DERS ADI

: İşletme Analitiği

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
DBA 6206 İşletme Analitiği SEÇMELİ 3 0 0 6

Dersi Veren Birim

İngilizce İşletme Yönetimi Doktora

Dersin Düzeyi

Doktora

Ders Koordinatörü

PROF. DR. GÜZİN ÖZDAĞOĞLU

Dersi Alan Birimler

İngilizce İşletme Yönetimi Doktora

Dersin Amacı

Bu dersin temel amacı, iş analitiğinin işletme yönetimindeki rolünü tartışmak; ilgili teknolojilerin keşfedilmesi ve iş dünyasında benimsenecek doğru stratejilerin geliştirilmesi için iş analitiği ve iş zekası kapsamında analizler yapmaktır.

Dersin Öğrenme Kazanımları

1   İş analitiği ve ilgili teknolojilerin evrimini anlayabilmek;
2   İşletme uygulamaları için öğrenme ve akıl yürütme yaklaşımlarını değerlendirebilmek;
3   Organizasyonların stratejik hedeflerine göre en uygun iş zekası stratejilerine karar verebilmek;
4   Amaca yönelik gösterge panelleri tasarlayabilmek ve geliştirebilmek;
5   Veri madenciliği ve ilgili yaklaşımlar ile ileri düzey analizler yapabilmek.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Dersin Tanıtımı, Temel Kavramlar Analiz Ortamları Uygulama Örnekleri
2 İş Analitiği, İş Zekası ve Veri Madenciliği Etkileşimi Örnek Olaylar
3 Verinin Keşfi Veri Türleri, Veri Kalitesi Veri Önişleme, Veritabanı, Veri Ambarı, OLAP Küpleri
4 Rapor Tasarımı Gösterge Paneli Tasarımı Temel Performans Göstergeleri
5 Veri Madenciliği Temel Görevleri Sınıflandırma-1 Karar Ağaçları Lojistik Regresyon
6 Sınıflandırma-2 Bayes, K-En Yakın Komşuluk Algoritması, Destek Vektör Makinaları
7 Kümeleme-1 K-Ortalamalar
8 Kümeleme-2 Hiyerarşik Kümeleme Yoğunluk-Temelli Kümeleme
9 Birliktelik Kuralları Apriori FP-Growth Algoritmaları
10 Metin Madenciliği Web Madenciliği Metin Önişleme Metin Kümeleme Metin Sınıflandırma
11 Metin Madenciliği Web Madenciliği Duygu Analizi Konu Modelleme Varlık Çıkarımı
12 Tavsiye Sistemleri-1 İşbirlikçi Filtreleme Yaklaşımları
13 Tavsiye Sistemleri-2 İçerik Temelli Filtreleme Yaklaşımları
14 Sunumlar

Ders İçin Önerilen Kaynaklar

1. Dersi Kitabı:
-Business Intelligence and Analytics: Systems for Decision Support (Sharba, Delen, Turban), Pearson.
-Business Intelligence: Managerial Approach, Efraim Turban, Pearson, 2011.
-Introduction to Data Mining , Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Pearson.
2. Yazılımlar ve Kodlama Ortamları (erişim şartlarına göre değişebilir). Olası yazılım ve kodlama ortamları
MS Excel
Rapidminer
R, python
Power BI

Öğrenme ve Öğretme Yöntemleri

Dersler bilgisayar desteğiyle yürütülecektir. Öğrencilerin, derslere kişisel bilgisayarlarıyla katılımı beklenmektedir.
Teorik bölümler ilgili işletme örnek olaylarıyla desteklenecektir. Temel uygulamalar bir programlama dili ve/veya analiz ortamı kullanılarak geliştirilecektir.
Her öğrenci bir grup projesine katılacak ve her proje, seçilen bir işletme problemi için bir iş zekası uygulamasını kapsayacaktır.
Projeler dönem sonunda sunulacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ARS ARASINAV
2 YYC YARIYIL İÇİ ÇALIŞMA
3 YYS YARIYIL SONU SINAVI
4 YYBN YARIYIL SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + YYS* 0.40
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + BUT* 0.40


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ara sınav, iş analitiğinin teorik altyapısını ve iş hayatındaki ilgili uygulamaların anlaşılma düzeyini değerlendirecektir.

Yarıyıl içi çalışmalar, önerilen çalışmada kullanılan yaklaşımlar ve teknolojiler ile birlikte, yapılan uygulamaların iş analitiği ve iş zekası stratejileri ile uyumu esas alınarak değerlendirilecektir.

DEĞERLENDİRME KRİTERLERİ:

1.Öğrenci problemin net bir şekilde tanımlanabilmesi için gerekli sebepleri, koşulları vb. belirtebiliyor (5 puan).
2. Öğrenci araştırma sorularını tanımlabilir (5 puan).
3. Öğrenci ilgili nitel ve/veya nicel verileri toplayabilir veya çıkarabilir (10 puan).
4. Öğrenci, veri setini özetlemek için tablolar, grafikler, kontrol panelleri gibi uygun görsellerle keşifsel veri analizi uygulayabilir. (10 puan).
5. Öğrenci, ilgili ön işlemeleri keşfedebilir ve veri setine uygulayabilir (15 puan).
6. Öğrenci, araştırma sorularıyla uyumlu veri modelini tamamlamak için teknikler ve algoritmalar seçebilir (algoritmaların detaylarını ilgili literatürle birlikte) (10 puan).
7. Öğrenci, seçilen modeli uygun araçlar ve teknolojiler kullanarak analiz edebilir (Power Bi, Python veya R IDE'leri, RapidMiner vb.) (15 puan).
8. Öğrenci, modelin performansını ölçmek için uygun göstergeleri seçebilir ve kullanabilir (10 puan).
9. Öğrenci, modelinin performansını açıklayabilir ve gelecekteki kullanımı için kalitesini tartışabilir (10 puan).
10. Öğrenci, ana bulguları ve bunların pratik etkilerini açıklayabilir (10 puan).

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. İntihal disiplin işlemi ile sonuçlanacaktır.
2. Derslerin en az yüzde 70 ine devam etmek zorunludur (yüz yüze sistemde). Çevrimiçi olması durumunda derse katılım ısrarla önerilmektedir.
3. Tüm ödevler zamanında teslim edilmedikleri takdirde kabul edilmeyecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

guzin.kavrukkoca@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Vize Sınavına Hazırlık 1 15 15
Final Sınavına Hazırlık 1 15 15
Ödev Hazırlama 7 5 35
Haftalık Ders öncesi/sonrası hazırlıklar 13 2 26
Sunum Hazırlama 1 3 3
Vize Sınavı 1 3 3
Final Sınavı 1 3 3
TOPLAM İŞ YÜKÜ (saat) 142

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5
ÖK.11
ÖK.2335
ÖK.3353
ÖK.4343
ÖK.545344