2022/2023

Архитектура решений для бизнес-аналитики на основе данных

Статус: Маго-лего

Кто читает: Департамент бизнес-информатики

Когда читается: 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Хапаева Наталья Михайловна

Язык: русский

Кредиты: 6

Контактные часы: 48

Программа дисциплины

Аннотация

Курс направлен на: • Обзор и решение практических задач по выбору решений для обработки данных и моделирования • Сравнительный анализ с OLAP, реляционными СУБД (Postgres), NoSQL (ElasticSearch, Mongo DB) и Hadoop и примеры решения практических задач. • Обзор процессов и методологий, связанных с аналитикой данных. • Обзор типовых технических решений для аналитики и принципов их эксплуатации. • Освоение принципов управления данными в компаниях и цифровых экосистемах.

Цель освоения дисциплины

• • Целью освоения дисциплины " Архитектура решений для бизнес-аналитики на основе данных" является получение студентами знаний технологиях анализа данных и навыков владения современными методами и средствами, предназначенными для обработки и хранения данных и построения аналитики по ним для задач бизнес и дата аналитики.

Планируемые результаты обучения

• Воспроизводит основные принципы организации реляционных БД и хранилищ данных.
• Владеет основными методами обработки информации в реляционых БД, включая язык SQL.
• Применяет инструментарий распределенной обработки данных и построения аналитики на промышленных массивах данных.
• Применяет полученные знания в задачах обработки больших данных с помощью NoSQL-инструментов для получения аналитической отчетности.
• Применяет инструменты работы с хранилищами данных для решения задач аналитики данных.
• Воспроизводит основные принципы работы NoSQL-баз данных и определяет их отличия от реляционных БД.
• Определяет место и роль Big Data-инструментов в задачах аналитики
• Описывает, как организованы процессы управления данными в организациях и цифровых экосистемах.

Содержание учебной дисциплины

• Основные концепции организации реляционных баз данных и хранилища данных (DWH)
• NoSQL – базы данных
• Инструменты работы с Big Data
• Data Governance: основы управления данными в компаниях и цифровых экосистемах

Элементы контроля

• Аудиторная работа
• Решение бизнес-кейсов
• Экзамен
  Защита проектов в составе мини-групп

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.3 * Аудиторная работа + 0.45 * Решение бизнес-кейсов + 0.25 * Экзамен

Список литературы

Рекомендуемая основная литература

• Dean, J., & Ghemawat, S. (2008). Mapreduce: Simplified Data Processing on Large Clusters. Communications of the ACM, 51(1), 107–113. https://doi.org/10.1145/1327452.1327492
• Kimball R., Margy Ross M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. – John Wiley & Sons, 2013.
• Luu H. Beginning Apache Spark 2: With Resilient Distributed Datasets, Spark SQL, Structured Streaming and Spark Machine Learning Library. – Berkeley: Apress, 2018.
• Rohan Light, Beenish Saeed, Nathalie de Marcellis-Warin, Abdelaziz Khadraoui, Alison Holt, Benoit Aubert, David Sutton, Frédéric Gelissen, Alisdair McKenzie, Geoff Clarke, Rose Pan, & Ming Li. (2021). Data Governance : Governing Data for Sustainable Business. BCS, The Chartered Institute for IT.

Рекомендуемая дополнительная литература

• Evren Eryurek, Uri Gilad, Valliappa Lakshmanan, Anita Kibunguchy-Grant, & Jessi Ashdown. (2021). Data Governance: The Definitive Guide: Vol. First edition. O’Reilly Media.
• John Ladley. (2020). Data Governance : How to Design, Deploy, and Sustain an Effective Data Governance Program: Vol. Second edition. Academic Press.
• White T. Hadoop: The Definitive Guide. - O'Reilly Media, 2015.

Авторы

• Хапаева Наталья Михайловна
• Яковлева Наталия Вадимовна