Liiketoimintatiedon hallinta ja hyödyntäminen (5 op)

Arviointiasteikko

H-5

Sisällön jaksotus

Kurssin toteutus on nyt analytiikkapainotteinen. Aikaisemmista SAP-työkaluista on luovuttu.
*
Datan hyödyntämiseen liittyviä käsitteitä
Data hyödyntämisen tavoitteet
Mitä on data-analytiikka
Datan hankinta
Datan esikäsittely
Eksploratiivinen data-analyysi
Datan mallintamisen valmistelu
Luokittelu tai Ennustaminen
Mallin arviointi
Datan visualisointi
MS Power BI Desktop -ohjelman käyttämistä
R-ohjelmointikielen perusteet
Ryhmätyö (mahdollisesti yritystoimeksiantoon)

Tavoitteet

Opintojakson suoritettuaan opiskelija:osaa määritellä, mitä on liiketoimintatiedon hallinta ja hyödyntäminen (BI - Business Intelligence)tuntee BI:n keskeiset käsitteet ja prosessitymmärtää, miksi yritykset panostavat BI:iinosaa mallintaa tietoa ja luoda tietomalleja analyyttisiin tarpeisiin osaa käyttää Data warehouse -ohjelmistoa osaa käyttää BI-työkaluja raportointiin ja kojelautojen laatimiseenymmärtää tiedonlouhinnan ja koneoppisen perusteet ja merkityksentietää, mitä on Big Dataon valmis osallistumaan käytännön BI-projekteihin

Sisältö

liiketoimintatiedon hallinta ja hyödyntäminen (BI - Business Intelligence)BI:n keskeiset käsitteet ja prosessittiedon mallintaminen analyyttisiin tarpeisiinData warehouse -ratkaisun käyttäminenETL-prosessitiedon analysointiin, raportointiin ja kojelautojen laatimiseen tarkoitettujen työkalujen käyttäminentiedonlouhinnan ja koneoppimisen perusteetBig Datan perusteetTKI-työ

Oppimateriaalit

Aspin, Adam
Pro Power BI Desktop
2nd Edition
2017
Available in DawsonEra
Käytännöntehtävien tueksi
*
Larose, Daniel & Chantal Larose
Data Mining and Predictive Analysis
2015
Available in DawsonEra
Etenkin luvut 1-3, 7, 15 ja ainakin yksi mallintamisluku väliltä 9-13
Mallintamismenetelmän valinnassa annamme painoa myös intuitiivisuudelle ja vähäisille matemaattisille vaatimuksille
Teoriatehtäviin ja käytännön tehtävien ymmärtämiseksi
*
Loshin, David
2nd Edition
Business Intelligence: The Savvy Manager’s Guide
Available in DawsonEra
Teoriatehtäviin noin 2-4 lukua

Opetusmenetelmät

Luennoille osallistuminen
Henkilökohtaisten harjoitustehtävien tekeminen
Osallistuminen ryhmätyön tekemiseen
Ensimmäinen luento: perehtymistä kurssin tavoitteisiin, materiaaliin ja joihinkin sen työkaluihin.
Toinen luento: aloitamme käytännön työskentelyn harjoitustehtävien parissa (demoaminen) ja alamme perehtyä kurssin teoreettiseen sisältöön keskustellen.
Talviloman jälkeinen luento (viimeistään): ryhmätyön toimeksiannot julkaistaan.
Viimeinen luento: ryhmätöiden demoaminen.
*
Ei tenttiä

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä.

Pedagogiset toimintatavat ja kestävä kehitys

Data-analyysidemoamiseen osallistuminen luennoilla
Käsitteiden ja teorian vuorovaikutteinen selventäminen luennoilla
Henkilökohtaisten harjoitustehtävien tekeminen
Osallistuminen ryhmätyön tekemiseen

Opiskelijan ajankäyttö ja kuormitus

Luennot 24 h
Kirjallisuuteen perehtyminen 34 h
Henkilökohtaiset harjoitustehtävät 34 h
Ryhmätyöhön osallistuminen 40 h

Arviointimenetelmät ja arvioinnin perusteet

Arviointi perustuu teorian ja käytännön harjoitustehtäviin sekä ryhmässä tehtävään harjoitustyöhön. Harjoittyö on pakollinen, ja sillä on merkittävä vaikutus arvosanaan.
*
Arvosteluskaala:
*
Käytännön tehtäviä 8 kpl. Vaikutus arvosanaan seuraavasti: 3 tehtävää -> arvosana 0,333; 5 -> 1,0; 7 -> 1,5.
*
Kirjatehtäviä 8 kpl. Vaikutus arvosanaan seuraavasti: 3 tehtävää -> arvosana 0,333; 5 -> 1,0; 7 -> 1,5.
*
Harjoitustyö ryhmässä (pakollinen): arvostelu skaalalla 0,334 - 2 perustuen harjoitustyön toimeksiannossa kerrottaviin kriteeteihin.
*
Kaikista yllämainituista osuuksista on saatava vähintään arvosana 0,333 kurssin läpäisemiseksi.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija
- tuntee datan hyödyntämiseen liittyviä käsitteitä ja periaatteita
- tuntee BI:n keskeiset käsitteet
- tuntee data-analyysin vaiheet
- tuntee data-analyysin ja BI:n työkaluja

Arviointikriteerit, hyvä (3-4)

Opiskelija (edellisten lisäksi tai sijasta)
- tuntee laajalti data hyödyntämiseen liittyviä käsitteitä ja periaatteita
- tuntee ja osaa hyödyntää BI:n keskeisiä käsitteitä
- tuntee data-analyysin vaiheet
- osaa käyttää data-analyysin ja BI:n työkaluja
- osaa tulkita data-analyysin tuloksia ja arvioida mallin laatua
- osaa visualisoida dataa analyysin aikana ja tuloksien esittämisessä
- osaa toimia yhtenä jäsenenä data-analyysi- tai BI-projektissa

Arviointikriteerit, kiitettävä (5)

Opiskelija (edellisten lisäksi tai sijasta)
- tuntee laajalti data hyödyntämiseen liittyviä käsitteitä ja periaatteita
- osaa suorittaa data-analyysin vaihe-vaiheelta
- osaa visualisoida dataa mielekkäällä tavalla
- osaa soveltaa data-analyysiin sopivia työkaluja ja ohjelmointikieltä
- osaa tulkita data-analyysin tuloksia ja arvioida mallin laatua
- osaa taitavasti visualisoida dataa analyysin aikana ja tuloksien esittämisessä
- osaa toimia yhtenä kriittisenä jäsenenä data-analyysi- tai BI-projektissa