Opinto-opas

Osaamistavoitteet

Student is able to
- Explain why organizations need to apply data in decision making
- Explain where the data comes from and how it can be used (buying, selling, collecting data, big data from IoT, digital platforms and APIs, machine learning and AI vs. statistical methods)
- Identify the role of information in a value creation process
- Identify key business models enabled by digital data
- List a few “no-code” ways of experimenting with data products to validate the business model
- Summarize how intellectual privacy regulations shape the data economy

Toteutustapa

Itsenäisesti omassa aikataulussa opiskeltava verkkokurssi Canvas-verkkoalustalla

Oppimateriaali ja suositeltava kirjallisuus

Tarvittava materiaali löytyy Canvasin kurssialueelta.

Toteutuksen valinnaiset suoritustavat

-

Työelämäyhteistyö ja/tai TKI

Opintojakso on toteutettu yhteistyössä Osaango Oy:n kanssa. Kurssin videoilla esiintyvät luennoitsijat ovat työelämän asiantuntijoita.

Toteutuksen tärkeät päivämäärät

-

Kansainvälisyys toteutuksella

Kurssia tarjotaan yhteistyöoppilaitoksille ja sen sisältö on rakennettu sopimaan sekä EU-maihin että kansainvälisesti soveltuvaksi.

Opiskelijan ajankäyttö ja kuormitus

1 op = 27 h opiskelijan työaikaa

Sisältö ja sen jaksotus

Videoita, verkkotehtäviä ja artikkeleita neljässä eri modulissa, kurssilla edetään moduli kerrallaan.
Moduuli 1: Data-talous lyhyesti
Moduuli 2: Datan lähteet ja liiketoimintamallit
Moduuli 3: Tiedon rooli arvonluonnissa
Moduuli 4: Seuraavat askeleet data-taloudessa

Kurssin jälkeen osaat:
Selittää miksi organisaatiot tarvitsevat dataa päätöksentekoon.
Selittää, mistä data tulee ja kuinka sitä voidaan käyttää (ostaa, myydä, kerätä, hyödyntää big dataa IoT:sta, digitaalisilta alustoita ja rajapinnoista, koneoppimisessa ja tekoälyssä vs. tilastollisiin menetelmiin).
Tunnistaa informaation roolin arvonluonnissa
Tunnistaa digitaalisen datan mahdollistamat keskeiset liiketoimintamallit.
Listata muutamat "no-code"-tavat kokeilla datatuotteita liiketoimintamallin validoimiseksi.
Kertoa tiivistetysti kuinka tietosuojasäädökset muokkaavat data-taloutta.

Lisätietoja opiskelijoille

Kysymyksiä kurssin vetäjille voit lähettää osoitteeseen mooc@laurea.fi.

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

Kurssin suorittaminen edellyttää materiaaleihin perehtymistä ja kyselyiden suorittamista hyväksytyllä pistemäärällä (vähintään 50%).

Osaamistavoitteet

Student is able to
- Explain why organizations need to apply data in decision making
- Explain where the data comes from and how it can be used (buying, selling, collecting data, big data from IoT, digital platforms and APIs, machine learning and AI vs. statistical methods)
- Identify the role of information in a value creation process
- Identify key business models enabled by digital data
- List a few “no-code” ways of experimenting with data products to validate the business model
- Summarize how intellectual privacy regulations shape the data economy

Toteutustapa

Itsenäisesti omassa aikataulussa opiskeltava verkkokurssi Canvas-verkkoalustalla. Ilmoittautuminen on auki jatkuvasti ja uudet ilmoittautumiset hyväksytään noin kerran viikossa (loma-aikoina hyväksynnät harvemmin).

Oppimateriaali ja suositeltava kirjallisuus

Tarvittava materiaali löytyy Canvasin kurssialueelta.

Toteutuksen valinnaiset suoritustavat

-

Työelämäyhteistyö ja/tai TKI

Opintojakso on toteutettu yhteistyössä Osaango Oy:n kanssa. Kurssin videoilla esiintyvät luennoitsijat ovat työelämän asiantuntijoita.

