Data mining and business intelligence

Presentación

El programa de esta materia va encaminado a formar profesionales en el área del Data Mining y la Inteligencia de Negocio. Por un lado, la primera engloba un conjunto de técnicas encaminadas a la explotación eficiente de los datos, mediante la extracción de conocimiento procesable, implícito en las bases de datos. Gracias a su conocimiento es posible dar solución a problemas de predicción, clasificación y segmentación. Por otro lado, la Inteligencia de Negocios o Inteligencia Empresarial abarca la comprensión del funcionamiento actual de la empresa, anticipándose a los problemas futuros a partir de la información obtenida del Data Mining.

El planteamiento de esta materia es eminentemente práctico, de manera que el alumnado disponga de una amplia variedad de ejemplos que le permita alcanzar las competencias transversales y específicas de la materia.
La duración de la presente materia es de 54 horas de docencia expositiva e interactiva, dejando la parte de actividades para la resolución de estas por parte del alumnado, fuera del horario académico.

Objetivos de la materia
Los objetivos, para el alumnado, perseguidos en esta unidad didáctica son:
• Conocer los objetivos de la Minería de Datos, así como los diferentes tipos de problemas a los cuales se suele aplicar.
• Conocer de qué datos podemos disponer para realizar la minería, de dónde provienen, su formato y calidad.
• Operaciones típicas del preproceso de datos.
• Implementar con tecnologías actuales un almacén de datos, resolviendo la carga de datos, la consulta y la generación de informes y cuadros de mando para la toma de decisiones.
• Entender las técnicas de minería de datos que permiten reducir la dimensionalidad de los conjuntos de datos y la detección de patrones, con el objetivo de reducir los costes, minimizar las deficiencias operacionales y los riesgos para la empresa.
• Conocer las diferentes técnicas generales usadas por el análisis de datos y aplicar las principales sobre ficheros de datos de ejemplo.
• Conocer el desarrollo de algunas de las principales aplicaciones de minería de datos en la gestión empresarial: Se verán diversas metodologías para el desarrollo de aplicaciones de Inteligencia de Negocios (Business Intelligence), diversas técnicas de Estadística, diversos Algoritmos e Inteligencia Artificial empleadas para el diagnóstico, el scoring, el pronóstico (forecast), la clasificación (clustering), la optimización, la evaluación del riesgo y del fraude, la creación de reglas de asociación, el diseño de árboles de decisión.

La memoria del título contempla para esta materia los siguientes contenidos:

• Introducción a la Inteligencia de Negocio
- Almacenes de datos
- Modelado dimensional.
• Componentes de un almacén de datos.
- Métodos de extracción, Transformación y Carga (ETL).
- Preprocesamiento y análisis de datos.
- Tareas y métodos de aprendizaje automático
- Construcción y evaluación de modelos.
• Evaluación del negocio.
- Analítica descriptiva.
• Tendencias de mercado
- Analítica predictiva.
• Gestión del conocimiento
- Analítica prescriptiva.
• Monitorización y cuadros de mandos.

Se trata de una asignatura principalmente práctica (mayor carga de horas interactivas que expositivas), en la que el alumnado verá los contenidos teóricos durante las sesiones expositivas pero que profundizará en ellos principalmente en las sesiones interactivas.
Python y R, serán los lenguajes de desarrollo empleado para la implementación de los algoritmos requeridos para las actividades. Se emplea software de código abierto y privativo para las actividades que requieran de software de terceros.

Bibliografía básica
• Hernández Orallo, J., Ramírez Quintana, M.J., Ferri Ramírez, C. Introducción a la minería de datos, 9788420540917, Pearson Educación, 2004
• Connolly, T.M.; Begg, C., Database Systems: A Practical Approach to Design, Implementation, and Management, 978-0132943260, 6, Pearson Educación, 2015
• Casters, M., Bouman, R.M van Dongen, J., Pentaho Kettle Solutions, 9780470635179, Wiley Publishing, Inc, 2010.
• Ian H. Witten, Eibe Frank, Mark A. Hall, Data Mining: practical machine learning tools and techniques, 978-0-12-374856-0, 3ª, Morgan Kaufmann, 2011
Bibliografía complementaria
• Mathew North, Data Mining for the Masses, 978-0615684376, 1ª, Global Text Project Book, 2012
• Jiawei Han, Micheline Kamber, Data Mining: concepts and techniques, 978-9380931913, 3ª, Morgan Kaufmann, 2011
• Jason Bell, Machine Learning: Hands-On for Developers and Technical Professionals, 978-1-118-88906-0, 1ª, Wiley, 2015
• Booth, Travis, Deep learning with Python: a hands-on guide for beginners, 9781070494074, Independently published, 2019
• Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, 1492032646, O’Reilly Media, 2019
• Emmanuel Ameisen, Building Machine Learning Powered Applications: Going from Idea to Product, 149204511X, O’Reilly Media, 2020

