3 курс (заочка) / (Методичка) БАиТБД

ФЕДЕРАЛЬНОЕ АГЕНТСТВО СВЯЗИ

Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования

Московский технический университет связи и информатики

Кафедра мультимедийных сетей и услуг связи

Утверждено Советом факультета ИТ Протокол № __________

Дата _________________

Подпись ______________

Учебно-методическое пособие «Бизнес аналитика и технологии “больших данных”»

для студентов заочного факультета по направлению подготовки бакалавров 09.03.02

Докучаев В.А. Гадасин Д.В. Шведов А.В.

Москва 2019

0

ФЕДЕРАЛЬНОЕ АГЕНТСТВО СВЯЗИ

Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования

Московский технический университет связи и информатики

Кафедра мультимедийных сетей и услуг связи

Учебно-методическое пособие «Бизнес аналитика и технологии “больших данных”»

для студентов заочного факультета по направлению подготовки бакалавров 09.03.02

Москва 2019

1

План УМД на 2019/2020 уч. г.

Учебно-методическое пособие «Бизнес аналитика и технологии “больших данных”» для студентов заочного факультета по направлению подготовки бакалавров 09.03.02

Авторы (составители):

Докучаев Владимир Анатольевич (д.т.н., заведующий кафедрой) Гадасин Денис Вадимович (к.т.н., доцент)

Шведов Андрей Вячеславович (ст. преподаватель)

Издание утверждено советом факультета Информационные технологии. Протокол № ______ от «_____» _____________ 2019 г.

Рецензент: внутренний (Кальфа Александр Алексеевич, д.ф-м.н., профессор) 2

Рецензия

на учебно-методическое пособие для студентов заочного факультета по дисциплине:

«Бизнес аналитика и технологии “больших данных”» по направлению обучения бакалавров 09.03.02, подготовленная д.ф-м.н.,

профессором кафедры «Мультимедийные сети и услуги связи» МТУСИ Кальфой А.А.

Методические рекомендации составлены в полном соответствии с требованиями Федерального государственного образовательного стандарта и рабочей программы по курсу «Бизнес аналитика и технологии “больших данных”». Они отражают основное содержание лекций, рекомендации по выполнению самостоятельной работы студентов, список основной и дополнительной литературы, список вопросов для итогового экзамена.

Объем всех тезисов лекций достаточный. Содержание лекций соответствует современному состоянию научных исследований в области инфокоммуникационных систем, что строго структурирует подачу теоретического материала и облегчает его восприятие студентами. Эти задания выполняются письменно что дисциплинирует студентов и заставляет их обращаться к печатным изданиям.

Предложенная студентам литература – последних лет издания. Кроме того, она отражает разнообразные концепции построения инфокоммуникационных систем и представляет наиболее известных авторов в этой области знаний.

Вопросы к зачету в полном объеме отражают основное содержание лекционных и лабораторных занятий, включают в себя вопросы, связанные с самостоятельной работой студентов.

Методические рекомендации составлены в полном соответствии с требованиями Федерального государственного образовательного стандарта и рабочей программы по курсу «Бизнес аналитика и технологии “больших данных”». Они могут быть использованы как студентами, так и преподавателями, ведущими данный курс на отделении заочного обучения.

3

1.Общие положения

1.1.Цели и задачи дисциплины.

Целями преподавания дисциплины «Бизнес аналитика и технологии “больших данных”» является подготовка бакалавров, готовых к самостоятельной работе в области построения, эксплуатации и развития современных мультимедийных информационных сетей, а также готовых проводить анализ сетей различных технологий, использующих современные протоколы, производить оценку возможностей, ограничений и областей применений данных информационных сетей. В результате изучения дисциплины студенты должны иметь общее представление об основных видах интеллектуальных технологий, их особенностях, области применения, классах решаемых задач.

Задачи освоения дисциплины:

1.Изучение сущности и роли бизнес-аналитики в современных условиях растущей конкуренции и быстро изменяющегося рынка;

2.Формирование у студентов прочных теоретических знаний и практических навыков по применению современных методов анализа данных в различных сферах человеческой деятельности;

3.Формирование прикладных умений и навыков в области поддержки принятия управленческих решений в организации с применением современных методов и средств;

4.Овладеть умениями и навыками применения универсальных программных пакетов и аналитических платформ для анализа данных.

Для изучения дисциплины предусмотрены следующие виды учебных занятий: лекции, практические занятия, самостоятельная работа студентов.

Учебно-методическое пособие отражает содержание разделов программы курса, основные понятия, контрольные вопросы для подготовки к зачету, задание для самостоятельной работы. По курсу выполняется комплекс практических работ, самостоятельная работа, сдается зачет.

При изучении дисциплины «Бизнес аналитика и технологии “больших данных”» обязательными являются следующие виды самостоятельной работы:

разбор теоретического материала по учебным пособиям и конспектам лекций;

самостоятельное изучение указанных теоретических вопросов;

подготовка к практическим занятиям;

подготовка к проведению ситуационных моделей в интерактивной форме;

4

написание реферата;

подготовка к зачету.

