• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2023/2024

Научно-исследовательский семинар "Информационная бизнес-аналитика" (4 курс)

Статус: Курс по выбору (Бизнес-информатика)
Направление: 38.03.05. Бизнес-информатика
Когда читается: 4-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 5
Контактные часы: 50

Программа дисциплины

Аннотация

Научно-исследовательский семинар «Информационная бизнес-аналитика» посвящен знакомству и освоению студентами ключевых подходов и технологий современного бизнес-анализа (Business Analytics), применяемых в международной и отечественной деловой практике. Научно-исследовательский семинар направлен на формирование компетенций и навыков проектной и исследовательской работы, связанной с применением методов и инструментов бизнес-анализа для принятия управленческих решений. Дисциплина позволяет усилить подготовку студентов к выпускной квалификационной работе, а также овладеть базовыми навыками для участия во внедрении цифровых аналитических технологий в консалтинговом бизнесе и реальном секторе экономики.
Цель освоения дисциплины

Цель освоения дисциплины

  • Цель научно-исследовательского семинара – подготовка студентов к проектной и исследовательской деятельности в сфере интеллектуальных технологий бизнес-анализа и управления корпоративной эффективностью. В результате изучения данной дисциплины студент должен: Знать: Концепцию Data driven business и подходы к её применению в современных условиях; классификацию и области применения ИАС; методы и технологии бизнес-анализа в принятии решений. Уметь: Формировать функциональные требования к аналитической поддержке предприятия реального времени (RTE); исследовать рынок решений систем бизнес-интеллекта и предиктивной аналитики; проводить экспресс-диагностику информационной системы предприятия на предмет готовности к проектам внедрения аналитических технологий. Владеть: теоретическими и практическими навыками подготовки проектов разработки и внедрения интеллектуальных систем для бизнеса; навыками применения цифрового бизнес-анализа для стратегических и операционных задач управления, включая методы имитационного моделирования и машинного обучения; методологией внедрения ИАС в корпоративном секторе.
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеет подходами и понимает приоритеты в аналитических проектах.
  • Владеет подходами к аналитической поддержке стратегического контура управления компанией.
  • Владеет подходами к планированию и прогнозированию бизнес-результатов в условиях DX.
  • Владеет фундаментальными принципами подготовки предприятия к внедрению аналитических технологий.
  • Знает глобальный и отечественный рынок лидирующих аналитических платформ, а также особенности их проектирования и внедрения.
  • Знает и умеет формировать функциональные требования к аналитической поддержке предприятия реального времени (RTE)
  • Знает концепцию Х.Дреснера и понимает ее цифровое развитие. Знаком с аналитическими бизнес-приложениями нового поколения.
  • Знает методы и технологии бизнес-анализа в принятии решений.
  • Знает особенности и методы интеллектуального анализа данных.
  • Знает принципы применения имитационного моделирование для задач бизнес-планирования.
  • Знаком с инструментами интеллектуального анализа и машинного обучения.
  • Знаком с моделями и преимуществами «умного управления» на примере торгово-сервисной компании.
  • Знаком с подходами к аналитической поддержке операционного контура управления компанией.
  • Знаком с практикой консалтинговых и исследовательских проектов внедрения ИАС в ключевых индустриях на глобальном и отечественном рынке.
  • Знаком с рынком бизнес-приложений и методологиями их внедрения.
  • Знаком с технологиями создания цифровых двойников компании, цифровых двойников корпоративных функций и цифровых двойников бизнес-процессов.
  • Понимает Digital CPM как идеологию аналитических решений. Знает рынок поставщиков и проекты внедрения CPM-систем в корпоративном секторе.
  • Понимает идеологию создания адаптивных моделей прогнозирования.
  • Понимает принципы многофакторного анализа.
  • Умеет использовать модели и инструменты предиктивной аналитики.
  • Умеет исследовать рынок решений систем бизнес-интеллекта и предиктивной аналитики
  • Умеет применять описательный и разведочный анализ данных.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Информационная бизнес-аналитика как инструмент поддержки принятия решений
  • Тема 2. ИАС и стратегическая пирамида результативности
  • Тема 3. Системы бизнес-интеллекта для цифровой корпорации
  • Тема 4. Управление результативностью бизнеса – методы и технологии
  • Тема 5. Предиктивная аналитика в бизнесе
  • Тема 6. Когнитивные технологии в бизнес-анализе
  • Тема 7. Стратегические модели цифрового управления бизнесом
  • Тема 8. Операционные модели цифрового управления бизнесом
  • Тема 9. Деловая практика применения цифрового бизнес-анализа
  • Тема 10. Методология внедрения бизнес-аналитики в реальном секторе
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Аудиторная работа
  • неблокирующий Экзаменационная работа
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 2 модуль
    0.15 * Аудиторная работа + 0.5 * Домашнее задание + 0.35 * Экзаменационная работа
Список литературы

