Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Datos balstīta lēmumu pieņemšana
Kursa kods
SZF_268
Zinātnes nozare
Citas inženierzinātnes un tehnoloģijas, tai skaitā pārtikas un dzērienu tehnoloģijas; Citas inženierzinātņu un tehnoloģiju apakšnozares
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Ārstniecība; Bioloģija; Civilā un militārā aizsardzība; Digitālā veselība; Dzīvās dabas zinātnes; Farmācija; Informācijas un komunikācijas zinātne; Klīniskā farmācija; Komunikācijas zinātne; Māszinības; Medicīnas pakalpojumi; Medicīnas tehnoloģijas; Pedagoģija; Personu un īpašuma aizsardzība; Politikas zinātne; Psiholoģija; Rehabilitācija; Sabiedrības veselība; Sociālā antropoloģija; Sociālā labklājība un sociālais darbs; Socioloģija; Sporta treneris; Sporta zinātne; Tiesību zinātne; Tiesību zinātne; Tirgzinības un reklāma; Uzņēmējdarbības vadība; Vadībzinātne; Vecmāšu zinības; Veselības vadība; Zobārstniecība
LKI
6. līmenis
Studiju veids un forma
Pilna laika
Studiju kursa īstenotājs
Kursa vadītājs
Aldis Ērglis
Struktūrvienības vadītājs
Ieva Puzo
Struktūrvienība
Sociālo zinātņu fakultāte
Kontaktinformācija
SZF, Kuldīgas iela 9c, szf@rsu.lv
Par studiju kursu
Mērķis
Kursa mērķis ir sagatavot studentus darbam reālā biznesa vidē, apgūstot pilnu analītikas ciklu no problēmas identificēšanas līdz lēmuma prezentēšanai. Mācību procesā tiek izmantoti vadošo konsultāciju uzņēmumu standarti, kritiskās domāšanas instrumenti un pārliecinošas datu komunikācijas principi.
Priekšzināšanas
Nav nepieciešamas tehniskas priekšzināšanas datu analīzē. Vēlamas priekšzināšanas par uzņēmuma darbības principiem, izprotot saistību starp mērķiem, procesiem un operatīviem rezultātiem.
Studiju rezultāti
Zināšanas
1.Spēj identificēt un strukturēt biznesa problēmas
Patstāvīgais darbs un pārbaudījumi
Patstāvīgais darbs • Gala pārbaudījums
2.Spēj izvērtēt un izvēlēties atbilstošas datu analīzes metodes
Patstāvīgais darbs un pārbaudījumi
Patstāvīgais darbs
3.Spēj pamatot labāko risinājumu izvēli
Patstāvīgais darbs un pārbaudījumi
Datu analīze ar Power BI • Datu izvēle un datu pielietošana analītiskā uzdevumā
4.Spēj sasaistīt biznesa spējas ar digitālajiem risinājumiem
Patstāvīgais darbs un pārbaudījumi
Datu izvēle un datu pielietošana analītiskā uzdevumā • Patstāvīgais darbs
5.Spēj pārliecinoši prezentēt analīzes rezultātus vadībai
Patstāvīgais darbs un pārbaudījumi
Patstāvīgais darbs • Gala pārbaudījums
Prasmes
1.Spēj izstrādāt loģisku un strukturētu analītiskā uzdevuma risinājuma dizainu, transformējot biznesa vajadzību konkrētā datu izpētes plānā.
Patstāvīgais darbs un pārbaudījumi
Gala pārbaudījums • Datu izvēle un datu pielietošana analītiskā uzdevumā
2.Spēj atlasīt un pielietot atbilstošas modernas kvantitatīvās analīzes metodes un tehnikas konkrētu biznesa uzdevumu risināšanai un hipotēžu pārbaudei.
Patstāvīgais darbs un pārbaudījumi
Datu analīze ar Power BI
3.Spēj veikt jēgpilnu datu modelēšanu un vizualizāciju, izveidojot pārskatāmus grafikus un vadības paneļus (Dashboards), kas skaidri atbild uz biznesa jautājumiem.
Patstāvīgais darbs un pārbaudījumi
Datu analīze ar Power BI • Datu izvēle un datu pielietošana analītiskā uzdevumā
4.Spēj identificēt un argumentēt datu analīzes risinājumu, atskaišu un paneļu radīto pievienoto vērtību uzņēmuma darbības efektivitātes vai peļņas kontekstā.
