Guia docente
DATOS IDENTIFICATIVOS 2024_25
Asignatura INTRODUCCIÓN A LA ANALÍTICA DE DATOS PARA LA EMPRESA Código 00508049
Enseñanza
0508 - G.ADMINISTRACIÓN Y DIR.DE EMPRESAS
Descriptores Cr.totales Tipo Curso Semestre
6 Optativa Segundo
Idioma
Castellano
Prerrequisitos
Departamento ECONOMIA Y ESTADISTICA
Responsable
ABAD GONZÁLEZ , JULIO IGNACIO
Correo-e jiabag@unileon.es
mmartp@unileon.es
Profesores/as
ABAD GONZÁLEZ , JULIO IGNACIO
MARTINEZ PIZARRO , MARIO
Web http://
Descripción general El objetivo de la asignatura es aprender a usar software de programación para recoger, combinar, depurar, reestructurar, manipular y sintetizar datos obtenidos de diversas fuentes, representarlos de forma efectiva, y elaborar cuadros de mando e informes automatizados que apoyen la toma de decisiones empresarial.
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA VALLEJO PASCUAL , MARIA EVA
Secretario ECONOMIA Y ESTADISTICA DELGADO MARQUEZ , ELVIRA
Vocal ECONOMIA Y ESTADISTICA SOMARRIBA ARECHAVALA , MARIA NOELIA
Tribunal suplente
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA GARCIA GALLEGO , ANA BELEN
Secretario ECONOMIA Y ESTADISTICA BLANCO ALONSO , PILAR
Vocal ECONOMIA Y ESTADISTICA RODRIGUEZ FERNANDEZ , MARIA DEL PILAR

Competencias
Código  
A19213 508COPT23 Capacidad para usar software de programación para recoger, combinar, depurar, reestructurar, manipular y sintetizar datos obtenidos de diversas fuentes, representarlos de forma efectiva, y elaborar cuadros de mando e informes automatizados que apoyen la toma decisiones empresarial.
B5847 508CG2 Poder, mediante argumentos o procedimientos elaborados y sustentados por ellos mismos, asimilar y aplicar sus conocimientos y sus capacidades de resolución de problemas en ámbitos laborales complejos o profesionales y especializados que requieren el uso de ideas creativas e innovadoras.
B5848 508CG3 Tener la capacidad de recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea preciso y pertinente, la reflexión sobre asuntos de índole social, científica o ética en el ámbito de la gestión empresarial, bajo criterios de calidad y eficiencia.
B5852 508CT1 Habilidad para el pensamiento crítico y abstracto, el análisis y la síntesis como base para tomar decisiones razonadas.
B5853 508CT2 Habilidad para aplicar el conocimiento en situaciones prácticas de forma autónoma y en equipo.
B5857 508CT6 Habilidad para investigar, procesar y analizar la información a partir de una variedad de fuentes utilizando, en su caso, las herramientas informáticas adecuadas.
B5858 508CT7 Habilidad para identificar, plantear y resolver un problema de forma racional o creativa, adaptándose a la situación.
C2 CMECES2 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.
C3 CMECES3 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.
C5 CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Resultados de aprendizaje
Resultados Competencias
Reconocer la importancia y utilidad de la analítica de datos y la inteligencia de negocios en la toma de decisiones empresariales en la era de la información. B5847
B5848
B5852
B5853
B5857
B5858
 C2
C3
C5
Usar software de programación para recoger, combinar, depurar, reestructurar, manipular y sintetizar datos obtenidos de diversas fuentes. A19213
 B5847
B5848
B5852
B5853
B5857
B5858
 C2
C3
C5
Conocer los componentes de una visualización y aplicar principios, técnicas y herramientas de visualización de datos para comunicar y representar información de forma efectiva. A19213
 B5847
B5848
B5852
B5853
B5857
B5858
 C2
C3
C5
Usar software de programación para elaborar cuadros de mando e informes automatizados que sirvan para apoyar la toma decisiones empresarial. A19213
 B5847
B5848
B5852
B5853
B5857
B5858
 C2
C3
C5

Contenidos
Bloque Tema
Tema 1. Introducción a la analítica de datos

Tema 2. Herramientas básicas de programación en R

Tema 3. Importación, depuración y transformación de datos

Tema 4. Visualización de datos

Tema 5. Cuadros de mando e informes automatizados

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Dirigidas 40 0 40
 
Supervisadas 15 45 60
Autónomas 0 45 45
 
Sesión Magistral 0 0 0
 
Realización y exposición de trabajos. 5 0 5
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as
Metodologías   ::  
  descripción
Dirigidas Clases eminentemente prácticas con PCs en las que el profesor guiará a los alumnos en el manejo del software (fundamentalmente R y RStudio). Podrá ser necesaria la elaboración y presentación de un informe de prácticas que recogerá todos los aspectos relacionados con el desarrollo de las mismas
Supervisadas Como complemento a las clases dirigidas, el profesor propondrá la realización de varias prácticas, algunas de las cuales se considerarán en la evaluación continua. De igual modo, la elaboración del trabajo obligatorio será supervisado por el profesor en sesiones periódicas.
Autónomas Realización de trabajos e informes individuales y/o en grupo.
Sesión Magistral

Tutorías
 
Supervisadas
descripción
Tutorías virtuales a través del foro de la plataforma institucional de Moodle http://agora.unileon.es para que los alumnos puedan realizar consultas o plantear dudas que podrán ser resueltas por otros compañeros y, en última instancia, por el propio profesor.

