1. SylabUZ
2. Wydział Ekonomii i Zarządzania
3. semestr zimowy 2023/2024
4. Ekonomia - pierwszego stopnia z tyt. licencjata
5. Analiza danych

Wygeneruj PDF dla tej strony

Analiza danych - opis przedmiotu

Cel przedmiotu

Celem przedmiotu jest przekazanie studentom wiedzy dotyczącej problematyki analizy danych w przedsiębiorstwie oraz nabycie umiejętności wykorzystania standardowego oprogramowania do analizy danych, z uwzględnieniem pozyskania danych z systemów informatycznych wspomagających zarządzanie przedsiębiorstwem.

Wymagania wstępne

Zapisz zmiany

Brak.

Zakres tematyczny

Wykład: Obszary analizy danych w przedsiębiorstwie. Metody i modele analizy danych. Wielowymiarowa analiza danych pozyskanych z systemów informatycznych przedsiębiorstwa. Problematyka jakości pozyskanych informacji. Analiza danych w obszarze zarządzania relacjami z klientami. Analiza danych w zintegrowanych systemach informatycznych wspomagających zarządzanie przedsiębiorstwem. Istota i zastosowanie analizy decyzyjnej w zarządzaniu przedsiębiorstwem.

Laboratorium: Wykorzystanie standardowego oprogramowania do analizy danych w różnych obszarach działalności przedsiębiorstwa (np. sprzedaży, controllingu, zakupów, gospodarki magazynowej, cyklu życia produktu). Interpretacja i prezentacja wyników analizy danych. Wielowymiarowa analiza danych z wykorzystaniem narzędzi opartych na technologii OLAP. Przeprowadzenie analizy decyzyjnej w oparciu o bazę danych systemu informatycznego i zaprezentowanie sporządzonych raportów, wraz z oceną ich użyteczności w procesie decyzyjnym przedsiębiorstwa.

Metody kształcenia

Wykład: wykład konwencjonalny, prezentacja multimedialna, analiza studium przypadku.

Ćwiczenia laboratoryjne w pracowni komputerowej, metoda projektu.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Zaliczenie wykładu obejmuje problematykę analizy danych z uwzględnieniem wykorzystania archiwum danych systemu informatycznego przedsiębiorstwa, a także nowe trendy w wykorzystaniu narzędzi informatycznych do analizy danych. Zaliczenie jest w formie pisemnej i obejmuje 10 pytań. Zasady ustalania oceny są następujące: 0-5 pkt. „ndst”, 5,5-6 pkt. „dst”, 6,5-7 pkt. „dst+”, 7,5-8 pkt. „db”, 8,5-9 pkt. „db+”, 9,5-10 pkt. „bdb”.

Studenci zobowiązani są do aktywnego i systematycznego uczestniczenia w wykładach i laboratoriach. W przypadku nieobecności należy uzgodnić z prowadzącym sposób odrobienia zaległego laboratorium.

Zaliczenie zajęć laboratoryjnych obejmuje zagadnienia właściwego doboru danych do analizy z bazy danych przykładowego przedsiębiorstwa, a także poprawnego wykorzystania metod i modeli oraz doboru odpowiedniego narzędzia informatycznego do wyznaczenia analiz ekonomicznych i ich interpretacji. W ramach zajęć laboratoryjnych studenci rozwiązują zadania oraz realizują poszczególne etapy projektu z wykorzystaniem standardowego oprogramowania do analizy danych. Ocena końcowa z zajęć laboratoryjnych uzależniona jest od:

-          kolokwium (40% oceny końcowej),

-          projektu (40% oceny końcowej),

-          aktywnego udziału w zajęciach oraz systematycznej pracy studenta podczas całego semestru (20% oceny końcowej).

Zakres punktowy dla oceny z zajęć laboratoryjnych jest taki sam jak przy zaliczeniu wykładu.

Na ocenę końcową przedmiotu składa się ocena z laboratorium (50%) i wykładu (50%). Warunkiem zaliczenia przedmiotu są pozytywne oceny z laboratorium i wykładu.

Literatura podstawowa

1. Dobrowolska B., Praktyczne aspekty analizy danych w biznesie. Wyd. Biblioteka, Łódź 2017.
2. Provost F., Analiza danych w biznesie: sztuka podejmowania skutecznych decyzji. Wyd. Helion, Gliwice 2023.
3. Trzaskalik T. (red.), Analiza i wspomaganie decyzji w praktyce gospodarczej. Wyd. Uniwersytet Ekonomiczny, Katowice 2016.
4. Wolny M., Innowacyjne metody i narzędzia wspomagające podejmowanie decyzji w zarządzaniu. Wyd. Wyższa Szkoła Biznesu, Dąbrowa Górnicza 2010.
5. Chambers J., Graphical methods for data analysis. Wyd. CRC Press 2018.

Literatura uzupełniająca

1. Grigsby M., Marketing analytics: jak skutecznie korzystać ze statystyk, analiz, modeli i big data w marketingu. Wyd. PWN, Warszawa 2019.
2. Harding J., Qualitative data analysis: from start to finish. Wyd. Sage 2018.
3. Kusleika D., Wizualizacja danych: pulpity nawigacyjne i raporty w Excelu. Wyd. Helion, Gliwice 2023.
4. Relich M., Decision support for product development. Wyd. Springer 2020.

Uwagi

Zmodyfikowane przez dr hab. inż. Marcin Relich, prof. UZ (ostatnia modyfikacja: 18-05-2023 16:48)