Επιχειρηματική Αναλυτική (Υ-ΨΜΑΔ)
Διδάσκων/ουσα: Κορφιάτης Νικόλαος, Πανάρετος Αλέξανδρος
Κωδικός: MO350
Τύπος Μαθήματος: Κατεύθυνση ΨΜΑΔ - Υποχρεωτικά
Επίπεδο Μαθήματος: Προπτυχιακό
Γλώσσα Μαθήματος: Ελληνικά
Εξάμηνο: Η΄
ECTS: 5
Διδακτικές Μονάδες: 6
Ώρες Διάλεξης: 6
Σύνολο Ωρών: 6
Σελίδα E Class: https://opencourses.ionio.gr/courses/DDI300/
Προγράμματα Σπουδών: Αναμορφωμένο ΠΠΣ Πληροφορικής από 2025
Το μάθημα «Επιχειρηματική Αναλυτική» πραγματεύεται τις αρχές και τις πρακτικές αξιοποίησης δεδομένων για την υποστήριξη της λήψης αποφάσεων σε οργανισμούς. Παρουσιάζονται οι βασικές προσεγγίσεις της αναλυτικής (περιγραφική, προγνωστική και προδιαγραφική) και εξετάζεται η συσχέτισή τους με την αξιολόγηση επιχειρηματικής επίδοσης μέσω μετρικών και δεικτών (KPIs). Μέσω εργαστηριακών εφαρμογών και μελετών περίπτωσης, αναπτύσσεται εξοικείωση με διαδικασίες συλλογής, ανάλυσης και οπτικοποίησης επιχειρηματικών δεδομένων, καθώς και με τον σχεδιασμό αναφορών και πινάκων ελέγχου (dashboards). Παράλληλα, ενισχύονται δεξιότητες ερμηνείας αποτελεσμάτων, στοιχειώδους μοντελοποίησης και χρήσης εργαλείων επιχειρηματικής ευφυίας, με στόχο τη διατύπωση τεκμηριωμένων προτάσεων σε διαφορετικά επιχειρησιακά πεδία.
Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση να:
- Κατανοούν τις βασικές έννοιες της επιχειρηματικής αναλυτικής και της χρήσης δεδομένων στη λήψη αποφάσεων.
- Χρησιμοποιούν τεχνικές στατιστικής ανάλυσης και μοντελοποίησης δεδομένων για επιχειρηματικά προβλήματα.
- Εφαρμόζουν τεχνικές μηχανικής μάθησης για την ανάλυση επιχειρηματικών δεδομένων.
- Αναπτύσσουν αναλυτικά dashboards και αναφορές χρησιμοποιώντας σύγχρονα εργαλεία επιχειρηματικής αναλυτικής.
- Αξιολογούν την απόδοση επιχειρηματικών διαδικασιών μέσω δεδομένων και μετρικών απόδοσης (KPIs).
- Χρησιμοποιούν τεχνικές προγνωστικής και προδιαγραφικής ανάλυσης για τη βελτιστοποίηση επιχειρηματικών αποφάσεων.
- Συνδυάζουν γνώσεις από την επιστήμη δεδομένων και τη διοίκηση επιχειρήσεων για την ανάπτυξη επιχειρηματικών λύσεων.
- Davenport, T. H., & Harris, J. G. (2017). Competing on Analytics: The New Science of Winning. Harvard Business Review Press.
- Provost, F., & Fawcett, T. (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media.
- Sharda, R., Delen, D., & Turban, E. (2020). Business Intelligence, Analytics, and Data Science: A Managerial Perspective. Pearson.
- 60% γραπτές εξετάσεις
- 40% παράδοση εργασίας λύσης επιχειρηματικού προβλήματος
Επιστροφή
Σπουδές
e-mail: cs@ionio.gr



