Μαθήματα

Επιχειρηματική Ευφυία και Επιχειρηματική Αναλυτική

Γενικά

Περιεχόμενα μαθήματος

  1. Εισαγωγή στην επιχειρηματική ευφυία και την επιχειρηματική αναλυτική: βασικές έννοιες, οφέλη, προκλήσεις και περιορισμοί.
  2. Οπτική και διερευνητική ανάλυση δεδομένων: είδη διαγραμμάτων και τα χαρακτηριστικά τους.
  3. Οπτική και διερευνητική ανάλυση δεδομένων: εφαρμογές.
  4. Κανόνες κατανόησης και σωστής ερμηνείας των δεδομένων.
  5. Ανακάλυψη γνώσης στα δεδομένα και εξόρυξη δεδομένων: έννοιες και τεχνικές.
  6. Ανακάλυψη γνώσης στα δεδομένα και εξόρυξη δεδομένων: εφαρμογές.
  7. Αρχές μοντελοποίησης προβλημάτων – προεπεξεργασία δεδομένων.
  8. Αναλυτικά μοντέλα που βασίζονται σε κανόνες συσχέτισης (association rules).
  9. Αναλυτικά μοντέλα που βασίζονται στην ομαδοποίηση/ ανάλυση συστάδων (clustering).
  10. Αναλυτικά μοντέλα που βασίζονται στην κατηγοριοποίηση (classification).
  11. Εφαρμογές επιχειρηματικής αναλυτικής στις πωλήσεις και το μάρκετινγκ (τμηματοποίηση, τιμολόγηση, εκπτώσεις).
  12. Λογισμικό για επιχειρηματική ευφυία και επιχειρηματική αναλυτική: χαρακτηριστικά και τάσεις.
  13. Συμπεράσματα.

Μαθησιακοί Στόχοι

Οι στόχοι αυτού του μαθήματος είναι:

  • Να αναδείξει τη σημασία των δεδομένων για τη λήψη των σωστών επιχειρηματικών αποφάσεων.
  • Να εισάγει τους φοιτητές στο αντικείμενο της επιχειρηματικής ευφυίας και της επιχειρηματικής αναλυτικής.
  • Να μεταδώσει γνώσεις επεξεργασίας και αξιοποίησης των δεδομένων για τη λήψη επιχειρηματικών αποφάσεων.
  • Να παρουσιάσει διαφορετικές τεχνικές ανάλυσης, επεξεργασίας και οπτικοποίησης των δεδομένων, έτσι ώστε οι φοιτητές να αποκομίσουν μία συνολική αντίληψη για τις δυνατότητες αξιοποίησης των επιχειρηματικών δεδομένων.

Με την συμπλήρωση του μαθήματος οι φοιτητές θα πρέπει να είναι σε θέση:

  • Να γνωρίζουν βασικές έννοιες και αρχές της ανακάλυψης γνώσης στα δεδομένα, της επιχειρηματικής αναλυτικής και της επιχειρηματικής ευφυίας.
  • Να εφαρμόζουν απλές τεχνικές για την ανάπτυξη μοντέλων ανάλυσης δεδομένων, την επεξεργασία και την οπτικοποίηση των δεδομένων.
  • Να αποφασίζουν για το είδος των δεδομένων που είναι αναγκαία για τη λήψη των σωστών επιχειρηματικών αποφάσεων κάθε φορά.
  • Να είναι σε θέση να επιλέγουν τις σωστές τεχνικές επεξεργασίας και οπτικοποίησης των δεδομένων κάθε φορά για την επίλυση των εκάστοτε επιχειρηματικών προβλημάτων.
  • Να αναλύουν επιχειρηματικά προβλήματα μέσα από την επεξεργασία των δεδομένων και να οδηγούνται στις σωστές αποφάσεις.

Γενικές Ικανότητες

  • Λήψη αποφάσεων.
  • Αυτόνομη εργασία / Ομαδική εργασία.
  • Εργασία σε διεπιστημονικό περιβάλλον.
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.
  • Άλλες: αναλυτικές και συνθετικές ικανότητες.
  • Κριτικό πνεύμα.

Μέθοδοι Διδασκαλίας

  • Πρόσωπο με πρόσωπο διδασκαλία στην αίθουσα.

Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών

  • Παρουσίαση διαφανειών στην αίθουσα.
  • Παρουσίαση περιεχομένου από το διαδίκτυο.
  • Χρήση του συστήματος ηλεκτρονικής εκπαίδευσης.
  • Επικοινωνία μέσω ηλ. ταχυδρομείου και μέσω των εργαλείων του συστήματος ηλεκτρονικής εκπαίδευσης.
  • Χρήση ειδικού λογισμικού οπτικοποίησης και αναλυτικής παρουσίασης δεδομένων (ελεύθερο λογισμικό).
  • Χρήση ειδικού λογισμικού δημιουργίας αναλυτικών μοντέλων (ελεύθερο λογισμικό).

