Системний аналіз та теорія прийняття рішень

Мета дисципліни: дисципліна спрямована на отримання теоретичних знань та практичних навичок щодо здатності комплексно досліджувати складні системи, обробляти й аналізувати дані та приймати обґрунтовані рішення в умовах невизначеності.
Задачі дисципліни: Сформувати у студентів компетенції, знання та навички системного мислення, аналізу складних систем і обґрунтованого прийняття рішень, включаючи застосування аналітичних методів, моделей та сучасних цифрових інструментів.
Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекційні заняття
Лекція 1. Вступ до системного аналізу
Лекція 2. Мислення аналітика
Лекція 3. Класифікації та властивості систем. Класифікація моделей.
Лекція 4. Аналітичні завдання. Робота з даними.
Лекція 5. Аналітичні дослідження
Лекція 6. Методологія системного аналізу
Лекція 7. Предиктивна аналітика
Лекція 8. Ухвалення рішень в ІТ-сфері
Лекція 9. A/B-тестування та інші методи ухвалення рішень
Лекція 10. Експертні методи прийняття рішень
Лекція 11. Прескриптивна аналітика
Лекція 12. Прийняття рішень в умовах невизначенності
Лекція 13. «Data-driven підхід у прийнятті рішень»
Лекція 14. Системи підтримки прийняття рішень
Лекція 15. Штучний інтелект в роботі аналітика

Практичні заняття
Лабораторне заняття 1. Інструктаж з ТБ. Передумови та необхідність виникнення системного підходу.
Мета заняття: набуття знань щодо особливостей місця дисципліни серед інших.
Лабораторне заняття 2. Розвиток аналітичного мислення. Розв'язання логічних задач.
Мета заняття: опанувати основні функції алгебри логіки та набути навички вирішення логічних завдань.
Лабораторне заняття 3. Види аналітики даних та принципи їх візуалізація.
Мета заняття: закріпити знання про основні види аналітики даних та опанувати навички їх візуалізації для підтримки прийняття рішень.
Лабораторне заняття 4. Аналіз даних у Tableau.
Мета заняття: опанувати інструменти Tableau для побудови інтерактивних дашбордів та аналітики бізнес-метрик.
Лабораторне заняття 5. RFM-аналіз у Tableau.
Мета заняття: навчитися застосовувати метод RFM-аналізу для сегментації клієнтів та побудови інтерактивного дашборду у Tableau.
Лабораторне заняття 6. Когортний аналіз.
Мета заняття: набути навичок формувати когорти користувачів за визначеною подією та аналізувати їхню поведінку у часі.
Лабораторне заняття 7. Ланцюгові коефіцієнти
Мета заняття: сформувати вміння застосовувати ланцюгові коефіцієнти для аналізу динаміки показників та побудови простих прогнозів на основі історичних даних.
Лабораторне заняття 8. Кореляційний та регресійний аналіз
Мета заняття: опанувати застосування кореляційного та регресійного аналізу для визначення та прогнозування залежностей між змінними. Набути навички розрахунку показників регресійного аналізу методами ручного рахування та використання надбудови «Data Analysis» MS – Excel.
Лабораторне заняття 9. Формулювання гепотіз для A/B-тестування
Мета заняття: набути навичок формулювання гепотіз для проведення якісного А/В тестування.
Лабораторне заняття 10. Використання BigQuery для аналізу та прогнозування даних
Мета заняття: засвоїти використання Google BigQuery для підготовки та аналізу даних з метою побудови прогнозних моделей.
Лабораторне заняття 11. Використання Datawrapper для ефективної візуалізації
Мета заняття: сформувати практичні навички створення інформативних, інтерактивних та візуально якісних графіків і карт у середовищі Datawrapper для подання аналітичних результатів, забезпечення коректної інтерпретації даних та підтримки прийняття управлінських рішень.
Лабораторне заняття 12. Роль невизначеності при вирішенні задач системного аналізу
Мета заняття: засвоїти та закріпити практичні навички щодо прийняття та обґрунтування управлінських рішень в умовах нестачі інформації.
Лабораторне заняття 13. Ухвалення рішень про джерела трафіку
Мета заняття: набути навичок аналізу даних різних каналів залучення користувачів і на основі цієї оцінки ухвалювати рішення про їхню ефективність.
Лабораторне заняття 14. Основи візуалізації даних за допомогою Power BI
Мета заняття: набути навички імпортування та моделювання дані з кількох джерел у Power BI Desktop, створювання зв’язків та ієрархії для глибшого аналізу, а також форматувати та категоризувати дані для покращення візуалізації.
Лабораторне заняття 15. Підготовка та аналіз даних в середовищі Power BI
Мета заняття: набуття практичних навичок з підготовки даних за допомогою Power Query та аналізу даних у Power BI, використовуючи вбудовану функцію кластеризації та інтеграцію коду R для поглибленої аналітики.

Для заочної форми здобуття освіти
Лекційні заняття
Лекція № 1. «Аналітичні завдання. Робота з даними.».
Лекція № 2. «Прескриптивна аналітика».

Практичні заняття
Лабораторне заняття № 1. «Лабораторне заняття 4. Аналіз даних у Tableau.
Мета заняття: опанувати інструменти Tableau для побудови інтерактивних дашбордів та аналітики бізнес-метрик.
Лабораторне заняття № 2. «Використання BigQuery для аналізу та прогнозування даних
Мета заняття: засвоїти використання Google BigQuery для підготовки та аналізу даних з метою побудови прогнозних моделей.

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

Індивідуальна робота

Для денної форми здобуття освіти
Не передбачена.

