Η χρήση δεδομένων στη λήψη έγκυρων και έγκαιρων αποφάσεων έχει αναχθεί σε «εκ των ουκ άνευ» παράγοντα επιτυχίας για τις περισσότερες επιχειρήσεις και οργανισμούς. Ο όγκος των δεδομένων που συλλέγεται και επεξεργάζεται καθημερινά είναι πολύ μεγάλος και αντιστοιχεί και στην πιο μικρή δραστηριότητά μας: τραπεζικές συναλλαγές, πιστωτικές κάρτες, δίκτυα αισθητήρων, κοινωνικά δίκτυα, δεδομένα τηλεφωνικών κλήσεων, δεδομένα διαδικτύου, google, έξυπνα τηλέφωνα, wearable devices. Oι όροι επιχειρηματική αναλυτική (business analytics) και μεγάλα δεδομένα (big data) βρίσκονται στο επίκεντρο των δραστηριοτήτων των τμημάτων τεχνολογίας μεγάλων και μικρών οργανισμών. Όπως έχει επανηλειμμένως αναφερθεί σε επιστημονικα περιοδικά – αλλά και καθημερινά άρθρα σε εφημερίδες και ΜΜΕ – τα μεγάλα δεδομένα και τα analytics οδηγούν την 4η βιομηχανική επανάσταση.
Η μεγάλη διαφορά σε σχεση με πριν από λίγα χρόνια ως προς τις εφαρμογές επιχειρηματικής ευφυΐας είναι ο όγκος (volume), η διαθέσιμη μορφή (variety) και ο ρυθμός παραγωγής (velocity) των δεδομένων, τα 3Vs όπως αναφέρονται. Είναι εύκολα κατανοητό ότι ο όγκος δεδομένων που συλλέγονται είναι σε επίπεδο petabytes και exabytes. Τα δεδομένα αυτά μπορεί να είναι σε δομημένη (structured data, π.χ. πίνακες) ή αδόμητη μορφή (unstructured data, π.χ. emails σε μορφή κειμένου, συνομιλίες του call center σε ηχητική μορφή, εικόνες). Πλέον υπάρχουν αξιόπιστοι και ταχύτατοι αλγόριθμοι τεχνητής νοημοσύνης μέσω των οποίων μπορούμε να εξάγουμε δομημένη πληροφορία από αδόμητα δεδομένα, η οποία να χρησιμοποιηθεί στη φάση της ανάλυσης. Τέλος, τα δεδομένα μπορεί να παράγονται με μεγάλο και συνεχή ρυθμό, σε ροές δεδομένων όπως καλούνται (data streams), όπως είναι για παράδειγμα η γεωγραφική θέση ενός συνδρομητή κινητής τηλεφωνίας ή η τιμή μίας μετοχής.
Οι εφαρμογές επιχειρηματικής αναλυτικής αποτελούνται από μία ακολουθία φάσεων και δεν πρόκειται απλά για μία εφαρμογή στατιστικών μοντέλων. Αυτό καλείται "big data lifecycle" ή "data analysis pipeline." Ως εκ τούτου, τα έργα επιχειρηματικής αναλυτικής απαιτούν ένα ευρύ φάσμα ικανοτήτων και δεξιοτήτων που περιλαμβάνει γνώσεις σε διοίκηση επιχειρήσεων, διαχείριση δεδομένων, τεχνητή νοημοσύνη, στατιστική, κατανόηση των εννοιών καινοτομία και επιχειρηματικότητα, νομικές γνώσεις που αφορούν την ιδιωτικότητα και την προστασία των δεδομένων, ακόμα και μαθήματα σε δημιουργικότητα. Επίσης χρειάζεται εκπαίδευση και εξάσκηση σε μία νέα γενιά γλωσσών προγραμματισμού, συστημάτων και εργαλείων σχετικά με τη διαχείριση, ανάλυση και οπτικοποίηση των δεδομένων.
Σκοπός και Διάρκεια: Το συγκεκριμένο πρόγραμμα έχει διάρκεια 250 ωρών ακολουθούμενο από πρακτική ή διπλωματική εργασία. Απευθύνεται κυρίως σε στελέχη επιχειρήσεων που επιθυμούν να αποκτήσουν πρακτικές δεξιότητες σε έργα επιχειρηματικής αναλυτικής και μεγάλων δεδομένων. Το προτεινόμενο υπόβαθρο των υποψηφίων είναι τεχνολογικό (πληροφορική, μηχανικοί), θετικές επιστήμες (μαθηματικά, φυσική, στατιστική), διοικητική επιστήμη, αλλά όλα τα πεδία σπουδών λαμβάνονται υπόψη ανάλογα με τις επιδόσεις και την τεχνολογική κατάρτιση του υποψηφίου. Η προϋπηρεσία δεν είναι απαραίτητη, αλλά επιθυμητή. Ο σκοπός του προγράμματος είναι να παρουσιάσει στους καταρτιζόμενους τις βασικές θεωρητικές έννοιες στους τομείς που αφορούν την επιχειρηματική αναλυτική και τα μεγάλα δεδομένα και να τους εκπαιδεύσει στα συστήματα, εργαλεία και γλώσσες προγραμματισμού που χρησιμοποιούνται. Επίσης, μεγάλη σημασία δίνεται στην παρουσίαση case studies σε εφαρμογές επιχειρηματικής αναλυτικής. Τα μαθήματα γίνονται δύο φορές την εβδομάδα και κάποια Σάββατα.
