas | Evaluación de prácticas en el aula de informática. | 30% | |
Realización y exposición de trabajos. | Realización y presentación de trabajos e informes individuales y/o en grupo. | 60% | |
Otros | Asistencia y participación en clase. | 10% | |
Otros comentarios y segunda convocatoria | |||
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica |
Zamora Saiz, A., Quesada González, C., Hurtado Gil, L. & Mondéjar Ruiz, D., An Introduction to Data Analysis in R: Hands-On Coding, Data Mining, Visualization and Statistics from Scratch, Springer, 2020 Mas Elias, J., Análisis de datos con R en estudios internacionales, UOC, 2020 Pascual Cid, V. & Rovira Samblancat, P., Analítica visual: cómo explorar, analizar y comunicar datos, Anaya Multimedia, 2021 Ghavami, P., Big Data Analytics Methods (2nd ed.), De Gruyter, 2020 Jaggia, S., Kelly, A., Lertwachara, K. & Chen, L., Business analytics: communicating with numbers, McGraw-Hill, 2021 Paczkowski, W. R., Business Analytics: Data Science for Business Problems, Springer, 2022 Bisbé York, A.M., Curso de Power BI, Anaya, 2022 Provost, F. & Fawcett, T., Data Science for Business, O'Reilly, 2013 Muñiz Suárez, L., Dominar Power BI con casos prácticos y ejercicios de gestión empresarial, Profit, 2022 Ohri, A., R for Business Analytics, Springer, 2013 Wickham, H. & Grolemund, G., R for data science: import, tidy, transform, visualize, and model data, O'Reilly, 2017 Knaflic, C.N., Storytelling con datos. Visualización de datos para profesionales de los negocios, Anaya Editorial, 2017 Burrueco, D., Tablas dinámicas con Excel 2016, RA-MA Editorial, 2016 Schmarzo, B., The Economics of Data, Analytics, and Digital Transformation, Packt Publishing, 2020 |
Álvarez Liébana, J. (15-09-2022). Introducción a R: aprendiendo R sin morir en el intento. https://dadosdelaplace.github.io/courses-intro-R/index.html Álvarez Liébana, J. y Valverde Castilla, G. (30-01-2022). Analizando datos, visualizando información, contando historias. https://dadosdelaplace.github.io/courses-ECI-2022/index.html |
|
Complementaria |
Vidgen, R., Kirshner, S.N. & Tan, F.B., Business analytics: a management approach, Red Globe Press, 2019 Albright, S.C. & Winston, W.L., Business analytics: data analysis and decision making (2nd ed.), Cengage, 2020 Rubio, F., Curso práctico de Google Data Studio: guía interactiva para crear informes personalizados y creativos, Anaya, 2021 Kirk, A., Data visualisation: a handbook for data driven design, Sage, 2019 Healy, K.J., Data visualization: a practical introduction , Princeton University Press, 2019 Evergreen, S.D.H., Effective data visualization: the right chart for the right data, Sage, 2017 Sievert, C., Interactive web-based data visualization with R, plotly, and shiny, CRC Press, 2020 Wickham, H., Mastering shiny: build interactive apps, reports, and dashboards powered by R, O'Reilly, 2021 Xie, Y., Allaire, J.J. & Grolemund, G., R Markdown: the definitive guide, CRC Press, 2019 Wexler, S., Shaffer, J. & Cotgreave, A., The big book of dashboards: visualizing your data using real-world business scenarios, Wiley, 2017 Wilkinson, L., The grammar of graphics (2nd ed.), Springer, 2005 |
Recomendaciones |
Asignaturas que se recomienda cursar simultáneamente | ||
|
Asignaturas que se recomienda haber cursado previamente | |||
|
Otros comentarios | |
Se recomienda tener cierto grado de destrezas informáticas. |