Uniwersytet Marii Curie-Skłodowskiej w Lublinie - Centralny System Uwierzytelniania
Strona główna

Data Analytics in Business

Informacje ogólne

Kod przedmiotu: E-DS-2S-O.2Z
Kod Erasmus / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0400) Business and administration and law Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Data Analytics in Business
Jednostka: Wydział Ekonomiczny
Grupy:
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Wymagania wstępne:

(tylko po angielsku) Basic knowledge in the realm of management and business activity.

Godzinowe ekwiwalenty punktów ECTS:

(tylko po angielsku) Contact hours (work with an academic teacher): 30 h

Total number of hours with an academic teacher: 30 h

Number of ECTS points with an academic teacher: Non-contact hours (students' own work): 15 h Total number of non-contact hours: 15 h

Number of ECTS points for non-contact hours:

Total number of ECTS points for the module: 6

Sposób weryfikacji efektów kształcenia:

(tylko po angielsku) • Attendance and participation in classroom discussion

• Group work on assigned case studies

• Final exam


Pełny opis: (tylko po angielsku)

1. Introduction to Data-Analytics

2. Data and Data Science Capability as a Strategic Asset

3. Business Problems and Data Science Solutions

4. Data Driven Decision Making

5. Applying Data Science to Business and Industry

6. Types of Data Analytics

7. Practical Data Analytics

8. Data Analytics in business sectors

9. Sales and Marketing Analytics

10. CRM (Customer Relationship Management) and Data Analytics

11. Data collection and automation

12. Data Understanding

13. Data Processing

14. KPIs for Data Analytics

15. Business Performance Metrics and Dashboards

16. Business Intelligence and Data Visualization

17. Data Interpretation

18. Data Storytelling and presentation

19. E-commerce and Data Analytics

20. Emerging technologies for Data Science

Literatura: (tylko po angielsku)

Books:

1- Storytelling with Data: Let's Practice! by Cole Nussbaumer Knaflic (2018)

2- The Model Thinker: What You Need to Know to Make Data Work for You by Scott E. Page (2018)

3- Big Data MBA: Driving Business Strategies with Data Science by Bill Schmarzo (2018)

4- Data Analytics for Managers: An Introductory Guide for Decision Makers by Wolfgang Jank (2018)

5- Data Analytics: An Essential Beginner's Guide to Data Mining, Data Collection, Big Data Analytics for Business, and Business Intelligence Concepts by Herbert Jones (2019)

6- Data Analytics and Business Intelligence: Making Data-Driven Decisions by Steve Williams and Nancy Williams (2020)

7- Data Science for Managers: How to Use Data for Better Decision-Making by Tomasz Tunguz and Frank Bien (2021)

8- Data-Driven: Creating a Data Culture by Hilary Mason and DJ Patil (2022)

9- Data Science for Business Leaders: Understand Data, Drive Value, Influence Strategy by Nir Kaldero (2023)

Online ressources:

1. Mallory Freeman, Your company's data could help end world hunger, https://www.ted.com/talks/mallory_freeman_your_company_s_data_could_help_end_world_hunger

2. Giorgia Lupi, How we can find ourselves in data, https://www.ted.com/talks/giorgia_lupi_how_we_can_find_ourselves_in_data

3. Sebastian Wernicke, How to use data to make a hit TV show, https://www.ted.com/talks/sebastian_wernicke_how_to_use_data_to_make_a_hit_tv_show

4. Mainak Mazumdar, How bad data keeps us from good AI, https://www.ted.com/talks/mainak_mazumdar_how_bad_data_keeps_us_from_good_ai

5. Susan Etlinger, What do we do with all this big data?, https://www.ted.com/talks/susan_etlinger_what_do_we_do_with_all_this_big_data

6. Jer Thorp, Make data more human, https://www.ted.com/talks/jer_thorp_make_data_more_human

7. Tricia Wang, The human insights missing from big data, https://www.ted.com/talks/tricia_wang_the_human_insights_missing_from_big_data

8. Hans Rosling, Let my dataset change your mindset, https://www.ted.com/talks/hans_rosling_let_my_dataset_change_your_mindset

Efekty uczenia się: (tylko po angielsku)

KNOWLEDGE and SKILLS

1- Students will develop the ability to apply data analytics to real-world business scenarios.

2- Students will develop proficiency in data analysis techniques.

3- Students will learn to create effective data visualizations and dashboards, enhancing their ability to present and communicate insights to diverse audiences.

4- Students will acquire problem-solving skills by applying data analytics to real-world business challenges, resulting in data-driven solutions.

5- Students will be equipped with data-driven decision-making skills.

6- Through the exploration of various business sectors, students will acquire industry-specific knowledge and insights.

7- Students will gain experience in utilizing business intelligence tools for data analysis and reporting.

8- Students will learn how to assess the business impact of data analytics projects, including measuring key performance indicators (KPIs)

9- Students will enhance their communication skills, particularly in conveying data-driven insights and findings to both technical and non-technical stakeholders.

10- Students will cultivate strategic thinking skills by recognizing data as a strategic asset and aligning data analytics efforts with organizational strategies.

Zajęcia w cyklu "Semestr zimowy 2022/2023" (zakończony)

Okres: 2022-10-01 - 2023-02-01
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Sergiusz Kuczyński
Prowadzący grup: Sergiusz Kuczyński, Marouen Mosbah
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin

Zajęcia w cyklu "Semestr zimowy 2023/2024" (zakończony)

Okres: 2023-10-01 - 2024-02-04
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 30 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Sergiusz Kuczyński
Prowadzący grup: Sergiusz Kuczyński, Marouen Mosbah
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Konwersatorium - Zaliczenie na ocenę
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Marii Curie-Skłodowskiej w Lublinie.
kontakt deklaracja dostępności USOSweb 7.0.3.0-cf0b884f2 (2024-04-02)