Básicas y Generales:
CB1. Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
CB2. 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
CB3. 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
CB4. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
CB5. Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
CG3. Aprender a planificar e implantar las nuevas tecnologías para contribuir a la mejora de la competitividad de las empresas
CG7. Conocer y emplear correctamente las herramientas informáticas y las nuevas tecnologías relacionadas con la gestión empresarial.
Transversales:
CT1. Pensar de forma integrada y crítica y abordar los problemas desde diferentes perspectivas.
CT2. Buscar, procesar, analizar y sintetizar información procedente de distintas fuentes.
CT5. Capacidad de resolver problemas y tomar decisiones aplicando los conocimientos teóricos a la práctica
CT10. Habilidad en el manejo de herramientas de cálculo y tecnologías de la información y de la comunicación (TIC)
Específicas:
CE1. Entender los aspectos fundamentales del entorno social y económico a nivel macro y micro, con especial atención al comportamiento del consumidor y la evolución de los sectores productivos, en el marco global de la nueva economía y la sociedad de la información.
CE14. Conocer y saber utilizar herramientas y mecanismos de representación, almacenamiento, transformación, análisis y comunicación de la información de manera fiable y eficiente.
CE15. Comprender las posibilidades del Big Data y la inteligencia artificial y de negocio para la mejora de los procesos empresariales y conocer los requerimientos para su implantación.
CE16. Entender los sistemas de información empresarial, tomando en consideración sus tres dimensiones específicas (informacional, tecnológica y organizativa) y tomar decisiones relacionadas con su especificación, diseño e implantación.
CE17. Proponer y codirigir la integración de los sistemas de información avanzados y conocer sus aplicaciones en los distintos ámbitos de la gestión de la empresa, atendiendo a requisitos de calidad, seguridad y protección de la información, haciendo uso de la criptografía, inteligencia artificial y big data.
CE18. Conocer el uso y programación de sistemas informáticos, bases de datos, criptografía y cadenas de bloques para su aplicación a la gestión y análisis de la información empresarial y al diseño y desarrollo de productos, procesos y nuevos modelos de negocio.

La metodología de enseñanza que se persigue dentro de la materia donde se encuadra la presente asignatura es la siguiente:
• Los contenidos de la materia se impartirán de forma semipresencial utilizando como apoyo a las plataformas corporativas de la USC: Moodle (Campus Virtual) y Microsoft Teams.
• La realización de todas las actividades propuestas es necesaria, al igual que la asistencia a todas las clases para superar la materia.
• Los recursos necesarios para la presente materia son los siguientes:
a. Disponer de un ordenador personal
b. Copias de los apuntes de la materia.
c. Acceso de los alumnos a la bibliografía en la Biblioteca o por Internet.
d. Microsoft Office para la preparación de la documentación de las prácticas.
e. Acceso el campus virtual de la USC
f. Acceso a MS Teams
g. Software de Virtualización como VirtualBox o VMWare

• El estudio y aprendizaje que se persigue dentro de la materia se apoyarán en los siguientes elementos:
- Sesiones presenciales: Estas sesiones, que se desarrollarán de acuerdo con los horarios establecidos por la Facultad, se impartirán en el aula correspondiente y serán retransmitidas de forma síncrona en streaming. En estas sesiones se realizará un breve repaso de los contenidos generales de cada unidad temática y se desarrollarán diferentes actividades encaminadas a fomentar la participación y la puesta en común de todo el grupo. Las clases presenciales se desarrollarán principalmente en un aula de informática, en la que se proporcionará un ordenador a cada estudiante. Para maximizar el aprendizaje, se recomienda que el alumnado, antes de cada sesión presencial, revise previamente los materiales didácticos del tema correspondiente de acuerdo con el cronograma de la asignatura. Por otro lado, es importante que participe activamente en todas las actividades propuestas por el profesorado y consulte la bibliografía y otro material recomendado.
- Actividades: A lo largo del semestre, el alumno deberá resolver problemas prácticos adecuados a los contenidos desarrollados hasta el momento. Dichas actividades se corresponden con enunciados de los problemas resueltos en los exámenes de convocatorias anteriores y con problemas propuestos en recursos detallados en la bibliografía. La resolución y entrega de estas actividades se consideran esenciales para alcanzar un resultado satisfactorio en la presente materia. Estas actividades serán defendidas por los alumnos en sesiones de tutorías a través da plataforma Microsoft Teams.
- Tutorías: Las sesiones de tutorías servirán para resolver las dudas del alumnado en cuanto a los contenidos de la materia, resolución de problemas de teoría y ejercicios de prácticas propuestos en el anexo de actividades. Estas tutorías se desarrollarán preferentemente de forma virtual a través de la plataforma Microsoft Teams, pero podrán ser tanto presenciales como virtuales a través de correo electrónico o campus virtual, y son fundamentales para alcanzar un aprendizaje efectivo de la materia.
- Curso Virtual: Esta materia dispondrá de un curso virtual desenvuelto sobre la plataforma de Campus virtual de la USC. En esta se le facilitará al alumnado todo el material necesario en formato digital, además de distintas herramientas de comunicación para el apoyo, tanto de la docencia virtual como de las tutorías, incluyendo videoconferencia, chat, correo electrónico, foros, etc.