1.2.Содержание лекционного курса

Тема 1. Введение в курс. Системы поддержки управленческих решений и системы бизнес-аналитики.

Рассматриваются предмет, цели и основные задачи дисциплины «Бизнес аналитика и технологии “больших данных”». Сущность бизнес-аналитики, ее роль на современном предприятии. Системы поддержки управленческих решений (DSS/BI). Появление термина «Business intelligence» (BI). Системы бизнес-аналитики (BA). Задачи, решаемые с помощью бизнес-аналитики. Функции бизнес-аналитики: идентификация, моделирование, прогнозирование, оптимизация решений, анализ чувствительности. Система поддержки принятия решения (СППР). Управление эффективностью бизнеса (BPM): компоненты, стандарты.

Тема 2. Анализ данных и знаний.

Рассматриваются знания и данные - сходства и отличия. Анализ данных и анализ знаний. Задачи интеллектуального анализа данных (Data Mining, DM). Классификация задач анализа данных. Место и роль DM в процессе принятия решений. Особенности подготовки данных для интеллектуального анализа.

Интеллектуальный анализ данных и извлечение знаний из данных (Knowledge Discovery in Databases, KDD). Классификация методов анализа данных. Методики обнаружения нового знания в хранилищах данных (KDD).

Регрессионные методы интеллектуального анализа данных и их отличия от статистических.

Понятие хранилища данных. Понятие аналитической обработки данных в реальном времени (OLAP). Требования к OLAPсистеме. Разновидности OLAP. Анализ структурированной информации с помощью статистических и математических методов.

Knowledge Management (управление знаниями) - новая область менеджмента. Система управления знаниями (KMS - СУЗ). Цели создания СУЗ. Склады данных (Data Warehousing) и системы оперативной аналитической обработки данных Критерии принятия решения о целесообразности проекта. Сравнение вариантов автоматизации в процессе выбора. Основные риски в использовании технологий бизнес-аналитики. Правила выбора системы бизнес-аналитики. Критерии и показатели эффективности.

5

Тема 3. Основные тенденции развития систем бизнес-аналитики

Рассматриваются жизненные циклы бизнес-приложений и ERP-систем. Обзор рынка BI технологий. Аналитические приложения. BI-наборы и платформы бизнес-интеллекта.

2.Контрольные вопросы по курсу

1.Определение и основные задачи СППР.

2.Инструментальные средства бизнес-аналитики. Определение и типы.

3.Виды СППР по взаимодействию с пользователем.

4.Виды СППР по способу поддержки.

5.Классы задач анализа по степени "интеллектуальности" обработки данных.

6.Обобщенная архитектура СППР и ее подсистемы.

7.Классификация БД по модели данных. Достоинства и недостатки.

8.12 правил для реляционной БД.

9.Теория нормализации БД. Основные виды нормализации.

10.Понятие транзакции. Механизм управления транзакциями в СУБД. 11.Концепция хранилища данных. Определение хранилища данных. 12.Свойства ХД.

13.Основные проблемы при создании ХД.

14.Структура СППР с физическим ХД.

15.Структура СППР с виртуальным ХД.

16.Понятие витрины данных. Характеристики ВД. Ее достоинства и недостатки. Структура СППР с ВД.

17.Структура СППР с ХД и ВД. Характеристики, достоинства и недостатки такого подхода.

18.Концепция многомерной модели данных и OLAP-систем. 19.Правила, определяющие OLAP.

20.Тест FASMI

21.Основные компоненты в архитектуре OLAP-систем.

22.Типы OLAP-систем.

23.Интеллектуальный анализ данных. Data Mining.

24.Свойства обнаруживаемых знаний.

25.Классификация задач Data Mining.

26.Классификация задач Data Mining по назначению.

27.Классификация задач Data Mining по способам решения.

28.Предсказательные (predictive) модели Data Mining.

29.Описательные (descriptive) модели Data Mining. 30.Методы и алгоритмы Data Mining для построения моделей.

6

31.Основные этапы интеллектуального анализа данных.

32.Управление знаниями (Knowledge Management). Классификация знаний. 33.Подходы в управлении знаниями.

34.Визуальный анализ данных (Visual Mining). Преимущества.

35.Этапы выполнения визуального анализа данных.

36.Процесс визуализации данных. Типы методов визуализации.

37.Анализ текстовой информации (Text Mining). Этапы анализа текстовой информации.

38.Задачи анализа текстовой информации.

39.Стандарт CWM. Структура и состав.

40.Стандарт CRISP. Структура стандарта CRISP.

41.Стандарт CRISP. Фазы и задачи стандарта CRISP.

3. Контрольное задание и методические указания к нему

Прежде чем приступить к выполнению контрольного задания, необходимо ознакомится с порядком выбора варианта и требованиями к оформлению контрольного задания.

3.1. Указания к выбору варианта

Исходные данные для выполнения контрольного задания выбираются в соответствии с предпоследней и последней цифрой номера студенческого билета (если полученный номер 00, то выбирается 30 тема).