Toteutuksen tärkeät päivämäärät

-

Kansainvälisyys toteutuksella

Kurssia tarjotaan yhteistyöoppilaitoksille ja sen sisältö on rakennettu sopimaan sekä EU-maihin että kansainvälisesti soveltuvaksi.

Opiskelijan ajankäyttö ja kuormitus

1 op = 27 h opiskelijan työaikaa

Sisältö ja sen jaksotus

Videoita, verkkotehtäviä ja artikkeleita neljässä eri modulissa, kurssilla edetään moduli kerrallaan.
Moduuli 1: Data-talous lyhyesti
Moduuli 2: Datan lähteet ja liiketoimintamallit
Moduuli 3: Tiedon rooli arvonluonnissa
Moduuli 4: Seuraavat askeleet data-taloudessa

Kurssin jälkeen osaat:
Selittää miksi organisaatiot tarvitsevat dataa päätöksentekoon.
Selittää, mistä data tulee ja kuinka sitä voidaan käyttää (ostaa, myydä, kerätä, hyödyntää big dataa IoT:sta, digitaalisilta alustoita ja rajapinnoista, koneoppimisessa ja tekoälyssä vs. tilastollisiin menetelmiin).
Tunnistaa informaation roolin arvonluonnissa
Tunnistaa digitaalisen datan mahdollistamat keskeiset liiketoimintamallit.
Listata muutamat "no-code"-tavat kokeilla datatuotteita liiketoimintamallin validoimiseksi.
Kertoa tiivistetysti kuinka tietosuojasäädökset muokkaavat data-taloutta.

Lisätietoja opiskelijoille

Kysymyksiä kurssista voit lähettää osoitteeseen mooc@laurea.fi.

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

Kurssin suorittaminen edellyttää materiaaleihin perehtymistä ja kyselyiden suorittamista hyväksytyllä pistemäärällä (vähintään 50%).

Osaamistavoitteet

Student is able to
- Explain why organizations need to apply data in decision making
- Explain where the data comes from and how it can be used (buying, selling, collecting data, big data from IoT, digital platforms and APIs, machine learning and AI vs. statistical methods)
- Identify the role of information in a value creation process
- Identify key business models enabled by digital data
- List a few “no-code” ways of experimenting with data products to validate the business model
- Summarize how intellectual privacy regulations shape the data economy

Arviointiasteikko

Hyväksytty/Hylätty

Osaamistavoitteet

Student is able to
- Explain why organizations need to apply data in decision making
- Explain where the data comes from and how it can be used (buying, selling, collecting data, big data from IoT, digital platforms and APIs, machine learning and AI vs. statistical methods)
- Identify the role of information in a value creation process
- Identify key business models enabled by digital data
- List a few “no-code” ways of experimenting with data products to validate the business model
- Summarize how intellectual privacy regulations shape the data economy

Toteutustapa

Itsenäisesti omassa aikataulussa opiskeltava verkkokurssi Canvas-verkkoalustalla

Oppimateriaali ja suositeltava kirjallisuus

Tarvittava materiaali löytyy Canvasin kurssialueelta.

Toteutuksen valinnaiset suoritustavat

-

Työelämäyhteistyö ja/tai TKI

Opintojakso on toteutettu yhteistyössä Osaango Oy:n kanssa. Kurssin videoilla esiintyvät luennoitsijat ovat työelämän asiantuntijoita.

Toteutuksen tärkeät päivämäärät

-

Kansainvälisyys toteutuksella

Kurssia tarjotaan yhteistyöoppilaitoksille ja sen sisältö on rakennettu sopimaan sekä EU-maihin että kansainvälisesti soveltuvaksi.

