Магистратура
2024/2025





Бизнес-аналитика и ИИ как инструмент эффективного управления
Кто читает:
Департамент бизнес-информатики
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Архипкина Светлана Владимировна
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
Курс «Бизнес-аналитика и ИИ для поддержки управленческих решений» предоставляет комплексное понимание современных методов анализа данных и их практического применения для повышения эффективности бизнеса. Программа дает менеджерам и специалистам ключевые навыки для самостоятельной работы с данными - от их сбора и очистки до построения прогнозных моделей и создания интерактивных дашбордов.
В ходе обучения раскрываются передовые интеллектуальные технологии, включая машинное обучение, BI-системы и генеративный ИИ, которые позволяют проводить глубокий анализ, проверять гипотезы и обосновывать стратегические решения. Курс охватывает полный цикл внедрения аналитических решений в бизнес-процессы: от формулировки требований и методологии CRISP-DM до оценки ROI и юнит-экономики ML-моделей.
Освоенные подходы и инструменты подходят для индивидуального и коллективного использования при решении широкого спектра задач в таких областях, как ритейл, финтех и логистика и других, обеспечивая выпускников способностью реализовывать end-to-end проекты на стыке бизнес-аналитики и ИИ.
Цель освоения дисциплины
- Сформировать навыки проведения полного цикла анализа данных: от постановки бизнес-задачи до реализации и внедрения решения
- Приобрести умение интерпретировать результаты анализа данных и машинного обучения и доносить их до заинтересованных сторон в форме презентаций и дашбордов
- Готовность самостоятельно организовать работу по внедрению элементов ИИ и бизнес-аналитики в операционные и стратегические процессы компании
Планируемые результаты обучения
- Владеть навыками подготовки аналитических материалов по результатам исследовательских и аналитических проектов для информационного обеспечения принятия управленческих решений
- Владеть навыками применения современных техник и методик сбора данных, продвинутых методов их обработки и анализа, методами количественного и качественного анализа для принятия управленческих решений
- Умеет извлекать данные из источников, анализировать качество данных, обнаруживать статистические особенности данных и выявлять аномалии
- Уметь обрабатывать эмпирические и экспериментальные данные
Содержание учебной дисциплины
- Предварительный анализ данных
- Методы и модели анализа данных
- Представление результатов анализа данных
Элементы контроля
- Аудиторная работаПосещаемость студента и выполнение домашних заданий
- ЭкзаменЭкзаменационная работа представляет из себя тест с вопросами закрытого типа. Форма экзамена: Экзамен проводится в письменной форме. Платформа проведения: Экзамен проводится на платформе StartExam. Для участия в экзамене студент обязан: Не позднее 7 дней до проведения экзамена проверить работоспособность компьютерного оборудования, необходимого для сдачи экзамена и убедиться в соответствие имеющегося оборудования требованиям к компьютеру для участия в экзамене на платформе StartExam. Войти на платформу StartExam под личной учетной записью (используется аккаунт студента @edu.hse.ru); Перед началом экзамена проверить скорость работы сети Интернет (для наилучшего результата рекомендуется подключение компьютера к сети через кабель); Подготовить необходимые для проведения экзамена инструменты: ручка, листы бумаги, калькулятор и т. д.; Отключить в диспетчере задач компьютера иные приложения, кроме браузера, в котором будет выполняться вход на платформу StartExam. В случае, если одно из необходимых условий участия в экзамене невозможно выполнить, необходимо за 2 недели до даты проведения экзамена проинформировать об этом преподавателя или сотрудника учебного офиса для принятия решения об участии студента в экзаменах. Во время экзамена студентам запрещено: Пользоваться конспектами, учебниками, прочими учебными материалами; Покидать место выполнения экзаменационного задания; Пользоваться умными гаджетами (смартфон, планшет и др.); Привлекать посторонних лиц для помощи в проведении экзамена, разговаривать с посторонними во время выполнения заданий; Вслух громко зачитывать задания. Во время экзамена студентам разрешено: Использовать бумагу, ручку для ведения записей, расчетов; Использовать калькулятор для ведения расчетов; Запрашивать у преподавателя дополнительную информацию, связанную с выполнением экзаменационного задания; Взаимодействовать с другими студентами по разрешению преподавателя. В случае долговременного нарушения связи с платформой StartExam во время выполнения экзаменационного задания, студент должен уведомить об этом преподавателя, зафиксировать факт потери связи с платформой (скриншот, ответ от провайдера сети Интернет) и обратиться в учебный офис с объяснительной запиской о случившемся для принятия решения о пересдаче экзамена.
- Групповой проектВыполнение группового проекта предусматривает построение моделей анализа реальных данных, выявление регулярных выражений, построение аналитических срезов и фильтров, выделение корреляций между срезами, отображение взаимосвязей и визуализацию итогов анализа в BI системе
Промежуточная аттестация
- 2024/2025 1st module0.2 * Аудиторная работа + 0.4 * Групповой проект + 0.4 * Экзамен
Список литературы
Рекомендуемая основная литература
- Adam Aspin. (2020). Pro Power BI Desktop : Self-Service Analytics and Data Visualization for the Power User: Vol. Third edition. Apress.
- Aurélien Géron. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow : Concepts, Tools, and Techniques to Build Intelligent Systems: Vol. Second edition. O’Reilly Media.
- Dr. Ossama Embarak. (2018). Data Analysis and Visualization Using Python : Analyze Data to Create Visualizations for BI Systems. Apress.
- Маккинни, У. Python и анализ данных / У. Маккинни , перевод с английского А. А. Слинкина. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2020. — 540 с. — ISBN 978-5-97060-590-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131721 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Миркин, Б. Г. Введение в анализ данных : учебник и практикум / Б. Г. Миркин. — Москва : Издательство Юрайт, 2020. — 174 с. — (Высшее образование). — ISBN 978-5-9916-5009-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/450262 (дата обращения: 27.08.2024).
Рекомендуемая дополнительная литература
- 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
- Кондрашов, Ю. Н., Язык SQL. Сборник ситуационных задач по дисциплине «Базы данных» : учебно-практическое пособие / Ю. Н. Кондрашов. — Москва : Русайнс, 2021. — 125 с. — ISBN 978-5-4365-8669-4. — URL: https://book.ru/book/942020 (дата обращения: 04.07.2025). — Текст : электронный.
- Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка , перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100905 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Шарден, Б. Крупномасштабное машинное обучение вместе с Python : учебное пособие / Б. Шарден, Л. Массарон, А. Боскетти , перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 358 с. — ISBN 978-5-97060-506-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/105836 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.