Tutorías tradicionales para que los alumnos de forma individual puedan realizar consultas o plantear dudas que no hayan podido ser resueltas por los medios anteriores

Evaluación
  descripción calificación
Supervisadas Evaluación de prácticas en el aula de informática. 30%
Realización y exposición de trabajos. Realización y presentación de trabajos e informes individuales y/o en grupo. 60%
Otros Asistencia y participación en clase. 10%
 
Otros comentarios y segunda convocatoria

Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica Jaggia, S., Kelly, A., Lertwachara, K. & Chen, L., Analítica de negocios: comunicación con números (2ª ed.), McGraw-Hill, 2023
Pascual Cid, V. & Rovira Samblancat, P., Analítica visual: cómo explorar, analizar y comunicar datos, Anaya Multimedia, 2021
Bisbé York, A.M., Curso de Power BI, Anaya, 2022
Muñiz Suárez, L., Dominar Power BI con casos prácticos y ejercicios de gestión empresarial, Profit, 2022
Fernández Avilés, G. & Montero, J.M. (dirs.), Fundamentos de ciencia de datos con R, McGraw-Hill, 2024
Wickham, H. & Grolemund, G., R for data science: import, tidy, transform, visualize, and model data, O'Reilly, 2017
Knaflic, C.N., Storytelling con datos. Visualización de datos para profesionales de los negocios, Anaya Editorial, 2017

Álvarez Liébana, J. (15-09-2022). Introducción a R: aprendiendo R sin morir en el intento. https://javieralvarezliebana.es/curso-intro-R/

Álvarez Liébana, J. y Valverde Castilla, G. (30-01-2022). Analizando datos, visualizando información, contando historias. https://javieralvarezliebana.es/curso-manual-dataviz-ECI-2022/

Fernández Avilés, G. & Montero, J.M. (dirs.) (01-01-2024). Fundamentos de ciencia de datos con R. https://cdr-book.github.io/index.html

Wickham, H. & Grolemund, G. (06-06-2023). R para ciencia de datos. https://es.r4ds.hadley.nz/

https://r-charts.com/es/

https://r-coder.com/curso-r/

https://www.datacamp.com/

https://gauss.inf.um.es/tabular/index.html

https://rdataviz.luzfrias.com/
Complementaria Zamora Saiz, A., Quesada González, C., Hurtado Gil, L. & Mondéjar Ruiz, D. , An Introduction to Data Analysis in R: Hands-On Coding, Data Mining, Visualization and Statistics from Scratch , Springer, 2020
Ghavami, P., Big Data Analytics Methods (2nd ed.) , De Gruyter, 2020
Vidgen, R., Kirshner, S.N. & Tan, F.B., Business analytics: a management approach, Red Globe Press, 2019
Albright, S.C. & Winston, W.L., Business analytics: data analysis and decision making (2nd ed.), Cengage, 2020
Paczkowski, W. R., Business Analytics: Data Science for Business Problems , Springer, 2022
Rubio, F., Curso práctico de Google Data Studio: guía interactiva para crear informes personalizados y creativos, Anaya, 2021
Provost, F. & Fawcett, T., Data Science for Business , O'Reilly, 2013
Kirk, A., Data visualisation: a handbook for data driven design, Sage, 2019
Healy, K.J., Data visualization: a practical introduction , Princeton University Press, 2019
Evergreen, S.D.H., Effective data visualization: the right chart for the right data, Sage, 2017
Sievert, C., Interactive web-based data visualization with R, plotly, and shiny, CRC Press, 2020
Wickham, H., Mastering shiny: build interactive apps, reports, and dashboards powered by R, O'Reilly, 2021
Ohri, A. , R for Business Analytics , Springer, 2013
Xie, Y., Allaire, J.J. & Grolemund, G., R Markdown: the definitive guide, CRC Press, 2019
Wexler, S., Shaffer, J. & Cotgreave, A., The big book of dashboards: visualizing your data using real-world business scenarios, Wiley, 2017
Schmarzo, B., The Economics of Data, Analytics, and Digital Transformation , Packt Publishing , 2020
Wilkinson, L., The grammar of graphics (2nd ed.), Springer, 2005


Recomendaciones

Asignaturas que se recomienda cursar simultáneamente
TRABAJO FIN DE GRADO / 00508044

Asignaturas que se recomienda haber cursado previamente
ESTADÍSTICA I / 00508002
ESTADÍSTICA II / 00508013
 
Otros comentarios
Se recomienda tener cierto grado de destrezas informáticas.