3.2. Требования к оформлению

Контрольное задание выполняется в виде РЕФЕРАТА, объемом не менее 20 стр. (14 шрифт, Times New Roman) и должны быть аккуратно оформлены, разборчиво написаны на одной стороне каждого листа. Для замечаний преподавателя на каждой написанной странице оставляются поля шириной 3 см

справой стороны. Межстрочный интервал 1,5. Страницы и рисунки должны быть пронумерованы. Контрольное задание должно в обязательном порядке содержать Титульный лист, Содержание, Введение, Основную часть, Заключение и Список использованных источников. В конце работы необходимо

поставить подпись студента и дату.

Неправильно оформленные и несоответствующие своему варианту контрольные задания к рецензии не принимаются. Исправленная в соответствии

срецензией и зачтенное контрольное задание предъявляется на зачете. На зачете студент должен защитить свою контрольное работу.

7

3.3. Темы контрольных заданий.

1.Проектирование корпоративной информационно-аналитической системы (Business Intelligence) (на примере конкретного предприятия).

2.Подходы к созданию информационно-аналитических систем (на примере конкретного предприятия).

3.Проектирование системы сбалансированных показателей (BSC) (на примере конкретного предприятия).

4.Управление эффективностью бизнеса (на примере конкретного предприятия).

5.Многомерное проектирование данных в Business Intelligence - приложении (для конкретного предприятия).

6.Выбор и проектирование архитектуры OLAP-приложения (на примере конкретного предприятия).

7.Аналитические функции для прогнозирования показателей в BI (на примере конкретного предприятия).

8.Обзор продуктов Business Intelligence (на примере конкретного предприятия).

9.Формирование информационно-аналитической системы (Business Intelligence) (на примере конкретного предприятия).

10.Адаптация КИС к потребностям конкретного предприятия

11.Проектирование системы визуализации данных и решений (на примере конкретного предприятия).

12.Проектирование инфраструктуры BRP (на примере конкретного предприятия)

13.Проектирование прикладных сервисов BRP (на примере конкретного предприятия).

14.Проектирование инфраструктуры и архитектуры ERP (комплексной системы планирования и управления ресурсами организации) на примере конкретного предприятия.

15.Проектирование прикладных сервисов BRP (на примере конкретного предприятия).

16.Инжиниринг и аналитика бизнес-архитектуры на примере конкретного предприятия.

17.Business Intelligence на этапе бизнес-планирования.

18.Методики обнаружения нового знания в хранилищах данных (KDD) (пример реализации).

19.Алгоритмы таксономии класса FOREL (пример реализации).

20.Системы поддержки управленческих решений (DSS/BI). Системы бизнесаналитики (BA).

21.Технологии интеллектуального анализа данных (Data Mining, DM)

8

22.Технологии бизнес-аналитики: OLAP-технологии

23.Бизнес-аналитика в прикладных статистических пакетах (SPSS).

24.Системы управления знаниями (KMS).

25.Оценка эффективности систем бизнес-аналитики.

26.Основные тенденции развития систем бизнес-аналитики.

27.Обзор рынка BI технологий: аналитические приложения, BI-наборы и платформы бизнес-интеллекта.

28.Анализ ведущих мировых и отечественных производителей систем

Business Intelligence.

29.Классификация систем Business Intelligence.

30.Основные тренды цифровой трансформации при внедрении систем интеллектуального анализа данных.

31.Вопросы защиты информации при использовании систем интеллектуального анализа данных.

4. Список литературы

1.Блинов А.О. Реинжиниринг бизнес-процессов [Электронный ресурс]: учебное пособие/ Блинов А.О., Рудакова О.С., Захаров В.Я.— Электрон. текстовые данные.— М.: ЮНИТИ-ДАНА, 2012.— 341 c.— Режим доступа: http://www.iprbookshop.ru/16437.— ЭБС «IPRbooks».

2.Федин Ф.О. Анализ данных. Часть 1. Подготовка данных к анализу [Электронный ресурс]: учебное пособие/ Федин Ф.О., Федин Ф.Ф.— Электрон. текстовые данные.— М.: Московский городской педагогический университет,

2012.— 204 c.— Режим доступа: http://www.iprbookshop.ru/26444.— ЭБС «IPRbooks»

3.Федин Ф.О. Анализ данных. Часть 2. Инструменты Data Mining [Электронный ресурс]: учебное пособие/ Федин Ф.О., Федин Ф.Ф.— Электрон. текстовые данные.— М.: Московский городской педагогический университет, 2012.— 308 c.— Режим доступа: http://www.iprbookshop.ru/26445.— ЭБС «IPRbooks»

4.Тельнов Ю.Ф. Реинжиниринг бизнес-процессов [Электронный ресурс]: учебное пособие/ Тельнов Ю.Ф.— Электрон. текстовые данные.— М.: Евразийский открытый институт, Московский государственный университет экономики, статистики и информатики, 2004.— 77 c.— Режим доступа: http://www.iprbookshop.ru/10812.— ЭБС «IPRbooks»

5.Елиферов В.Г. Бизнес-процессы: Регламентация и управление: Учебник /

Елиферов Виталий Геннадьевич, Репин Владимир Владимирович;

9