La asistencia a las clases es obligatoria y se tendrá en cuenta para la evaluación de la materia. Será obligatorio la asistencia al menos al 75% de las sesiones (salvo causas muy justificadas, según normativa de la USC).

Se recomienda encarecidamente utilizar las tutorías, para la resolución de las dudas tanto de los problemas prácticos como de cualquier contenido de la materia.
Para superar la materia, el alumno tendrá que realizar todas las actividades que se propongan y superar el exámen correspondiente.
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo recogido en la “Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións” de la USC.

Primera oportunidad: para superar la materia, el alumno deberá haber asistido a las clases, haber entregado las actividades propuestas, la realización de exposiciones orales realizados durante el curso (40% de la calificación final) y aprobar por separado tanto la teoría, que se realizará mediante un examen tipo test con la ayuda de la plataforma virtual, como la parte práctica, que se realizará mediante tareas en la plataforma virtual de la asignatura consistente en la resolución de problemas prácticos (50% de la calificación final). El otro 10% de la calificación final se obtendrá de la participación activa en el aula virtual (a través de los foros y debates, y otras herramientas virtuales).

Las preguntas del examen teórico podrán referirse tanto a los contenidos reflejados en los apuntes de la asignatura como a los contenidos prácticos trabajados por el alumno en las actividades entregadas. Estas pruebas podrán constar de preguntas tipo test, preguntas cortas y problemas de casos prácticos.
En todas las pruebas se evaluará el grado de asimilación de las competencias establecidas en el programa docente de la materia. No se realizará ningún examen parcial. Para superar la materia se tendrá que demostrar un conocimiento superior al 40% en la parte práctica e igual o superior al 50% en la parte teórica.

Segunda oportunidad: al margen de la evaluación continua, todos los alumnos tienen derecho a asistir al examen de la segunda oportunidad. Se mantiene la nota, y también su peso en la nota final, de las partes que se corresponden con la asistencia a clase, entrega de actividades y la parte práctica conseguida durante el curso. Sin embargo, los alumnos podrán entregar en fecha previa el examen de la segunda oportunidad, aquellas actividades que no hubiesen alcanzado la nota de corte en la convocatoria anterior. Para superar la materia se tendrá demostrar un conocimiento de al menos el 50% en todos los tipos de evaluación

Dispensa de asistencia: en caso de dispensa de asistencia el alumno estará exento del cumplimiento del deber de asistencia a las clases presenciales pero será obligatoria la realización y entrega de las actividades prácticas propuestas, así como superar el examen final.
Los alumnos repetidores de años anteriores estarán exentos del cumplimiento del deber de asistencia a las clases presenciales. Para aprobar la materia deberán superar el examen teórico y los ejercicios prácticos como el resto de los alumnos.

De acuerdo con la Normativa de Permanencia vigente en la USC para los estudios de Grado y Máster (art. 5.2), la mera asistencia y/o participación en cualquiera de las actividades sujetas a evaluación supondrá que la nota final del estudiante sea distinta de NO PRESENTADO.

Evaluación de las competencias:
En general el desarrollo de las actividades prácticas, así como la preparación de los temas teóricos permitirá al alumnado trabajar las competencias básicas, generales y transversales de la materia. En concreto, el desarrollo de las prácticas, así como la prueba final permitirán evaluar las competencias específicas CE1, CE14, CE15, CE16, CE17, CE18.

La materia tiene fijada una carga de trabajo de 6 ECTS. Este dato conduce a una carga de trabajo para la materia situada entre las 150 (6x25) horas y las 180 (6x30) horas.
En la guía de la materia se puede ver un estudio más detallado sobre el tiempo de estudio y trabajo personal necesario para superar la materia. La recomendación general sería emplear entre 10 y 12 horas (incluidas las 4 de clase) por semana.

Trabajo presencial en el aula
• Actividad presencial: presentación de los contenidos básicos y clases prácticas: 12 horas.
• Tutorías de grupo (con grupos reducidos): 6 horas.
• Actividades de evaluación: 3 horas.
TOTAL 21 horas.
Trabajo personal del alumnado
• Aprendizaje virtual. Estudio personal. Resolución de casos prácticos/trabajos: 77 horas.
• Elaboración de trabajos del curso: 20 horas.
• Preparación de pruebas de evaluación: 32 horas.
TOTAL 129 horas.

Dado que se emplea una metodología sustentada en la evaluación continua, es necesario un trabajo continuado con los contenidos de la materia. Esto es especialmente importante con las prácticas, ya que unos contenidos se van asentando sobre los anteriores, lo que hace muy conveniente tener asimilados los temas anteriores antes de intentar comprender los nuevos. Es la única forma de poder ir superando las distintas actividades de evaluación que se proponen.
Para el estudio de la materia, se recomienda realizar la totalidad de los ejercicios de los boletines de problemas y de las actividades, tanto los que se resuelvan en las propias sesiones interactivas, como los que queden propuestos.