Управление B2C-бизнесом: технологии и инновации

Кто читает:: Департамент бизнес-информатики

Статус:: Курс обязательный

Когда читается:: 1-й курс, 4 модуль

Преподаватель

Никивинце Ирина Сергеевна

Дополнительные материалы в LMS Задать вопрос

Аннотация

В современном мире данные играют ключевую роль, а аналитика и инструменты искусственного интеллекта (ИИ) становятся неотъемлемыми составляющими конкурентоспособности любого бизнеса. Дисциплина "Бизнес-аналитика и ИИ в прикладных задачах ритейла" направлена на формирование у студентов навыков применения аналитики и ИИ для принятия обоснованных бизнес-решений. Курс подчеркивает актуальность бизнес-аналитики в решении прикладных задач ритейла, обучая обработке и визуализации данных, а также их сегментации, прогнозированию и оптимизации. Реальные кейсы и проектная работа укрепляют способность студентов эффективнее преодолевать бизнес-вызовы. Дисциплина "Бизнес-аналитика и ИИ в прикладных задачах ритейла" дает основание и аргументацию к принятию обоснованных решений в бизнесе. Современные аналитические платформы на основе ИИ позволяют менеджерам и предпринимателям самостоятельно проводить работу с источниками данных, их обработку, анализ, а также на основе сценарного моделирования и проверки гипотез обосновывать принятие решений, в том числе стратегического характера. Курс раскрывает подходы и интеллектуальные технологии, подходящие как для индивидуального, так и для коллективного использования, при решении различных задач с использованием методов бизнес-аналитики и технологий ИИ в задачах ритейла.

Цель освоения дисциплины

Понимание современных технологий ИИ и их применения: узнать основные принципы работы ИИ инструментов, их возможности и применение в ритейле.
Знание основ бизнес-аналитики: изучить ключевые концепции и методы бизнес-аналитики, включая сбор, обработку и анализ данных.
Получение практических навыков работы с данными: попрактиковаться обрабатывать, визуализировать и анализировать данные из различных источников, включая открытые данные и базы данных.
Применение инструментов BI: освоить использование аналитических инструментов для создания отчетов и дашбордов, позволяющих принимать обоснованные решения.
Оценка эффективности решений: развить навыки оценки эффективности принятых бизнес-решений на основе аналитических данных.

Планируемые результаты обучения

Студенты разберутся в современных трендах в бизнес-аналитике, таких как большие данные, ИИ, облачные технологии, нейросети, большие языковые модели (LLM).
Студенты oсвоят базовые концепции и термины, связанные с анализом данных, смогут отличать типы данных и подбирать релевантные методы сбора и обработки исходных данных в зависимости от их типа.
Студенты смогут проводить разведочный анализ данных, вычислять средних значений, медиан, стандартных отклонений, визуализировать данные с помощью графиков, оценивать качество исходных данных.
Студенты смогут самостоятельно проводить очистку данных, выявлять ошибки и аномалии.
Студенты смогут дать определение бизнес-аналитики, отличать ее ключевые задачи от задач системной аналитики.
Студенты поймут важность аналитики в процессе принятия решений и ее влияние на эффективность планирования в ритейле.
Они разберутся в ключевых направлениях применения ИИ в аналитикe и смогут привести примеры успешных кейсов из реального мира.
Студенты смогут выбрать наиболее релевантные инструменты для решения аналитической задачи.
Студенты смогут более целенаправленно выбирать различные типы визуализаций и применять их в зависимости от целей анализа и типов данных.
Студенты смогут разрабатывать сторителлинг на основе данных для представления информации наглядным и понятным для менеджеров способом.
Студенты освоят принципы проектирования эффективных дашбордов для визуализации ключевых показателей эффективности (KPI) в ритейле.
Они приобретут практические навыки работы с инструментами визуализации данных, такими как Яндекс Data Lens, Visiology и другими BI-приложениями.
Они будут уметь использовать инструменты и программное обеспечение для формирования сегментов клиентов и визуализации результатов.
Они овладеют техниками кластерного анализа и другими алгоритмами для формирования сегментов клиентов по схожим характеристикам.
Студенты смогут применять различные методы сегментации клиентов.

Содержание учебной дисциплины

Введение в современную бизнес-аналитику и ИИ
Введение в анализ данных
Разведочный анализ данных
Визуализация данных и создание дашбордов
Клиентская аналитика и методы сегментации
Продуктовая аналитика и прогнозирование
Операционная аналитика и оптимизация
Внедрение ИИ, автоматизация и персонализация

Элементы контроля

Экзамен
Домашнее задание
Разработать интерактивный дашборд в Яндекс DataLens или в Visiology, который поможет анализировать ключевые бизнес-показатели и процессы для принятия управленческих решений на основе данных. Дашборд должен быть понятным, визуально привлекательным, содержать важную информацию, 3-6 графиков, панель с KPI метриками и несколько фильтров.
Групповой проект

Промежуточная аттестация

2024/2025 4th module
0.55 * Групповой проект + 0.15 * Домашнее задание + 0.3 * Экзамен

Список литературы

Авторы

Никивинце Ирина Сергеевна