Opiskelijan ajankäyttö ja kuormitus

1 op = 27 h opiskelijan työaikaa

Sisältö ja sen jaksotus

Videoita, verkkotehtäviä ja artikkeleita neljässä eri modulissa, kurssilla edetään moduli kerrallaan.
Moduuli 1: Data-talous lyhyesti
Moduuli 2: Datan lähteet ja liiketoimintamallit
Moduuli 3: Tiedon rooli arvonluonnissa
Moduuli 4: Seuraavat askeleet data-taloudessa

Kurssin jälkeen osaat:
Selittää miksi organisaatiot tarvitsevat dataa päätöksentekoon.
Selittää, mistä data tulee ja kuinka sitä voidaan käyttää (ostaa, myydä, kerätä, hyödyntää big dataa IoT:sta, digitaalisilta alustoita ja rajapinnoista, koneoppimisessa ja tekoälyssä vs. tilastollisiin menetelmiin).
Tunnistaa informaation roolin arvonluonnissa
Tunnistaa digitaalisen datan mahdollistamat keskeiset liiketoimintamallit.
Listata muutamat "no-code"-tavat kokeilla datatuotteita liiketoimintamallin validoimiseksi.
Kertoa tiivistetysti kuinka tietosuojasäädökset muokkaavat data-taloutta.

Lisätietoja opiskelijoille

Kysymyksiä kurssin vetäjille voit lähettää osoitteeseen mooc@laurea.fi.

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

Kurssin suorittaminen edellyttää materiaaleihin perehtymistä ja kyselyiden suorittamista hyväksytyllä pistemäärällä (vähintään 50%).

Osaamistavoitteet

Student is able to
- Explain why organizations need to apply data in decision making
- Explain where the data comes from and how it can be used (buying, selling, collecting data, big data from IoT, digital platforms and APIs, machine learning and AI vs. statistical methods)
- Identify the role of information in a value creation process
- Identify key business models enabled by digital data
- List a few “no-code” ways of experimenting with data products to validate the business model
- Summarize how intellectual privacy regulations shape the data economy

Toteutustapa

Itsenäisesti omassa aikataulussa opiskeltava verkkokurssi Canvas-verkkoalustalla

Oppimateriaali ja suositeltava kirjallisuus

Tarvittava materiaali löytyy Canvasin kurssialueelta.

Toteutuksen valinnaiset suoritustavat

-

Työelämäyhteistyö ja/tai TKI

Opintojakso on toteutettu yhteistyössä Osaango Oy:n kanssa. Kurssin videoilla esiintyvät luennoitsijat ovat työelämän asiantuntijoita.

Toteutuksen tärkeät päivämäärät

-

Kansainvälisyys toteutuksella

Kurssia tarjotaan yhteistyöoppilaitoksille ja sen sisältö on rakennettu sopimaan sekä EU-maihin että kansainvälisesti soveltuvaksi.

Opiskelijan ajankäyttö ja kuormitus

1 op = 27 h opiskelijan työaikaa

Sisältö ja sen jaksotus

Videoita, verkkotehtäviä ja artikkeleita neljässä eri modulissa, kurssilla edetään moduli kerrallaan.
Moduuli 1: Data-talous lyhyesti
Moduuli 2: Datan lähteet ja liiketoimintamallit
Moduuli 3: Tiedon rooli arvonluonnissa
Moduuli 4: Seuraavat askeleet data-taloudessa

Kurssin jälkeen osaat:
Selittää miksi organisaatiot tarvitsevat dataa päätöksentekoon.
Selittää, mistä data tulee ja kuinka sitä voidaan käyttää (ostaa, myydä, kerätä, hyödyntää big dataa IoT:sta, digitaalisilta alustoita ja rajapinnoista, koneoppimisessa ja tekoälyssä vs. tilastollisiin menetelmiin).
Tunnistaa informaation roolin arvonluonnissa
Tunnistaa digitaalisen datan mahdollistamat keskeiset liiketoimintamallit.
Listata muutamat "no-code"-tavat kokeilla datatuotteita liiketoimintamallin validoimiseksi.
Kertoa tiivistetysti kuinka tietosuojasäädökset muokkaavat data-taloutta.

Lisätietoja opiskelijoille

Kysymyksiä kurssin vetäjille voit lähettää osoitteeseen mooc@laurea.fi.

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

Kurssin suorittaminen edellyttää materiaaleihin perehtymistä ja kyselyiden suorittamista hyväksytyllä pistemäärällä (vähintään 50%).