•   Data Analytics TKI2HM002-3018 16.01.2023-17.03.2023  5   (MALEAF, ...) +-
    Lähtötaso ja sidonnaisuudet muihin opintojaksoihin
    Opintojaksolla ei ole edeltävyysehtoja.
    Sisältö
    - Prosessiajatteluun perustuva data-analytiikka
    - Deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka
    - Strukturoitu, strukturoimaton ja semistrukturoitu aineisto
    - Edistynyt/kehittynyt data-analytiikka
    - Data-analyysien algoritmit kuten koneoppimisen algoritmit ennakoinnissa
    - Merkittävyys, relevanssi ja muut tilastollisesti tärkeät käsitteet tulosten arvioinnissa
    - Data-analytiikan sovellusperheitä kuten Microsoft, SAP ja Qlik, SPSS
    - Analytiikan ohjelmointikieliä kuten R, Python, C, SQL
    - Sosiaalisen median analytiikka ja analyysityövälineet kuten Google Analytics ja SAP Predictive Analytics
    - Visualisoinnin ja raportoinnin työvälineitä
    Arviointikriteerit
    Arviointikriteeri - arvosana 1
    Opiskelija ymmärtää data-analytiikkaprosessin ja pystyy soveltamaan sitä liiketoiminnan kehittämisessä opettajan ohjeistuksen avulla. Opiskelija ymmärtää seuraavat käsitteet: deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka sekä edistyneen aineiston erityispiirteet. Opiskelija pystyy ratkaisemaan yksinkertaisen liiketoimintaan liittyvän ongelman opettajan ohjauksessa.

    Opiskelija osaa tehdä johtopäätöksiä tuloksista ja visualisoida niitä sekä julkaista niitä käyttämällä sopivia digitaalisia työvälineitä. Opiskelija pystyy soveltamaan yhtä tai useampia ennakointialgoritmejä ratkaistakseen liiketoimintaan liittyvän ongelman, mutta tarvitsee siinä opettajan apua. Opiskelija osaa arvioida liiketoimintaraporttien luotettavuutta ja merkityksellisyyttä.
    Arviointikriteeri - arvosana 3
    Opiskelija ymmärtää data-analytiikkaprosessin ja pystyy soveltamaan sitä itsenäisesti liiketoimintaan kehittämisessä. Opiskelija ymmärtää seuraavat käsitteet: deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka sekä edistyneen aineiston erityispiirteet. Opiskelija pystyy ratkaisemaan yksinkertaisen liiketoimintaan liittyvän ongelman itsenäisesti.

    Opiskelija osaa tehdä johtopäätöksiä tuloksista ja visualisoida niitä sekä julkaista niitä käyttämällä sopivia digitaalisia työvälineitä. Opiskelija pystyy soveltamaan yhtä tai useampia ennakointialgoritmejä ratkaistakseen itsenäisesti liiketoimintaan liittyvän ongelman. Opiskelija osaa arvioida liiketoimintaraporttien luotettavuutta ja merkityksellisyyttä.
    Arviointikriteeri - arvosana 5
    Opiskelija ymmärtää data-analytiikkaprosessin ja pystyy soveltamaan sitä itsenäisesti monimutkaisemmassakin liiketoiminnan kehittämistyössä. Opiskelija ymmärtää seuraavat käsitteet: deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka sekä edistyneen aineiston erityispiirteet. Opiskelija pystyy ratkaisemaan vaativan liiketoimintaan liittyvän ongelman itsenäisesti.

    Opiskelija osaa tehdä johtopäätöksiä tuloksista ja visualisoida niitä sekä julkaista niitä käyttämällä sopivia digitaalisia työvälineitä. Opiskelija pystyy soveltamaan useampia ennakointialgoritmejä ratkaistakseen itsenäisesti liiketoimintaan liittyviä ongelmia. Opiskelija osaa arvioida liiketoimintaraporttien luotettavuutta ja merkityksellisyyttä.
    Lisätiedot
    Opintojakso korvaa edellisen opetussuunnitelman kurssit Kvantitatiivinen tutkimus sekä Tiedonhankinta ja –hallinta.
    Toimipiste

    Pasilan toimipiste

    Opetuskieli

    Suomi

    Ajoitus

    16.01.2023 - 17.03.2023

    Ilmoittautumisaika

    02.01.2023 - 13.01.2023

    Ryhmä
    • MALEAF
    • MAPO
    • EVENING
    • MACOMF
    • MASTRF
    • ONLINE
    Opettaja

    Veijo Vänttinen

    Paikkoja

    31 - 60

    Koulutus

    LUJOM Degree Programme in Business Development and Leadership, LITEM Degree Programme in Business Technologies, PAKEM Degree Programme in Service Business Leadership and Development

    Virtuaaliosuus

    5 op

    Arviointiasteikko

    H-5