ECTS Informacijski paket za akademsku godinu 2020. / 2021.

Analiza i vizualizacija podataka

 

Naziv
Analiza i vizualizacija podataka
Organizacijska jedinica
Odsjek za informacijske i komunikacijske znanosti
ECTS bodovi
4
Šifra
198908
Semestri izvođenja
zimski
Nastavnici
Satnica
Predavanja
15
Seminar
15
Vježbe u praktikumu
15

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) i analize različitih vrsta analitike (deskriptivna, dijagnostička, prediktivna i preskriptivna). Primijenit će se i vrednovati različite vrste poslovnih analitika kroz primjenu u konkretnim situacijama.
Sadržaj
  1. Uvodno predavanje. Podatkovna analitika i podatkovna znanost. Kompetencije.
  2. Rad sa strukturiranim podacima.Vrste podataka, organizacija, odabir, filtriranje, sortiranje.
  3. Statički grafički prikazi. Vrste grafova. Pivot tablice. Formati pohrane.
  4. Rad s tekstnim podacima. Makro naredbe. Napredne funkcije pretraživanja prema više kriterija unutar zadanog raspona.
  5. Dohvaćanje strukturiranih podataka s weba. Priprema i organizacija podataka. Čišćenje podataka.
  6. Rad s alatom za analizu i vizualizaciju podataka: sučelje, karakteristike i verzije alata. Rad s osnovnim funkcijama. Vrste podataka, analiza i priprema. Dimenzije i mjere.
  7. Velike količine podataka (eng. Big Data): vrste podataka, izvori podataka. Povezivanje s različitim izvorima. Vremenski prikazi podataka. Filtriranje i sortiranje. Odnos: podatak – informacija – znanje - poslovno odlučivanje.
  8. Rudarenje podataka (eng. data minig): elementi procesa. Mape. Agregacija podataka. Objava i izvoz podataka. Dashboard. Rad s alatom
  9. Povezivanje podataka iz različitih izvora (eng. join). Dinamički podaci. Hijerarhijska organizacija. Skupovi. Rad s alatom. Prijenos podataka na upravljačku ploču.
  10. OLAP tehnologije (Online Analytical Processing). Višedimenzionalni prikaz podataka. Rad s alatom.
  11. Vrste analitika: dijagnostička, deskriptivna, prediktivna, preskriptivna.
  12. Primjena analitike u odlučivanju. Informacije u specifičnom okruženju.
  13. Analiza podataka u specifičnom okruženju i za realne potrebe. Elementi poslovne inteligencije. Piramida znanja: od podataka do znanja.
  14. Projektni zadatak.
  15. Projektni zadatak.

Ishodi učenja
  1. objasniti proces rudarenja podataka (eng. data mining)
  2. prikupiti, analizirati, organizirati i pripremiti strukturirane podatake potrebne za analizu i vizualizaciju
  3. objasniti piramidu znanja i praktično primijeniti kroz odnos podataka, informacija, analitike i stvaranja novoga znanja
  4. objasniti i primijeniti osnove analitičke operacije OLAP tehnologija u višedimenzionalnom pretraživanju
  5. objasniti vrste analitika u procesu odlučivanja
  6. definirati, primijeniti i sintetizirati elemenate vizualnih komunikacija
  7. komentirati elemente procesa rudarenja podataka (eng. data mining), upotrijebiti i sintetizirati stečeno znanje kroz izradu projektnog zadatka, prezentirati rezultate istraživanja, formulirati nova znanja i predložiti njihovu primjenu
Metode podučavanja
predavanja, laboratorijske vježbe, samostalni zadaci, projekt kroz timski rad
Metode ocjenjivanja
pismeni ispit, samostalni zadaci, rezultati projektnog rada (prezentacija, istraživanje, predstavljanje)

Obavezna literatura
  1. Murray, D. G. Tableau your data! Wiley, 2013.
  2. Walkenbach, J. Microsoft Excel 2016.
  3. Visual Analytics Best Practices. Whitepaper.
  4. Eckerson, Wayne; Hammond, Mark. Visual Reporting and Analysis, 2011.
  5. Covington, D. Analytics. Data Science, Data Analysis and Predictive Analytics for Business. 5th ed
  6. Ranjan, J. Business Intelligence: Concepts, Components,Techniques and Benefits. Journal of Theoretical and Applied Information Technology, 2009. 60-70.
Dopunska literatura
  1. Stanton, Jeffrey. Introduction to Data Science, 2012.
  2. 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.

Izborni predmet na studijima
  1. Informacijske znanosti, sveučilišni preddiplomski jednopredmetni studij, 3. semestar
  2. Informacijske znanosti, sveučilišni preddiplomski dvopredmetni studij, 3. semestar