•   Data-analytiikka TKI2HM002-3019 16.01.2023-17.03.2023  5   (MASTROMF, ...) +-
    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
    • MASTROMF
    • VIRTUAL
    Opettaja

    Aki Taanila

    Paikkoja

    31 - 100

    Koulutus

    LUJOM Liiketoiminnan uudistamisen ja johtamisen koulutus, LITEM Liiketoiminnan teknologiat -koulutus, PAKEM Palveluliiketoiminnan johtamisen ja kehittämisen koulutus, STROM Strategiatyö organisaatioissa

    Virtuaaliosuus

    5 op

    Arviointiasteikko

    H-5