Для заочної форми здобуття освіти
Завдання для виконання контрольної роботи здобувач отримує на установчій лекції.
Робота містить 5 теоретичних питання та 6 практичних завдань.
Обсяг відповіді на кожне теоретичне питання: не менше, ніж 5 сторінок машинописного тексту. Текст відповіді повинен бути виконаний самостійно, а не скопійованим з навчального посібника.
Термін надання виконаної контрольної роботи на перевірку – не пізніше, ніж за місяць до початку сесії.

Форми контрольних заходів та оцінювання результатів навчання

Для денної форми здобуття освіти
Система оцінювання рівня навчальних досягнень ґрунтується на принципах ЄКТС та є накопичувальною. Дисципліна поділяється на два семестрові модулі. Здобувачі протягом семестру готуються до лекційних та лабораторних занять, виконують 2 модульні контрольні роботи.
1) Модульна контрольна робота №1 виконуються у письмовій формі. Модульна робота складається з теоретичної частини (18 тестових питань). В кожному питанні модульної контрольної роботи наведено максимальну кількість балів за правильну відповідь. Максимальна сума балів за МКР – 20 балів.
2) Модульна контрольна робота №2 виконуються у письмовій формі. Модульна робота складається з теоретичної частини (22 тестових питань). В кожному питанні модульної контрольної роботи наведено максимальну кількість балів за правильну відповідь. Максимальна сума балів за МКР – 20 балів.

ЛР1. Оцінка за виконання – 3 балів. Термін надання – 1 тиждень.
ЛР2. Оцінка за виконання – 3 балів. Термін надання – 2 тиждень
ЛР3. Оцінка за виконання – 4 балів. Термін надання – 3 тиждень.
ЛР4. Оцінка за виконання – 4 балів. Термін надання – 4 тиждень.
ЛР5. Оцінка за виконання – 4 балів. Термін надання – 5тиждень.
ЛР6. Оцінка за виконання – 4 балів. Термін надання – 6 тиждень.
ЛР7. Оцінка за виконання – 4 балів. Термін надання – 7 тиждень.
ЛР8. Оцінка за виконання – 4 балів. Термін надання – 8 тиждень.
ЛР9. Оцінка за виконання – 4 балів. Термін надання – 9 тиждень.
ЛР10. Оцінка за виконання – 5 балів. Термін надання – 10 тиждень.
ЛР11. Оцінка за виконання – 3 балів. Термін надання – 11 тиждень.
ЛР12. Оцінка за виконання – 6 балів. Термін надання – 12 тиждень.
ЛР13. Оцінка за виконання – 5 балів. Термін надання – 13 тиждень.
ЛР14. Оцінка за виконання – 4 балів. Термін надання – 14 тиждень.
ЛР15. Оцінка за виконання – 3 балів. Термін надання – 15 тиждень.

При оцінюванні практичних робіт можуть зніматися бали за:
1) Відсутність структурних елементів протоколу (титул, назва, мета роботи) – 1 бал
2) Відсутність ходу розв’язання завдання – 1 бали
3) Відсутність або невідповідність необхідних ілюстрацій/скрінів – 3 балів
4) Відсутність висновків по роботі або їх невідповідність завданню та результатам, представленим у протоколі роботи – 2 бали.

Максимальна оцінка за повний обсяг виконаних навчальних елементів – 100 балів.

Підсумковим контролем з дисципліни є усний екзамен, білет до якого складається з теоретичної частини (4 запитання по 10 балів) та практичної частини (3 задачі по 20 балів). Максимальна оцінка за правильні відповіді на всі питання екзаменаційного білету становить 100 балів.

Для заочної форми здобуття освіти
Завдання для виконання контрольної роботи здобувач отримує на установчій лекції.
Робота містить 5 теоретичних питань, кожне з яких оцінюється у 4 балів максимально та 6 практичних завдань, кожне з яких оцінюється у 5 балів максимально.
Виконання контрольної роботи оцінюється у 50 балів максимально. Текст відповіді повинен бути виконаний самостійно. Термін надання виконаної контрольної роботи на перевірку – не пізніше, ніж за місяць до початку сесії.
При оцінюванні контрольної роботи можуть зніматися бали за:
1) до 15 балів за неповну відповідь, до 25 балів за невірну відповідь за кожне теоретичне питання.
2) виконаний не свій варіант контрольної роботи здобувачем не оцінюється
3) робота, яка виконана після встановлених викладачем термінів, не приймається.
Виконання лабораторних робіт оцінюється у 25 балів (50 балів загалом за 2 лабораторні роботи).
Лабораторне заняття № 1. «Лабораторне заняття 4. Аналіз даних у Tableau.» оцінюється у 25 балів максимально.
Лабораторне заняття № 2. «Використання BigQuery для аналізу та прогнозування даних оцінюється у 25 балів максимально.
При оцінюванні лабораторних робіт можуть зніматися бали за:
1) відсутність структурних елементів протоколу (титул, назва, мета роботи) – 2 бал
2) відсутність ходу розв’язання завдання – 5 балів.
3) відсутність або невідповідність необхідних ілюстрацій/скрінів екрану – 5 балів
4) відсутність висновків по роботі або їх невідповідність завданню та результатам, представленим у протоколі роботи – 13 бали.

Підсумковим контролем з дисципліни є усний екзамен, білет до якого складається з теоретичної частини (4 запитання по 10 балів) та практичної частини (3 задачі по 20 балів). Максимальна оцінка за правильні відповіді на всі питання екзаменаційного білету становить 100 балів.