DERS ADI

: İŞLETME ANALİTİĞİ

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
QMT 2009 İŞLETME ANALİTİĞİ ZORUNLU 3 0 0 5

Dersi Veren Birim

İşletme (İngilizce)

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROF. DR. AYSUN KAPUÇUGİL İKİZ

Dersi Alan Birimler

İşletme (İngilizce)

Dersin Amacı

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

Dersin Öğrenme Kazanımları

1   ÖÇ1: İş analitiğinin ve ilgili teknolojilerin gelişimini anlayabilir;
2   ÖÇ2: İşletme uygulamaları için öğrenme ve muhakeme yaklaşımlarını değerlendirebilir;
3   ÖÇ3: Stratejik hedeflerine göre kuruluşlar için en uygun stratejilere karar verebilir;
4   ÖÇ4: Amaca uygun istatistiksel raporlar tasarlayabilir ve geliştirebilir.
5   ÖÇ5: İstatistik, iş zekası ve ilgili yaklaşımların yardımıyla ileri analizler yürütebilir.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 İş Analitiğine Giriş, Temel Kavramlar Analiz Platformları Uygulama örnekleri
2 Verilerin Keşfi Veri Türleri, Veri Kalitesi, Veri Ön İşleme
3 Analiz Platformunun Tanıtımı
4 Tanımlayıcı istatistikler: Verileri Özetleme Temel İstatistikler ve Görselleştirmeler Rapor Tasarımı, Pano Tasarımı, Kritik Performans Göstergeleri
5 Tanımlayıcı istatistikler: Verileri Özetleme Temel İstatistikler ve Görselleştirmeler Rapor Tasarımı, Pano Tasarımı, Kritik Performans Göstergeleri
6 Çıkarımsal İstatistik Tahminleme, Hipotez Testi
7 Çıkarımsal İstatistik Tahminleme, Hipotez Testi
8 Veri Madenciliği ile Temel İşlemler Sınıflandırma Karar ağaçları, KNN, Naive Bayes
9 Veri Madenciliği ile Temel İşlemler Sınıflandırma Karar ağaçları, KNN, Naive Bayes
10 Veri Madenciliği ile Temel İşlemler Regresyon Analizi Doğrusal Regresyon, Lojistik Regresyon
11 Veri Madenciliği ile Temel İşlemler Regresyon Analizi Doğrusal Regresyon, Lojistik Regresyon
12 Kümeleme Birliktelik Kuralları K-ortalamalar Algoritması, Hiyerarşik Kümeleme
13 Kümeleme Birliktelik Kuralları K-ortalamalar Algoritması, Hiyerarşik Kümeleme
14 Projelerin Tamamlanması

Ders İçin Önerilen Kaynaklar

1. Ana kaynaklar

Pochiraju, B. & Seshadri,S. (2019). Essentials of Business Analytics: An Introduction to the Methodology and its Applications, Springer Cham. https://doi.org/10.1007/978-3-319-68837-4

2. Yazılım ve Kodlama Platformları (erişilebilirlik koşullarına göre değişiklik gösterir). Olası platformlar:

MS Excel
Rapid Miner
R, python
Power BI

Öğrenme ve Öğretme Yöntemleri

* Dersler bilgisayar destekli işlenecektir.
* Teorik bölümler uygun iş senaryoları ile desteklenecektir. Bir programlama dili ve/veya analiz ortamı kullanılarak temel uygulamalar geliştirilecektir. Bu uygulamalara ilişkin kavramayı artırmak için ev ödevi verilebilir.
* Her öğrenci bir grup projesine katılacak ve her proje bir işletme problemi için kapsamlı bir uygulamayı içerecek şekilde hazırlanacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 MT Midterm
2 AS1 1.Assignment
3 AS2 2.Assignment
4 FN Final
5 FCG FINAL COURSE GRADE MT * 0.20 +AS1 * 0.40 + AS2 * 0.20 + FN * 0.20
6 RST RESIT
7 FCGR FINAL COURSE GRADE (RESIT) MT * 0.20 + AS1 * 0.40 +AS2 * 0.20 + RST * 0.20


Değerlendirme Yöntemlerine İliskin Aciklamalar

1. Sınavlar, iş analitiğinin teorik altyapısının anlaşılması ve iş dünyasındaki uygulamalarının değerlendirilmesi üzerine olacaktır.
2. Dönem projesi, önerilen çalışmadaki yaklaşımlar ve teknolojiler ve iş analitiği ile ilgili stratejilerle uyumu temelinde değerlendirilecektir.

