Бизнес-аналитика и ИИ как инструмент эффективного управления

Магистратура 2025/2026

Статус: Курс обязательный (Операционная эффективность и производственные системы)

Кто читает: Департамент бизнес-информатики

Где читается: Высшая школа бизнеса

Когда читается: 1-й курс, 2, 3 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Брускин Сергей Наумович, Заходякин Глеб Викторович

Язык: русский

Кредиты: 6

Контактные часы: 48

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс охватывает как теоретические, так и практические аспекты бизнес-аналитики (BA) и инструментов ИИ в контексте реальных бизнес-задач. В условиях насыщенной данными среды бизнес нуждается в аналитике, чтобы оставаться конкурентоспособным. Курс делает акцент на аналитике данных как методе получения инсайтов из цифровых данных. Также рассматривается применение инструментов ИИ в бизнес-анализе. Задания курса обучают студентов работе с BI-сервисами для извлечения, обработки, анализа и визуализации данных, инструментов обработки данных и создания моделей машинного обучения. Цель курса — помочь студентам принимать более эффективные решения на основе данных. Курс включает лекции, анализ данных, создание ИИ моделей, кейсы, обсуждения и групповой проект, в рамках которого студенты отрабатывают применение методов BA и ИИ к реальным данным и задачам бизнеса.

Цель освоения дисциплины

Выбирать подходящие инструменты и методы бизнес-аналитики для решения задач.
Интерпретировать результаты анализа данных.
Применять бизнес-аналитику к реальным бизнес-задачам.
Использовать различные источники данных и инструменты в процессе анализа.
Находить, извлекать, оценивать и подготавливать данные для анализа.
Создавать понятные визуализации данных и презентации.
Разрабатывать интерактивные дашборды и отчеты с помощью инструментов бизнес-аналитики.

Планируемые результаты обучения

Владеть навыками подготовки аналитических материалов по результатам исследовательских и аналитических проектов для информационного обеспечения принятия управленческих решений
Владеть навыками применения современных техник и методик сбора данных, продвинутых методов их обработки и анализа, методами количественного и качественного анализа для принятия управленческих решений
Умеет извлекать данные из источников, анализировать качество данных, обнаруживать статистические особенности данных и выявлять аномалии
Уметь обрабатывать эмпирические и экспериментальные данные

Содержание учебной дисциплины

Предварительный анализ данных
Методы и модели анализа данных
Представление результатов анализа данных

Элементы контроля

Домашнее задание 1
Основы разведочного анализа и предиктивного моделирования
Тест
Представляет собой письменный онлайн-тест множественного выбора с вопросами закрытого типа. Платформа проведения: StartExam с прокторингом. Во время экзамена студентам разрешено: пользоваться собственным конспектом лекций (один PDF-файл), использовать бумагу, ручку для ведения записей. Во время экзамена студентам запрещено: взаимодействовать с другими студентами, пользоваться такими средствами коммуникации, как почта, соц.сети и т.п., покидать место выполнения экзаменационного задания; Пользоваться умными гаджетами (смартфон, планшет и др.); Привлекать посторонних лиц для помощи в проведении экзамена, разговаривать с посторонними во время выполнения заданий; Вслух громко зачитывать задания.
Групповой проект (отчет)
Целью проекта является разработка прототипа аналитического решения для прикладной задачи с использованием изученных в курсе инструментов анализа данных и разработки предиктивных моделей. (Orange, DataLens). Результатами выполнения проекта являются: 1) Отчет с подробным описанием подхода проектной команды к решению задачи и полученных результатов в формате Word или PDF. Шаблон отчета размещается в материалах курса. 2) Файлы данных и сценариев, необходимые для запуска и проверки работоспособности проектного решения. Сценарии анализа данных должны иметь комментарии, поясняющие ключевые шаги анализа. 3) Видеоролик с демонстрацией разработанного решения (3-5 минут). 4) Презентация результатов проекта (10-12 слайдов).
Домашнее задание 2
Анализ клиентского сервиса и удовлетворённости клиентов интернет-магазина. Задача: Разработать интерактивный аналитический дашборд в Yandex DataLens для мониторинга клиентского сервиса и удовлетворённости клиентов маркетплейса с целью выявления проблемных зон и определения путей повышения качества обслуживания.
Экзамен
Экзамен проводится в форме защиты выполненных проектов.

Промежуточная аттестация

2025/2026 3rd module
0.24 * Тест + 0.14 * Домашнее задание 1 + 0.3 * Экзамен + 0.14 * Домашнее задание 2 + 0.18 * Групповой проект (отчет)

Список литературы

Авторы

Заходякин Глеб Викторович
Брускин Сергей Наумович

Программа дисциплины