Написание контрольных, курсовых, дипломных работ, выполнение задач, тестов, бизнес-планов
Новости все
Главная \ Методичні вказівки \ Методические указания и информация

дипломная работа, заказать диплом, заказать дипломную работу, заказать курсовую, курсовая на заказ, КНЕУ помощь, помощь КНЕУ, курсовая КНЕУ, нархоз курсовая, написание диплома, написание курсовой, написание реферата, написание контрольной, помощь заочникам, диплом заочникам, заказать диплом заочка, купить дипломную, купить курсовую, купить контрольную

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД

«КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ

імені ВАДИМА ГЕТЬМАНА»

 

Факультет економіки та управління

Кафедра економічної теорії

 

 

 

 

ЗАТВЕРДЖУЮ:

 

Проректор з науково-педагогічної роботи
____________ А.М. Колот

 

«___» ___________ 2019 р.

 

 

МЕТОДИЧНІ МАТЕРІАЛИ
З ВИВЧЕННЯ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ

 

DATA MANAGEMENT: АНАЛІЗ БІЗНЕС-ПРОЦЕСІВ

 

 

 

 

рівень вищої освіти

другий (магістерський)

 

галузь знань

05 «Соціальні та поведінкові науки»

 

спеціальність

 

освітня програма /

спеціалізація

051 «Економіка»

 

«Економічна аналітика»

 

тип дисципліни

вибіркова
 

 

 

 

 

Начальник навчально-

методичного відділу ____________Т.В. Гуть

ПОГОДЖЕНО:

 

Завідувач кафедри ________В.І.Кириленко

 

 

 

 

 

Київ – 2019

Розробник:

Лопух К.В., к.е.н., доцент кафедри економічної теорії

E-mail: lopukh@kneu.edu.ua

 

 

 

 

Форма навчання —

денна

 

Семестр —

2 семестр

 

Кількість кредитів ECTS —

4

 

Форма підсумкового контролю —

екзамен

 

Мова викладання

українська

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

© Лопух К.В., 2018

© КНЕУ, 2018

 

 

 

  •  

 

ВСТУП ...............................................................................................................................................  4

 

  1. ЗМІСТ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ ЗА ТЕМАМИ ........................................................  5

Тема 1. Бізнес-аналітика в системі управління компанією

Тема 2. Система управління даними

Тема 3. Аналіз даних (ВІ) для прийняття управлінських рішень в компанії

Тема 4. Аналіз даних та ефективність бізнес-процесів

Тема 5. Аналіз відкритих даних і розвиток стартапів в Україні

Тема 6. Аналіз суспільних процесів на основі Data science та штучного інтелекту (АІ)

Тема 7. Аналіз та інтерпретація даних в макроекономічних процесах

Тема 8. Управління даними в державних органах влади

  1. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ДЕННОЇ ФОРМИ НАВЧАННЯ
    1. Карта навчальної роботи студента .........................................................................  6
    2. Критерії оцінювання поточних результатів вивчення дисципліни .........................  7
  2. ІНДИВІДУАЛЬНІ ЗАВДАННЯ ДЛЯ САМОСТІЙНОЇ РОБОТИ СТУДЕНТІВ
    1. Вимоги до виконання індивідуальних завдань для самостійної роботи ..................  8
    2. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи .........................................................................................................................................  8
  3. ПІДСУМКОВЕ ОЦІНЮВАННЯ РЕЗУЛЬТАТІВ ВИВЧЕННЯ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ (форма підсумкового контролю — екзамен)
    1. Структура екзаменаційного білету ...........................................................................  9
    2. Критерії оцінювання екзаменаційної роботи студента ..........................................  9
  4. РЕКОМЕНДОВАНІ ІНФОРМАЦІЙНІ ДЖЕРЕЛА .........................................................  10
    1. Основні інформаційні джерела
    2. Додаткові інформаційні джерела
    3. Дистанційні курси та інформаційні ресурси

 

 

ВСТУП

 

Навчальна дисципліна «Data Management: аналіз бізнес-процесів» є однією із складових комплексної підготовки фахівців галузі знань 05 «Соціальні та поведінкові науки» спеціальності 051 «Економіка».

