Sistemas de apoyo a la toma de decisiones

Al completar la materia el estudiante será capaz de:
· Comprender las ventajas que un sistema de ayuda a la decisión supone para las organizaciones en la resolución de problemas, en particular, los del ámbito de las finanzas.
· Conocer los diversos métodos aplicables en la resolución de problemas complejos caracterizados por la existencia de múltiples escenarios, actores y criterios.
· Aplicar técnicas de optimización, simulación, predicción, clasificación y clustering a la modelización y descripción de problemas financieros.
· Manejar herramientas informáticas que permitan resolver problemas de toma de decisiones.
· Construir modelos para la resolución de problemas de toma de decisiones en el campo de las finanzas.

· Introducción a los sistemas de ayuda a la decisión: toma de decisiones y Business Intelligence.
· Análisis de los procesos de decisión en la empresa.
· Análisis de datos: toma de decisiones con certidumbre e incertidumbre.
· Modelización y procesamiento de la información: simulación, predicción, clasificación y clustering.
· Aspectos clave para el diseño de un sistema de ayuda a la decisión.
· Software de toma de decisiones. Aplicaciones en finanzas.

Básica
López Benítez, Yolanda. Business intelligence: ADGG102PO / Yolanda López Benítez. Antequera (Málaga): IC Editorial, 2018. Print.

Robbins, Stephen P et al. Administración. Ciudad de México: Pearson Educación, 2018. Print. Capítulo 2.

James, G. et al. An Introduction to Statistical Learning with Applications in R. 2023.

Han, Jiawei, et al. Data Mining: Concepts and Techniques, Elsevier Science & Technology, 2011. ProQuest Ebook Central.

Complementaria
Ragin, Charles C. Redesigning Social Inquiry: Fuzzy Sets and Beyond / Charles C. Ragin. Chicago: University of Chicago Press, 2008. Print

Jiawei Han, Micheline Kamber, Data Mining : Concepts and Techniques, 2nd edition, Morgan Kaufmann, ISBN 1558609016, 2006.

Rihoux, Benoît, and Charles C. Ragin. Configurational Comparative Methods: Qualitative Comparative Analysis (QCA) and Related Techniques / Edited by Benoît Rihoux, Charles C. Ragin. Los Angeles: Sage, 2009. Print.

Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining, Pearson Addison Wesley (May, 2005). ISBN: 0321321367

Ian Witten, Eibe Frank, Mark Hall, Data Mining: Practical Machine Learning Tools and Techniques, 3nd Edition, Morgan Kaufmann, ISBN 978-0-12-374856-0, 2011.

Básicas y generales
CG2 - Identificar, reunir, analizar e interpretar datos relevantes sobre cuestiones relacionadas con el ámbito empresarial y tecnológico.
CG4 - Desarrollar un pensamiento y razonamiento crítico, incluyendo reflexiones éticas sobre temas fundamentales de carácter empresarial y económico en la era digital, y comunicarlos de manera efectiva, tanto en las lenguas propias como en inglés
CG5 - Capacidad de análisis del comportamiento de los agentes económicos y del funcionamiento de los mercados y su papel en los procesos de transformación digital.
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.

Transversales
CT1 - Pensar de forma integrada y crítica, y abordar los problemas desde diferentes perspectivas
CT4 - Organizar y planificar el trabajo en función de los objetivos y recursos disponibles
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
CE3 - Analizar, diagnosticar y tomar decisiones en las distintas áreas funcionales de la gestión de empresas seleccionando y aplicando las herramientas tecnológicas más apropiadas
CE5 - Comprender el rol integrador de la tecnología y conocer los principales productos tecnológicos y tendencias de la tecnología asociados a los diversos ámbitos de la gestión empresarial
CE8 - Diseñar y gestionar la estrategia financiera y conocer nuevas formas de financiación en un contexto socioeconómico digital y globalizado.
CE13 - Identificar fuentes de información fiable, elaborar e interpretar dicha información utilizando las técnicas de análisis y las herramientas matemáticas, estadísticas y tecnológicas apropiadas para dar apoyo a la toma de decisiones.

Las sesiones de aula dedicadas a las clases expositivas tienen como objeto la introducción y explicación de los aspectos básicos de cada tema contenido en el programa proporcionándole la información adicional necesaria que permita un adecuado desarrollo del proceso de aprendizaje autónomo.

Las prácticas consistirán en la resolución de ejercicios y casos en el aula y en las horas de trabajo autónomo del estudiante y están encaminadas a enfrentar al estudiante a la toma de decisiones.

Las sesiones dedicadas a clases expositivas se desarrollarán en el aula asignada y las sesiones prácticas pueden ser tanto en el aula habitual como en las salas de informática mediante el manejo de distintos programas informáticos.

El Aula virtual de la USC será el punto de referencia para el desarrollo de la docencia y seguimiento de la materia. A través de la página del curso se ofrecerá la programación periódica de las clases y el material de apoyo correspondiente.

1. Examen final: Ponderación: 60% de la calificación final. Prueba OBLIGATORIA de carácter teórico-práctico, pudiendo consistir en un test u otras modalidades de cuestiones. Se calificará sobre 6 puntos, y se requerirá un mínimo de 2,5 puntos para sumar la nota de evaluación continua. En esta parte se evaluarán las siguientes competencias: CG2, CG4, CG5, CB1, CB3, CT5, CT10, CE3 e CE8

2. Evaluación continua. Ponderación: 40% de la cualificación final. Se propondrá la realización de varias actividades prácticas de diferentes tipos: resolución de caso práctico, análisis de texto/video y comentario, conferencia temática y resolución de un test de conocimientos relacionados con dicha actividad, etc. La no realización de estas actividades justificada con alguna de las causas incluida en el Reglamento de asistencia a clase en las enseñanzas oficiales de Grado y Máster de la Universidad de Santiago de Compostela se compensará de forma que no afectará al cálculo de la nota de evaluación continua. En el caso de que la causa no entre dentro de las mencionadas en el Reglamento, no se podrá recuperar ni sustituir por otras actividades alternativas. En esta parte se avaliarán as seguintes competencias: CG2, CG5, CB2, CB4, CB5, CT1, CT4, CE5 e CE13

La NOTA FINAL se calculará de la siguiente forma:
a) En caso de obtener una calificación de 2,5 o superior en el examen, se sumará la nota de E.C.
b) En caso de obtener una nota inferior a 2,5 en el examen, la nota final será la de E.C.

Estos criterios serán aplicables a todos los estudiantes matriculados en la materia, tanto en la primera como en la segunda oportunidad del examen, y en primera o sucesivas matrículas.

Cualquier estudiante podrá presentarse al examen final haya realizado o no las actividades propuestas en la evaluación continua. En caso de no realizar las anteriores tareas su calificación provendrá exclusivamente del examen final optando al 60% de la nota.

Estudiantado repetidor: Los estudiantes que ya hayan cursado la materia y dispongan de una calificación de E.C. en cualquiera de los 2 cursos anteriores al actual, pueden mantener dicha nota. En el campus virtual se habilitará un formulario para comunicarlo, dentro del plazo indicado, a la coordinadora de la asignatura.

Estudiantado con dispensa: A los estudiantes que, por causas recogidas en el Reglamento de asistencia a clase en las enseñanzas oficiales de Grado y Máster de la Universidad de Santiago de Compostela, sobre dispensa de asistencia a clase en determinadas circunstancias, soliciten y obtengan dispensa de asistencia a clase, se les evaluará a través de una prueba única, que se celebrará en la fecha oficial establecida y cuya nota supondrá el 100% de la calificación final de esta materia. En caso de ser aprobada esta solicitud, deberá comunicarlo a la coordinadora de la asignatura.

Plagio y uso indebido de las tecnologías en la realización de tareas o pruebas: En caso de realización fraudulenta de ejercicios o pruebas será de aplicación lo recogido en la Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de calificaciones.

Docencia expositiva: 14 horas
Docencia interactiva/seminario/laboratorio: 22 horas
Tutorías: 2 horas
Examen: 3 horas
Trabajo autónomo del estudiante: 71,5 horas