Научно-исследовательский семинар "Информационная бизнес-аналитика"

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Департамент бизнес-информатики

Статус:

Курс по выбору

Когда читается:

4-й курс, 1, 2 модуль

Преподаватель

Брускин Сергей Наумович

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 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

• 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

• 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

• Домашнее задание
• Аудиторная работа
• Экзаменационная работа

Промежуточная аттестация

• 2024/2025 2nd module
  0.15 * Аудиторная работа + 0.5 * Домашнее задание + 0.35 * Экзаменационная работа

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

Авторы

• Брускин Сергей Наумович