BI510 - Εφαρμοσμένη ανάλυση δεδομένων, οπτικοποίηση και πρόβλεψη
Μεταπτυχιακό στην Επιστήμη των Υπολογιστών και στις Επιχειρηματικές Τεχνολογίες
Κύριο μάθημα
BI510 - Εφαρμοσμένη ανάλυση δεδομένων, οπτικοποίηση και πρόβλεψη
Κωδικός Μονάδας Μαθήματος: BI510
Τύπος μονάδας: Επιλογή
Επίπεδο Μονάδας Μαθήματος: Δεύτερος κύκλος
Έτος σπουδών: Πρώτο / Δεύτερο έτος
Εξάμηνο: Κατά παραγγελία
Αριθμός μονάδων ECTS: 6
Ώρες επαφής με το μάθημα: 28
Τρόπος παράδοσης:
Πρόσωπο με πρόσωπο
Προαπαιτούμενα
Κανένα
Στόχοι του μαθήματος
Ο στόχος αυτού του μαθήματος είναι να διδάξει στους σπουδαστές έννοιες και σχετικό σύγχρονο λογισμικό από τα δύο στάδια αξιοποίησης δεδομένων, δηλαδή την επιχειρηματική ευφυΐα και την επιχειρηματική ανάλυση. Η επιχειρηματική ευφυΐα σχετίζεται με την υποβολή εκθέσεων και την οπτικοποίηση για την υποστήριξη της λήψης αποφάσεων μέσω της διάδοσης πληροφοριών σε ολόκληρο τον οργανισμό. Το εργαλείο υποστήριξης αποφάσεων που θα χρησιμοποιηθεί για την παρούσα ενότητα είναι το SAS Visual Analytics. Η επιχειρηματική ανάλυση σχετίζεται με μαθηματικές και στατιστικές τεχνικές για την υποστήριξη των οργανισμών στη λήψη τεκμηριωμένων αποφάσεων. Η επιχειρησιακή αναλυτική είναι η ένωση δύο επιμέρους τομέων που έλκουν τις ρίζες τους από τη στατιστική και την επιχειρησιακή έρευνα. Το μάθημα αυτό θα επικεντρωθεί στη διασταύρωση των δύο υποπεδίων, δηλαδή στην εξόρυξη δεδομένων (ανακάλυψη προτύπων και προγνωστική ανάλυση) και στις τεχνικές πρόβλεψης. Το εργαλείο υποστήριξης αποφάσεων που θα χρησιμοποιηθεί για αυτή την ενότητα είναι το SAS Enterprise Miner μαζί με μια επίδειξη του SAS Forecast Server.
Μαθησιακά αποτελέσματα
- Μάθετε τη θεωρία πίσω από την προγνωστική ανάλυση (έννοιες προγνωστικής ανάλυσης: πρόβλεψη νέων περιπτώσεων, επιλογή εισόδου, βελτιστοποίηση πολυπλοκότητας, δέντρα αποφάσεων - CHAID, αξιολόγηση προγνωστικών μοντέλων, ανάπτυξη προγνωστικών μοντέλων - βαθμολόγηση), ανακάλυψη προτύπων (ομαδοποίηση, κανόνες συσχέτισης).
- Εφαρμόστε τεχνικές εξόρυξης δεδομένων, δηλαδή τεχνικές προγνωστικής μοντελοποίησης και ανακάλυψης προτύπων σε πραγματικά προβλήματα (τμηματοποίηση πελατών, ανάλυση καλαθιού αγοράς, μοντέλα απόκρισης πελατών, βαθμολόγηση πιστώσεων) χρησιμοποιώντας το SAS Enterprise Miner.
- Εξερευνήστε τεράστιες ποσότητες δεδομένων για να βρείτε μοτίβα, τάσεις και συσχετίσεις και να δημιουργήσετε αναφορές και πίνακες οργάνων χρησιμοποιώντας το SAS Visual Analytics (λογισμικό οπτικοποίησης δεδομένων).
