• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Анализ данных в бизнесе

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Статус:
Курс обязательный
Когда читается:
2-й курс, 3, 4 модуль

Преподаватель

Программа дисциплины

Аннотация

В рамках данного курса студенты изучат базовые концепции анализа данных, которые могут быть применимы к широкому классу управленческих задач и в целом задач бизнеса. На лекции разбирается суть отдельных инструментов анализа, их применимость к различным задачам. На семинарах изучается алгоритм применения отдельных инструментов анализа и оттачиваются навыки применения на учебных и реальных кейсах.
Цель освоения дисциплины

Цель освоения дисциплины

  • Подготовка к информационно-аналитической и научно-исследовательской деятельности, а также к продолжению обучения в магистратуре и аспирантуре.
  • В консультационной деятельности: подбор, адаптация и использование методов и инструментов анализа данных; подготовка и представление отчетов и рекомендаций на основе проведенного анализа.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Знает основные методы одномерного анализа данных, умеет применять методы одномерного анализа данных.
  • Знает основные методы многомерного анализа данных, умеет применять методы многомерного анализа данных.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Одномерный анализ данных
    Тема 1. Теоретические основы работы с выборками из генеральной совокупности. Качество данных и основные этапы подготовки данных для дальнейшего использования, классификация источников данных, генеральная совокупность и выборка, различные способы построения выборок, ошибки при создании выборки. Тема 2. Шкалы, базовые статистики, визуализация. Количественные и категориальные переменные; описательные статистики количественных переменных: среднее, квантили, стандартное отклонение; описательные статистики качественных переменных, базовые описательные статистики качественных переменных. Графики функции распределения и плотности, а также их эмпирические аналоги на данных, ящичковая диаграмма, кривая Лоренца и кривая Парето. Тема 3. Тестирование статистических гипотез. Общая концепция проверки статистических гипотез. Статистический тест на сравнение среднего в выборке и математического ожидания генеральной совокупности, тест на сравнение средних в 2-х выборках: суть теста, алгоритм применения. Одновыборочный и двухвыборочный статистический тест на сравнение «пропорций» («относительных частот»): суть теста, алгоритм применения. A/B тестирование, как иллюстрация.
  • Многомерный анализ данных
    Тема 4. Взаимосвязь переменных разных типов. Точечный график, корреляция Пирсона и корреляция Спирмена, таблицы сопряженности и проверка значимости. Лжезависимость. Введение в регрессионный анализ: парная регрессия, выбор спецификации, идентификация параметров модели, оценка качества модели. Тема 5. Факторный анализ. Понятие латентного признака, анализ главных компонент, эксплораторный факторный анализ (exploratory factor analysis), конформаторный факторный анализ (confirmatory factor analysis): цели и задачи, теоретическое описание методов, практическая, алгоритм применения. Применение факторного анализа: задача сокращения размерности, задача создания индекса, задача классификации. Тема 6. Кластерный анализ. Цели и задачи кластеризации; иерархическая кластеризация: теоретическое описание метода, алгоритм применения, дендрограмма; неиерархическая кластеризация: кластеризация k-средних и k-median, теоретическое описание методы, алгоритм применения, критерии выбора количества кластеров; интерпретация. Тема 7. Методы прогнозирования временного ряда. Задача прогнозирования временного ряда, интерполяция и экстраполяция, обучающая и экспериментальная выборка, простейшие методы прогнозирования: наивный прогноз, скользящее среднее, экспоненциальное сглаживание, аддитивная и мультипликативная модель сезонности; показатели качества прогноза. Тема 8. Введение в структурные модели в моделировании (SEM). Цель применения данного класса моделей, спецификация, диаграмма пути: построение и интерпретация, необходимое условие идентификации, ограничения данного класса моделей, показатели качества моделей.
Элементы контроля

Элементы контроля

  • Проект (неблокирующий)
  • Самостоятельная работа (неблокирующий)
  • Микроконтроли (неблокирующий)
  • Отчеты по итогам семинаров (неблокирующий)
  • Экзамен (неблокирующий)
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.1 * Микроконтроли + 0.2 * Отчеты по итогам семинаров + 0.2 * Проект + 0.1 * Самостоятельная работа + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Под ред. Мхитаряна В.С.-АНАЛИЗ ДАННЫХ. Учебник для академического бакалавриата-М.:Издательство Юрайт,2019-490-Бакалавр. Академический курс-978-5-534-00616-2: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/analiz-dannyh-432178

Рекомендуемая дополнительная литература

  • Галицкий Е. Б., Галицкая Е. Г.-МАРКЕТИНГОВЫЕ ИССЛЕДОВАНИЯ. ТЕОРИЯ И ПРАКТИКА 2-е изд., пер. и доп. Учебник для вузов-М.:Издательство Юрайт,2019-570-Бакалавр. Академический курс-978-5-9916-3225-6: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/marketingovye-issledovaniya-teoriya-i-praktika-425174
  • Миркин Б. Г.-ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ. Учебник и практикум-М.:Издательство Юрайт,2019-174-Авторский учебник-978-5-9916-5009-0: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/vvedenie-v-analiz-dannyh-432851