Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.

  • A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2024/2025

Бизнес-аналитика

Направление: 38.03.01. Экономика
Где читается: Факультет менеджмента (Пермь)
Когда читается: 3-й курс, 4 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 4

Программа дисциплины

Аннотация

Суть данной дисциплины заключается в применении уже изученных методов анализа данных в контексте реальных бизнес-ситуаций. Студенты усовершенствуют навыки работы с эконометрическими моделями, статистическими методами и технологиями машинного обучения, научатся применять их для решения текущих бизнес-задач. Курс акцентируется на практическом использовании инструментов анализа данных, исследуя, какие конкретные задачи могут быть решены с их помощью, а также на какие практические выводы можно прийти после их применения.
Цель освоения дисциплины

Цель освоения дисциплины

  • • Подготовка в области основ гуманитарных, социальных, экономических и математических знаний, получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.
  • • Формирование социально-личностных качеств студентов: целеустремленности, организованности, трудолюбия, ответственности, активной общественной позиции, коммуникабельности толерантности, повышение их общей культуры и расширение кругозора
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать базовые статистические и машинные методы, применяемые в анализе данных
  • Владеть практическими навыками работы с данными на всех этапах: от сбора и очистки до построения модели и визуализации результатов
  • Уметь ставить аналитическую задачу, выбирать подходящий метод анализа и интерпретировать полученные результаты
  • Владеть навыками принятия обоснованных решений на основе анализа данных и результатов экспериментов.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Методы анализа данных: статистика, машинное обучение и причинно-следственные связи
  • Анализ потребительского поведения на основе данных
  • Аналитика для принятия бизнес-решений: финансы, логистика и оптимизация
Элементы контроля

Элементы контроля

  • неблокирующий Экзамен
    письменный тест с открытыми и закрытыми вопросами на 80 минут по методам анализа данных, выбору корректного метода для задачи, а также по интерпретации.
  • неблокирующий Микроконтроли
    Оценка за микроконтроли рассчитывается как среднее арифмитеческое отдельных микроконтролей. Обычно микроконтроль проводится в начале семинара или лекции в течение 5-7 минут, включает в себя вопросы по пройденному материалу
  • неблокирующий Отчеты
    По итогам части семинаров студенты оформляют отчет о проделанной работе. Оценка за отчеты составляет среднее арифметическое всех отчетов
  • неблокирующий Проект
    Командный проект в группе не более 2-х человек, выполняется на выбранных студентами данных по утвержденной теме. Защита по усмотрению преподавателя
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 4th module
    0.2 * Микроконтроли + 0.2 * Отчеты + 0.3 * Проект + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Rogers, S., & Girolami, M. (2016). A First Course in Machine Learning (Vol. 2nd ed). Milton: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1399490
  • Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl, K. C. (2017). Data Mining for Business Analytics : Concepts, Techniques, and Applications in R. Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1585613
  • Wooldridge, J. M. . (DE-588)131680463, (DE-627)512715513, (DE-576)298669293, aut. (2013). Introductory econometrics a modern approach Jeffrey M. Wooldridge.
  • Анализ данных : учебник для вузов / В. С. Мхитарян [и др.] ; под редакцией В. С. Мхитаряна. — Москва : Издательство Юрайт, 2024. — 448 с. — (Высшее образование). — ISBN 978-5-534-19964-2. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/557384 (дата обращения: 27.08.2024).
  • Толмачев, М. Н., Бизнес-аналитика: Статистическая обработка данных : учебное пособие / М. Н. Толмачев, Э. Ю. Чурилова. — Москва : КноРус, 2024. — 283 с. — ISBN 978-5-406-13350-7. — URL: https://book.ru/book/955151 (дата обращения: 26.08.2024). — Текст : электронный.

Рекомендуемая дополнительная литература

  • Business statistics in practice, Bowerman, B. L., 2009
  • Matt Wiley, & Joshua F. Wiley. (2019). Advanced R Statistical Programming and Data Models : Analysis, Machine Learning, and Visualization. Apress.
  • Newbold, P., Carlson, W. L., & Thorne, B. (2013). Statistics for Business and Economics: Global Edition (Vol. Eight edition). Boston, Massachusetts: Pearson Education. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1417883

Авторы

  • Борисова Елена Феликсовна
  • Шенкман Евгения Андреевна