Üzleti intelligencia

A GeekWiki wikiből
Üzleti intelligencia
Tárgykód
2IR32NDK04B
Általános infók
Kredit
5
Ajánlott félév
6
Félév
Tavaszi félév
Előadás
van
Szeminárium
hetente egyszer
Tanszék
Információrendszerek Tanszék
Követelmények
KisZH
nincs
NagyZH
nincs
Házi feladat
beadandó feladatok
Vizsga
gyakotrlati jegy
Előtanulmány
nincs
Elérhetőségek
Tárgyfelelős
Dr. Vas Réka Franciska
Oktatók
Borbásné Szabó Ildikó
Kovács Tibor
Kovács László
Cséki Csaba
Okató(k) e-mail címe
reka.vas@ajk.pte.hu
iszabo@informatika.uni-corvinus.hu
csaba.csaki@uni-corvinus.hu
laszlo.kovacs2@uni-corvinus.hu

A tantárgy célja, hogy áttekintést nyújtson az üzleti intelligencia megoldások elméleti hátteréről, alkalmazási lehetőségeiről, a gyakorlat során fellépő kihívásokról. A tárgy keretében foglalkozunk az adattárházakkal kapcsolatos tudnivalókkal, az adatminőséghez kötődő kérdésekkel és kihívásokkal. Megvizsgáljuk az adattárházakra épülő üzleti intelligencia megoldások sajátosságait, alkalmazásuk korlátait, feltételeit. Áttekintjük az adatbányászat és a szövegbányászat alapjait, támogató megoldásait.

Követelmények

A tárgy értékelése félévközi és vizsgaidőszaki számonkérés kombinációjaként történik meg.

A szorgalmi időszakban

  • A gyakorlati jegy az alábbi feladatokra kapott részpontszámok összegéből adódik:
    • gyakorlati feladatok 50 pont (további a feladatokkal kapcsolatos részletes követelmények a CooSpace-ban, az 1. hétnél érhetők el (min. 25 pontot el kell érni az elégtelentől különböző jegyhez).
    • elméleti beszámoló 50 pont (min. 25 pontot el kell érni az elégtelentől különböző jegyhez)
    • Plusz pontokat (8 pont) lehet szerezni a kiemelt előadásokon való részvételért.
  • Elővizsga: nincs.

A vizsgaidőszakban

A tárgy gyakorlati jeggyel zárul.

Félévvégi jegy

  • Ponthatárok:
Pontszám Jegy
0 - 47 1
48 - 60 2
61 - 73 3
74 - 86 4
87 - 100 5

Tematika

  1. hét:Döntés és döntéstámogatás
  2. hét:Üzleti intelligencia alapfogalmai, üzleti intelligencia architektúra
  3. hét:Adatgyűjtés, adatkezelés, adattárházak
  4. hét:Adattárházak és GDPR
  5. hét:Adatmodellezés és -vizualizáció
  6. hét: Üzleti analitika és OLAP
  7. hét:Adatbányászat
  8. hét:Gépi tanulás I.
  9. hét:Gépi tanulás II.
  10. hét:Data Science a gyakorlatban
  11. hét:Szövegbányászat
  12. hét:IoT és adatelemzés
  13. hét:Összefoglalás

Segédanyagok

Kötelező irodalom:

  • Fajszi Bulcsú – Cser László - Fehér Tamás: Üzleti haszon az adatok mélyén, Alinea Kiadó, 2010

Ajánlott irodalom:

  • Inmon, W. H., “Building the Data Warehouse”
  • Kimball, R.: “Rating Your Dimensional Data Warehouse, www.intelligententerprise.com – 2000
  • Turban, E., Sharda, R., Delen, D.: Decision Support and Business Intelligence Systems