Abstract
O obxectivo deste traballo é facilitar e acelerar o cálculo do nivel de orde e a súa cantidade óptima, nun sistema de xestión de stock con demanda e tempo de entrega aleatorios. Este cálculo era tradicionalmente laborioso e lento, xa que requiría un proceso iterativo de consulta de dúas táboas en cada iteración. Polo tanto, o problema solucionouse inicialmente en follas de cálculo e posteriormente ampliouse a una aplicación en la Internet, onde o usuario fornece os datos e recibe os resultados.

Abstract
Depois de uma evolução constante, e mais recentemente, em apenas uma década, o uso da informação nas ciências, nas empresas e na sociedade se tem modificado profundamente. O objetivo desta comunicação é discutir as transformações do risco, com as novas zonas de sombra nos processos decisórios em relação à utilização massiva de dados e de ferramentas de inteligência artificia. Destas transformações, resultam em novas combinações no vida cotidiana e nas tomadas de decisões, nomeadamente em empresas e nos sistemas políticos e nos processos eleitorais.

Abstract
The increase in retention of customer in gyms and health clubs is nowadays a challenge that requires concrete and personalized actions. Traditional data mining studies focused essentially on predictive analytics, neglecting the business domain. This work presents an actionable knowledge discovery system which uses the following pipeline (data collection, predictive model, loyalty actions). In the first step, it extracts and transforms existing real data from databases of the sports facilities. In a second step, predictive models are applied to identify user profiles more susceptible to dropout. Actionable rules are generated based on actionable attributes that should be avoided, in order to increase retention. Finally, in the third step, based on the previous actionable knowledge, experimental planning is carried out, with test and control groups, in order to find the best loyalty actions for customer retention. This document presents a simulation and the measure of the business utility of an actions sequence to avoid dropout. © 2019, Springer Nature Switzerland AG.

Abstract
This work presents an actionable knowledge discovery system for real user needs with three steps. In the first step, it extracts and transforms existing data in the databases of the ERP and CRM systems of the sports facilities and loads them into a Data Warehouse. In a second phase, predictive models are applied to identify profiles more susceptible to abandonment. Finally, in the third phase, based on the previous models, experimental planning is carried out, with test and control groups, in order to find concrete actions for customer retention. © Springer Nature Switzerland AG 2019.

Abstract
Os artigos estão organizados por ordem de chegada. O primeiro artigo, trata o assunto das cripto-moedas e em particular do Bitcoin. O segundo artigo, de um doutorando desta universidade, apresenta um algoritmo de escalonamento de aplicações móveis sensíveis ao contexto. O terceiro artigo, de um doutorado por esta universidade apresenta modelo aplicado ao governo eletrónico. O quarto artigo, são apresentados modelos que relacionam a curiosidade científica, a teoria da informação e a utilidade do conhecimento. O quinto artigo, que apresenta um chatbot para apoio ao estudante nesta universidade. Finalmente para fechar este número, apresenta-se a recensão crítica de uma recente obra que trata da nova ciência da causa e efeito.

Abstract
Education covers a range of sectors from kindergarten to higher education. In the education system, each grade has three possible outcomes: dropout, retention and pass to the next grade. In this work, we study the data from the Department of Statistics of Education and Science (DGEEC) of the Education Ministry. DGEEC maintains those outcomes for each school year, therefore, this study seeks a longitudinal view based on student flow. The document reports the data pre-processing, a stochastic model based on the pre-processed data and a data generation process that uses the previous model. © 2020, Springer Nature Switzerland AG.