5.Spēj izmantot datu analīzi kā instrumentu, lai skaidrotu, diagnosticētu un uzlabotu organizācijas biznesa modeļus un procesus.
Patstāvīgais darbs un pārbaudījumi
Datu izvēle un datu pielietošana analītiskā uzdevumā
6.Ir apguvis praktiskas iemaņas pilnā datu ciklā – no datu ielādes (no dažādiem avotiem) un sagatavošanas līdz modelēšanai un rezultātu vizuālai attēlošanai.
Patstāvīgais darbs un pārbaudījumi
Datu analīze ar Power BI • Gala pārbaudījums
Kompetences
1.Spēs patstāvīgi strukturēt nezināmas vai kompleksas biznesa problēmas un izstrādāt tām atbilstošu datu analīzes risinājuma dizainu, pielietojot hipotēzēs balstītu pieeju (Issue Trees).
Patstāvīgais darbs un pārbaudījumi
Stratēģisko analīzes instrumentu pielietošana • Gala pārbaudījums • Datu izvēle un datu pielietošana analītiskā uzdevumā
2.Spēs pamatoti izvēlēties un pielietot situācijai atbilstošus stratēģiskās analīzes instrumentus (piem., CATWOE, Fishbone) un lēmumu pieņemšanas metodes (AHP), lai nodrošinātu objektīvu rezultātu.
Patstāvīgais darbs un pārbaudījumi
Datu izvēle un datu pielietošana analītiskā uzdevumā • Gala pārbaudījums • Stratēģisko analīzes instrumentu pielietošana
3.Spēs izvēlēties datu analīzes uzdevumiem atbilstošus rīkus un analīzes tehnikas.
Patstāvīgais darbs un pārbaudījumi
Datu izvēle un datu pielietošana analītiskā uzdevumā
4.Spēs novērtēt organizācijas datu pratības un analītikas brieduma līmeni, fiksējot esošo situāciju (AS-IS) un izstrādājot rekomendācijas datu kultūras un procesu uzlabojumiem (TO-BE).
Patstāvīgais darbs un pārbaudījumi
Stratēģisko analīzes instrumentu pielietošana • Gala pārbaudījums
5.Spēs novērtēt analītikas iniciatīvu atbilstību uzņēmuma stratēģiskajiem mērķiem, definējot precīzus panākumu rādītājus (KPI) un sasaistot biznesa spējas (Business Capabilities) ar digitālajiem risinājumiem.
Patstāvīgais darbs un pārbaudījumi
Stratēģisko analīzes instrumentu pielietošana • Gala pārbaudījums
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
20,00% no gala vērtējuma
|
10 balles
|
|
Patstāvīgā darbā studentiem jāveido grupu darbs par kursā apgūtiem tematiem, veicot projekta datu analīzi, vizualizāciju, rekomendāciju izstrādi. |
||
|
2.
Datu analīze ar Power BI |
20,00% no gala vērtējuma
|
10 balles
|
|
Pilna cikla datu analīzes uzdevums, sākot ar analītiskā uzdevuma definēšanu, datu ielādi, modelēšanu un datu vizualizēšanu. |
||
|
3.
Stratēģisko analīzes instrumentu pielietošana |
20,00% no gala vērtējuma
|
10 balles
|
|
Analīzes uzdevums, izmantojot stratēģiskos analīzes instrumentus, analīzes rezultātu sagatavošana un efektīva prezentēšana vadībai. |
||
|
4.
