İş Analitiği(Mİ628)
Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
---|---|---|---|---|---|---|---|
Mİ628 | İş Analitiği | 1 | 3 | 0 | 0 | 3 | 6 |
Ön Koşul | |
Derse Kabul Koşulları |
Dersin Dili | Türkçe |
Türü | Seçmeli |
Dersin Düzeyi | Yüksek Lisans |
Dersi Veren(ler) | Deniz UZTÜRK BARAN uzturkdeniz@gmail.com (Email) |
Dersin Yardımcıları | |
Dersin Amacı | The aim of this course is to equip students with the analytical skills required to make data-driven decisions in business environments. The course introduces key concepts in data science, including descriptive, predictive, and prescriptive analytics, alongside optimization techniques and big data technologies. By integrating real-world examples, business tools, and ethical considerations, the course aims to build analytical literacy and foster strategic thinking in the age of digital transformation. |
İçerik |
Week 1 Review on Data and Business Data and AI Week 2 Introduction to Business Analytics and Data Ethics and Assignments of Semester-Beginning Presentations Week 3 Presentation of Semester-Beginning Assignments – Introduction to Excel and Descriptive Analytics (1) Week 4 Descriptive Analytics and Applications (2) Week 5 Predictive Analytics (1) Week 6 Predictive Analytics and Applications (2): Using AI for predictive Analytics Week 7 Wrap-up for midterm exam and Case Studies Week 8 MIDTERM EXAM (Final Project Topics will be provided) Week 9 Prescriptive Analytics (1) Week 10 Prescriptive Analytics and Applications (2) Week 11 Linear Optimization and Decision Analysis Week 12 Nonlinear Optimization and Decision Analysis Week 13 Big Data Technologies and Analytics /course wrap-up and Case Studies Week 14 Final Project Presentations |
Dersin Öğrenme Çıktıları |
Upon successful completion of this course, students will be able to: 1. Define business analytics and explain its components and importance in modern businesses. 2. Analyze data-driven decision-making processes and evaluate real-world business cases. 3. Apply descriptive analytics techniques (e.g., data visualization, summary statistics) using tools such as Excel. 4. Understand and interpret predictive analytics methods including regression, time-series analysis, and machine learning applications. 5. Utilize prescriptive analytics techniques to optimize business strategies and decisions. 6. Employ linear and nonlinear optimization methods for solving resource allocation and planning problems. 7. Demonstrate awareness of current issues in data ethics, data privacy, and the use of big data in business. 8. Strengthen problem-solving and analytical thinking skills through case studies and project-based learning. |
Öğretim Yöntemleri | The course is delivered through a mix of theoretical lectures, practical lab sessions (Excel, R), case study discussions, poster presentations, and project-based assessments. Students are encouraged to engage actively in class by presenting assigned topics and developing data-driven solutions to real-world problems. The teaching strategy emphasizes experiential learning, combining foundational theory with modern applications in various industries, including marketing, finance, healthcare, and logistics. |
Kaynaklar |
Camm, J. D., Cochran, J. J., Fry, M. J., & Ohlmann, J. W. (2024). Business analytics: Descriptive, predictive, prescriptive. Cengage Learning. Provost, Foster, and Tom Fawcett. Data Science for Business: What You Need to Know About Data Mining and Data-Analytic Thinking. O'Reilly Media, 2013. Mayer-Schönberger, Viktor, and Kenneth Cukier. Big Data: A Revolution That Will Transform How We Live, Work, and Think. Houghton Mifflin Harcourt, 2013. Readings and case studies will be provided throughout the course. The beginning and end-of-semester assignments are mandatory and must be completed to pass the course. |
Teori Konu Başlıkları
Hafta | Konu Başlıkları |
---|---|
1 | Review on Data and Business Data and AI |
2 | Introduction to Business Analytics and Data Ethics and Assignments of Semester-Beginning Presentations |
