Big Data w ekonomii i zarządzaniu WSE-BD-BDEZ
Przedmiot „Big Data w Ekonomii i Zarządzaniu” ma na celu kompleksowe przygotowanie studentów do zrozumienia, analizy i praktycznego wykorzystania dużych zbiorów danych (big data) w kontekście współczesnych procesów ekonomicznych oraz zarządczych. W dobie cyfryzacji i rosnącej dostępności danych, umiejętność ich przetwarzania i analizy staje się kluczową kompetencją w wielu obszarach biznesu, administracji i nauki.
W ramach kursu studenci zostaną zapoznani z podstawowymi pojęciami, definicjami i koncepcjami związanymi z big data, w tym charakterystyką danych wielkoskalowych (np. model 5V: volume, velocity, variety, veracity, value), typologią danych strukturalnych i niestrukturalnych oraz znaczeniem danych w procesach zarządzania i podejmowania decyzji. Przedstawione zostaną także etapy przetwarzania danych – od ich pozyskiwania, przez czyszczenie i transformację, po analizę i wizualizację wyników.
Studenci poznają narzędzia i techniki wykorzystywane w analizie danych, w tym platformy analityczne, a także elementy przetwarzania danych w chmurze. W ramach ćwiczeń i projektów studenci będą mieli okazję zastosować zdobyte umiejętności do analizy rzeczywistych przypadków biznesowych oraz danych pochodzących z sektora publicznego i prywatnego.
Kurs ma również na celu rozwinięcie umiejętności krytycznego myślenia, analizy i interpretacji danych w kontekście ekonomicznym i menedżerskim. Szczególny nacisk położony zostanie na wykorzystanie analizy danych do wspomagania procesów decyzyjnych – zarówno na poziomie operacyjnym, jak i strategicznym – poprzez identyfikację trendów, modelowanie zjawisk ekonomicznych, prognozowanie wyników oraz ocenę ryzyka i efektywności działań.
Ostatecznym celem przedmiotu jest przygotowanie studentów do samodzielnej pracy z danymi, doboru odpowiednich metod analitycznych oraz formułowania trafnych wniosków, które będą stanowić podstawę dla świadomych, opartych na danych decyzji menedżerskich.
Cele przedmiotu:
1. Przedstawienie podstawowych pojęć związanych z big data – zapoznanie studentów z definicją i charakterystyką danych wielkoskalowych oraz ich rolą w gospodarce cyfrowej.
2. Zapoznanie studentów z narzędziami i technikami analizy dużych zbiorów danych – nauka obsługi popularnych narzędzi analitycznych i języków programowania oraz poznanie metod eksploracji danych, statystyki i wizualizacji.
3. Zastosowanie big data w praktycznych przypadkach z ekonomii i zarządzania – analiza studiów przypadków i projektów opartych na rzeczywistych danych biznesowych i publicznych.
4. Rozwinięcie umiejętności analitycznych i interpretacyjnych – doskonalenie kompetencji w zakresie przetwarzania, porządkowania, interpretowania i wyciągania wniosków z danych.
5. Przygotowanie studentów do samodzielnej pracy z danymi i podejmowania decyzji na ich podstawie – kształcenie postawy data-driven thinking oraz umiejętności podejmowania racjonalnych decyzji na podstawie analizy danych.
Kluczowe zagadnienia poruszane w ramach przedmiotu:
• Wprowadzenie do big data: definicje, cechy, znaczenie dla ekonomii i zarządzania
• Model 5V i ewolucja danych w erze cyfrowej
• Źródła danych: dane wewnętrzne i zewnętrzne, otwarte dane, dane z mediów społecznościowych i IoT
• Typy danych: dane strukturalne, niestrukturalne i półstrukturalne
• Metody przetwarzania danych: ETL (Extract, Transform, Load), czyszczenie i integracja danych
• Podstawy analizy statystycznej i eksploracyjnej dużych zbiorów danych
• Wizualizacja danych
• Analiza predykcyjna i klasyfikacyjna w zarządzaniu i ekonomii
• Przetwarzanie danych w chmurze (cloud computing)
• Zastosowania big data w zarządzaniu: optymalizacja procesów, CRM, marketing, logistyka
• Zastosowania big data w ekonomii: analiza rynków, prognozowanie, modelowanie zjawisk gospodarczych
• Etyka i bezpieczeństwo danych, prywatność oraz aspekty prawne wykorzystania big data
• Rola analityki danych w podejmowaniu decyzji strategicznych i operacyjnych
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
E-Learning
Grupa przedmiotów ogólnouczenianych
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza (W):
• W1. Student zna i rozumie podstawowe pojęcia, definicje oraz cechy charakterystyczne big data, w tym model 5V i typologię danych.
