• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Бакалаврская программа «Управление цепями поставок и бизнес-аналитика»

Информационный менеджмент в логистике

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
3
Кредиты
Кто читает:
Кафедра информационных систем и технологий в логистике
Статус:
Курс обязательный
Когда читается:
2-й курс, 1, 2 модуль

Программа дисциплины

Аннотация

Дисциплина включает два раздела: «Часть I. Методы и инструменты обработки данных в логистике» (I курс, 3 и 4 модуль) и «Часть II. Системы управления базами данных и основы технологий бизнес-аналитики» (II курс, 1 и 2 модуль). В задачи курса входит ознакомление студентов с практикой разработки и применения информационно-технологических решений в логистической деятельности зарубежных и отечественных компаний. Курс знакомит студентов с IT-инструментами для решения задач управления в сфере логистики и является поддержкой для большинства общепрофессиональных и специальных дисциплин, предусмотренных учебным планом. Дисциплина относится к базовой профильной части блока дисциплин профессионального цикла и является обязательной. Для успешного освоения программы курса студенты должны владеть основами работы в пакете Microsoft Office (Word и Excel) и прослушать курс по основам логистики (введение в специальность). Полезно предварительное изучение теоретического курса по основам теории вероятностей и математической статистики, однако это требование не является обязательным, поскольку необходимые статистические понятия включены в программу настоящего курса. В первую очередь, полученные при изучении настоящего курса знания потребуются при изучении дисциплин: «Экономико-математические методы и модели в логистике», «Управление запасами в цепях поставок», «Информационные системы в логистике и управлении цепями поставок», а также дисциплин магистратуры: «Теория логистической интеграции», «Интегрированное планирование цепей поставок», «Компьютерное имитационное моделирование для решения задач логистики и управления цепями поставок». Навыки сбора и статистической обработки данных будут полезны при выполнении курсовых и научно-исследовательских работ.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины «Информационный менеджмент в логистике» является формирование у студентов практических навыков применения информационных технологий для решения задач управления – в первую очередь, задач анализа, прогнозирования и планирования.
Планируемые результаты обучения

