Παρουσίαση/Προβολή

(ODE337) -  ΣΩΤΗΡΙΟΣ ΜΠΕΡΣΙΜΗΣ

Περιγραφή Μαθήματος

Εισαγωγικά

Η αλματώδης ανάπτυξη των υπολογιστικών συστημάτων στις επιχειρήσεις σε συνάρτηση με την ολοένα και μεγαλύτερη διείσδυση των ασύρματων και των ενσύρματων δικτύων έχουν ως συνέπεια την δημιουργία πολλαπλών πηγών μεγάλου όγκου δεδομένων τα οποία περιέχουν τεράστιο όγκο ακατέργαστης πληροφορίας. Η αποτελεσματική ανάλυση αυτών των δεδομένων μπορεί να προσφέρει ουσιαστικές λύσεις και να βοηθήσει την επιχείρηση στη λήψη αποφάσεων σε διάφορα επίπεδα. Η παραγωγή γνώσης μέσα από τα μεγάλου όγκου δεδομένων δίνει στρατηγικό πλεονέκτημα σε μια επιχείρηση ενώ παράλληλα διασφαλίζει τη βιωσιμότητα της.

Είναι δεδομένο ότι τα εργαλεία της αναλυτικής των δεδομένων είναι απολύτως απαραίτητα σε όλους σχεδόν τους τομείς της οικονομικής δραστηριότητας (βιομηχανία, υπηρεσίες, τραπεζικό-ασφαλιστικό σύστημα, marketing, υγείας κτλ.), προκειμένου να ληφθούν στρατηγικές αποφάσεις για την πορεία και εξέλιξη των αντίστοιχων επιχειρήσεων και οργανισμών δεδομένου ότι σε όλους τους τομείς σε καθημερινή βάση παράγονται μεγάλου όγκου δεδομένα.

Συνεπώς, ένα σύγχρονο στέλεχος που επιθυμεί να διαχειρίζεται με αποτελεσματικότητα το αντικείμενο του θα πρέπει να γνωρίζει τουλάχιστον τις βασικές έννοιες και τεχνικές της αναλυτικής στη διοίκηση.

 

Σκοπός του Μαθήματος

Το μάθημα έχει ως σκοπό να δώσει στα στελέχη των επιχειρήσεων το απαραίτητο εκείνο επιστημονικό υπόβαθρο καθώς και την απαραίτητη εκείνη τεχνογνωσία που απαιτείται, για την υιοθέτηση βέλτιστων λύσεων και πρακτικών σε προβλήματα που απαιτούν συλλογιστική και λήψη αποφάσεων βασισμένη στη διαχείριση, ανάλυση, επεξεργασία και αξιοποίηση μεγάλου όγκου δεδομένων. Συγκεκριμένα, στο πλαίσιο του μαθήματος οι φοιτητές θα διδαχθούν

• πως να συνδυάζουν πολλαπλές πηγές δεδομένων,
• πως να οπτικοποιούν τα δεδομένα αυτά,
• πως να κατασκευάζουν Key Performance Indices (KPIs) από τα δεδομένα,
• πως να αναλύουν με κατάλληλα εργαλεία τα KPIs αυτά,
• πως να εξάγουν γνώση από τα KPIs αυτά,

ώστε να καθορίσουμε τη βέλτιστη στρατηγική για την επιχείρηση μας και να δημιουργήσουμε καινοτομία.

 

Δομή Μαθήματος

1. Εισαγωγή (εισαγωγή στην επιχειρηματική αναλυτική, ορισμός μεγάλων δεδομένων, χαρακτηριστικά μεγάλων δεδομένων, μηχανική μάθηση, σχετικές έννοιες, κ.α.).
2. Διαχείριση δεδομένων (καταχώρηση και έλεγχος δεδομένων, διαχείριση δεδομένων, κ.α.)
3. Βασικές τεχνικές αναλυτικής (περιγραφή δεδομένων, ορισμοί - κατασκευή KPIs, παραγωγή αναφορών, συμπερασματολογία από τα δεδομένα, κ.α.).
4. Προηγμένες τεχνικές αναλυτικής και μηχανική μάθηση (Προηγμένες τεχνικές αναλυτικής με πεδία εφαρμογής την διοίκηση, το μάρκετινγκ, τις προμήθειες, κ.α.).

 

Προτεινόμενη Βιβλιογραφία σε ebooks:

• Rahul Saxena, Anand Srinivasan. Business Analytics. Springer. ISBN 978-1-4614-6080-0 (eBook)
• Wolfgang Jank. Business Analytics for Managers. Springer. e-ISBN 978-1-4614-0406-4
• Ohri. R for Business Analytics. Springer. ISBN 978-1-4614-4343-8 (eBook)
• Evan Stubbs. Delivering Business Analytics Practical Guidelines for Best Practice. John Wiley & Sons. ISBN 978-1-118-55944-4 (ebk)
• Gert H.N. Laursen. Business Analytics for Sales and Marketing Managers. John Wiley & Sons, Inc. ISBN 978-1-118-03038-7 (ebk)
• Emmett Cox. Retail Analytics The Secret Weapon. John Wiley & Sons, Inc. ISBN 978-1-118-14834-1 (ebk)
• Vincenzo Morabito. Big Data and Analytics Strategic and Organizational Impacts. Springer. ISBN 978-3-319-10665-6
• Bhimasankaram Pochiraju, Sridhar Seshadri (Editors). Essentials of Business Analytics An Introduction to the Methodology and its Applications. Springer. ISBN 978-3-319-68837-4 (eBook)

Ημερομηνία δημιουργίας

Παρασκευή 3 Απριλίου 2020