Скачать 125.7 Kb.
|
Правительство Российской ФедерацииФедеральное государственное автономное образовательное учреждение высшего профессионального образованияНациональный исследовательский университет Высшая школа экономики Факультет бизнес-информатики Программа дисциплины«Системы бизнес-интеллекта»для магистерской программы «Бизнес-информатика»направления 080500.68 «Бизнес-информатика»Авторы: Н.И. Голов, Т.К.Кравченко, Е.В.Огуречников Рекомендовано секцией УМС Одобрено на заседанииСекция «Бизнес-информатика» кафедры бизнес-аналитикиПредседатель Зав. кафедрой ______________ Ю.В.Таратухина ______________ Т.К.Кравченко «____» ________________ 2012 г. «____» _______________ 2012 г. Москва – 2012 I. Тематический план учебной дисциплины
II. Базовые учебники Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с. (УМК доступен в электронном виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ). Концепция Business Performance Management: начало пути. / Е.Ю.Духонин, Д.В.Исаев, Е.Л.Мостовой и др., под ред. Г.В.Генса. – М.: Альпина Бизнес Букс, 2004. Туманов В.Е. Проектирование хранилищ данных для систем бизнес-аналитики Учебное пособие М.: БИНОМ. Лаборатория знаний, Интернет-университет информационных технологий – ИНТУИТ.ру, 2010 III. Формы контроля Формирование оценок по учебной дисциплине производится в соответствии с Положением об организации контроля знаний, утвержденного Ученым советом НИУ ВШЭ от 24.06.2011, протокол №26. В соответствии с Рабочим учебным планом, формами текущего контроля являются контрольная работа, реферат и домашнее задание. Каждая из форм текущего контроля оценивается по 10-балльной шкале. Общая оценка за текущий контроль (по 10-балльной шкале) рассчитывается по формуле: Отекущий = 0,2 · Ок/р + 0,4 · Ореф + 0,4 · Одз , где Ок/р – оценка за контрольную работу; Ореф – оценка за реферат; Одз – оценка за домашнее задание. При определении накопленной оценки (по 10-балльной шкале) аудиторная работа и самостоятельная внеаудиторная работа не оцениваются. Поэтому накопленная оценка совпадает с оценкой за текущий контроль и рассчитывается по формуле: Онакопленная = 1,0 · Отекущий + 0,0 · Оауд + 0,0 · Осам.работа , где Отекущий – оценка за текущий контроль; Оауд – оценка за аудиторную работу; Осам.работа – оценка за самостоятельную работу. Результирующая оценка (выставляется в диплом) формируется на основе итоговой оценки за зачет (по 10-балльной шкале) и накопленной оценки. Результирующая оценка рассчитывается по формуле: Орезульт = 0,3 · Озачет + 0,7 · Онакопленная , где Озачет – оценка за итоговый контроль (зачет); Онакопленная – накопленная оценка. При формировании оценок на основе весовых коэффициентов применяется округление до целого числа в большую сторону. IV. Содержание программы Тема 1. Хранилища данных для бизнес-структурЦели появления хранилищ данных. Хранилища как ответ на потребность бизнес-структур в отчетности. Хранилища как ответ на потребность бизнес-структур в оперативной ad-hoc аналитике. Хранилища как инструмент монетизации исторических данных о развитии бизнеса. Потенциальная предпосылка – хранилище как шина синхронизации. Причины скачка потребности в хранилищах данных в XXI веке. Аппаратные и программные предпосылки. Исторические предпосылки – накопление критического объема данных. Повсеместное распространение проблемной ситуации «зоопарк систем». Эволюция понимания термина «хранилище данных». Текущее представление об обязательных компонентах хранилища. Старое представление хранилища и витрины данных. Нормализация и денормализация. Риски обновления хранилища. Staging как решение. Итоговая компоновка крупных промышленных хранилищ данных. Ключевые требования к хранилищу данных. Основные приемы проектирования физической модели хранилища данных. Третья нормальная форма, баланс между нормализацией и денормализацией. SCD, медленно меняющиеся измерения. Data Vault, новая идеология построения хранилищ. Рынок хранилищ данных РФ, емкость рынка, лидеры и участники. ETL – инструменты формирования хранилищ. MS SSIS. Informatica. ODI. Основная литература Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с. (УМК виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ). Концепция Business Performance Management: начало пути. / Е.Ю.Духонин, Д.В.Исаев, Е.Л.Мостовой и др., под ред. Г.В.Генса. – М.: Альпина Бизнес Букс, 2004. – 269 с. Туманов В.Е. Проектирование хранилищ данных для систем бизнес-аналитики Учебное пособие М.: БИНОМ. Лаборатория знаний, Интернет-университет информационных технологий – ИНТУИТ.ру, 2010 Дополнительная литература: Biao Fu, Henry Fu. SAP® BW: A Step-by-Step Guide. Издательство: Addison-Wesley Professional, 2003 г. Catherine M. Roze. SAP BW Certification: A Business Information Warehouse Study Guide. Издательство: Wiley, 2002 г. Методы и модели анализа данных: OLAP и Data Mining. /А.