• 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
5
Кредиты
Статус:
Курс обязательный
Когда читается:
3-й курс, 3, 4 модуль

Преподаватели

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.
  • Знакомство студента с основными понятиями, используемыми при изучении дисциплины.
  • Формирование представления студента о методах анализа данных, выбора оптимальных методов.
  • Демонстрация основных подходов к интерпретации результатов в ходе анализа данных компаний.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Студент знает и интерпретирует основные понятия и термины.
  • Студент знает и умеет применять базовые подходы анализа данных.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Выборка и базовые подходы анализа данных
    Тема 1. Конструирование выборки: общий подход и статистические процедуры Общий подход. Основные понятия: генеральная совокупность, выборка, систематическая ошибка выборки, случайная ошибка выборки, репрезентативность. Вероятностные и невероятностные методы построения выборки, возможности и ограничения каждой группы методов. Вероятностные методы: простая случайная выборка, систематическая выборка, стратифицированная выборка, кластерная выборка. Невероятностные методы построения выборки: доступная, целевая, метод снежного кома, квотная выборка. Статистические процедуры. От чего зависит объем выборки. Роль нормального распределения. Среднеквадратическая ошибка. Подходы к расчету размера выборки: доверительные интервалы, средние арифметические значения. Определение размера выборки для категориальных переменных. Корректирование статистически определенных размеров выборки. Выборки в интернет-опросах: возможности и ограничения. Проблема генеральной совокупности. Проблема самоотбора. Тема 2. Статистические тесты для категориальных и порядковых переменных Уровни измерения признаков: номинальные, порядковые, интервальные. Мера качественной вариации признака. Понятие таблицы сопряженности. Глобальные и локальные коэффициенты связи. Статистика «Хи-квадрат». Коэффициенты для четырехклеточных таблиц. Меры Л. Гудмена и Е. Краскала для порядковых переменных. Тема 3. Параметрические vs. непараметрические тесты Как работают параметрические тесты: t-тест и z-тест. Как работают непараметрические тесты. Сравнение двух независимых выборок: тест Манн-Уитни, Тест Мозеса, тест Колмогорова-Смирнова. Сравнение двух зависимых выборок: тест Уилкоксона. Тема 4. Дисперсионный анализ Задачи, решаемые с помощью дисперсионного анализа. Ограничения применения дисперсионного анализа. Одномерный и многомерный дисперсионный анализ. Дискретные и непрерывные переменные. Однофакторный анализ: модель однофакторного дисперсионного анализа, корреляционное отношение, общая, частная и остаточная дисперсия, тест на однородность, критерий Фишера.
  • Многомерный анализ данных и основы прогнозирования
    Тема 5. Факторный анализ. Содержание темы: 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 Содержание темы: 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; пояснение на примере сегментирования игроков в компьютерной онлайн игре. Тема 7. Методы прогнозирования временного ряда Содержание темы: задача прогнозирования временного ряда, интерполяция и экстраполяция, обучающая и экспериментальная выборка, простейшие методы прогнозирования: наивный прогноз, скользящее среднее, экспоненциальное сглаживание, аддитивная модель сезонности; показатели качества прогноза.
Элементы контроля

Элементы контроля

  • неблокирующий Created with Sketch. Контрольная работа
  • неблокирующий Created with Sketch. Аудиторная работа
  • неблокирующий Created with Sketch. Самостоятельная работа
  • неблокирующий Created with Sketch. Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.2 * Аудиторная работа + 0.3 * Контрольная работа + 0.1 * Самостоятельная работа + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Quirk, T. J., & Rhiney, E. (2016). Excel 2016 for Marketing Statistics : A Guide to Solving Practical Problems. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1261494
  • 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
  • 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

  • Gatignon, H. (2013). Statistical Analysis of Management Data (Vol. Third edition). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1073815
  • Newbold, P., Carlson, W. L., & Thorne, B. (2013). Statistics for Business and Economics: Global Edition (Vol. Eight edition). Boston, Massachusetts: Pearson Education. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1417883
  • 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