Değerlendirme Kriteri

Bu derste her öğrenci ekip üyesi olarak bir dönem projesi üzerinde çalışmaktadır. Dönem projesi öğrencilerin problem çözme ve yazılı/sözlü iletişim becerilerini geliştirmeyi amaçlamaktadır. Öğrenciler tercihlerine göre ekiplerini oluştururlar. Maksimum ekip üyesi sayısı 3 ile sınırlıdır.

Ekibin bir şirket veri kümesini (varsayımsal veya gerçek) kullanarak eksiksiz bir iş analitiği uygulaması tasarlaması gerekir. Bu projenin tamamlanması için belirli şirketlere ilişkin veri setleri, kılavuzlar ve şablon dosyası dersin öğretim üyesi tarafından sağlanır ve öğrenciler projenin gereklilikleri hakkında bilgilendirilir.

Proje çalışmasının aşağıdaki yapısal unsurlara (toplamda 18 özellik dahil) bağlı kalınarak tamamlanması talep edilmektedir:

* Giriş (%10) (şirket geçmişi, problemdeki birincil değişkeni etkileyen önemli faktörler)
* Veri Ön İşleme (%15) (Kalite sorunlarını tanımlamak için verileri keşfetme, doğrulama ve temizleme)
* Tanımlayıcı Analiz ve Görselleştirme (%20) (Sayısal tanımlayıcı istatistikler - ortalama, medyan, standart sapma, minimum, maksimum, yüzdelikler; Görseller- Histogramlar, Çubuk grafikler, Kutu Grafikleri, Çapraz Tablolar, Korelasyon Analizi ile Dağılım Grafikleri; Verideki yapıları keşfetme)
* Tahmine Dayalı Modelleme I: Regresyon (%20) (Model Belirtimi, Model Oluşturma, Artık analiz ve geliştirilmiş modelle teşhis, Model Doğrulama ve Tahmin)
* Tahmine Dayalı Modelleme II: Lojistik Regresyon (%20) (Model Belirtimi, Model Oluşturma, Hata terimleri Analizi ve geliştirilmiş modelle teşhis, Model Doğrulama ve Tahmin)
* Yönetimsel Etkiler (%5) (elde edilen tahminlerin işletme için ne anlama geldiğini ve bu tahminlerin karar verme sürecini nasıl kolaylaştırabileceğini açıklamak.)
* Dönem projesinin rapor kalitesi (%10): Yazılı iletişim becerileri, rapor üzerinden Mantık ve Organizasyon, Dil, Yazım ve Dilbilgisi, Fikir Geliştirme, Format özelliklerini içerecek şekilde incelenir.

Proje çalışmalarında kaliteli içerik sunmanın yanı sıra tüm ekip üyelerinin birlikte katkıda bulunması da kritik önem taşıyor. Akran Değerlendirme formu, her ekip üyesinin hem kendi performansını hem de diğer ekip üyelerinin performansını değerlendirmesine olanak tanıyarak bireysel katkısını değerlendirmek için kullanılır. Bu akran değerlendirme puanlarına dayanarak, her grup üyesinin projeye katkısını yansıtacak bir çarpan katsayısı hesaplanır. Bu nedenle öğrenciler dönem projesi notlarını katkılarına göre bireysel olarak alırlar.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. Her türlü kopyacılık eylemi disiplin soruşturması açılması ile sonuçlandırılacaktır.
2. Derslerin %70'ine katılım zorunludur.
3. Zamanında teslim edilmeyen ödevler kabul edilmeyecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

DEU İşletme Fakültesi
İşletme Bölümü Sayısal Yöntemler Anabilim Dalı

Prof. Dr. Aysun KAPUCUGİL İKİZ
aysun.kapucugil@deu.edu.tr
Ofis No: 125/A
Ofis Telefon #: 0.232.3018226

Dersin Yardımcı Öğretim Elemanı:
Berk Pişkin
berk.piskin@deu.edu.tr
Ofis No: 129

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Daha sonra ilan edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Haftalık Ders öncesi/sonrası hazırlıklar 12 1 12
Vize Sınavına Hazırlık 1 15 15
Ödev Hazırlama 4 2 8
Final Sınavına Hazırlık 1 20 20
Proje Hazırlama 1 25 25
Vize Sınavı 1 1,5 2
Final Sınavı 1 1,5 2
TOPLAM İŞ YÜKÜ (saat) 126

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13PK.14PK.15
ÖK.111535133
ÖK.233535133
ÖK.333535433
ÖK.433535433
ÖK.533535233