Opinto-opas

Osaamistavoitteet

The student is able to
- use planning, analysis and decision-making tools and techniques in strategic planning
- analyze financial statements and business reports and use them as a basis for decisions
- make business decisions in various business contexts
- apply data in decision making

Toteutustapa

•Luennointi
•Ryhmäkeskustelu
•Yksilöllinen tehtävä
•Projektitehtävä
•Opintokokonaisuuden lopussa suoritettava monivalintakoe, joka perustuu opintokokonaisuuden aikana
opiskeltuihin käsitteisiin.

Aika ja paikka

Oppitunnit järjestetään Teamsissa.
JOS MUUTOKSIA TAPAHTUU, OPISKELIJOILLE ILMOITETAAN SIITÄ ETUKÄTEEN.

https://teams.microsoft.com/l/meetup-join/19%3ameeting_ODQ5ZTg3NzYtY2I5Zi00MGJkLTlmYmYtYzNmNjY3NWIyYmZj%40thread.v2/0?context=%7b%22Tid%22%3a%22f0b9e9d7-8d66-4b16-9c1c-6b07c4796280%22%2c%22Oid%22%3a%22852e1131-503d-4927-9146-6c12fe41a0e7%22%7d

Oppimateriaali ja suositeltava kirjallisuus

Kaikki oppimateriaalit ladataan Canvasiin.

Toteutuksen valinnaiset suoritustavat

Voit suorittaa opintokokonaisuuden virtuaalisesti:

• Seuraa CANVASin ohjeita
• Toimita tehtävät ajoissa
• Osallistu projektitehtävän arviointiin ja monivalintakokeeseen ilman epäonnistumisia.
• Voit suorittaa opintokokonaisuuden onnistuneesti.

Toteutuksen tärkeät päivämäärät

The course will begin on 24.01.2024 and ends on 27.03.2024
The online sessions are on the following dates:
Date and Time:
24.01.2024 16.00 - 18.00
01.02.2024 16.00 - 18.00
07.02.2024 16.00 - 18.00
14.02.2024 16.00 - 18.00
28.02.2024 16.00 - 18.00
13.03.2024 16.00 - 18.00
27.03.2024 16.00 - 18.00

Kansainvälisyys toteutuksella

Opintokokonaisuudessa käsiteltävät aiheet ovat liiketoiminnan älykkyyden perusasioita.

Opiskelijan ajankäyttö ja kuormitus

perustyömäärä

Sisältö ja sen jaksotus

Scheduling: There will be 7 online sessions of 2 hours each, out of which 6 session will be teaching session and the last session is for feedback and
comments.
Content:
Module 1: Introduction to DDDM
- WHAT IS DDDM?
- Algorithm to make DDDM
- Regression and Randomized Trials
- Data Identification and Application
Module 2:Technology and Types of Data
• The marketplace and emerging trends in big data analytics
• Business impacts of technology advancements and data trends
• What is Big Data?
• perspective on big data
• Data and analytics examples
• Identifying, organizing, and processing data
• Structured", "Semi-Structured", and "Unstructured" data
• Implications of unstructured data - Case studies
• Data tools and technologies
Module 3: Data Analysis Techniques and Tools
•Types of data analysis techniques
•The role of Excel
•The role of SAS
• The role of R
• The role of Python
• The Power of Visualization
• The role of QlikView
• Data analysis approaches and techniques
• A Business Example of Data Visualization Tools
Module 4: Data-Driven Decision-Making Project
The course project will give you an opportunity to practice what you have learned. You will participate in a simulated business situation in which you will select the best course of action. You will then prepare a final deliverable, which will be evaluated by your peers. Additionally, you will have the opportunity to provide feedback on your peer's submissions.

Lisätietoja opiskelijoille

The objective of the study unit is
* Overview of Data Driven Decision Making
* Defining the Problem
* Analyzing and Understanding the data
* Evaluating the alternatives
* Communicating the decision

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Tehtävä-10
Hankkeen arviointi (40)
Monivalintakoe (50)
Yhteensä -100

Hylätty (0)

Jos pistemäärät ovat alle 40, opiskelija hylkää hyväksytyn kurssin.

Arviointikriteerit, tyydyttävä (1-2)

Jos pistemäärät ovat välillä 40-60, arvosanaksi tulee 1 ja 2.

Arviointikriteerit, hyvä (3-4)

Jos pistemäärät ovat 60-80, arvosanaksi tulee 3 ja 4.

Arviointikriteerit, kiitettävä (5)

Jos pistemäärät ovat 80-100, arvosanaksi tulee 4 ja 5.

Lisätiedot

Seuraava koskee Digitaalisten palveluiden kehittämisen opiskelijaa, joka ei ole suorittanut opintojaksoa viimeistään kevätlukukaudella 2026: Opintojakson voi korvata opintojaksolla ND00CC10 Data-driven IT 5 op.