3 | Presentation of Semester-Beginning Assignments – Introduction to Excel and Descriptive Analytics (1) |
4 | Descriptive Analytics and Applications (2) |
5 | Predictive Analytics (1) |
6 | Predictive Analytics and Applications (2): Using AI for predictive Analytics |
7 | Wrap-up for midterm exam and Case Studies |
8 | MIDTERM EXAM (Final Project Topics will be provided) |
9 | Prescriptive Analytics (1) |
10 | Prescriptive Analytics and Applications (2) |
11 | Linear Optimization and Decision Analysis |
12 | Nonlinear Optimization and Decision Analysis |
13 | Big Data Technologies and Analytics /course wrap-up and Case Studies |
14 | Final Project Presentations |
Uygulama Konu Başlıkları
Hafta | Konu Başlıkları |
---|---|
4 | Descriptive Analytics |
6 | Predictive Analytics |
7 | Case Studies |
8 | MIDTERM EXAM |
10 | Prescriptive Analytics |
11 | Linear Optimization |
12 | Nonlinear Optimization |
Başarı Notuna Etki Oranları
Sayı | Katkı Payı | |
---|---|---|
Yarıyıl içi çalışmaların başarı notuna katkısı | 3 | 60 |
Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 40 |
Toplam | 4 | 100 |
Yarıyıl İçi Çalışmaları
Sayı | Katkı Payı | |
---|---|---|
Ödevler | 1 | 10 |
Sunum | 1 | 20 |
Arasınavlar (Hazırlık Süresi Dahil) | 1 | 30 |
Proje | 0 | 0 |
Laboratuar | 0 | 0 |
Diğer Uygulamalar | 0 | 0 |
Kısa Sınavlar | 0 | 0 |
Dönem Ödevi / Projesi | 0 | 0 |
Portfolyo Çalışmaları | 0 | 0 |
Raporlar | 0 | 0 |
Öğrenme Günlükleri | 0 | 0 |
Bitirme Tezi/Projesi | 0 | 0 |
Seminer | 0 | 0 |
Diğer | 0 | 0 |
Bütünleme | 0 | 0 |
Toplam | 3 | 60 |
Numara | Program Yeterlilikleri | Puan | ||||
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
1 | İşletmelerde üst düzey yönetim kademelerine ilişkin gereken bilgi ve becerileri kullanabilmelidir. | X | ||||
2 | İşletmeyi etkileyen iç ve dış koşulları dikkate alarak, riskleri minimize edecek davranış biçimlerini belirleyebilmelidir. | X | ||||
3 | Temel işletme fonksiyonları dışında, işletme yönetiminde gerekli olabilecek, iş hukuku, sosyoloji, psikoloji, örgüt sosyolojisi, lojistik ve sayısal yöntemler gibi bilimsel alanlar hakkında temel bilgiye sahip olmalıdır. | X | ||||
4 | Profesyonel iş yaşamının gerektirdiği bilişim ve iletişim teknolojilerine hakim olabilmelidir. | X | ||||
5 | Artan rekabet ve küreselleşme ortamında, yenilikçi stratejiler uygulayarak, işletmenin rekabet gücünü üst düzeyde tutabilmelidir. | X | ||||
6 | İşletmeyi etkileyen iç ve dış koşullardaki değişimleri ve bu değişimlerin yaratabileceği sorunları zamanında tesbit ederek, çözüm önerileri geliştirebilmeli ve uygulayabilmelidir. | X | ||||
7 | İşletme oyunu, simülasyon gibi tekniklerden yararlanarak yönetsel sorunlara çözümler üretebilmelidir. | X | ||||
8 | En az iki yabancı dilde işletme sorunlarını tartışabilecek ve fikirlerini sunum haline getirebilecek düzeyde olmalıdır. | X | ||||
9 | Vak’a analizi, örnek olay çözümü gibi pratiklere yatkınlık sahibi olup, görev aldığı projelerde katkı sağlayabilmelidir. | X | ||||
10 | Ekip içinde sorumluluk alabilmeli ve takım çalışmasına katkı sağlayabilmelidir. | X | ||||
11 | Sürekli gelişen bilim ve teknoloji ortamına ayak uydurabilmek için mesleki ve teknolojik becerilerini güncelleme alışkanlığı kazanmış olmalıdır. | X | ||||
12 | İş hayatında etik davranmayı, iş arkadaşlarının ve işletme paydaşlarının menfaatlerini gözetmeyi prensip edinmiş olmalıdır. | X |
Etkinlikler | Sayı | Süre | Toplam İş Yükü |
---|---|---|---|
Ders Süresi | 14 | 3 | 42 |
Sınıf Dışı Çalışma Süresi | 14 | 2 | 28 |
Ödevler | 1 | 15 | 15 |
Sunum | 1 | 5 | 5 |
Arasınavlar (Hazırlık Süresi Dahil) | 1 | 15 | 15 |
Proje | 0 | 0 | 0 |
Laboratuar | 0 | 0 | 0 |
Diğer Uygulamalar | 0 | 0 | 0 |
Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 20 | 20 |
Kısa Sınavlar | 0 | 0 | 0 |
Dönem Ödevi / Projesi | 0 | 0 | 0 |
Portfolyo Çalışmaları | 0 | 0 | 0 |
Raporlar | 0 | 0 | 0 |
Öğrenme Günlükleri | 0 | 0 | 0 |
Bitirme Tezi/Projesi | 0 | 0 | 0 |
Seminer | 0 | 0 | 0 |
Diğer | 0 | 0 | 0 |
Bütünleme | 0 | 0 | 0 |
Toplam İş Yükü | 125 | ||
Toplam İş Yükü / 25 | 5.00 | ||
Dersin AKTS Kredisi | 5 |