Анотація навчальної дисципліни. «Data Management: аналіз бізнес-процесів» – це навчальна дисципліна, яка спрямована на вивчення та практичне застосування знань про управління даними (Data Management) для оптимізації бізнес-процесів та підвищення результатів діяльності компанії (організації).

Міждисциплінарні зв’язки. Для успішного засвоєння навчального матеріалу з дисципліни і отримання систематизованих знань важливим є попереднє вивчення дисциплін «Big Data», «Системи бізнес-аналітики», «Бізнес-аналіз», «Просторовий аналіз економіки», «Бізнес-моделювання».

Мета навчальної дисципліни – сформувати комплекс фахових компетенцій, необхідних економічному аналітику у сфері аналізу бізнес-процесів з урахуванням сучасних тенденцій розвитку інформаційних технологій та зростання обсягів даних (Data), зокрема на основі вивчення такого інструменту як «управління даними» (Data Management) в бізнес-процесах.

Предмет дисципліни – управління даними (інформацією) для аналізу бізнес-процесів.

Завданням дисципліни є набуття студентом/кою основоположних як загальних, так і фахових компетентностей у межах підготовки за освітньою програмою «Економічна аналітика».

Предмет дисципліни – управління даними (інформацією) для аналізу бізнес-процесів.

У результаті вивчення навчальної дисципліни студент повинен набути такі результати навчання:

  1. Знання

Основоположні знання з теорії та практики управління даними та їхньої ролі в ефективному аналізі бізнес-процесів.

  1. Уміння

Здійснення аналізу бізнес-процесів на основі використання Data Management для успішного управління економічною діяльністю.

  1. Комунікація
  • Донесення інформації щодо ролі та ключових задач економічного аналітика – спеціаліста з управління даними  в загальній системі управління різного рівня серед фахівців і нефахівців;
  • Обґрунтування на високому професійному рівні власних ідей, пропозицій, отриманих і підтверджених в результаті аналізу даних.
  1. Автономність та відповідальність

Консультування та прийняття управлінських рішень за результатами економічного аналізу різного рівня з урахуванням постійного зростання і динаміки обсягів масивів даних.

 

 

  1. ЗМІСТ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ ЗА ТЕМАМИ

 

Тема 1. Бізнес-аналітика в системі управління компанією

Розуміння процесного підходу. Застосування процесного підходу у побудові та управлінні компанією. Бізнес-процес і його головні складові. Мета аналізу бізнес-процесів. Особливості аналізу бізнес-процесів. Якісний аналіз бізнес-процесів як джерело конкурентних переваг сучасної компанії.

 

Тема 2. Система управління даними

Дані та бази даних: сутність та характеристика. Управління даними на основі їх життєвого циклу. Принципи, технології і процес управління даними. Бізнес-аналітика як інструмент управління даними. KDD (Knowledge Discovery in Databases) – процес отримання із даних знань. Data Mining як ключовий інструмент KDD. Роль Data Management в процесі прийняття рішень в організації. Інтелектуальні системи з управління даними в організації.

 

Тема 3. Аналіз даних (ВІ) для прийняття управлінських рішень в компанії

Теорія аналізу даних. Теорія і практика бізнес-аналізу (І). Бізнес-аналітика та управління даними. Системи бізнес-аналітики. Автоматизація та управління оперативними рішеннями як джерело конкурентної переваги.

 

Тема 4. Аналіз даних та ефективність бізнес-процесів

Практика бізнес-аналізу (ІІ). Види бізнес-аналітики (постачальників, процесів, акціонерів тощо) в організації. Програмне забезпечення, мови програмування, аналітичні платформи для реалізації бізнес-задач. Приклади конкретних бізнес-задач з використанням аналітичних технологій. Система управління результативністю в організації.

 

Тема 5. Аналіз відкритих даних і розвиток стартапів в Україні

Систематизація відкритих даних, зберігання, сегментація та безпека даних. Платформи управління даними (Data Management Platforms, DMP) і доступ до відкритих даних. Розробка Open-Data-проектів та їх вплив на соціально-економічний розвиток.