• W2. Student posiada wiedzę na temat narzędzi, technologii i metod analizy dużych zbiorów danych wykorzystywanych w ekonomii i zarządzaniu.
• W3. Student rozumie znaczenie danych w procesach decyzyjnych oraz zna możliwości zastosowania big data w różnych obszarach działalności gospodarczej i administracyjnej.
Umiejętności (U):
• U1. Student potrafi pozyskiwać, przetwarzać i analizować dane z różnych źródeł z wykorzystaniem odpowiednich narzędzi i technik.
• U2. Student potrafi interpretować wyniki analiz danych oraz wyciągać wnioski wspierające podejmowanie decyzji menedżerskich i ekonomicznych.
• U3. Student potrafi przygotować i zaprezentować wyniki analiz w formie graficznej i raportowej, wykorzystując nowoczesne narzędzia wizualizacji danych.
Kompetencje społeczne (K):
• K1. Student jest gotów do krytycznej oceny danych, wyników analiz oraz ich zastosowania w praktyce gospodarczej i zarządczej.
• K2. Student rozumie znaczenie etycznych, prawnych i społecznych aspektów pracy z danymi, w tym ochrony prywatności i odpowiedzialności za decyzje podejmowane na podstawie danych.
• K3. Student wykazuje gotowość do pracy zespołowej przy realizacji projektów analitycznych oraz do samodzielnego rozwijania kompetencji w obszarze analizy danych.
Kryteria oceniania
Kryteria oceniania dla przedmiotu „Big Data w ekonomii i zarządzaniu”
2– student nie zapoznał się z programem nauczania, nie wyraża znajomości podstawowych pojęć z zakresu problematyki Big Data w ekonomii i zarządzaniu oraz nie brał udziału w zajęciach oraz aktywnościach
3 – student w podstawowym stopniu zapoznał się z programem nauczania, wykonał minimalny zakres zadań koniecznych do poznania podstaw problematyki Big Data w ekonomii i zarządzaniu oraz brał udział w zajęciach bez wykazywania dodatkowych aktywności
4 – student w stopniu wysokim zapoznał się z programem nauczania, umie sam wyszukiwać informacji potrzebnych do rozwiązania zadań, zna pojęcia podstawowe z zakresu problematyki Big Data w ekonomii i zarządzaniu oraz potrafi wyszukać informacji o pojęciach wykraczających poza ramy podstawowe, brał udział w zajęciach, wykazując się dodatkową aktywnością
5 – student w stopniu bardzo wysokim zapoznał się z programem nauczania, wyszukując dodatkowe informacje poza programem nauczania, student opanował pojęcia podstawowe oraz dodatkowe z zakresu przedmiotu, zna i umie rozwiązywać zadania problemowe z zakresu problematyki Big Data w ekonomii i zarządzaniu, brał udział w zajęciach, będą aktywnym słuchaczem i mówcą, wykonując dodatkowe aktywności.
Kryteria oceny końcowej:
Zaliczenie na ocenę (test), na podstawie aktywności oraz wykonywanej przez studentów pracy w postaci rozwiązywania studium przypadków, przygotowania opracowań własnych (referatu) oraz zadań obowiązkowych i dodatkowych .
70% praca zaliczeniowa
20% praca studentów (projekt/referat/studium przypadku)
10% aktywność na zajęciach
METODY DYDAKTYCZNE:
Case study, dyskusja, prezentacja
Sposoby weryfikacji efektów uczenia się:
praca zaliczeniowa, referat, projekt.
TRYB ZAJĘĆ: nauczanie stacjonarne.
% punktów – Ocena:
0-50 – ndst.
51-60 – dost.
61-70 – dost. plus
71-80 – db.
81-90 – db. plus
91-100 – bdb.
