Business Intelligence (5 cr)

Evaluation scale

H-5

Content scheduling

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)

Objective

Aftercompleting the course the student:can define the concept of Business Intelligence (BI)knows the central concepts and processes of BIunderstands the driving forces of BIcan create analytical data modelscan use and manage data warehousescan use BI tools for reporting, ad hoc queries, analysis, and for creating dashboardshas basic understanding of data mining and machine learningcan define Big Datais ready to participate in BI projects

Content

Business Intelligence definedMain concepts and processes of BIModelling data for analytical purposesUsing data warehouseExecuting ETL processUsing BI toolsBasics of Data Mining and Machine LearningBasics of Big DataRDI assignment

Materials

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

Teaching methods

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

Exam schedules

Ei tenttiä.

Pedagogic approaches and sustainable development

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

Student workload

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

Evaluation methods and criteria

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.

Assessment criteria, satisfactory (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

Assessment criteria, good (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

Assessment criteria, excellent (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