 

Тема 6. Аналіз суспільних процесів на основі Data science та штучного інтелекту (АІ)

Розвиток суспільства як інформаційний процес. Вплив нових технологій, досліджень в ІТ-сфері та штучного інтелекту на розвиток сучасного суспільства. Застосування штучного інтелекту на макро- і мікрорівні. Роль Data science та Machine Learning для розвитку бізнесу. Нейронні мережі як найбільш перспективне середовище роботи з великими даними.

 

Тема 7. Аналіз та інтерпретація даних в макроекономічних процесах

Аналіз даних та побудова макроекономічних моделей з використанням сучасних комп’ютерних технологій (мови програмування, штучний інтелект та нейронні мережі). Прогнозування макропроцесів на основі імітаційних моделей.

 

Тема 8. Управління даними в державних органах влади

Суть, функції та призначення електронного уряду. Архітектура електронного уряду. Електронні адміністративні регламенти. Електронні державні послуги. Застосування новітніх технологій в управлінні державними інформаційними ресурсами. Методика розробки та моделі електронних державних послуг та адміністративних регламентів на основі стандарту XML і технологій Web-служб.

 

 

  1. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ДЕННОЇ ФОРМИ НАВЧАННЯ

 

  1. Карта навчальної роботи студента

 

КАРТА НАВЧАЛЬНОЇ РОБОТИ СТУДЕНТА

з вибіркової дисципліни «Data Management: аналіз бізнес-процесів»

для студентів освітньої програми / спеціалізації «Економічна аналітика»

Денна форма навчання

№

Тема заняття

Види навчальних занять

Max

кількість балів

За систематичність і активність роботи на аудиторних заняттях

1

Тема 1. Бізнес-аналітика в системі управління компанією

Семінар-розгорнута бесіда

3

2

Тема 2. Система управління даними

Семінар-дискусія з елементами аналізу

3

Тема 3. Аналіз даних (ВІ) для прийняття управлінських рішень в компанії

Тренінг-PBL

3

4

Тема 3. Аналіз даних (ВІ) для прийняття управлінських рішень в компанії

5

Тема 4. Аналіз даних та ефективність бізнес-процесів

Семінар-вирішення ситуаційних вправ

3

6

Тема 4. Аналіз даних та ефективність бізнес-процесів

7

Тема 4. Аналіз даних та ефективність бізнес-процесів

Тренінг-PBL

4

8

Тема 4. Аналіз даних та ефективність бізнес-процесів

9

Тема 5. Аналіз відкритих даних і розвиток стартапів в Україні

Тренінг-PBL

3

10

Тема 5. Аналіз відкритих даних і розвиток стартапів в Україні

11

Тема 6. Аналіз суспільних процесів на основі Data science та штучного інтелекту (АІ)

Семінар-дискусія з елементами аналізу

3

12

Тема 6. Аналіз суспільних процесів на основі Data science та штучного інтелекту (АІ)

13

Тема 7. Аналіз та інтерпретація даних в макроекономічних процесах

Семінар-розгорнута бесіда

3

14

Тема 7. Аналіз та інтерпретація даних в макроекономічних процесах

15

Тема 8. Управління даними в державних органах влади

Тренінг-PBL

3

16

Тема 8. Управління даними в державних органах влади

Усього балів за роботу на аудиторних заняттях

25

За виконання контрольної (модульної) роботи

10

Виконання та захист індивідуальної роботи у вигляді доповіді-презентації

15

Разом балів за результатами поточного контролю

50

 

 

 

  1. Критерії оцінювання поточних результатів вивчення дисципліни

 

Поточний контроль здійснюється під час проведення лекційних та семінарських занять і має на меті перевірку рівня підготовленості студента до виконання конкретного завдання чи рівень засвоєння програмного матеріалу дисципліни різного характеру і рівня складності. За поточну успішність студент може отримати максимум 50 балів + бонусні бали (до 10 балів).

Формами проведення поточного контролю під час навчальних занять з дисципліни визначено: участь у дискусіях і тренінгах-PBL, виконання та захист індивідуальних робіт у вигляді доповіді-презентації.

