Naziv
Analiza i vizualizacija podataka
Organizacijska jedinica
Odsjek za informacijske i komunikacijske znanosti
ECTS
6
Šifra
225472
Semestri
zimski
Nastavnici
Satnica
Predavanja
15
Seminar
15
Vježbe u praktikumu
30

Cilj
Cilj kolegija je stjecanje kompetencija potrebnih za analizu, obradu i vizualizaciju strukturiranih podataka radi osmišljavanja informacijskih rješenja u poslovnoj analitici i vizualnim komunikacijama. Kolegij će omogućiti stjecanje tehničkih, organizacijskih, komunikacijskih i analitičkih vještina kroz cjelokupni proces prikupljanja, analize, obrade i vizualizacije strukturiranih podataka radi stvaranja novoga znanja (eng. data mining). Primijenit će se i vrednovati različite vrste poslovnih analitika kroz primjenu u konkretnim situacijama.
Sadržaj
  1. Uvodno predavanje. Podatkovna analitika i podatkovna znanost. Vizualizacija podataka. Kompetencije.
  2. Rad sa strukturiranim podacima. Vrste podataka. Statički grafički prikazi. Vrste grafova. Pivot tablice. Formati pohrane.
  3. Rad s tekstnim podacima. Napredne funkcije pretraživanja prema više kriterija unutar zadanog raspona. Dohvaćanje strukturiranih podataka s weba.
  4. Priprema i organizacija podataka. Čišćenje podataka. Priprema podataka za obradu. Rad s alatom za analizu i vizualizaciju podataka: sučelje, karakteristike i verzije alata.
  5. Rad s alatom za analizu i vizualizaciju podataka. Rad s osnovnim funkcijama. Vrste podataka, analiza i priprema. Dimenzije i mjere. Filtriranje i sortiranje
  6. Velike količine podataka (eng. big data): vrste podataka. Povezivanje s različitim izvorima. Vremenski prikazi podataka. Odnos: podatak – informacija – znanje - poslovno odlučivanje.
  7. Rudarenje podataka (eng. data minig): elementi procesa. Mape. Agregacija podataka. Objava i izvoz podataka. Dashboard. Rad s alatom.
  8. Povezivanje podataka iz različitih izvora (eng. join). Dinamički podaci. Hijerarhijska organizacija. Skupovi. Rad s alatom. Prijenos podataka na upravljačku ploču.
  9. OLAP tehnologije (Online Analytical Processing). Višedimenzionalni prikaz podataka.
  10. Vrste analitika: dijagnostička, deskriptivna, prediktivna, preskriptivna analitika. Poslovna inteligencija. Elementi poslovne inteligencije.
  11. Analiza i vizualizacija društvenih mreža (SNA-social network analysis). Rad s odabranim alatom na odabranoj društvenoj mreži.
  12. Analiza i vizualizacija društvenih mreža (SNA-social network analysis). Rad s odabranim alatom na odabranoj društvenoj mreži.
  13. Mjere u analizi društvenih mreža (SNA). Primjeri u konkretnim situacijama. Analiza u specifičnom okruženju i za realne potrebe.
  14. Projektni rad
  15. Projektni rad

Ishodi učenja
  1. objasniti proces rudarenja podataka (eng. data mining)
  2. prikupiti, analizirati, organizirati i pripremiti podatake potrebne za analizu u procesu stvaranja novoga znanja
  3. upotrijebiti alate za vizualni prikaz podataka, vrednovati vizualne prikaze
  4. objasniti piramidu znanja i praktično primijeniti kroz odnos podataka, informacija, analitike i stvaranja novoga znanja
  5. primijeniti osnove analitičke operacije OLAP tehnologija u višedimenzionalnom pretraživanju
  6. objasniti vrste analitika u procesu odlučivanja
  7. definirati, primijeniti i sintetizirati elemenate vizualnih komunikacija
  8. komentirati elemente procesa rudarenja podataka (eng. data mining) i upotrijebiti sintetizirati stečeno znanje kroz izradu projektnog zadatka, prezentirati rezultate istraživanja, formulirati nova znanja i predložiti njihovu primjenu
Metode podučavanja
predavanja, samostalne laboratorijske vježbe, timski projektni rad
Metode ocjenjivanja
pismeni ispit ili kolokviji, samostalne vježbe, timski projektni rad, usmeni

Obavezna literatura
  1. Wilke, Claus O. Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures, 2019.
  2. Murray, D. G. Tableau your data! Wiley, 2013.
  3. Walkenbach, J. Microsoft Excel 2016.
  4. Eckerson, Wayne; Hammond, Mark. Visual Reporting and Analysis, 2011.
  5. Tabassum, S., Pereira, F., Fernandes, S., Gama, J. Social network analysis: An overview. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2018.
  6. Ranjan, J. Business Intelligence: Concepts, Components,Techniques and Benefits. Journal of Theoretical and Applied Information Technology, 2009. 60-70.
  7. Hubbard, D. W. How to Measure Anything: Finding the Value of Intangibles in Business 3rd Edition, 2014.
Dopunska literatura
  1. Foreman, J. W. Data Smart: Using Data Science to Transform Information into Insight 1st Edition, Wiley & Sons, 2014.
  2. Provost, F., Fawcett, T. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking, 1st Edition, 2013.
  3. Krstić, Ž.; Seljan, S.; Zoroja, J. Visualization of Big Data Text Analytics in Financial Industry: A Case Study of Topic Extraction for Italian Banks. Proceedings of the ENTRENOVA '19, 2019. 67-75.
  4. Knaflic, C. N. Storytelling with Data: A Data Visualization Guide for Business Professionals, 1st Edition, Wiley, 2015.
  5. Few, Stephen. Information Dashboard Design: Displaying Data for At-a-glance Monitoring, 2012.
  6. Covington, D. Analytics. Data Science, Data Analysis and Predictive Analytics for Business. 5th ed
  7. Stanton, Jeffrey. Introduction to Data Science, 2012.
  8. Rendgen, Sandra; Wiedemann, Julius. Information Graphics, 2012.
  9. Hanneman, R. A., Riddle, M. Introduction to social network methods. Riverside, 2005.
  10. Stefanova, K., Kabakchieva, D. Management Aspects of the Business Intelligent System Development, 2012, 1-16.

Obavezan predmet na studijima
  1. Informacijske znanosti, sveučilišni diplomski jednopredmetni studij
  2. Informacijske znanosti, sveučilišni diplomski dvopredmetni studij