Literatura
J. Wieczorkowski, I. Chomiak-Orsa, I. Pawełoszek, Big Data w zarządzaniu, Polskie Wydawnictwo Ekonomiczne, Warszawa 2021, ISBN 978-83-208-2472-8
D. E. Holmes, Big Data, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2021. ISBN 978-83-822-0062-1
D. Natingga, Algorytmy Data Science. Siedmiodniowy przewodnik, Wydanie II, Wydawnictwo Helion, Gliwice 2019. ISBN 978-83-283-5603-0
D. Stephenson, Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!, Wydawnictwo Helion, Gliwice 2019. ISBN 978-83-283-5797-6
S. Spałek (pod red.), Analiza danych w zarządzaniu projektami, Wydawnictwo Helion, Gliwice 2020, ISBN 978-83-283-6776-0
F. Buisson, Analiza danych behawioralnych przy użyciu języków R i Pyton, Wydawnictwo Promise, Warszawa 2022. ISBN 978-83-754-1465-3
N. Marz, J. Warren, Big Data. Najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym, Wydawnictwo Helion, Gliwice 2016. ISBN 978-83-283-1895-3
S. Lau, J. Gonzalez, D. Nolan, Poznaj Data Science. Przekształcanie, eksplorowanie, wizualizacja i modelowanie danych w Pytonie, Wydawnictwo Promise, Warszawa 2024. ISBN 978-83-754-1563-6
A. J. Gutman, J. Goldmeier, Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym, Wydawnictwo Helion, Gliwice 2023. ISBN 978-83-289-0216-9
W. Weber, T. Zwingmann, Analityka rozszerzona. Automatyzacja i sztuczna inteligencja w podejmowaniu decyzji, Wydawnictwo Helion, Gliwice 2025. ISBN 978-83-289-1970-9
A. Opolska-Bielańska, Logistyka i administrowanie w mediach. Zarządzanie Big Data, Wydawnictwo Aspra, Warszawa 2020. ISBN 978-83-754-5952-4
D. Prokopowicz, S. Gwoździewicz, The Big Data technologies as an important factor of electronic data processing and the development of computerized analytical platforms, Business Intelligence (in:) “International Journal of Small and Medium Enterprises and Business Sustainability”, volume 2, issue 4, November 2017, Center for Industry, SME and Business Competition Studies, University of Trisakti in Jakarta, Indonesia. University of Social Sciences, Warsaw, Poland, pp. 27-42. eISSN: 2442-9368.
D. Prokopowicz, S. Gwoździewicz, J. Grzegorek, M. Dahl, Application of data base systems Big Data and Business Intelligence software in integrated risk management in organization (w:) "International Journal of New Economics and Social Sciences", Międzynarodowy Instytut Innowacji „Nauka-Edukacja-Rozwój”, nr 2 (8) 2018, Warszawa, grudzień 2018, s. 43-56. ISSN 2450-2146.
D. Prokopowicz, S. Gwoździewicz, J. Grzegorek, Wykorzystanie platform analitycznych Big Data Analytics technologii informacyjnych ICT w analizie sentymentu dla wybranej problematyki związanej z Przemysłem 4.0, (w:) P. J. Suwaj, S. Gwoździewicz, K. Samulska (red.), Bezpieczeństwo informacyjne jednostek organizacyjnych. Wybrane problemy, Wydawnictwo Naukowe Akademii im. Jakuba z Paradyża w Gorzowie Wielkopolskim, Gorzów Wielkopolski 2021, s. 101-142. ISBN 978-83-66703-34-6
W. Pizło, O. Kulykovets, D. Prokopowicz, A. Mazurkiewicz-Pizło, A. Kałowski, M. W. Paprocka, E. Stawicka, E. Skarzyńska, The importance of Big Data Analytics technology in business management (w:) “Cybersecurity and Law”, nr 2 (10) 2023, Akademia Sztuki Wojennej w Warszawie, Akademickie Centrum Polityki Cyberbezpieczeństwa, Warszawa 2023, s. 270-282. ISSN 2658-1493 DOI: https://doi.org/10.35467/cal/174940
