Бизнес-аналитика и ИИ как инструмент эффективного управления

2026/2027

ID 1207476

Статус: Маго-лего

Кто читает: Департамент бизнес-информатики

Где читается: Высшая школа бизнеса

Когда читается: 1 модуль

Охват аудитории: для своего кампуса

Преподаватели: Громова Алла Александровна

Язык: русский

Кредиты: 3

Контактные часы: 24

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс охватывает как теоретические, так и практические аспекты бизнес-аналитики (BA) и инструментов ИИ в контексте реальных бизнес-задач, фокусируясь на работе с данными. В условиях насыщенной данными среды бизнес нуждается в инструментах быстрой обработки данных, чтобы оставаться конкурентоспособным. Курс делает акцент на аналитике данных как методе получения инсайтов из цифровых данных. Также рассматривается применение инструментов ИИ в бизнес-анализе, в том числе GenAI. Задания курса обучают студентов работе с BI-сервисами для извлечения, обработки, анализа и визуализации данных, инструментов обработки данных и создания моделей машинного обучения. Цель курса - научить студентов основным подходам по работе с данными, дать обзор трендов в области бизнес-анализа, сформировать основу навыка применения ИИ в области бизнес анализа для задач маркетинга. Курс включает лекции, анализ данных, работы с практическим кейсом в области создания маркетингового контента с помощью ИИ.

Цель освоения дисциплины

Находить, извлекать, оценивать и подготавливать данные для анализа.
Выбирать подходы и инструменты бизнес-аналитики для решения задач
Интерпретировать результаты анализа данных
Квалифицировать и использовать различные источники данных и инструменты в процессе анализа.
Создавать доступные для восприятия визуализации данных и презентационные материалы.
Разрабатывать интерактивные дашборды и отчеты с помощью ИТ инструментов и формировать контент с помощью ИИ.

Планируемые результаты обучения

Владеть навыками подготовки аналитических материалов по результатам исследовательских и аналитических проектов для информационного обеспечения принятия управленческих решений
Владеть навыками применения современных техник и методик сбора данных, продвинутых методов их обработки и анализа, методами количественного и качественного анализа для принятия управленческих решений
Умеет извлекать данные из источников, анализировать качество данных, обнаруживать статистические особенности данных и выявлять аномалии
Уметь обрабатывать эмпирические и экспериментальные данные

Содержание учебной дисциплины

Предварительный анализ данных
Методы и модели анализа данных
Представление результатов анализа данных
Внедрение ИИ, автоматизация и персонализация
Генеративный ИИ и промпт-инжиниринг

Элементы контроля

Защита проекта
Экзамен проводится в форме защиты выполненных проектов. При решении задач и подготовке отчетов допускается использование ИИ, однако в этом случае авторы работы должны задекларировать использование ИИ как описано в задании. В случае выявления незадекларированного использования ИИ за работу выставляется 0 баллов.
Активность
Активность студента в рамках курса. Включая, но не ограничиваясь: - решение задач; - выступление с докладом; - участие в обсуждении докладов. Каждая активность оценивается определенным количеством баллов. Баллы затем складываются. Сумма не может превышать 10 баллов. При решении задач и подготовке отчетов допускается использование ИИ, однако в этом случае авторы работы должны задекларировать использование ИИ как описано в задании. В случае выявления незадекларированного использования ИИ за работу выставляется 0 баллов. Команды, злоупотребяющие ИИ, будут приглашены на защиту работы.
тест
Представляет собой письменный онлайн-тест множественного выбора с вопросами с автоматической проверкой (выбор вариантов, заполнение пропусков, ввод слова, ввод числового ответа, на соответствие, на упорядочение). Платформа проведения: StartExam с прокторингом. Во время экзамена студентам запрещено использование любых материалов и помощи, а также ИИ.
ДЗ
Домашние задания проверяют владение изученными на занятиях инструментами и методами анализа данных в прикладных задачах. Оценка за ДЗ вычисляется как среднее по всем выданным ДЗ. При решении задач и подготовке отчетов допускается использование ИИ, однако в этом случае авторы работы должны задекларировать использование ИИ как описано в задании. В случае выявления незадекларированного использования ИИ за работу выставляется 0 баллов. Команды, злоупотребяющие ИИ, будут приглашены на защиту работы.
Посещаемость
Учет посещаемости ведется с использованием технических средств контроля и цифрового следа

Промежуточная аттестация

2026/2027 1st module
0.15 * тест + 0.1 * Посещаемость + 0.4 * Защита проекта + 0.2 * ДЗ + 0.15 * Активность

Список литературы

Авторы

Заходякин Глеб Викторович
Лебедев Никита Александрович
Брускин Сергей Наумович

Программа дисциплины