Магистратура 2021/2022

Продвинутая аналитика и экосистемы данных в бизнесе

Статус: Курс обязательный (Стратегический менеджмент и консалтинг)

Направление: 38.04.02. Менеджмент

Кто читает: Департамент бизнес-информатики

Где читается: Высшая школа бизнеса

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Кузнецова Юлия Александровна

Прогр. обучения: Стратегический менеджмент и консалтинг

Язык: русский

Кредиты: 5

Контактные часы: 40

Программа дисциплины

Аннотация

Данная дисциплина относится к блоку дисциплин специализации (по выбору) и формирует у студентов базовые знания и навыки для подготовки к карьере профессионального управленческого консультанта/менеджера в рамках магистерской программы «Стратегический менеджмент и консалтинг» по направлению 38.04.02 «Менеджмент». В рамках дисциплины студенты изучают основные методы и модели продвинутой аналитики, знакомятся с примерами применения инструментов продвинутой аналитики в компаниях в области стратегического, операционного менеджмента и маркетинга.

Цель освоения дисциплины

• Целью освоения дисциплины является приобретение комплекса теоретических знаний и умений в области применения методов, моделей и инструментов продвинутой аналитики для решения задач стратегического, операционного менеджмента и маркетинга.

Планируемые результаты обучения

• Студент знает возможности и ограничения основных видов моделей продвинутой аналитики, умеет выбирать модель для решения конкретной задачи, умеет оценивать качество модели.
• Студент знает и выбирает технологии анализа больших данных для решения конкретной задачи.
• Студент знает методы и инструменты продвинутой аналитики и выбирает их для решения конкретной задачи.
• Студент умеет организовать процесс построения, запуска и поддержания моделей продвинутой аналитики.

Содержание учебной дисциплины

• Введение в продвинутую аналитику
• Аналитика больших данных и экосистемы данных
• Модели и методы продвинутой аналитики
• Управление жизненным циклом моделей

Элементы контроля

• Аудиторная работа
• Доклад
• Практические задания
• Проект
  Оценка за проект = 0.5 * Отчет по проекту +0.5 * Защита проекта

Промежуточная аттестация

• 2021/2022 учебный год 4 модуль
  0.16 * Доклад + 0.4 * Проект + 0.28 * Практические задания + 0.16 * Аудиторная работа

Список литературы

Рекомендуемая основная литература

• Berman, J. J. (2018). Principles and Practice of Big Data : Preparing, Sharing, and Analyzing Complex Information (Vol. Second Edition). London: Academic Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1731816
• Kelleher, J. D., & Tierney, B. (2018). Data Science. The MIT Press.
• Kirill Dubovikov. (2019). Managing Data Science : Effective Strategies to Manage Data Science Projects and Build a Sustainable Team. Packt Publishing.
• Kotu, V., & Deshpande, B. (2019). Data Science : Concepts and Practice (Vol. Second edition). Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1866160
• Tommy Blanchard, Debasish Behera, & Pranshu Bhatnagar. (2019). Data Science for Marketing Analytics : Achieve Your Marketing Goals with the Data Analytics Power of Python. Packt Publishing.

Рекомендуемая дополнительная литература

• Artun, O., & Levin, D. (2015). Predictive Marketing : Easy Ways Every Marketer Can Use Customer Analytics and Big Data. Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1050355
• Baesens, B. (2014). Analytics in a Big Data World : The Essential Guide to Data Science and Its Applications. Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=761032
• Buyya, R., Calheiros, R. N., & Vahid Dastjerdi, A. (2016). Big Data : Principles and Paradigms. Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1145031
• Foreman, John W. Data Smart: Using Data Science to Transform Information into Insight [Электронный ресурс] / John W. Foreman; БД books24х7. – John Wiley & Sons, 2014. – 432 pages. – ISBN 978-1-118-03496-5. – Режим доступа: http://common.books24x7.com/toc.aspx?bookid=58144. – Загл. с экрана.Foreman, John W. Data Smart: Using Data Science to Transform Information into Insight [Электронный ресурс] / John W. Foreman; БД books24х7. – John Wiley & Sons, 2014. – 432 pages. – ISBN 978-1-118-03496-5. – Режим доступа: http://common.books24x7.com/toc.aspx?bookid=58144. – Загл. с экрана.
• Provost, F., & Fawcett, T. (2013). Data Science for Business : What You Need to Know About Data Mining and Data-Analytic Thinking (Vol. 1st ed). Beijing: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=619895
• Брюс П. Практическая статистика для специалистов Data Science / П. Брюс, Э. Брюс. - Санкт-Петербург : БХВ-Петербург, 2018. - 304 с. - ISBN 978-5-9775-3974-6. - URL: https://ibooks.ru/bookshelf/358886/reading (дата обращения: 12.10.2020). - Текст: электронный.
• Грас Дж. Data Science. Наука о данных с нуля. - Санкт-Петербург : БХВ-Петербург, 2017. - 336 с. - ISBN 978-5-9775-3758-2. - URL: https://ibooks.ru/bookshelf/356414/reading (дата обращения: 12.10.2020). - Текст: электронный.