Θεματικές Ενότητες Προγράμματος: Όπως προαναφέρθηκε, οι εφαρμογές επιχειρηματικής αναλυτικής και μεγάλων δεδομένων αποτελούνται από μία ακολουθία φάσεων, οι οποίες απαιτούν ένα ευρύ φάσμα ικανοτήτων και δεξιοτήτων. Οι φάσεις αυτές είναι: (α) επιχειρηματική στοχοθέτηση, πρότυπα και διαδικασίες, (β) διαχείριση, συλλογή και επεξεργασία δεδομένων με σκοπό την ανάλυσή τους, (γ) ανάπτυξη και εφαρμογή μοντέλων ανάλυσης, και (δ) ερμηνεία και οπτικοποίηση των αποτελεσμάτων της ανάλυσης. Με βάση αυτές τις φάσεις, το πρόγραμμα δομείται σε τέσσερις πυλώνες.
Business Skills in Analytics (33 ώρες): Δεξιότητες που αφορούν σχεδίαση επιχειρηματικών διαδικασιών, νομικές γνώσεις σχετικά με την ιδιωτικότητα και την προστασία των δεδομένων, διαχείριση καινοτομίας και επιχειρηματικότητας.
Modern Data Management & BI (57 ώρες): Διαχείριση δεδομένων μεγάλης κλίμακας, Επιχειρηματική ευφυΐα και μεγάλα δεδομένα, Νέα συστήματα διαχείρισης μεγάλων δεδομένων (Hadoop, NoSQL, Stream Engines), Ενοποίηση δεδομένων.
Data Analysis & Tools (102 ώρες): Μέθοδοι ανάλυσης δεδομένων που βασίζονται στη Στατιστική και Μηχανική Εκμάθηση.
Visualization (30 ώρες): Θεωρητικές έννοιες για την οπτικοποίηση δεδομένων και εκμάθηση δημοφιλών εργαλείων.
Case Studies (24 ώρες): End-to-end εφαρμογές analytics σε κάθετους τομείς (π.χ. energy, telecom, banking, healthcare, transportation, finance, insurance, κ.λ.π.) ώστε οι καταρτιζόμενοι να εκτεθούν σε διαφορετικού είδους ανάλυση δεδομένων.
Δίδακτρα: Τα δίδακτρα του προγράμματος είναι 2.800€ και θα πρέπει να καταβληθούν σε μία προκαταβολή (700€) με την εγγραφή και 3 δόσεις (Νοέμβριος, Ιανουάριος, Απρίλιος) κατά τη διάρκεια του ακαδημαϊκού έτους 2019 – 2020. Υπάρχει δυνατότητα επιστροφής του συνολικού κόστους ή μέρους αυτού στις επιχειρήσεις, μέσω του ΟΑΕΔ (πρόγραμμα ΛΑΕΚ, 0,45%).
Πιστοποίηση: Στους επιτυχόντες σε όλα τα εξεταζόμενα μαθήματα, το Κ.Ε.ΔΙ.ΒΙ.Μ. του Οικονομικού Πανεπιστημίου Αθηνών χορηγεί Πιστοποιητικό Επαγγελματικής Εκπαίδευσης και Κατάρτισης, με Απόφαση της Συγκλήτου του ΟΠΑ (στις 13/01/2000), στην οποία αναγράφεται ο μέσος όρος της βαθμολογίας όλων των εξεταζόμενων μαθημάτων και η αντίστοιχη επίδοση.
Εισηγητής: Δαμιανός Χατζηαντωνίου, Αν. Καθηγητής, ΟΠΑ
Οι ημερομηνίες έναρξης και λήξης μπορεί να μεταβληθούν.
Έναρξη | 10-02-2020 00:00 |
Λήξη | 28-07-2020 00:00 |
Χωρητικότητα | Απεριόριστο |
Τιμή ατόμου | Κατόπιν επικοινωνίας |
Διοργανωτής | eLearning Οικονομικού Πανεπιστημίου Αθηνών |
Εισηγητής | Δαμιανός Χατζηαντωνίου |
Τόπος διεξαγωγής | Κέντρο Επιμόρφωσης & Δια Βίου Μάθησης του Οικονομικού Πανεπιστημίου Αθηνών (ΚΕΔΙΒΙΜ/ΟΠΑ) |
Πόλη | Αθήνα |