Kompetencje analityczne menedżera

2,0 pkt. ECTS - 55 godzin, w tym:

30 godzin pracy bezpośredniej z nauczycielem podczas laboratorium

10 godzin pracy indywidualnej, która potrzebna jest do pomyślnego zdania przedmiotu

10 godzin - przygotowanie do zajęć, wykonanie prac zaliczeniowych

5 godzin - konsultacje indywidualne

W1: Student zna i rozumie metody i narzędzia analizy danych biznesowych niezbędnych do podejmowania racjonalnych decyzji menedżerskich (K_W08)

W2: Student zna i rozumie możliwości wykorzystania technik i narzędzi wizualizacji danych w procesie podejmowania decyzji (K_W07)

U1: Student potrafi prawidło wyciągać wiedzę z danych biznesowych na podstawie metod analizy danych i uczenia maszynowego (K_U01)

U2: Student potrafi w sposób etyczny wykorzystać narzędzia AI (sztucznej inteligencji) w analizie danych oraz procesach podejmowania decyzji menedżerskich (K_W07)

U3: Student potrafi przedstawić wiedzę ukrytą w danych przy wykorzystaniu technik wizualizacji danych oraz metody storytellingu (K_U12)

U4: Student potrafi wykorzystać oprogramowanie Excel, Gretl, PS Imago (SPSS) oraz ChatGPT3.5 (AI) w procesach wspomagających podejmowanie decyzji (K_U12)

K1: Student jest gotów przeprowadzić analizę danych, która pozwoli na realizację określonych celów i zadań z zakresu podejmowania racjonalnych decyzji menedżerskich (K_K02)

K2: Student jest gotów przekształcać durowe dane w informację i wiedzę wspomagającą podejmowanie decyzji (K_K02)

Metody dydaktyczne podające: wykład informacyjny (konwencjonalny) oraz wykład problemowy

Metody dydaktyczne poszukujące: laboratoryjna, studium przypadku

- wykład informacyjny (konwencjonalny)
- wykład problemowy

- laboratoryjna
- studium przypadku

W trakcie zajęć laboratoryjnych są tworzone konkretne rozwiązania analityczne w oparciu o dostępne narzędzia, tj. Excel, Gretl, PS Imago (SPSS) oraz ChatGPT 3.5.

Celem przedmiotu jest rozwój menedżerskich kompetencji w zakresie wykorzystania nowych technologii, analizy danych z wykorzystaniem metod statystycznych oraz uczenia maszynowego, a także etycznego wykorzystania sztucznej inteligencji w pracy.

Zakres zagadnień omawianych podczas zajęć laboratoryjnych:

1. Statystyczny opis danych biznesowych oraz możliwości wykorzystania w procesach zarządczych

2. Budowa modeli statystyczno-ekonometrycznych i modeli uczenia maszynowego oraz ich wykorzystanie w procesach decyzyjnych

3. Modelowanie cykliczności procesów biznesowych (takich jak sprzedaż, produkcja)

4. Wizualizacja danych biznesowych pochodzących z różnych obszarów działalności przedsiębiorstwa (omówienie podstawowych koncepcji, wykresów oraz dobrych praktyk w wizualizacji)

5. Przygotowywanie kokpitów menedżerskich oraz dashboardów, a także udostępnianie wyników dla celów zarządczych

6. Wykorzystanie narzędzi AI w biznesie, usprawnianie pracy własnej z zastosowaniem generatywnej AI (zastosowanie Chat GPT 3.5)

Literatura podstawowa:

1. Sobczyk M., Statystyka, wyd. 4 zmienione, PWN, Warszawa 2002 i nowsze wydania

2. Piłatowska M., Repetytorium ze statystyki, PWN, Warszawa, 2009

3. Kufel T., Ekonometryczna analiza cykliczności procesów o wysokiej częstotliwości obserwowania, Wydawnictwo Naukowe UMK, Toruń 2010

4. Wilke C. O., Podstawy wizualizacji danych. Zasady tworzenia atrakcyjnych wykresów, Helion, Gliwice 2014.

5. Murray S., Interaktywna wizualizacja danych, Helion, Gliwice 2020.

6. Publikacje, artykuły, blogi nt. wykorzystania Chat GPT 3.5 w zarządzaniu

Zaliczenie laboratoriów:

Projekt zaliczeniowy – W1, W2, U1, U2, U3, U4

Aktywność – K1, K2

Kryteria oceniania:

ndst – poniżej 60 pkt (poniżej 60%)

dst – 60 - 64 pkt (60% - 64%)

dst plus- 65 - 70 pkt (65% - 70%)

db – 71 - 80 pkt (71% - 80%)

db plus – 81 - 85 pkt (81% - 85%)

bdb – 86 - 100 pkt (86% - 100%)