Οργάνωση Διδασκαλίας

ΔραστηριότηταΦόρτος εργασίας εξαμήνου
Διαλέξεις39
Εκπόνηση Εργασίας (project)45
Αυτοτελής Μελέτη (προετοιμασία για διαλέξεις: 20 προετοιμασία για εξετάσεις: 21)41
Σύνολο125

Αξιολόγηση Φοιτητών

Ι. Γραπτή τελική εξέταση (6 μονάδες)

Γραπτή εξέταση στο τέλος του μαθήματος που είναι υποχρεωτική για όλους τους φοιτητές και περιλαμβάνει:

  • Ερωτήσεις πολλαπλής επιλογής
  • Ερωτήσεις σύντομης απάντησης
  • Ερωτήσεις εφαρμογής γνώσεων στο σχεδιασμό σχεδιασμού συστημάτων υπηρεσιών

Τα κριτήρια αξιολόγησης της τελικής γραπτής εξέτασης γίνονται γνωστά στους φοιτητές κατά τη διάρκεια των μαθημάτων και περιγράφονται στο φύλλο των θεμάτων.

ΙΙ. Εργασίες (4 μονάδες)

Στο μάθημα προβλέπεται η διενέργεια δύο εργασιών στα εξής αντικείμενα:

  • Οπτική και διερευνητική ανάλυση δεδομένων (2 μονάδες).
  • Εφαρμογές επιχειρηματικής αναλυτικής στις πωλήσεις και το μάρκετινγκ (2 μονάδες).

Οι εργασίες είναι υποχρεωτικές και η βαθμολογία τους είναι μέρος του τελικού βαθμού του φοιτητή. Οι εργασίες γίνονται με χρήση εξειδικευμένου λογισμικού και θα πρέπει να παρουσιαστούν στην αίθουσα.

Τα κριτήρια αξιολόγησης των εργασιών εξηγούνται στους φοιτητές κατά την παροχή οδηγιών και επεξηγήσεων και αναγράφονται στο σύστημα ηλεκτρονικής εκπαίδευσης.

Συνιστώμενη Βιβλιογραφία

Προτεινόμενη Βιβλιογραφία:

  1. Επιχειρηματική Ευφυΐα, Αναλυτική και Ανάλυση Μεγάλων Δεδομένων για Λήψη Αποφάσεων, Νικόλαος Ματσατσίνης, ΕΚΔΟΣΕΙΣ ΝΕΩΝ ΤΕΧΝΟΛΟΓΙΩΝ, 2020. Κωδικός Βιβλίου στον Εύδοξο: 94702117.
  2. Επιχειρηματική Αναλυτική με Υποδείγματα και Μεθόδους Διοικητικής Επιστήμης, Asllani Arben, Broken Hill Publishers Ltd, 2018. Κωδικός Βιβλίου στον Εύδοξο: 77110693.

Άλλα συγγράμματα:

  1. Επιχειρηματική Ευφυΐα και Εξόρυξη Δεδομένων – Ανακάλυψη Γνώσης για τη Λήψη Επιχειρηματικών Αποφάσεων, Κύρκος Ευστάθιος, Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα – Αποθετήριο “Κάλλιπος”, 2016. Ηλεκτρονικό Βιβλίο – Κωδικός Βιβλίου στον Εύδοξο: 320088.
  2. Διαχείριση δεδομένων και επιχειρηματική ευφυΐα, Θεωρία και Εφαρμογές για Στελέχη Επιχειρήσεων, Σταλιδης Γεώργιος, Καρδαρας Δημήτριος, Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα – Αποθετήριο “Κάλλιπος”, 2016. Ηλεκτρονικό Βιβλίο – Κωδικός Βιβλίου στον Εύδοξο: 320080.
  3. Επιχειρησιακή Αναλυτική και Ποσοτικά Υποδείγματα Μάρκετινγκ και Διαδικτύου, Μπάλτας Γεώργιος, Ρεπούσης Παναγιώτης, εκδόσεις ROSILI, 2η έκδοση, 2018. Κωδικός Βιβλίου στον Εύδοξο: 77120327.

Συναφή επιστημονικά περιοδικά

  1. Journal of Business Analytics.
  2. International Journal of Business Intelligence and Data Mining.
  3. International Journal of Business Analytics.
  4. International Journal of Business and Data Analytics.
  5. Journal of Intelligence Studies in Business.
  6. Analytics Magazine – Institute for Operations Research.
  7. Information Visualization.
  8. Data Science Journal.
  9. International Journal of Data Science and Analytics.
  10. International Journal of Data Science.
  11. Intelligent Data Analysis journal.
  12. Intelligent Data Analysis.
  13. Journal of Intelligent Information Systems.
  14. Statistical Analysis and Data Mining.
  15. IEEE Transactions on Knowledge and Data Engineering.
  16. Journal of Big Data.
  17. Annals of Data Science.
  18. Decision Support Systems.
  19. Journal of Decision Systems.