UNIRIO – CCET
Programa de Pós-Graduação em Informática (http://www.uniriotec.br/ppgi)
09P9M22 – Sistemas de Apoio à Inteligência do Negócio (Mestrado)
Semestre 2010.1 – 09/03 a 06/07/2010
Terças-Feiras: 18:00-22:00 (Anexo PPGI - sala2)
Professores: Asterio Tanaka (http://www.uniriotec.br/~tanaka) e Fernanda Baião (http://www.uniriotec.br/~fernanda.baiao/)
Pré-requisitos:
· Fundamentos de Banco de Dados (desejável)
Justificativas e Objetivos:
· Sistemas de apoio a decisão e ferramentas de Business Intelligence são essenciais nas corporações modernas para tratamento e gestão de informações gerenciais e estratégicas. A integração de dados, através de abordagens como ERP, Data Warehouses e EAI, é a base desse ambiente, daí a necessidade de se conhecer conceitos, técnicas e ferramentas dessa área.
· Descoberta de conhecimento em bancos de dados (KDD) é a extração não trivial e automatizada de informação implícita, previamente desconhecida e potencialmente útil de fontes de dados em diferentes formatos. As técnicas de extração, medidas de utilidade e aspectos de eficiência do processo de KDD abordados na disciplina são preocupações cada vez mais presentes nos sistemas de informação de apoio a negócios.
Ementa:
Introdução ao Ambiente e Ferramentas de Business Intelligence. Sistemas de Suporte à Decisão. Sistemas ERP e EAI. Data Warehousing. ETL. Modelagem Multidimensional, OLAP x OLTP. Gerência de Metadados em Ambientes de DW. Data Webhouses e Data Marts de Navegação. Integração de Dados. Arquitetura Orientada a Serviços. Serviços Web. Portais e Gestão do Conhecimento.
O processo de Descoberta de Conhecimento em Bancos de Dados (KDD). Revisão de conceitos de Data Warehousing e OLAP. Mineração de Dados: Objetivos, Técnicas e Algoritmos. Classificação e clustering. Regras de Associação. Web Mining. Spatial Mining. Temporal Mining. Apresentação de Dados.
Interpretação do Conhecimento extraído. O papel da Mineração de Dados para a Gestão de Conhecimento nas Organizações.
Referências
·
Livros:
o
Barbieri, Carlos. BI – Business Intelligence, Modelagem e Tecnologia. Axcel Books, 2001.
o
Colaço Jr, Methanias. Projetando Sistemas de Apoio a Decisão baseados
o
Elmasri, Ramez; Navathe, Sham. Sistemas de Bancos de Dados. Pearson-Addison Wesley, 2004.
o
Inmon, William H.; Building the Data Warehouse. John
Wiley, 2005.
o
Inmon, William H., Strauss, Derek; Neushloss, Genia. DW 2.0: the Architecture
of the Next Generation of Data Warehousing. Morgan Kaufman, 2008.
o
Kimball,
Ralph; Ross, Margy. The Data Warehouse Toolkit. John
Wiley, 2002.
o
McNurlin, Barbara C.; Sprague, Ralph H. Information
System Management in Practice. Prentice-Hall, 2007.
o
· Manuais de sistemas utilizados como exemplos.
· Material de aula fornecido pelos professores, com os devidos créditos a terceiros, quando couber.
·
Recursos na Web
o
http://www.daniel-lemire.com/OLAP/index.html
§
http://www.datawarehouse.com/
o
http://www.b-eye-network.com/
o
http://www.ralphkimball.com/
o
http://www.intelligententerprise.com/
o
http://www.dssresources.com/
o
http://www.businessintelligence.com/
§
http://www.xtuple.com/postbooks/
o
http://www.businessintelligence.com.br
§
http://www.datawarehouse.com.br
§
http://www.datamining.com.br
o e outros a citar no material de aula...
Metodologia:
· Exposições conceituais, discussões de casos e tópicos em sala de aula.
· Demonstrações e exercícios práticos em laboratório.
· Trabalhos temáticos individuais ou em grupo.
Avaliação:
· Uma prova (50% da média) – data a definir
· Exercícios, testes e leituras individuais, em aula ou extra-classe (20% da média)
· Trabalho individual ou em grupo (30% da média)
·
Planilha de avaliação
Material de aula
·
1.
Visão geral de BI
o
o
·
2.
Arquitetura de DW
· 3. OLAP & Modelagem Dimensional: Conceitos Básicos
o
o
· 4. Modelagem Dimensional: Conceitos Avançados
o
o
· 5. Projeto e Construção de Data Warehouse
o
· 6. ...
· 7. ...