Планируемые результаты обучения

  • Студент способен быстро выделять из табличного массива необходимую информацию. Студент способен выполнять базовые аналитические вычисления.
  • Студент может выполнить сезонную декомпозицию временного ряда, используя Excel. Студент может выбрать подходящую модель временного ряда на основе анализа его закономерных компонентов. Студент может привести формулы, назвать условия применимости, параметры моделей простого экспоненциального сглаживания, Хольта и Винтерса. Он способен строить прогнозы временных рядов с использованием этих моделей в Excel.
  • Студент может загружать в SPSS данные из Excel и текстовых файлов, корректно настраивать атрибуты переменных SPSS, запускать аналитические процедуры и экспортировать результаты для использования в программах Microsoft Office.
  • Студент может с использованием пакета SPSS: исследовать распределения переменных в любой шкале измерения, а также совместные распределения переменных в номинальной/порядковой шкале, выявлять наличие выбросов, сравнивать количественные характеристики групп наблюдений, вычислять описательные статистики для групп наблюдений, сравнивать форму распределения переменной с нормальным распределением.
  • Студент может объяснить необходимость интервальной оценки параметра по выборке, дает определение выборочного распределения статистики, может охарактеризовать связь точности интервальной оценки и объема выборки, может вычислить границы доверительного интервала для среднего при известной и неизвестной дисперсии для генеральной совокупности с использованием Excel. Студент может сформулировать и выполнить процедуру проверки статистической гипотезы о среднем совокупности.
  • Студент может выбрать подходящий тип статистического критерия для сравнения средних значений для независимых и парных наблюдений. Студент может выполнить процедуру проверки статистического критерия для двух средних с использованием SPSS.
  • Студент может выявить наличие зависимости между двумя количественными переменными на основе анализа диаграммы рассеяния. Студент может назвать условия применимости коэффициента корреляции Пирсона для выявления зависимости между переменными, а также охарактеризовать тесноту и направление связи между переменными на основе значения коэффициента корреляции. Студент может выполнить процедуру корреляционного анализа в SPSS.
  • Студент может дать определение модели линейной регрессии и описать условия ее применимости. Студент может оценить адекватность модели линейной регрессии на основе анализа ее остатков. Студент может интерпретировать коэффициенты модели линейной регрессии и оценить погрешность оценки этих коэффициентов. Студент может применять процедуру линейной регрессии в SPSS.
  • Студент может строить с использованием SPSS модели экспоненциального сглаживания, Хольта и Винтерса, а также получать с их помощью прогнозы.
  • Студент может перечислить функции, выполняемые СУБД в составе информационных систем предприятия, дать определение модели данных, охарактеризовать основные компоненты реляционной модели данных, перечислить объекты СУБД Microsoft Access.
  • Студент может привести отношение к 3НФ используя алгоритм нормализации. Студент может назвать основные элементы диаграммы сущность-связь и объяснить механизм образования связи один-ко-многим. Студент может строить диаграммы сущность-связь на основе словесного описания требований к структуре данных. Студент может назвать назначение различных типов данных в СУБД Microsoft Access. Студент может реализовать схему данных, используя конструктор таблиц Microsoft Access.
  • Студент может перечислить 3 группы операторов SQL и пояснить их назначение. Студент может делать запросы на выборку данных с различными условиями отбора, вычисляемыми столбцами, сортировкой и группировкой результатов к одной и нескольким таблицам, используя язык SQL.
  • Студент может выбрать подходящий способ визуализации данных в зависимости от их вида и аналитической задачи и выполнить визуализацию с использованием Tableau. Студент может выдвигать и проверять с использованием визуализации данных в Tableau гипотезы. Студент может выполнить с использованием Tableau разведочный анализ данных, используя приемы выделения, ранжирования, фильтрации, сопоставления данных.
  • Планируемые результаты обучения: студент может объединять данные из нескольких источников и выполнять операции по их фильтрации, группировке, трансформации с использованием пакета Tableau Prep.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Инструменты аналитической отчетности в электронных таблицах Excel
    Концепция проведения расчетов в электронных таблицах. Электронные таблицы как рабочий инструмент логиста. Автоматизация расчетов с использованием большого объема данных. Функции для работы с массивами и ссылками. Использование простых и расширенных фильтров. Методы группировки данных. Функции условного агрегирования.
  • Реализация методов и моделей прогнозирования с использованием электронных таблиц Excel
    Роль прогнозирования в управлении цепью поставок. Классификация методов прогнозирования. Понятие временного ряда. Реализация методов сглаживания временных рядов в Excel: скользящие средние и медиана, экспоненциальное сглаживание, методы Хольта и Винтерса, метод сезонной декомпозиции временного ряда. Выбор параметров методов прогнозирования. Оценка ошибки прогноза.
  • Основы работы в пакете SPSS
    Набор данных: загрузка данных, переменные и наблюдения, свойства переменных, шкалы измерения переменных, использование множеств переменных, импорт и экспорт, редактирование таблицы данных. Процедуры: настройка параметров, запуск через графический интерфейс и синтаксис. Работа с выводом: структура журнала вывода, работа с мобильными таблицами и графикой, редактирование вывода, экспорт в другие приложения. Справочная система SPSS: контекстная справка для процедур и вывода, учебник по работе с программой, тренер по статистике, примеры анализа. Настройка интерфейса системы. Основные файлы SPSS.
  • Разведочный анализ данных в пакете SPSS
    Шкалы измерения и способы описания данных. Способы описания номинальных и порядковых переменных: таблицы частот, описательные статистики, диаграммы частот и круговые диаграммы. Кодирование номинальных и порядковых переменных. Описательные статистики для интервальных переменных: меры центрального положения и меры разброса. Графическое представление распределений – точечная диаграмма, гистограммы, диаграммы ствол-листья, диаграммы "ящик с усами". Распределение случайной величины: способы описания. Нормальное распределение. Стандартное нормальное распределение. Стандартизация значений. Рекомендации по использованию различных способов описания для симметричных и асимметричных распределений. Анализ распределений в SPSS: кривые распределения, вероятностные графики P-P и Q-Q. Работа с конструктором диаграмм SPSS.
  • Проверка статистических гипотез с использованием пакета SPSS
    Выборочные распределения и центральная предельная теорема. Интервальная оценка для среднего значения при известном и неизвестном генеральном стандартном отклонении. Нормальное распределение и t-распределение. Проверка статистических гипотез. Общая схема проверки статистических гипотез. Понятие p-значения. Одновыборочный t-критерий в SPSS. Проверка нормальности распределения переменной в SPSS. Преобразования данных для устранения асимметрии распределения.
  • Сравнение групп наблюдений в пакете SPSS
    Статистические задачи в анализе и бенчмаркинге логистических систем. Способы сравнения групп в SPSS: отбор наблюдений, расщепление файла, панели по группам. Процедура исследования при наличии факторов. Сравнение средних с учетом доверительного интервала. Двухвыборочные t-критерии для зависимых и независимых выборок.
  • Исследование связей между интервальными переменными в SPSS
    Коэффициент корреляции Пирсона. Диаграммы рассеяния. Процедуры SPSS для анализа связей между непрерывными переменными.
  • Линейная регрессия в пакете SPSS
    Статистическая модель линейной регрессии. Оценка адекватности модели линейной регрессии. Построение моделей линейной регрессии в SPSS.
  • Анализ временных рядов в SPSS
    Исследование структуры временного ряда. Диаграммы последовательности. Сезонная декомпозиция временного ряда. Использование модуля прогнозирования SPSS.
  • Основы реляционных систем управления базами данных
    Архитектура современных информационных систем. Системы управления базами данных как средство накопления, хранения и обеспечения доступа к данным. Применение систем управления базами данных для решения задач экономики и управления. Типовая организация современной СУБД. Модели данных современных СУБД. Объекты реляционной базы данных MS Access.
  • Основы информационного моделирования
    Методология сущность-связь. ER-диаграммы и стандарт IDEF1x. Нормальные формы отношений. Алгоритм нормализации отношений. Ограничения целостности данных. Стратегии поддержки целостности данных. Типы данных в Microsoft Access. Разработка схемы данных в Microsoft Access.
  • Язык запросов SQL
    Назначение языка структурированных запросов SQL, стандарты SQL. Группы операторов SQL. Синтаксис операторов манипулирования данными. Использование оператора SELECT для построения запросов на выборку данных.
  • Основы систем оперативной аналитической обработки информации. Реализация на аналитической платформе Tableau
    Проблема обработки больших массивов данных. Понятие оперативной аналитической обработки (OLAP) и бизнес-аналитики (BI). Области применения технологий бизнес-аналитики в логистике. Транзакционные и аналитические системы. Понятие аналитической платформы. Аналитическая платформа Tableau. Визуализация данных и аналитическая отчетность в Tableau.
  • Трансформация и очистка данных
    Задачи трансформации данных. Методы трансформации данных. Инструмент трансформации данных Tableau Prep. Узлы трансформации данных в Tableau Prep.
Элементы контроля

