Бизнес-аналитика и искусственный интеллект

Бакалавриат 2026/2027

Статус: Курс обязательный (Маркетинг и рыночная аналитика)

Кто читает: Департамент бизнес-информатики

Где читается: Высшая школа бизнеса

Когда читается: 3-й курс, 2, 3 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Гамидов Санан Салех Оглы, Жильцов Евгений Михайлович

Язык: русский

Кредиты: 4

Контактные часы: 48

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина «Бизнес-аналитика и искусственный интеллект» посвящена применению современных методов анализа данных и инструментов искусственного интеллекта для решения управленческих задач. Развитие машинного обучения и нейросетей трансформирует классическую бизнес-аналитику: ИИ позволяет автоматизировать обработку данных, выявлять скрытые закономерности и тренды, строить прогнозы и формировать рекомендации, помогая переходить от простой констатации фактов к более глубокому и предиктивному анализу. Курс объединяет два взаимодополняющих направления: методы бизнес-аналитики – разведочный анализ данных, методологию CRISP-DM, статистический анализ и проверку гипотез, прогнозное моделирование, A/B-тестирование и визуализацию данных – и инструменты искусственного интеллекта – промпт-инжиниринг, применение ИИ в аналитике, работу с ИИ-ассистентами, ботами и агентами, автоматизацию аналитических задач, а также оценку экономического эффекта и подходы к внедрению ИИ в бизнес-процессы. Особое внимание уделяется практическому применению ИИ на различных этапах аналитического цикла: от подготовки и исследования данных до построения прогнозных моделей, визуализации результатов и формирования управленческих рекомендаций. Студенты работают с реальными и синтетическими данными, осваивают современные no-code и ИИ-инструменты и применяют полученные знания при решении сквозного бизнес-кейса. В результате курс позволяет перейти от традиционной описательной аналитики к более автоматизированному, прогнозному и интеллектуальному подходу к работе с данными, где ИИ выступает инструментом повышения скорости, глубины и эффективности бизнес-анализа. Текущий контроль осуществляется в форме двух домашних заданий, индивидуального задания, практических заданий на семинарах, посещаемости и очного теста по теории, промежуточная аттестация проводится в форме экзамена – защиты итогового проекта.

Цель освоения дисциплины

Сформировать умение формулировать промпты для аналитических задач и критически проверять результаты работы ИИ-ассистентов
Сформировать понимание рисков использования ИИ (галлюцинации, утечки данных, предвзятость, промпт-инъекции) и умение оценивать их применительно к бизнес-процессу
Развить навык настройки простых автоматизаций и ИИ-агентов на no-code платформах
Сформировать умение проводить разведочный анализ данных по методологии CRISP-DM, включая работу с проблемами качества данных
Развить способность формулировать и статистически проверять гипотезы, включая интеракции между признаками
Сформировать умение строить и интерпретировать прогнозные модели
Развить навык проектирования визуализаций и дашбордов под разные аудитории
Сформировать умение проектировать и интерпретировать A/B-тесты
Развить способность оценивать экономический эффект (ROI) и формировать стратегию внедрения ИИ-инструментов в организации.

Планируемые результаты обучения

Способен осуществлять разработку и утверждение текущих и перспективных планов работы, определять целевые показатели деятельности организации и её подразделений
Формулирует и статистически проверяет гипотезы, включая интеракции между признаками, отличает статистическую значимость от практической.
Строит и интерпретирует прогнозные модели классификации, применяет модель к новым данным для поддержки управленческого решения.
Проводит разведочный анализ данных по методологии CRISP-DM: выявляет и устраняет проблемы качества данных.
Проектирует визуализации и дашборды под разные аудитории (руководство/операционная команда).
Проектирует A/B-тест, рассчитывает необходимый размер выборки и интерпретирует результаты эксперимента.
Оценивает риски применения ИИ в бизнес-процессе (включая промпт-инъекции) и настраивает простую автоматизацию/агента на no-code платформе.
Формулирует промпты для аналитических задач и критически проверяет результаты работы ИИ-ассистента, выявляя ошибки и неточности.
Оценивает ROI внедрения ИИ-инструментов и формирует управленческую рекомендацию по стратегии внедрения.

Содержание учебной дисциплины

Основы бизнес-аналитики
EDA & CRISP-DM
Формулирование и проверка гипотез
Прогнозные модели, машинное обучение
Визуализация данных
Основы ИИ, слои и архитектуры
A/B-тесты и статистический анализ
Промпт-инжиниринг
Безопасность и этика ИИ
Боты и агенты
ROI и стратегия внедрения ИИ / практикум по агентам
Применение ИИ в аналитике

Элементы контроля

Индивидуальное задание по ИИ
Критическая проверка и исправление ИИ-анализа реальной бизнес-задачи, выполняется индивидуально.
Посещаемость лекций и семинаров
Домашнее задание
Командное задание 1: две статистически проверенные гипотезы на данных сквозного кейса и проектирование A/B-теста на основе одной из них. Размер группы - не более 5 человек. Домашнее задание состоит из 2ух групповых работ, каждая из которых составляет 50% от оценки за элемент контроля - домашнее задание. Командное задание 2: сборка автоматизации на no-code платформе и её стресс-тест на «сложных» входных данных.
Активность на семинарах
Выполнение практического задания на каждом из 12 семинаров.
Тест по теории
Тест без дополнительных материалов и без использования ИИ.
Экзамен – защита проекта
Защита итогового проекта в формате презентации «перед советом директоров»

Промежуточная аттестация

2026/2027 3rd module
0.05 * Индивидуальное задание по ИИ + 0.05 * Активность на семинарах + 0.4 * Экзамен – защита проекта + 0.1 * Посещаемость лекций и семинаров + 0.2 * Домашнее задание + 0.2 * Тест по теории

Список литературы

Авторы

Гамидов Санан Салех Оглы

Программа дисциплины