 

Форми контролю результатів навчальної діяльності студентів та їх оцінювання

Форми контролю

Максимальна кількість балів

Денна форма навчання

Участь у дискусіях і тренінгах-PBL (робота в аудиторії)

(7 х 3)+4 бали = 25 балів

Контрольна (модульна) робота

1 х 10 балів = 10 балів

Презентація та захист індивідуальних (дослідницько-аналітичних) робіт

1 х 15 балів = 15 балів

Всього

50

Представлення результатів науково-дослідних робіт на студентських конкурсах, конференціях, олімпіадах тощо

бонусні бали
(до 10 балів)
 

 

При поточному контролі результатів навчання студентів під час вивчення дисципліни оцінці підлягають результати навчання, що виявляються через набуті компетентності, а саме: ; результати виконання контрольної (модульної) роботи; результати презентації і захисту індивідуальної роботи студентом.

У разі пропуску з поважних причин аудиторних занять студент має право їх відпрацювати за графіком консультацій. Відпрацювання аудиторних занять можуть бути здійснені впродовж 2-х тижнів (14 календарних днів), починаючи з моменту, коли студент має знову приступити до занять (завершилася дія відповідної поважної причини), але не пізніше дня початку залікового тижня у відповідному семестрі.

  1. ІНДИВІДУАЛЬНІ ЗАВДАННЯ ДЛЯ САМОСТІЙНОЇ РОБОТИ СТУДЕНТІВ

 

 

  1. Вимоги до виконання індивідуальних завдань для самостійної роботи

 

Індивідуальне завдання є однією з форм самостійної роботи студента, яка передбачає створення умов для повної реалізації його творчих можливостей, застосування набутих знань на практиці. Форма індивідуального завдання – доповідь-презентація. Тема індивідуального завдання магістра обирається ним самостійно відповідно до проблематики магістерської дипломної роботи і погоджується з викладачем. Захист індивідуального завдання відбувається на семінарському занятті і оцінюється у 15 балів максимально.

Обов’язковими вимогами до індивідуального завдання є наявність: плану (3–4 питання), вступу, основної частини (в презентації – тезисно і структуровано), висновків (практичне значення одержаних результатів), ілюстрацій у формі таблиць, графіків, схем, списку використаних джерел із посиланнями у тексті (не менше 5 джерел), оформлення згідно з чинними стандартами. При підготовці презентації загальна кількість слайдів не повинна перевищувати 20.

 

 

  1. Критерії оцінювання результатів виконання індивідуальних завдань
    для самостійної роботи

 

Критерії оцінювання індивідуального завдання

Критерії

Оцінка

А. Змістовні аспекти

1. Чітко висвітлена основна ідея (тема) доповіді

1, 2, 3

2. Тема – структурована, план доповіді – логічний

1, 2, 3

3. Знання та інформація донесені і зрозумілі аудиторії

1, 2, 3

Б. Формальні аспекти

4. Стиль мови, володіння категоріальним апаратом на високому науковому/діловому рівні

1, 2, 3

5. Доповідач говорить вільно, орієнтується глибоко у темі

1, 2, 3

3. Доповідач говорить розміреним темпом, голосно і чітко

1, 2, 3

6. Час для виступу дотримано (не більше 15 хвилин)

1, 2, 3

В. Презентація індивідуального завдання

7. Презентація орієнтована на аудиторію (аудиторія має певні знання з даної теми (в рамках курсу в цілому), роздатковий матеріал тощо)

1, 2, 3

8. Слухачі зацікавлені та ставлять запитання доповідачеві

1, 2, 3

9. Слухачі активно вступають у дискусію, висловлюють свою думку щодо теми презентації, виступу доповідача

1, 2, 3

10. Доповідач відповідає на запитання розлого, зрозуміло, захищаючи власну думку та ширше розкриваючи тему презентації

1, 2, 3

 

 

 

  1. ПІДСУМКОВЕ ОЦІНЮВАННЯ РЕЗУЛЬТАТІВ ВИВЧЕННЯ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ (форма підсумкового контролю — екзамен)

 

  1. Структура екзаменаційного білета
  1. Сутність Data Management Platform. Їх види, характеристика та роль в аналіз бізнес-процесів
  2. Бізнес-аналітика та її місце в системі управління компанією.
  3. Особливості бізнес-аналізу на різних підприємствах.
  4. Тестові завдання
  5. Тестові завдання

 

  1. Критерії оцінювання екзаменаційної роботи студента

 

Формою підсумкового контролю є екзамен. На екзамені оцінюванню підлягають:

  • володіння категоріальним апаратом, фаховою термінологією та теоретичними знаннями;
  • вміння демонструвати практичні навички вирішення ситуацій;
  • вміння продемонструвати креативність та системність знань, володіння сучасними методами, методиками при вирішенні практичних завдань.