D. Prokopowicz, A. Kwasek, Doskonalenie metod zarządzania poprzez zastosowanie technologii teleinformatycznych ICT, Business Intelligence i Big Data Analytics (w:) I. Protasowicki (red.) „Bezpieczeństwo i zarządzanie we współczesnych organizacjach. Wybrane zagadnienia”, Uczelnia WSB Merito w Warszawie, Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów 2023, s. 133-142. ISBN 978-83-7934-684-4
|
W cyklu 2023/24_L:
J. Wieczorkowski, I. Chomiak-Orsa, I. Pawełoszek, Big Data w zarządzaniu, Polskie Wydawnictwo Ekonomiczne, Warszawa 2021, ISBN 978-83-208-2472-8 D. E. Holmes, Big Data, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2021. ISBN 978-83-822-0062-1 D. Natingga, Algorytmy Data Science. Siedmiodniowy przewodnik, Wydanie II, Wydawnictwo Helion, Gliwice 2019. ISBN 978-83-283-5603-0 D. Stephenson, Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!, Wydawnictwo Helion, Gliwice 2019. ISBN 978-83-283-5797-6 S. Spałek (pod red.), Analiza danych w zarządzaniu projektami, Wydawnictwo Helion, Gliwice 2020, ISBN 978-83-283-6776-0 F. Buisson, Analiza danych behawioralnych przy użyciu języków R i Pyton, Wydawnictwo Promise, Warszawa 2022. ISBN 978-83-754-1465-3 N. Marz, J. Warren, Big Data. Najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym, Wydawnictwo Helion, Gliwice 2016. ISBN 978-83-283-1895-3 S. Lau, J. Gonzalez, D. Nolan, Poznaj Data Science. Przekształcanie, eksplorowanie, wizualizacja i modelowanie danych w Pytonie, Wydawnictwo Promise, Warszawa 2024. ISBN 978-83-754-1563-6 A. J. Gutman, J. Goldmeier, Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym, Wydawnictwo Helion, Gliwice 2023. ISBN 978-83-289-0216-9 W. Weber, T. Zwingmann, Analityka rozszerzona. Automatyzacja i sztuczna inteligencja w podejmowaniu decyzji, Wydawnictwo Helion, Gliwice 2025. ISBN 978-83-289-1970-9 A. Opolska-Bielańska, Logistyka i administrowanie w mediach. Zarządzanie Big Data, Wydawnictwo Aspra, Warszawa 2020. ISBN 978-83-754-5952-4 |
W cyklu 2024/25_L:
J. Wieczorkowski, I. Chomiak-Orsa, I. Pawełoszek, Big Data w zarządzaniu, Polskie Wydawnictwo Ekonomiczne, Warszawa 2021, ISBN 978-83-208-2472-8 D. E. Holmes, Big Data, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2021. ISBN 978-83-822-0062-1 D. Natingga, Algorytmy Data Science. Siedmiodniowy przewodnik, Wydanie II, Wydawnictwo Helion, Gliwice 2019. ISBN 978-83-283-5603-0 D. Stephenson, Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!, Wydawnictwo Helion, Gliwice 2019. ISBN 978-83-283-5797-6 S. Spałek (pod red.), Analiza danych w zarządzaniu projektami, Wydawnictwo Helion, Gliwice 2020, ISBN 978-83-283-6776-0 F. Buisson, Analiza danych behawioralnych przy użyciu języków R i Pyton, Wydawnictwo Promise, Warszawa 2022. ISBN 978-83-754-1465-3 N. Marz, J. Warren, Big Data. Najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym, Wydawnictwo Helion, Gliwice 2016. ISBN 978-83-283-1895-3 S. Lau, J. Gonzalez, D. Nolan, Poznaj Data Science. Przekształcanie, eksplorowanie, wizualizacja i modelowanie danych w Pytonie, Wydawnictwo Promise, Warszawa 2024. ISBN 978-83-754-1563-6 A. J. Gutman, J. Goldmeier, Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym, Wydawnictwo Helion, Gliwice 2023. ISBN 978-83-289-0216-9 W. Weber, T. Zwingmann, Analityka rozszerzona. Automatyzacja i sztuczna inteligencja w podejmowaniu decyzji, Wydawnictwo Helion, Gliwice 2025. ISBN 978-83-289-1970-9 A. Opolska-Bielańska, Logistyka i administrowanie w mediach. Zarządzanie Big Data, Wydawnictwo Aspra, Warszawa 2020. ISBN 978-83-754-5952-4 |
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: