Sistemas de apoio á toma de decisións

Ao completar a materia o/o alumno/para será capaz de:
· Comprender as vantaxes que un sistema de axuda á decisión supón para as organizacións na resolución de problemas, en particular, os do ámbito das finanzas.
· Coñecer os diversos métodos aplicables na resolución de problemas complexos caracterizados pola existencia de múltiples escenarios, actores e criterios.
· Aplicar técnicas de optimización, simulación, predición, clasificación e clustering á modelización e descrición de problemas financeiros.
· Manexar ferramentas informáticas que permitan resolver problemas de toma de decisións.
· Construír modelos para a resolución de problemas de toma de decisións no campo das finanzas.

· Introdución aos sistemas de axuda á decisión: toma de decisións e Business Intelligence.
· Análise dos procesos de decisión na empresa.
· Análise de datos: toma de decisións con certeza e incerteza.
· Modelización e procesamento da información: simulación, predición, clasificación e clustering.
· Aspectos clave para o deseño dun sistema de axuda á decisión.
· Software de toma de decisións. Aplicacións 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 e xenerais
CG2 - Identificar, reunir, analizar e interpretar datos relevantes sobre cuestións relacionadas co ámbito empresarial e tecnolóxico.
CG4 - Desenvolver un pensamento e razoamento crítico, incluíndo reflexións éticas sobre temas fundamentais de carácter empresarial e económico na era dixital, e comunicalos de maneira efectiva, tanto nas linguas propias como en inglés
CG5 - Capacidade de análise do comportamento dos axentes económicos e do funcionamento dos mercados e o seu papel nos procesos de transformación dixital.
CB1 - Que os estudantes demostrasen posuír e comprender coñecementos nunha área de estudo que parte da base da educación secundaria xeral, e adóitase atopar a un nivel que, aínda que se apoia en libros de texto avanzados, inclúe tamén algúns aspectos que implican coñecementos procedentes da vangarda do seu campo de estudo.
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo.
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética.
CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado.
CB5 - Que os estudantes desenvolvesen aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía.

Transversais
CT1 - Pensar de forma integrada e crítica, e abordar os problemas desde diferentes perspectivas
CT4 - Organizar e planificar o traballo en función dos obxectivos e recursos dispoñibles
CT5 - Capacidade de resolver problemas e tomar decisións aplicando os coñecementos teóricos á práctica.
CT10 - Habilidade no manexo de ferramentas de cálculo e tecnoloxías da información e da comunicación (TIC).

Específicas
CE3 - Analizar, diagnosticar e tomar decisións nas distintas áreas funcionais da xestión de empresas seleccionando e aplicando as ferramentas tecnolóxicas máis apropiadas
CE5 - Comprender o rol integrador da tecnoloxía e coñecer os principais produtos tecnolóxicos e tendencias da tecnoloxía asociados aos diversos ámbitos da xestión empresarial
CE8 - Deseñar e xestionar a estratexia financeira e coñecer novas formas de financiamento nun contexto socioeconómico dixital e globalizado.
CE13 - Identificar fontes de información fiable, elaborar e interpretar dita información utilizando as técnicas de análises e as ferramentas matemáticas, estatísticas e tecnolóxicas apropiadas para dar apoio á toma de decisións.

As sesións de aula dedicadas ás clases expositivas teñen como obxecto a introdución e explicación dos aspectos básicos de cada tema contido no programa proporcionándolle a información adicional necesaria que permita un adecuado desenvolvemento do proceso de aprendizaxe autónoma.

As prácticas son fundamentais para alcanzar os obxectivos a medio e longo prazo establecidos para a materia. Estas consistirán na resolución de exercicios e casos na aula e nas horas de traballo autónomo do alumno e están encamiñadas a enfrontar ao alumno á toma de decisións.

As sesións dedicadas a clases expositivas desenvolveranse na aula asignada e as sesións prácticas poden ser tanto na aula habitual como nas salas de informática mediante o manexo de distintos programas informáticos.

A aula virtual da USC será o punto de referencia para o desenvolvemento da docencia e seguimento da materia. A través da páxina do curso ofrecerase a programación periódica das clases e o material de apoio correspondente.

1. Exame final: Ponderación: 60% da cualificación final. Proba OBRIGATORIA de carácter teórico-práctico, podendo consistir nun test ou outras modalidades de cuestións. Calificarase sobre 6 puntos, e se requerirá un mínimo de 2,5 puntos para sumar a nota de avaliación continua.

2. Avaliación continua. Ponderación: 40% da cualificación final. Proporanse a realización de varias actividades prácticas de diferentes tipos: resolución de caso práctico, análisis de texto/video e comentario, conferencia temática e resolución dun test de coñecementos relacionados con dita actividade, etc. A non realización destas actividades non se poderán xustificar por ninguna razón e, polo tanto, non se poderán recuperar nin sustituir por outras actividades alternativas.

A NOTA FINAL calcularase da seguinte maneira:
a) No caso de obter unha calificación de 2,5 o superior no exame, sumarase a nota da avaliación continua.
b) No caso de obter unha nota inferior a 2,5 no exame, a nota final será a da avaliación continua.

Estes criterios serán aplicables a todos os alumnos matriculados na materia, tanto na primeira como na segunda oportunidade do exame, e en primeira o sucesivas matrículas.

Calquera alumno poderá presentarse ao exame final haxa realizado ou non as actividades propostas na avaliación continua. En caso de non realizar as anteriores tarefas a súa cualificación provirá exclusivamente do exame final optando ao 60% da nota.

Alumnado repetidor: Os alumnos/as que cursaron a materia e dispongan dunha calificación de A.C. en calquera dos 2 cursos anteriores ao actual, poden manter dita nota. No campus virtual habilitarase un formulario para comunicarlo, dentro do plazo indicado á coordinadora da materia.

Alumnado con dispensa: Os alumnos/as que, por causas recollidas na Instrucción nº1/2017, da Secretaría Xeral da USC, sobre dispensa de asistencia á clase en determinadas circunstancias, soliciten e obteñan a dispensa de asistencia a clase, evaluaranse a través dunha proba única, que se celebrará na data oficial establecida e cuxa nota suporá o 100% da calificación final desta materia.

Plaxio e uso indebido das tecnoloxías na realización de tarefas ou probas: En caso de realización fraudulenta de exercicios ou probas será de aplicación o recollido na Normativa de avaliación do rendimento académico dos estudantes e de revisión de calificacións.

Docencia expositiva: 14 horas
Docencia interactiva/seminario/aboratorio: 22 horas
Titorías: 2 horas
Exame: 3 horas
Traballo autónomo do alumno: 71,5 horas