А.Барсегян, М.С.Куприянов, В.В.Степаненко, И.И.Холод. СПб.: БХВ-Петербург, 2004. 27-49 с. Хранилища данных. От концепции до внедрения / С.Архипенков, Д.Голубев, О.Максименко. М.: Диалог-МИФИ, 2002. 528 с. Эрик Спирли. Корпоративные Хранилища данных. Изд. Вильямс. 2001 г. Тема 2. OLAP-системы и другие BI-решенияВиды приложений Oracle Hyperion Essbase. Block Storage и Aggregate Storage. MDX. Построение кубов Oracle Hyperion Essbase из реляционной схемы «звезда» с помощью Oracle Hyperion Analytic Integration Services. Анализ данных в Excel при помощи надстройки Essbase Spreadsheet Add-In для Excel. Анализ данных в Oracle Hyperion Web-Analysis. Построение отчетов в Oracle Hyperion Financial Reporting. Комплексный анализ данных в Oracle Hyperion Interactive Reporting. Основная литература: Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с. (УМК доступен в электронном виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ). Концепция Business Performance Management: начало пути. / Е.Ю.Духонин, Д.В.Исаев, Е.Л.Мостовой и др., под ред. Г.В.Генса. – М.: Альпина Бизнес Букс, 2004. – 269 с. Дополнительная литература: Методы и модели анализа данных: OLAP и Data Mining. /А.А.Барсегян, М.С.Куприянов, В.В.Степаненко, И.И.Холод. СПб.: БХВ-Петербург, 2004. 49-66 с. Тема 3. Системы интеллектуального анализа данныхИнтеллектуальный анализ данных – востребованность для решения бизнес задач, предпосылки. Бизнес-задачи, успешно нашедшие решение посредством интеллектуального анализа данных, классификация задач: Directed Data Mining, обучение с учителем: классификация, прогнозирование, оценивание. Undirected Data Mining, обучение без учителя: описание и визуализация, кластеризация, поиск ассоциативных правил. Методология Data Mining проектов: CRISP-DM, описание фаз, обоснование необходимости фаз. Практические примеры Data Mining проектов: сроки, стоимость, методика оценки успешности. Типы Data Mining алгоритмов: алгоритмы разделения классов, проблема переобучения, прогнозирование трендов, подходы к кластеризации, поиск ассоциативных правил, анализ корреляции, задача селекции признаков. Data Mining инструменты: рынок Data Mining инструментов, рекомендации по построению инфраструктуры Data Mining проектов и по выбору инструментов. Data Mining алгоритмы, встроенные в SQL Server 2008 R2, преимущества, недостатки, типовые примеры использования. MS Excel 2010 и PowerPivot как мощный DataMining инструмент для решения реальных бизнес-задач. Профессиональные Data Mining инструменты: Matlab, Veca, SPSS и т.п. Основная литература: Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям (+ СD).. — СПб: Изд. Питер, 2009. — 624 с. Дюк В., Самойленко А. Data Mining: учебный курс (+CD).. — СПб: Изд. Питер, 2001. — 368 с. Дополнительная литература: Айвазян С.А., Бухштабер В.М., Енюков Е.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. — М.: Финансы и статистика, 1989. — 608 с. Журавлёв Ю.И., Рязанов В.В., Сенько О.В. "РАСПОЗНАВАНИЕ. Математические методы.Программная система.Практические применения", к книге прилагается компакт-диск с демоверсией программной системы «РАСПОЗНАВАНИЕ». — М.: Изд. «Фазис», 2006. — 176 с. Зиновьев А. Ю. Визуализация многомерных данных. — Красноярск: Изд. Красноярского государственного технического университета, 2000. — 180 с. Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с. (УМК доступен в электронном виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ). Чубукова И. А. Data Mining: учебное пособие. — М.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. — 382 с. — ISBN 5-9556-0064-7 V. Тематика заданий по различным формам текущего контроля Тематика домашнего задания:
Тематика реферата:
Тематика контрольной работы: Аудиторная контрольная работа проводится по решению конкретной задачи с применением методов интеллектуального анализа данных. VI. Вопросы для оценки качества освоения дисциплины
Авторы программы: _____________________________ (Н.И.Голов) _____________________________ (Т.К.Кравченко) _____________________________ (Е.В.Огуречников) |
Программа дисциплины «Сценарный трейдинг» Правительство Российской... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | Правительство Российской Федерации Федеральное государственное автономное... | ||
Правительство Российской Федерации Федеральное государственное автономное... | Правительство Российской Федерации Федеральное государственное автономное... | ||
Правительство Российской Федерации Государственное образовательное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | ||
Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | ||
Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | ||
Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | ||
Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | ||
Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования |