2026/2027
Технологии работы с данными
Статус:
Маго-лего
Кто читает:
Департамент бизнес-информатики
Где читается:
Высшая школа бизнеса
Когда читается:
3 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
3
Контактные часы:
24
Программа дисциплины
Аннотация
Дисциплина «Технологии работы с данными» направлена на формирование способности принимать и обосновывать продуктовые решения в условиях неполных, шумных и неоднозначных данных, когда стандартного анализа метрик, аналитической панели или классического A/B-тестирования недостаточно для однозначного вывода.
В рамках дисциплины рассматриваются постановка продуктового решения и аналитического вопроса, оценка качества и достаточности данных, работа с пропусками, смещениями, сезонностью и шумом, выбор основных и косвенных метрик, различение статистической и практической значимости, выбор способа проверки гипотезы при ограничениях эксперимента, а также интерпретация прогнозов, скоринговых моделей и результатов машинного обучения.
Дисциплина имеет прикладной характер. В течение модуля студенты последовательно работают с единым учебным продуктовым кейсом и предоставленным набором данных, выполняя три практические работы. Итоговый контроль проводится на самостоятельном кейсе и проверяет способность перенести освоенную логику на новую ситуацию, сформулировать решение, обозначить границы вывода, риски и потребность в дополнительных данных.
Цель освоения дисциплины
- Сформировать у студентов способность принимать обоснованные продуктовые решения в условиях неопределенности данных: формулировать продуктовую гипотезу и аналитический вопрос, оценивать качество и достаточность данных, выбирать адекватный способ проверки, интерпретировать результаты без превышения границ доказательности и формулировать рекомендацию с учетом рисков, ограничений и необходимых следующих шагов.
Планируемые результаты обучения
- знать основные источники неопределенности и искажений в продуктовых данных, включая пропуски, ошибки измерения, смещение выборки, сезонность, шум и влияние способа сбора данных
- знать назначение основных, контрольных и косвенных метрик, а также ограничения выводов, основанных на косвенных показателях
- знать различия между статистической и практической значимостью результата и понимать влияние размера эффекта и неопределенности оценки на продуктовое решение
- знать условия применимости классического A/B-тестирования и назначение альтернативных наблюдательных и квазиэкспериментальных подходов
- знать основные ограничения прогнозов, скоринговых моделей и результатов машинного обучения как основания для продуктового решения
- формулировать решение, которое требуется принять, продуктовую гипотезу, аналитический вопрос и признаки успеха
- оценивать качество, достаточность и релевантность доступных данных, выявлять ограничения и определять, какие данные необходимо собрать дополнительно
- проводить базовый анализ предоставленного набора данных, выделять значимые сегменты, устойчивые закономерности и альтернативные объяснения наблюдаемого результата
- выбирать и обосновывать способ проверки продуктовой гипотезы, в том числе в ситуации, когда классический A/B-тест невозможен или недостаточен
- различать сильные и слабые выводы, не подменять корреляцию причинностью и явно обозначать границы интерпретации
- формулировать продуктовую рекомендацию, риски решения, критерии последующего наблюдения и план получения дополнительных данных
Содержание учебной дисциплины
- Постановка продуктового решения и аналитическая рамка
- Качество данных, ограничения и косвенные показатели
- Базовый анализ данных и сила вывода
- Проверка продуктовых гипотез при ограничениях эксперимента
- Прогнозы, скоринговые модели и продуктовая рекомендация
Элементы контроля
- ПосещениеЕсли студент посетил менее половины занятий дисциплины, оценка за посещение составляет 0.
- Практические работыстудент выполняет три практические работы, последовательно применяя материалы дисциплины к единому учебному продуктовому кейсу и предоставленному набору данных. Практическая работа №1 «Аналитическая рамка и аудит данных»: сформулировать решение, которое требуется принять, 1–2 продуктовые гипотезы и признаки успеха; описать доступные данные, провести их первичную проверку, выделить ограничения, косвенные метрики и потребность в дополнительных данных. Практическая работа №2 «Выбор способа проверки»: предложить и обосновать способ проверки гипотезы с учетом доступных данных и ограничений; описать, почему классический A/B-тест применим или неприменим, какие смещения возможны, какие группы или периоды сравниваются и по какому правилу будет принято решение. Практическая работа №3 «Интерпретация и продуктовая рекомендация»: проанализировать результаты проверки, прогноза или скоринговой модели; отделить наблюдаемые факты от интерпретаций, оценить практическую значимость и устойчивость вывода, сформулировать рекомендацию, риски, контрольные показатели и следующие шаги. Использование инструментов искусственного интеллекта При выполнении практических работ студент вправе использовать инструменты искусственного интеллекта для вспомогательных и рутинных задач. Если такие инструменты применялись, в работе необходимо указать, какой инструмент использован, для какой части работы и что студент проверил, изменил или принял самостоятельно. Студент несет ответственность за корректность данных, расчетов, источников, выводов и итоговой рекомендации. Инструменты искусственного интеллекта не должны подменять самостоятельный анализ, создавать вымышленные данные или источники либо скрывать происхождение выводов. Правила использования инструментов искусственного интеллекта на письменном экзамене определяются отдельно и по умолчанию не допускают их использование.
- Письменный экзаменитоговый контроль проводится в формате очного письменного экзамена. Студент получает самостоятельный продуктовый кейс и набор данных, отличающиеся от кейса практических работ, и готовит аналитическую записку с обоснованием продуктового решения. Во время очного письменного экзамена использование инструментов искусственного интеллекта и иных неразрешенных источников не допускается, если иное прямо не установлено правилами проведения экзамена. Ответ оценивается как самостоятельная работа студента. Вымышленные данные, неподтвержденные расчеты или нарушение правил экзамена являются основанием для существенного снижения оценки вплоть до 0 баллов.
Промежуточная аттестация
- 2026/2027 3rd module0.5 * Письменный экзамен + 0.35 * Практические работы + 0.15 * Посещение
