Guía docente de Almacenes de Datos (Data Warehousing) (M93/56/2/21)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- María Dolores Ruiz Jiménez
Breve descripción de contenidos (Según memoria de verificación del Máster)
Información y conocimiento en la empresa; el concepto de Inteligencia de Negocio; el concepto de almacén de datos o Data Warehouse; niveles de uso de un almacén de datos; cuadros de mando operativo, gerencial y directivo; el concepto de Minería de Datos; proceso de construcción de un almacén de datos; las fuentes de información en la empresa; el proceso ETL; el concepto de cubo de datos; introducción al diseño de un almacén de datos; análisis de las herramientas existentes en Data Warehousing; y estudio de casos prácticos.
Prerrequisitos y/o Recomendaciones
En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0.
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
Conocimientos o contenidos
C8. Explica las técnicas de data warehousing y business intelligence, así como los sistemas de apoyo a la toma de decisiones, y cómo contribuyen a mejorar la inteligencia colectiva y la formación empresarial.
Competencias
COM7. Integra distintas bases de datos para crear y gestionar almacenes de datos, sistemas multidimensionales y cuadros de mando que sirvan para la toma de decisiones estratégicas.
Habilidades o destrezas
HD7. Desarrolla cuadros de mando y soluciones de data warehousing integrando bases de datos en sistemas multidimensionales para apoyar la toma de decisiones basada en datos de la empresa.
Programa de contenidos Teóricos y Prácticos
Teórico
1) Conceptos básicos
- Datos e información
- Datos y conocimiento
- Sistemas de Información en la Empresa
- Data Warehouse
2) Introducción al modelado multidimensional
- Estructura de datos
- Operaciones
3) Implementación de un DW
- Conceptos básicos y esquemas de implementación
- Diseño
- Procesos de ETL
4) DW y Minería de Datos
Práctico
Herramientas
- a) Herramientas de DW
- b) Casos prácticos
Bibliografía
Bibliografía fundamental
- Inmon W.H.; Building the Data Warehouse, 4th Edition; Willey; 2005.
- Jarke M., Lenzerini M., Vassiliou Y., Vassiliadis P.; Fundamentals of Data Warehouses, 2nd Edition; Springer; 2010.
- Kimball R., Ross M.; The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, 3rd Edition; Wiley; 2013
- Kimball R., Ross M., Thornthwaite W., Mundy J., Becker B.; The Data Warehouse Lifecycle Toolkit, 2nd Edition; Wiley; 2017.
Bibliografía complementaria
- Tan P.N., Steinbach M., Kumar V.; Introduction to Data Mining; Addison-Wesley, 2006.
- Han J., Kamber M.; Data Mining: Concepts and Techniques; 2nd Edition; Morgan Kaufmann, 2006.
Enlaces recomendados
Como apoyo a la docencia se usará la Plataforma de Recursos de Apoyo a la Docencia PRADO de la Universidad de Granada: prado.ugr.es
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.
SE4 – Evaluación continua de conocimientos y competencias adquiridas: 40%
SE1 – Examen teórico: 60%
Evaluación Extraordinaria
El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.
Se realizará un único examen sobre los contenidos de la asignatura y con una ponderación del 100%.
Evaluación única final
Para los estudiantes que tengan concedida la modalidad de evaluación única final, se realizará un único examen sobre los contenidos de la asignatura y con una ponderación del 100%.