Анализ данных в бизнесе

Бакалавриат 2021/2022

Статус: Курс по выбору (Экономика)

Направление: 38.03.01. Экономика

Кто читает: Базовая кафедра компании SAS

Где читается: Факультет экономических наук

Когда читается: 3-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Воробьева Мария Сергеевна, Дудников Константин Эдуардович, Лапшин Виктор Александрович, Миронов Александр Владимирович, Петровский Михаил Игоревич, Пятов Алексей Александрович, Романенко Алексей Александрович, Тараканов Георгий Иванович, Титова Наталия Николаевна

Язык: русский

Кредиты: 6

Контактные часы: 64

Полная версия программы учебной дисциплины

Аннотация

Интеллектуальный анализ данных находит всё большее применение в различных отраслях экономики. Совершенствуются математические методы, разрабатываются новые модели и подходы для решения прикладных бизнес задач. При этом практическое применение методов интеллектуального анализа данных в бизнесе требует специализированных знаний и навыков. Целью данного курса является рассмотрение современных подходов, инструментов и методов интеллектуального анализа данных, применяемых в таких прикладных областях как клиентская аналитика, управление рисками и организация розничной торговой сети. Обучение построено на изучении не только соответствующих математических моделей и алгоритмов, но и на рассмотрении примеров их реального применения в этих областях, что позволит студентам изучить весь жизненный цикл аналитической модели, начиная с этапа формирования требований и подготовки данных и заканчивая этапом внедрения и эксплуатации.

Цель освоения дисциплины

Получение представления об особенностях задач анализа данных в бизнесе с учетом специфики разных отраслей экономики, знакомство с конкретными примерами бизнес-задач, использующих анализ данных
Знакомство со специализированным программным обеспечением SAS для решения поставленных задач в рамках курса.

Планируемые результаты обучения

Использовать программные средства загрузки, обработки, визуализации и интерактивно-го исследования данных, а также строить и применять на практике описательные и про-гнозные модели интеллектуального анализа данных и машинного обучения с использованием
Использовать программные средства загрузки, обработки, визуализации и интерактивно-го исследования данных, а также строить и применять на практике описательные и про-гнозные модели интеллектуального анализа данных и машинного обучения с использованием
Ключевые показатели эффективности и основные метрики операционной и финансовой деятельности, используемые в разных отраслях экономики, отраслевую и функциональ-ную специфику реализации задач анализа данных в бизнесе.
Математические методы и модели для решения задач анализа данных в бизнесе, возни-кающих в области клиентской аналитики, в розничных сетях продаж товаров и при анализе и оценке рисков, принципы проверки и представления результата решения этих задач.
Основные формулировки, особенности и характеристики прикладных задач анализа дан-ных в бизнесе, возникающих в области клиентской аналитики, в розничных сетях про-даж товаров и при анализе и оценке рисков.
Оформлять и представлять свои результаты в виде бизнес-презентации.
Семейство программных технологий SAS для обработки и анализа данных, включая про-граммные продукты SAS для загрузки и предобработки данных, интерактивного исследования данных, построения и применения прогнозных и описательных моделей
Формулировать, решать и оценивать результат решения задач анализа данных в бизнесе, возникающих в области клиентской аналитики, в розничных сетях продаж товаров и при анализе и оценке рисков и в других отраслях экономики.

Содержание учебной дисциплины

Клиентская аналитика. Лекция 1.1. Введение в клиентскую и онлайн аналитику
Клиентская аналитика. Семинар 1.1. Введение в клиентскую и онлайн аналитику
Клиентская аналитика. Лекция 1.2. Построение прогнозных моделей и визуализация данных
Клиентская аналитика. Семинар 1.2. Построение прогнозных моделей и визуализация данных
Текстовая аналитика. Лекция 2.1. Введение в текстовую аналитику
Текстовая аналитика. Семинар 2.1. Введение в текстовую аналитику
Текстовая аналитика. Лекция 2.2. Построение прогнозных моделей в текстовой аналитике
Текстовая аналитика. Семинар 2.2. Построение прогнозных моделей в текстовой аналитике
Задачи анализа данных в розничных сетях продаж товаров. Лекция 3.1. Введение в задачи анализа данных в ритейле. Прогнозирование спроса
Задачи анализа данных в розничных сетях продаж товаров. Семинар 3.1. Введение в задачи анализа данных в ритейле. Прогнозирование спроса
Задачи анализа данных в розничных сетях продаж товаров. Лекция 3.2. Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса
Задачи анализа данных в розничных сетях продаж товаров. Семинар 3.2. Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса
Задачи анализа данных в розничных сетях продаж товаров. Лекция 3.3. Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента
Задачи анализа данных в розничных сетях продаж товаров. Семинар 3.3. Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента
Основы оценки рисков. Лекция 4.1. Введение в кредитные риски
Основы оценки рисков. Семинар 4.1. Введение в кредитные риски
Основы оценки рисков. Лекция 4.2. Введение в рыночные риски
Основы оценки рисков. Семинар 4.2. Введение в рыночные риски
Основы оценки рисков. Лекция 4.3. Валидация моделей
Основы оценки рисков. Семинар 4.3. Валидация моделей
ModelOps. Лекция 5. ModelOps - Операционализация моделей машинного обучения
ModelOps. Семинар 5. ModelOps - Операционализация моделей машинного обучения
Техника презентации
Отраслевая специфика и прикладные аспекты задач анализа данных
Командный проект

Элементы контроля

Контрольная работа №1
Контрольная работа №2
Контрольная работа №3
Практический проект (Командный проект)
Экзамен
Экзамен проводится дистанционно в формате компьютерного теста. Ссылка на тест будет выслана студентам перед началом экзамена.

Промежуточная аттестация

2021/2022 учебный год 4 модуль
0.2 * Экзамен + 0.1 * Контрольная работа №1 + 0.1 * Контрольная работа №2 + 0.5 * Практический проект (Командный проект) + 0.1 * Контрольная работа №3

Список литературы

Авторы

Филипенков Николай Владимирович
Титова Наталия Николаевна

Программа дисциплины