Список литературы

Рекомендуемая основная литература

  • Bernard Marr, & Matt Ward. (2019). Artificial Intelligence in Practice : How 50 Successful Companies Used AI and Machine Learning to Solve Problems. Wiley.
  • Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24–42. https://doi.org/10.1007/s11747-019-00696-0
  • Greg Deckler. (2019). Learn Power BI : A Beginner’s Guide to Developing Interactive Business Intelligence Solutions Using Microsoft Power BI. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2252653
  • Joshua N. Milligan. (2019). Learning Tableau 2019 : Tools for Business Intelligence, Data Prep, and Visual Analytics, 3rd Edition. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2092866
  • Siegel, E. Predictive analytics: The power to predict who will click, buy, lie, or die. – John Wiley & Sons, 2016. – 338 pp.
  • Одинцов, Б. Е.  Информационные системы управления эффективностью бизнеса : учебник и практикум для бакалавриата и магистратуры / Б. Е. Одинцов. — Москва : Издательство Юрайт, 2019. — 206 с. — (Бакалавр и магистр. Модуль). — ISBN 978-5-534-01052-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/433228 (дата обращения: 28.08.2023).
  • Сбалансированно-целевое управление развитием предприятия: модели и технологии : монография / Б.Е. Одинцов ; под ред. проф. А.Н. Романова. — М. : Вузовский учебник : ИНФРА-М, 2018. — 162 с. — (Научная книга). - Режим доступа: http://znanium.com/catalog/product/937515
  • Туманов, В. Е. Проектирование хранилищ данных для приложений систем деловой осведомленности (Business Intelligence Systems) : учебное пособие / В. Е. Туманов. — 2-е изд. — Москва : ИНТУИТ, 2016. — 957 с. — ISBN 978-5-9963-0353-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100389 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

  • Abbott, D. (2014). Applied Predictive Analytics : Principles and Techniques for the Professional Data Analyst. Indianapolis, Indiana: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=752690
  • Barga, R., Tok, W.-H., & Fontama, V. (2015). Predictive Analytics with Microsoft Azure Machine Learning 2nd Edition (Vol. Second edition). [Berkley, CA]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1057093
  • Cardy, R. L., & Leonard, B. (2011). Performance Management: Concepts, Skills and Exercises : Concepts, Skills and Exercises (Vol. 2nd ed). Armonk, N.Y.: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=929342
  • Chorianopoulos, A. (2015). Effective CRM Using Predictive Analytics. Chichester, West Sussex: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1087870
  • Cokins, G. (2009). Performance Management : Integrating Strategy Execution, Methodologies, Risk, and Analytics. Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=317048
  • Dubman, R. (2019). The Digital Governance of Data-driven Smart Cities: Sustainable Urban Development, Big Data Management, and the Cognitive Internet of Things. Geopolitics, History & International Relations, 11(2), 34–40. https://doi.org/10.22381/GHIR11220195
  • Gendron, J. (2016). Introduction to R for Business Intelligence. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1344054
  • Hu, Y., Xu, A., Hong, Y., Gal, D., Sinha, V., & Akkiraju, R. (2019). Generating Business Intelligence Through Social Media Analytics: Measuring Brand Personality with Consumer-, Employee-, and Firm-Generated Content. Journal of Management Information Systems, 36(3), 893–930. https://doi.org/10.1080/07421222.2019.1628908
  • James Taylor. (2011). Decision Management Systems : A Practical Guide to Using Business Rules and Predictive Analytics. [N.p.]: IBM Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1597850
  • Jeremy Swinfen Green, & Stephen Daniels. (2019). Digital Governance : Leading and Thriving in a World of Fast-Changing Technologies. [N.p.]: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2269507
  • Kumar, A. (2016). Learning Predictive Analytics with Python. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1171944