Logo UAB

Governança de Dades

Codi: 44749 Crèdits: 9
2024/2025
Titulació Tipus Curs
4318290 Arxivística i Governança de la Informació OB 2

Professor/a de contacte

Nom:
Eloi Puertas Prats
Correu electrònic:
eloi.puertas@uab.cat

Equip docent

Jordi Serra Serra

Idiomes dels grups

Podeu consultar aquesta informació al final del document.


Prerequisits

  1. Haver cursat l'assignatura "A04. Sistemas de información y arquitectura de sistemas"
  2. Haver cursat l'assignatura "A09. Descripción y recuperación de la información"

Objectius

1. Conèixer el cicle de vida dels dades i la seva gestió.
2. Conèixer el context de producció de les dades.
3. Aplicar els principis arxivístics a la gestió de dades.
4. Conèixer i comprendre les principals eines i sistemes de gestió de dades
5. Conèixer sistemes gestors de dades i bases de dades
6. Conèixer models de gobernança de dades, normes i estàndards
7. Conèixer i comprendre els sistemes bàsics d'ús, explotació i visualització de dades.


Resultats d'aprenentatge

  1. CA21 (Competència) Establir les dades de qualitat d'una organització.
  2. CA22 (Competència) Dissenyar els criteris i els formats per a la gestió del cicle de vida de les dades d'una organització.
  3. KA30 (Coneixement) Descriure el cicle de vida de les dades.
  4. KA31 (Coneixement) Identificar tipus i formats de dades.
  5. KA32 (Coneixement) Reconèixer els sistemes per a la governança de dades: repositoris, plataformes d'arquitectura de dades i sistemes de bases de dades.
  6. SA23 (Habilitat) Utilitzar les eines i els sistemes de gestió de dades principals.
  7. SA24 (Habilitat) Aplicar tècniques per a la governança de dades en les organitzacions.
  8. SA25 (Habilitat) Aplicar els principis arxivístics a la gestió de dades.

Continguts

1.1.   Les dades a les organitzacions (introducció)

1.2.   On es produeixen les dades?

1.2.1.Formes de captura i generació de dades (tràmits, sensors, etc.)

1.2.2.Els models per estructurar les dades (mestres, referencials, etc.)

1.2.3.Arquitectures per a l'emmagatzemament (tipus de bases de dades)

1.2.3.1.           Ús de DB relacionals (SQL)

1.2.3.2.           Ús de DB NoSQL (Hadoop i HDFS, MongoDB, etc.)

1.3.   Com s'utilitzen les dades?

1.3.1.La preparació de les dades

1.3.1.1.           Neteja de les dades (data cleansing)

1.3.1.2.           Preparació per a l'explotació (cubs, BI, etc.)

1.3.1.3.           Consolidació del tractament (ETL, RPA, etc.)

1.3.1.4.           Formats de les dades a depurar (CSV, JSON, XML, etc.)

1.3.1.5.           Neteja i preparació de dades amb Python

1.3.2.L'explotació i ús de les dades

1.3.2.1.           Visualització de dades

1.3.2.2.           Analítica avançada estadística, o basada en ML i IA

1.3.2.3.           Aplicació pràctica d'algoritmes d'analítica avançada

1.4.   El govern integrat de la dada

1.4.1.Identificació i catalogació de dades

1.4.2.El control del llinatge de la dada

1.4.3.Virtualització de l'accés a les dades

1.4.4.Aspectes legals i de seguretat

1.4.5.Els vincles amb l'arxivística


Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Tipus: Dirigides      
Sessions teòriques 45 1,8 CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25, CA21
Tipus: Supervisades      
Exercici 1: neteja, depuració i preparació d'un dataset. 30 1,2 CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25, CA21
Exercici 2: creació d'una visualització de dades simple. 30 1,2 CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25, CA21
Exercici 3: execució d'una anàlisi avançada sobre un conjunt de dades (regressió o anàlisi de conglomerats). 20 0,8 CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25, CA21
Tipus: Autònomes      
Lectura de Materials 90 3,6 CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25, CA21
Prova final: test de coneixements generals de l'assignatura. 10 0,4 CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25, CA21

Les activitats formatives autònomes seran lectura de materials i la preparació per a la prova final de test de coneixments generals de l'assignatura.

Les dirigides seran sessions teòriques magistrals.

Les supervisades seran 3 exercicis pràctics per fer a casa amb les explicacions rebudes a classe.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.


Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Exercici 1: neteja, depuració i preparació d'un dataset. 25% de la nota final 0 0 CA21, SA24
Exercici 2: creació d'una visualització de dades simple. 25% de la nota final 0 0 KA31, SA23, SA24
Exercici 3: execució d'una anàlisi avançada sobre un conjunt de dades (regressió o anàlisi de conglomerats). 20% de la nota final 0 0 CA21, KA32, SA23
Prova final: test de coneixements generals de l'assignatura. 30% de la nota final 0 0 CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25

Tant l'exercici 1 com el 2 valdrà un 25 de la nota final. El 3er valdrà un 20% i l'examen final el 30%


Bibliografia

Benfeldt, O., Persson, J. S., & Madsen, S. (2020). Data Governance as a Collective Action Problem. Information Systems Frontiers, 22(2), 299-313. https://doi.org/10.1007/s10796-019-09923-z
 
Earley, S., & Henderson, D. (Ed.). (2017). DAMA-DMBOK: Data management body of knowledge (2nd edition). Data Management Association.
 
Ghavami, P. (2020). Big data management: Data governance principles for big data analytics (1a ed.). De Gruyter.
 
Khatri, V., & Brown, C. V. (2010). Designing data governance. Communications of the ACM, 53(1), 148-152.
 
Laurent, A., Laurent, D., & Madera, C. (Ed.). (2019). Data lakes. ISTE Ltd / John Wiley and Sons Inc.
 
Lemieux, V. L., Gormly, B., & Rowledge, L. (2014). Meeting Big Data challenges with visual analytics: The role of records management. Records Management Journal, 24(2), 122-141.
 
 

Programari

  • Microsoft Power BI (desktop version)
  • Microsoft Sharepoint
  • Anaconda (Python) 

Llista d'idiomes

Nom Grup Idioma Semestre Torn
(TE) Teoria 1 Català primer quadrimestre tarda