Jupiterweb

Informações da Disciplina

Preparar para impressão

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Administração

Disciplina: RAD2509 - Business Analytics

Business Analytics

Créditos Aula:	4
Créditos Trabalho:	0
Carga Horária Total:	60 h
Tipo:	Semestral
Ativação:	01/01/2022	Desativação:

Objetivos

Aplicar técnicas de estatística multivariada e aprendizagem estatística de forma a proporcionar análises preditivas em áreas específicas de organizações.

Docente(s) Responsável(eis)

3586121 - Evandro Marcos Saidel Ribeiro

Programa Resumido

Introdução; visual analytics; domínios específicos do business analytics: marketing, RH, finanças cadeia de suprimentos, mineração de texto, detecção de fraudes.

Programa

Introdução; histórico sobre o business analytics; comparação business intelligence e business analytics; visual analytics; introdução a programação em Python e R; estudos dos domínios do business analytics, como: marketing analytics; RH analytics; financial analytics, supply chain analytics, text analytics, detecção de fraudes.

Avaliação

Método

Aulas expositivas e utilização de software para análise de dados.

Critério

Provas teóricas (P), listas de exercícios (L) e trabalhos práticos (T). A nota final será a média ponderada das notas P, L e T, obtidas pelo aluno durante o semestre.

Norma de Recuperação

Estará apto a efetuar a prova de reavaliação o aluno que tiver como média final na disciplina uma nota igual ou superior a três (3,0) e inferior a cinco (5,0), e tiver, no mínimo, 70% (setenta por cento) de freqüência às aulas. O cálculo de uma média aritmética simples será feito com a nota da prova de reavaliação e a média final obtida pelo aluno na disciplina. Se esta média resultar em nota igual ou superior a cinco (5,0), o aluno será aprovado.

Bibliografia

1. Dinabandhu Bag, Business Analytics, Routledge 2016, ISBN: 978-1-138-91612-8.
2. Christian Albright e Wayne L Winston, Business Analytics: Data analysis and decision making; Cengage Learning, 2012, ISBN: 978-1-305-94754-2.
3. Cole Nussbaumer Knaflic,Storytelling with data: a data visualization guide for business professionals, Willey, 2015, ISBN: 978-1-119-00225-3.
4. Dean Abbott, Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst, Willey, 2014, ISBN: 978-1-118-72796-6.
5. Benjamin Bengfort, Tony OjedaRebecca Bilbro, Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning, O’Reilly Media, 2018, ISBN: 978-1-491-96304-3.

Clique para consultar os requisitos para RAD2509

Clique para consultar o oferecimento para RAD2509