Datu izvēle un datu pielietošana analītiskā uzdevumā |
20,00% no gala vērtējuma
|
10 balles
|
|
Datu atlases un datu iegūšanas metodes atbilstoši biznesa uzdevumam un tehniskajam risinājumam. |
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Gala pārbaudījums |
20,00% no gala vērtējuma
|
10 balles
|
|
Pilna cikla analītiskā uzdevuma izstrāde izmanotojot kādu no kursā apgūtām metodēm un datu analīzes rīkiem. |
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Biznesa problēmas definēšana
Apraksts
Problēmas un iespēju identificēšana, precīza "Problem Statement" formulēšana un hipotēžu izvirzīšana tālākai izpētei. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Biznesa konteksts un analītiskie instrumenti
Apraksts
Stratēģiskās analīzes rīku (piem., CATWOE, PESTEL) pielietojums, lai izprastu uzņēmuma ārējo un iekšējo vidi pirms datu analīzes uzsākšanas. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datu pratība, datu avoti, to vieta modernā organizācijā
Apraksts
Datu kultūras veidošana uzņēmumā, iekšējo un ārējo datu avotu klasifikācija un to loma lēmumu pieņemšanas hierarhijā. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datu iegūšana, apstrāde un novērtēšana
Apraksts
Datu kvalitātes kritēriji, "tīrīšanas" pamatprincipi un datu kopu sagatavošana, lai nodrošinātu uzticamus analīzes rezultātus. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datu iegūšana, apstrāde un novērtēšana
Apraksts
Datu kvalitātes kritēriji, "tīrīšanas" pamatprincipi un datu kopu sagatavošana, lai nodrošinātu uzticamus analīzes rezultātus. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Cēloņsakarību loma datu analīzē
Apraksts
Atšķirība starp korelāciju un cēloņsakarību. Cēloņu analīzes metodes (t.sk. Fishbone diagramma un 5 Whys), lai atrastu problēmas sakni. |
-
Video lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datu analīzes metodes un rīki
Apraksts
Pārskats par aprakstošo un diagnostisko analītiku. Kā izvēlēties piemērotāko analīzes metodi konkrētam biznesa jautājumam. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datu analīzes metodes un rīki
Apraksts
Pārskats par aprakstošo un diagnostisko analītiku. Kā izvēlēties piemērotāko analīzes metodi konkrētam biznesa jautājumam. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Vizuālā domāšana un datu attēlošanas metodes
Apraksts
Vizuālās uztveres psiholoģija un labāās prakses principu izvēle (grafiki, diagrammas) datu skaidrai komunikācijai. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datu vizualizēšana un moderni rīki
Apraksts
Praktiska informācijas dizaina veidošana un iepazīšanās ar moderniem BI (Business Intelligence) rīkiem interaktīvu pārskatu radīšanai. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datu vizualizēšana un moderni rīki
Apraksts
Praktiska informācijas dizaina veidošana un iepazīšanās ar moderniem BI (Business Intelligence) rīkiem interaktīvu pārskatu radīšanai. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Biznesa spēju balstīta pieeja un sasaiste ar digitāliem risinājumiem
Apraksts
Uzņēmuma biznesa spēju (Business Capabilities) modelēšana un to sasaiste ar nepieciešamajām tehnoloģijām un digitālo transformāciju. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Kvantitatīva digitālu risinājumu definēšana
Apraksts
Jaunu risinājumu panākumu metriku (KPI) definēšana un sagaidāmā rezultāta kvantitatīva prognozēšana. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Labāko risinājumu izvēle, balstoties uz datiem
Apraksts
Alternatīvu izvērtēšana un prioritizēšana, izmantojot lēmumu pieņemšanas matricas un AHP (Analītisko hierarhiju procesu). |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Strukturētas argumentācijas sagatavošana vadībai
Apraksts
Analīzes rezultātu sintēze un prezentēšana, izmantojot Minto Pyramid principu, lai sniegtu pārliecinošus ieteikumus augstākajai vadībai. |
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Strukturētas argumentācijas sagatavošana vadībai
Apraksts
Analīzes rezultātu sintēze un prezentēšana, izmantojot Minto Pyramid principu, lai sniegtu pārliecinošus ieteikumus augstākajai vadībai. |
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
32 ak. st.
Gala pārbaudījums:
Eksāmens
Bibliogrāfija
Obligātā literatūra
1.
G. Van Den Berg. 2014. Key Management Models. 3rd Edition. FT Publishing International.Piemērots angļu valodas plūsmai
2.
Barbara Minto. 2021. Pyramid Principle, The: Logic in Writing and Thinking. 3rd Edition. Pearson Education.Piemērots angļu valodas plūsmai
Papildu literatūra
1.
Thomas H. Davenport, Jeanne Harris. 2017. Competing on Analytics: Updated, with a New Introduction: The New Science of Winning. Harvard Business Review Press.Piemērots angļu valodas plūsmai