Business Intelligence and Analytics

General

• Code: Γ12
• Semester: Κατ/νσης Εαρ Εξάμηνο
• Study Level: Undergraduate
• Course type: Specialization
• Teaching and exams language: Greek
• Teaching Methods (Hours/Week): Lectures and Practice/Exercises (3)
• ECTS Units: 5
• Instructors: Samoladas Ioannis
• Class Schedule:
  • Thu 15:00 - 18:00: Αίθουσα 105
  • Thu 15:00 - 18:00: Αίθουσα 105
• Exams Schedule:
  • 18/06/2024, 14:00 - 16:00:
  • 18/06/2024, 14:00 - 16:00:

Course Contents

• Introduction to business intelligence and business analytics: key concepts, benefits, challenges and limitations.
• Visual and exploratory data analysis: types of charts and their characteristics.
• Visual and exploratory data analysis: applications.
• Rules for understanding and correct interpretation of data.
• Knowledge discovery in data and data mining: concepts and techniques.
• Knowledge discovery in data and data mining: applications.
• Principles of problem modeling – data preprocessing.
• Analytical models based on association rules.
• Analytical models based on clustering.
• Analytical models based on classification.
• Applications of business analytics in sales and marketing (segmentation, pricing, discounts).
• Business intelligence and business analytics software: features and trends.

Educational Goals

The objectives of this lesson are:

• To highlight the importance of data in making the right business decisions.
• To introduce students to the subject of business intelligence and business analytics.
• To impart knowledge of data processing and utilization for making business decisions.
• To present different techniques of analysis, processing and visualization of data, so that students gain a comprehensive understanding of the possibilities of exploiting business data.

Upon completion of the course students should be able to:

• Know basic concepts and principles of data discovery, business analytics and business intelligence.
• Apply simple techniques for developing data analysis models, processing and visualizing data.
• Decide on the type of data necessary to make the right business decisions every time.
• choose the right data processing and visualization techniques every time to solve each business problem.
• Analyze business problems through data processing and be guided to the right decisions.

General Skills

to be filled

Teaching Methods

• Face to face.

Use of ICT means

• Online guidance.
• Slides Projection in the classroom.
• Use of E-mail and onlne communication systems.
• Use of e-learning system (moodle).

Teaching Organization

Students Evaluation

to be filled

Recommended Bibliography

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.

Related Research Journals

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.