Governança de Dades
Codi: 44749 Crèdits: 9| Titulació | Tipus | Curs |
|---|---|---|
| Arxivística i Governança de la Informació | OB | 2 |
Professor/a de contacte
- Nom:
- Jordi Serra Serra
- Correu electrònic:
- jordi.serra.serra@uab.cat
Equip docent
- Marc Soriano Rue
- Jordi Serra Serra
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
- És recomanable que prèviament s'hagi cursat l'assignatura "Sistemas de información y arquitectura de sistemas"
- És recomanable que prèviament s'hagi cursat l'assignatura "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
- CA21 (Competència) Establir les dades de qualitat d'una organització.
- CA22 (Competència) Dissenyar els criteris i els formats per a la gestió del cicle de vida de les dades d'una organització.
- KA30 (Coneixement) Descriure el cicle de vida de les dades.
- KA31 (Coneixement) Identificar tipus i formats de dades.
- KA32 (Coneixement) Reconèixer els sistemes per a la governança de dades: repositoris, plataformes d'arquitectura de dades i sistemes de bases de dades.
- SA23 (Habilitat) Utilitzar les eines i els sistemes de gestió de dades principals.
- SA24 (Habilitat) Aplicar tècniques per a la governança de dades en les organitzacions.
- 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)
1.3. Com s'utilitzen les dades?
1.3.1.La preparació de les dades
1.3.1.1. Formats de les dades a depurar
1.3.1.2. Neteja de les dades (data cleansing)
1.3.1.3. Preparació per a l'explotació
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 |
| Tipus: Supervisades | |||
| Exercici 1: neteja, depuració i preparació d'un dataset. | 30 | 1,2 | CA21, CA22 |
| Exercici 2: creació d'una visualització de dades. | 30 | 1,2 | CA21, KA31, SA23 |
| Exercici 3: execució d'una anàlisi avançada sobre un conjunt de dades. | 20 | 0,8 | CA21, SA23, SA24 |
| Tipus: Autònomes | |||
| Lectura de Materials | 90 | 3,6 | CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25 |
| Prova final: test de coneixements generals de l'assignatura. | 10 | 0,4 | CA21, CA22, KA30, KA31, KA32, SA23, SA24, SA25 |
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, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.
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, CA22 |
| Exercici 2: creació d'una visualització de dades. | 25% de la nota final | 0 | 0 | CA21, KA31, SA23 |
| Exercici 3: execució d'una anàlisi avançada sobre un conjunt de dades. | 20% de la nota final | 0 | 0 | CA21, SA23, SA24 |
| 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%.
Per a aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) exclusivament en tasques de suport, com la cerca bibliogràfica o d’informació, la correcció de textos o les traduccions, o la generació automàtica de conjunts de dades fictícies per a les pràctiques. NO es podrà utilitzar la IA, llevat que ho indiqui explícitament el professor, per a la depuració de dades, la generació de visualitzacions, o la generació de codi per a l'anàlisi avançada de dades. Fins i tot en els casos en què el seu ús hagi estat indicat pel professor, l'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA en aquesta activitat avaluable es considerarà falta d'honestedat acadèmica i pot comportar una penalització parcial o total en la nota de l'activitat, o sancions majors en casos de gravetat.
Bibliografia
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).
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).
Reina, L. (2023). Noves arquitectures de dades. Lligall; Revista catalana d’arxivística, 46.
Serra Serra, J. (2024). El gobierno “archivístico” del dato. Tábula, 27.
Torreblanca, S. (2023). La governança de dades com a interacció: Un concepte analític per a les administracions públiques. Lligall; Revista catalana d’arxivística, 46.
Programari
- Microsoft Power BI (desktop version)
- Microsoft Sharepoint
- Anaconda (Python)
- Orange Data Mining
Grups i idiomes de l'assignatura
| Nom | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (TE) Teoria | 1 | Català | primer quadrimestre | tarda |