- Εφαρμογή μεθόδων χρονοσειρών και οικονομετρικών προβλέψεων με τη χρήση μιας σύγχρονης λύσης, δηλαδή του SAS Forecast Server, με εφαρμογές στην πρόβλεψη ζήτησης.
Περιεχόμενο μαθήματος
Χαρακτηριστικά μαθήματος
Προγραμματισμένες μαθησιακές δραστηριότητες και μέθοδοι διδασκαλίας
Διαλέξεις, μέθοδος περιπτώσεων, συζήτηση στην τάξη, ομαδικές εργασίες/παρουσιάσεις, εργαστηριακές συνεδρίες με βάση τον υπολογιστή (πρακτική χρήση του λογισμικού): SAS Enterprise Miner, SAS Visual Analytics και επίδειξη του SAS Forecast Server)
Μέθοδοι και κριτήρια αξιολόγησης
20% Συμμετοχή στην τάξη
80% Ομαδική εργασία
Η τελική ομαδική εργασία θα διεξαχθεί σε ομάδες των δύο φοιτητών. Οι φοιτητές θα αξιολογηθούν ως προς τις γνώσεις τους σχετικά με τη θεωρία της εξόρυξης δεδομένων και ως προς την ικανότητά τους στη χρήση του SAS Enterprise Miner. Θα πρέπει να διεξάγουν τρεις μελέτες περίπτωσης που σχετίζονται με την προγνωστική ανάλυση, την ομαδοποίηση και τους κανόνες συσχέτισης με εφαρμογές στην πρόβλεψη αποχώρησης, την τμηματοποίηση πελατών και την ανάλυση καλαθιού αγοράς (επόμενη καλύτερη προσφορά) αντίστοιχα.
Ο βαθμός συμμετοχής στην τάξη σχετίζεται με την ικανότητα του μαθητή να απαντά σε σχετικές ερωτήσεις κατά τη διάρκεια του μαθήματος, να σχολιάζει την ύλη που καλύπτεται και να ολοκληρώνει επιτυχώς τις ασκήσεις λογισμικού που δίνονται κατά τη διάρκεια του μαθήματος.
(Οι οδηγίες αξιολόγησης θα διανεμηθούν την πρώτη ημέρα των μαθημάτων μαζί με το περίγραμμα του μαθήματος).
Γλώσσα διδασκαλίας
Αγγλικά
Πρακτική άσκηση(ες)
Δεν ισχύει
Αναγνώσεις
Υποχρεωτική ανάγνωση
1. Peter Christie et al, 2011. Applied Analytics Using SAS Enterprise Miner Course Notes. Cary: SAS Institute Inc.
2. Eric Rossland et al, 2014. SAS Visual Analytics: Visual Analytics: Getting Started Course Notes. Cary: SAS Institute Inc.
3. Fernandez George και Wellset Chip. Forecasting Using SAS Forecast Server Course Notes. Cary: SAS Institute Inc, 2013.
4. Σημειώσεις που παρέχονται από τον διδάσκοντα.
Περαιτέρω ανάγνωση
5. Kattamuri S. Sarma. "Predictive Modeling with SAS Enterprise Miner: Πρακτικές λύσεις για επιχειρηματικές εφαρμογές". SAS Publishing, τρίτη έκδοση.
6. Olivia Parr - Rud. "Business Analytics Using SAS Enterprise Guide and SAS Enterprise Miner": A Beginner's Guide". SAS Publishing, τελευταία έκδοση.
7. Gordon S. Linoff και Michael J. A. Berry. "Τεχνικές εξόρυξης δεδομένων". Wiley, τελευταία έκδοση.
8. Bart Baesens. "Analytics in a Big Data World". Wiley, τελευταία έκδοση.
9. Chase Charlie W. Προβλέψεις με γνώμονα τη ζήτηση: (2η έκδοση). Hoboken, NJ: Wiley, 2013.
10. Μακριδάκης Σπύρος, Wheelwright Steven C. και Hyndman Rob J: Μέθοδοι και εφαρμογές (3η έκδοση). Νέα Υόρκη: Wiley, 1998.
English (UK) 
Ελληνικά