Экономический факультет
Разделы курса
Тема 1. Введение в управление данными предприятия..
Тема 2. Информационно-аналитический комплекс предприятия. Инфраструктурные и прикладные сервисы. Интеграция данных.
Тема 3 Обеспечение качества данных.
Тема 4 Управление НСИ и мастер-данными
Тема 5 Основы бизнес-анализа (BI)
Тема 6. Решения класса BI. Информация об этапах жизненного цикла объекта как основа для принятия управленческих решений.
Значение дисциплины «Управление данными» для будущей карьеры
Строчки в резюме:
§ Навыки проектирования дата-центричных бизнес-архитектур
§ Знание ключевых метрик качества данных и способов его обеспечения
§ Умение профилировать данные
§ Понимание ETL-процессов
§ Владение BI-инструментами
Перспективы для карьерного роста:
§ Переход в data-driven роли: от Data Product Manager до CDO (Директора по данным) и CDTO (Директора по цифровой трансформации)
§ Выстраивание data-центричной архитектуры и культуры принятия решений на основе данных в подразделении/компании в качестве руководителя
Цифровая трансформация и формирование инфраструктуры данных. Информация и данные - актив предприятия. Ценность данных. Скорость изменения внешней среды и скорость принятия решения. Управление данными. Данные и информация. Принципы управления данными. Управление данными как кросс-функциональный процесс. Целостный взгляд на функционирование организации. Жизненный цикл данных. Различные виды данных. Данные и риск. Управление данными и информационные технологии. Воздействия ИТ и ИС на компании и рынки и платформенная экономика.
Работа со сквозным проектом. Выбор темы. Студентам предоставляется набор учебных кейсов по созданию информационно-аналитического комплекса для отдельных предметных областей. Сбор данных и подготовка данных. Создание базы на основе готовой модели данных. Перенос наборов данных из электронных таблиц в базу данных проекта на сервере.
Стратегия управления данными. Создание информационно-технологической основы для поставки данных. Информационная платформа как основа для прикладных проектов.
Интеграция данных: Цели, задачи, проблемы; Подходы к интеграции; Инструменты; Базовые понятия ETL: источники и приемники; Маппинг; Workflow; Преобразования данных.
Информационное обеспечение кросс-функционального и кросс-системного процесса. Поставка данных из нескольких систем. Интеграция данных их двух систем.
Студентам предоставляется доступ к внешним динамически обновляемым базам данных. Они загружают в свои базы данных наборы данных для обогащения своих проектов.
Понятие качества данных, метрики качества данных, проблемы качества; Циклический процесс обеспечения качества данных; Роли участников в процессе обеспечения качества данных; Профилирование данных; Стандратизация, нормализация, обогащение данных; Поиск и обработка дублированных данных
Нормализация данных проекта. Создание справочников данных, витрин данных как информационной основа для анализа данных. Реализация методов повышения качества данных на языке SQL.
Решение задач анализа данных на SQL на примере данных готового хранилища данных.
Работа с данными, поставляемыми из нескольких источников: анализ данных путём профилирования; Очистка данных: стандратизация, нормализация, обогащение данных. Поиск и обработка дублированных данных: алгоритмы поиска дубликатов, применение различных подходов в зависимости от типа данных
Определение основных данных, отличие мастер-данных и справочников от транзакционных данных; Виды мастер-данных и справочников; Типовые структуры справочников: списки, таксономия, фасетная классификация; Актуальность и цели управления мастер-данными; Источники данных, понятие «золотой записи», подход к её формированию; Типовые варианты архитектуры MDM: централизованная, гармонизированная, аналитическая
Реализация в проектах разных типов справочников: списки, таксономия, фасетная классификация. Построение мастер данных: источники данных, понятие «золотой записи», подход к её формированию. Использование классификаторов. Подходы к выявлению дубликатов записей.
Понятие бизнес-анализа. Методика бизнес-анализа по BABoK: задачи и ключевые результаты.
Цели, задачи, проблемы; Визуализация данных; Решения класса BI; Построение моделей данных; Разработка аналитических показателей; Аналитические панели (дашборды) для конечных бизнес-пользователей. Понятие OLAP; Подходы к формированию OLAP кубов; Виды отчётов: плоские отчёты и кубы.
Информационное обеспечение отдельных задач управления предприятием: управления рисками в компании и его информационном обеспечении: шесть сигма, сбалансированная система показателей в контексте.
Структурирование, анализ и преобразование исходных данных в аналитическую картину для бизнеса, помогающую обоснованному принятию управленческих решений.
Применение методологии Шесть сигма для своего проекта. Разбор примера из области индустрии. Воспроизведение аналогичного примера для проекта.
Применение методологии сбалансированной системы показателей для своего проекта. Разбор примера из области индустрии. Воспроизведение аналогичного примера для проекта.
Построение справочников: персоны, подразделения, сотрудники и др.
Модели жизненного цикла. Жизненный цикл инженерного проекта. Экономическая модель жизненного цикла. Цепочка ценности по этапам жизненного цикла. Информационная модель. Сбор и анализ информации о процессах организации в динамики, разобрать относительно простые метрики и способы визуального анализа. Информационная модель жизненного цикла для стратегического управления инженерными сервисами. Пример Навигационные сервисы
Информационное моделирование в строительной отрасли, опыт Сингапура.
Кейс затраты на покупку +затраты на содержание продукта в период эксплуатации (ТСО). Воспроизведение аналогичного примера для проекта.
Мониторинг эксплуатации изделия с набором статистики недостатков и отказов и дальнейшее использование статистики для совершенствования конструкции, дизайна. Учет в ценовой политике согласия на поставку данных. ( PAS 280, GE predix, Siments mindsphere) Delata AirLine, Boeing – GE aviation . Воспроизведение аналогичного примера для проекта.
Основной ресурс: http://on.econ.msu.ru
Сервер баз данных для проектов: 93.180.33.27
Сервер баз данных кафедральных проектов EcoTheory: 93.180.33.22
Наборы данных Kaggle - https://www.kaggle.com
Цели и Показатели: SILA Union – https://msu.silaunion.ru/
Интеграция данных: Loginom - https://loginom.ru
Система класса BI Visiology
Место курса в траекториях обучения:
Бизнес- аналитика; Архитектор экосистемы; Цифровые модели мезо и макро-уровня.
Выступления на конференциях, публикации и эксперименты:
Образовательные треки для академических программ
Инструменты технологического стека и информационные стенды
Российская Федерация, 119991, г.Москва, ГСП-1, Ленинские горы,
Московский государственный университет имени М.В. Ломоносова,
дом 1, строение 46 (3-й новый учебный корпус), Экономический факультет, к.546,548,550
Кафедра экономической информатики
Наш сайт на econ.msu.ru
+7 (495) 939-30-67 — секретарь
+7 (495) 939-57-25 — преподавательская
Электронная почта: it@econ.msu.ru