Екзаменаційний білет містить 5 завдань, кожне з яких оцінюється в діапазоні 0 – 10 балів. Відповідно загальний результат екзамену оцінюється в діапазоні 0 – 50 балів.

 

Шкала оцінювання: КНЕУ та ECTS

Оцінка за шкалою ЕСТS

Оцінка за бальною шкалою, що використовується в КНЕУ

Оцінка за національною шкалою

A

90-100

5 (відмінно)

B

80-89

4 (добре)

C

70-79

D

66-69

3 (задовільно)

E

60-65

FX

21-59

2 (незадовільно) з можливістю повторного складання

F

0-20

2 (незадовільно) з обов’язковим повторним вивченням дисципліни

 

 

 

 

 

  1. РЕКОМЕНДОВАНІ ІНФОРМАЦІЙНІ ДЖЕРЕЛА

 

  1. Основні інформаційні джерела
  1. An Overview of Data Management - https://www.aicpa.org
  2. DAMA International’s Guide to the Data Management Body of Knowledge/ The Data Management Association – https://dama.org/content/body-knowledge
  3. Нетепчук В.В. Управління бізнес-процесами: Навч. посіб. – Рівне, 2014
  4. Прахалад К. Пространство бизнес-инноваций: Создание ценности совместно с потребителем. – М.: Альпина Паблишер: Юрайт, 2011.
  5. Паклин Н. Орешков В. Бизнес-аналитика: от данных к знаниям : учеб. пособие. – СПб.: Питер, 2010.

 

  1. Додаткові інформаційні джерела
  1. Тейлор Дж. Почти интеллектуальные системы. Как получить конкурентные преимущества путем автоматизации принятия скрытых решений – СПб. : Символ-Плюс, 2009.
  2. Кокинз Г. Управление результативностью: Как преодолеть разрыв между объявленной стратегией и реальными процессами. – М.: Альпина Бизнес Букс, 2008
  3. Юсупов Р.М. История информатики и философия информационной реальности. – М.: Академ. Проект, 2007.
  4. Бородакий Ю. Информационные технологии: Методы, процессы, системы. - М. : Радио и связь, 2004.
  5. Данилин О. Электронные государственные услуги и административные регламенты: от политической задачи к архитектуре «электронного правительства». – М.: Инфра-М, 2004.
  6. Сигел Э. Практическая бизнес-статистика. – М. : Вильямс, 2002.
  7. Петров В.Н. Информационные системы. – СПб. : Питер, 2002.

 

  1. Дистанційні курси та інформаційні ресурси
  1. Molly Galetto. What is Data Management? https://www.ngdata.com/what-is-data-management/
  2. Overview of Data Management – https://www.usgs.gov/products/data-and-tools/data-management/overview-data-management
  3. TOP-10 Data Management Platforms: An Overview - https://mopinion.com/top-10-data-management-platforms-dmp/
  4. Machine Learning – https://www.coursera.org/learn/machine-learning/home/welcome
  5. Philip Evans. How Data will transform business? – https://www.ted.com/talks/philip_evans_how_data_will_transform_business
  6. SAS. Data Management (in Russian) – https://www.sas.com/ru_ua/insights/data-management.html
  7. Что такое Data Science? – https://ain.ua/special/data-science/
  8. Что такое Data Science? Руководство для начинающих. – https://datascience.org.ua/articles/chto-takoe-data-science-rukovodstvo-dlja-nachinajushh/
  9. Technics Publications – https://technicspub.com/

 

 

 

 

1 409 410 411 412 413 2122 Следующая