Элементы контроля

  • неблокирующий Активность
  • неблокирующий Экспресс-тест в LMS
    Автоматизированная проверка осуществляется с иcпользованием системы LMS.
  • неблокирующий Индивидуальное домашнее задание
  • неблокирующий Проект
  • блокирующий Итоговый тест в LMS за I часть курса
    Автоматизированная проверка осуществляется с иcпользованием системы LMS.
  • блокирующий Итоговый тест в LMS за II часть курса
    Автоматизированная проверка осуществляется с иcпользованием системы LMS.
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.2 * Активность + 0.15 * Индивидуальное домашнее задание + 0.2 * Итоговый тест в LMS за I часть курса + 0.2 * Итоговый тест в LMS за II часть курса + 0.15 * Проект + 0.1 * Экспресс-тест в LMS
Список литературы

Список литературы

Рекомендуемая основная литература

  • Калмыкова С.В., Ярошевская Е.Ю., Иванова И.А. - Работа с таблицами в Microsoft Excel: учебно-методическое пособие - Издательство "Лань" - 2019 - 136с. - ISBN: 978-5-8114-3626-2 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/121489
  • Нестеров С. А. - БАЗЫ ДАННЫХ. Учебник и практикум для СПО - М.:Издательство Юрайт - 2019 - 230с. - ISBN: 978-5-534-11629-8 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/bazy-dannyh-445770

Рекомендуемая дополнительная литература

  • Meyers, L. S. (2013). Performing Data Analysis Using IBM SPSS. Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=610849
  • Базы данных : учебник / Л.И. Шустова, О.В. Тараканов. — М. : ИНФРА-М, 2019. — 304 с. + Доп. материалы [Электронный ресурс; Режим доступа: http://www.znanium.com]. — (Среднее профессиональное образование).
  • Барсегян А., Куприянов М., Степаненко В., Холод И. Технологии анализа данных: Data Mining, Text Mining, Visual Mining, OLAP. 2 изд., Санкт-Петербург: БХВ-Петербург, 2008 г. , 384 с. ISBN 5-94157-991-8
  • Количественные методы разработки и принятия решений в менеджменте : компьютерное моделирование в Microsoft Excel : практикум, Мадера, А. Г., 2018
  • Лукинский В. С., Лукинский В. В., Плетнева Н. Г. - ЛОГИСТИКА И УПРАВЛЕНИЕ ЦЕПЯМИ ПОСТАВОК. Учебник и практикум для СПО - М.:Издательство Юрайт - 2019 - 359с. - ISBN: 978-5-534-10259-8 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/logistika-i-upravlenie-cepyami-postavok-442475