Μαθησιακά Αποτελέσματα
Η τεχνολογία επιτυχώς υποστηρίζει σε σύγχρονες επιχειρησιακές δομές τη συλλογή μεγάλων δεδομένων (Big Data) για λήψη αποφάσεων και επίτευξη επιχειρηματικής ευφυΐας. Η Επιχειρησιακή Αναλυτική (Business Analytics) αναφέρεται στους τρόπους με τους οποίους οι επιχειρήσεις, δύνανται να αξιοποιήσουν τα δεδομένα (data sets) για λήψη στρατηγικών σχεδόν πραγματικού χρόνου αποφάσεις. Η ικανότητα βέλτιστης αξιοποίησης μεγάλου όγκου δεδομένων δύναται να δημιουργήσει ανταγωνιστικό πλεονέκτημα τις επιχειρήσεις. Η Επιχειρησιακή Αναλυτική (Business Analytics) στηρίζεται βασικά σε ποσοτικές και στατιστικές μεθόδους και σε διαδικασίες βελτιστοποίησης, για τον εντοπισμό των προτύπων και των τάσεων στα δεδομένα, τα οποία τελικά οδηγούν σε ρεαλιστικές προβλέψεις. Ο στόχος αυτού του μαθήματος είναι να βοηθήσει τους φοιτητές στο να γνωρίσουν και να μάθουν μια ποικιλία από τα βασικά στατιστικά εργαλεία, χρήσιμα για τη σύνοψη και παρουσίαση των παρελθόντων γεγονότων και πληροφοριών. Οι φοιτητές θα μάθουν πώς να μετατρέπουν ακατέργαστα δεδομένα σε περιγραφικές περιλήψεις που μπορούν εύκολα να παρουσιαστούν και να κατανοηθούν. Επιπλέον θα εισάγει τους φοιτητές στις θεμελιώδεις έννοιες της Στατιστικής Συμπερασματολογίας, όπως η εκτίμηση παραμέτρων και ο Έλεγχος Υποθέσεων, καθώς και σε στατιστικά εργαλεία πολυμεταβλητής ανάλυσης χρήσιμα στην Επιχειρησιακή Αναλυτική, όπως η Ανάλυση Παλινδρόμησης, η Παραγοντική Ανάλυση και η Ανάλυση κατά Συστάδες. Για την υλοποίηση όλων των παραπάνω, θα χρησιμοποιηθεί η γλώσσα R, ώστε οι φοιτητές να εξοικειωθούν με το συγκεκριμένο λογισμικό και να μπορούν να πραγματοποιούν οποιαδήποτε ανάλυση δεδομένων.
Περιεχόμενο Μαθήματος
1η Διάλεξη: Διοίκηση Επιχειρήσεων και λήψη αποφάσεων. Βελτιστοποίηση διαδικασίας λήψεων επιχειρησιακών αποφάσεων με βέλτιστη επεξεργασία και ανάλυση μεγάλου όγκου δεδομένων.
2η Διάλεξη: Ταξινόμηση επιχειρησιακών αποφάσεων και δομές δεδομένων. Ταξινόμηση μεθόδων και τεχνικών επεξεργασίας μεγάλου όγκου δεδομένων.
3η Διάλεξη: Προσδιορισμός επιχειρησιακών συνθηκών για λήψη αποφάσεων και επισκόπηση στις ποσοτικές τεχνικές και τα εργαλεία τα οποία χρησιμοποιούνται. Με παραδείγματα η ανάπτυξη και η επίλυση πραγματικών επιχειρηματικών προβλημάτων και εκμάθηση πότε και πώς εφαρμόζονται οι κατάλληλες ποσοτικές μέθοδοι κατά τη λήψη επιχειρηματικών αποφάσεων.
4η Διάλεξη: Εισαγωγικές έννοιες και κατανόηση της Αναλυτικής Δεδομένων (Introduction to Data Analytics)
5η Διάλεξη: Describing and Summarizing Data-Visualizing and Understanding Data-Data preparation-Cleaning Data and data transformations-Descriptive Statistical Measures-Relationships between two variables
6η Διάλεξη: Probability Distributions and Data Modeling-Sampling and Estimation-Creating representative and unbiased samples.
7η Διάλεξη: Inferential statistics-Confidence intervals-Designing and Performing Hypothesis Tests.
8η Διάλεξη: Comparative statistics-Visualizing relationships and correlation coefficient-Regression Analysis.
9η Διάλεξη: Multivariate Statistical Analysis- Dimension Reduction (Principal Components Analysis, Factor Analysis)-Cluster Analysis (Hierarchical and k-means).
10η Διάλεξη: Τεχνικές και Μέθοδοι Προσομοίωσης για τεχνικές πρόβλεψης και επίτευξη επιχειρηματικής ευφυΐας.
11η Διάλεξη: Πραγματικές Μελέτες περίπτωσης και χρήση τεχνικών και μεθόδων για επεξεργασία μεγάλου όγκου δεδομένων για λήψη αποφάσεων.
12η Διάλεξη: Πραγματικές Μελέτες περίπτωσης για χρήση τεχνικών και μεθόδων προσομοίωσης για λήψη επιχειρηματικών αποφάσεων.