Анализ данных в бизнесе

Бакалавриат 2019/2020

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Менеджмент)

Направление: 38.03.02. Менеджмент

Кто читает: Департамент экономики и финансов

Где читается: Факультет экономики, менеджмента и бизнес-информатики

Когда читается: 3-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Преподаватели: Кашин Дмитрий Викторович, Папушина Юлия Олеговна, Шенкман (Попова) Евгения Андреевна

Язык: русский

Кредиты: 5

Контактные часы: 60

Полная версия программы учебной дисциплины

Аннотация

В рамках данного курса студенты изучат базовые концепции анализа данных, которые могут быть применимы к широкому классу управленческих задач и в целом задач бизнеса. На лекции разбирается суть отдельных инструментов анализа, их применимость к различным задачам. На семинарах изучается алгоритм применения отдельных инструментов анализа и оттачиваются навыки применения на учебных и реальных кейсах.

Цель освоения дисциплины

Подготовка к информационно-аналитической и научно-исследовательской деятельности, а также к продолжению обучения в магистратуре и аспирантуре.
Знакомство студента с основными понятиями, используемыми при изучении дисциплины.
Формирование представления студента о методах анализа данных, выбора оптимальных методов.
Демонстрация основных подходов к интерпретации результатов в ходе анализа данных компаний.

Планируемые результаты обучения

Студент знает и интерпретирует основные понятия и термины.
Студент знает и умеет применять базовые подходы анализа данных.

Содержание учебной дисциплины

Выборка и базовые подходы анализа данных
Тема 1. Конструирование выборки: общий подход и статистические процедуры Общий подход. Основные понятия: генеральная совокупность, выборка, систематическая ошибка выборки, случайная ошибка выборки, репрезентативность. Вероятностные и невероятностные методы построения выборки, возможности и ограничения каждой группы методов. Вероятностные методы: простая случайная выборка, систематическая выборка, стратифицированная выборка, кластерная выборка. Невероятностные методы построения выборки: доступная, целевая, метод снежного кома, квотная выборка. Статистические процедуры. От чего зависит объем выборки. Роль нормального распределения. Среднеквадратическая ошибка. Подходы к расчету размера выборки: доверительные интервалы, средние арифметические значения. Определение размера выборки для категориальных переменных. Корректирование статистически определенных размеров выборки. Выборки в интернет-опросах: возможности и ограничения. Проблема генеральной совокупности. Проблема самоотбора. Тема 2. Статистические тесты для категориальных и порядковых переменных Уровни измерения признаков: номинальные, порядковые, интервальные. Мера качественной вариации признака. Понятие таблицы сопряженности. Глобальные и локальные коэффициенты связи. Статистика «Хи-квадрат». Коэффициенты для четырехклеточных таблиц. Меры Л. Гудмена и Е. Краскала для порядковых переменных. Тема 3. Параметрические vs. непараметрические тесты Как работают параметрические тесты: t-тест и z-тест. Как работают непараметрические тесты. Сравнение двух независимых выборок: тест Манн-Уитни, Тест Мозеса, тест Колмогорова-Смирнова. Сравнение двух зависимых выборок: тест Уилкоксона. Тема 4. Дисперсионный анализ Задачи, решаемые с помощью дисперсионного анализа. Ограничения применения дисперсионного анализа. Одномерный и многомерный дисперсионный анализ. Дискретные и непрерывные переменные. Однофакторный анализ: модель однофакторного дисперсионного анализа, корреляционное отношение, общая, частная и остаточная дисперсия, тест на однородность, критерий Фишера.
Многомерный анализ данных и основы прогнозирования
Тема 5. Факторный анализ. Содержание темы: понятие латентного признака, анализ главных компонент, эксплораторный факторный анализ (exploratory factor analysis), конформаторный факторный анализ (confirmatory factor analysis): цели и задачи, теоретическое описание методов, практическая, алгоритм применения. Применение факторного анализа: задача сокращения размерности, задача создания индекса, задача классификации. Тема 6. Кластерный анализ Содержание темы: цели и задачи кластеризации; иерархическая кластеризация: теоретическое описание метода, алгоритм применения, дендрограмма; неиерархическая кластеризация: кластеризация k-средних и k-median, теоретическое описание методы, алгоритм применения, критерии выбора количества кластеров; пояснение на примере сегментирования игроков в компьютерной онлайн игре. Тема 7. Методы прогнозирования временного ряда Содержание темы: задача прогнозирования временного ряда, интерполяция и экстраполяция, обучающая и экспериментальная выборка, простейшие методы прогнозирования: наивный прогноз, скользящее среднее, экспоненциальное сглаживание, аддитивная модель сезонности; показатели качества прогноза.

Элементы контроля

Контрольная работа
Аудиторная работа
Самостоятельная работа
Экзамен
Экзамен проводится в виде теста в течение 60 минут на площадке Траектория (http://trajectory.hse.perm.ru/). В это же время студенты должны находится в zoom сессии со включенной камерой. Для прохождения экзамена студенту необходим компьютер (ноутбук), веб-камера и устойчивый интернет.

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.2 * Аудиторная работа + 0.3 * Контрольная работа + 0.1 * Самостоятельная работа + 0.4 * Экзамен

Программа дисциплины