Skip to main content

Big data analytics and businessLaajuus (5 cr)

Code: TT00CC74

Credits

5 op

Objective

Kurssin tavoitteena on antaa opiskelijoille perustiedot ja -taidot big data -analytiikan merkityksestä ja soveltamisesta liiketoiminnassa. Opiskelijat ymmärtävät big data -analytiikan roolin päätöksenteossa ja liiketoiminnan kehittämisessä eri toimialoilla. Lisäksi tavoitteena on tutustuttaa opiskelijat big data -analytiikkaan liittyviin käytännön sovelluksiin ja yrityscaseihin eri toimialoilta joko vierailevien luennoitsijoiden tai roundtable-webinaarien pohjalta.

Content

Big data -analytiikka liittyy organisaatioiden käyttämiin strategioihin suurten tietomäärien keräämiseksi, järjestämiseksi ja analysoimiseksi arvokkaiden liiketoimintaan liittyvien oivallusten löytämiseksi, jotka muuten eivät olisi mahdollisia perinteisten järjestelmien avulla.

Kurssilla käsitellään seuraavia teemoja:

- Big data -analytiikan perusteet ja käsitteet
- Big data -analytiikan rooli liiketoiminnassa
- Big data -analytiikan soveltaminen eri toimialoilla
- Eettiset ja juridiset näkökulmat
- Tulevaisuuden suuntaukset ja mahdollisuudet

Qualifications

Kurssilla ei vaadita aiempaa osaamista. Liiketoimintaosaaminen ja tietovarastojen ymmärrys on kuitenkin hyödyksi.

Materials

Oppimateriaalit koostuvat kurssilla jaetuista luentomateriaaleista, mahdollisista lisämateriaaleista sekä verkosta löytyvistä resursseista. Kurssin alussa jaetaan tarkempi lista suositelluista oppimateriaaleista ja lähteistä.

Kurssin kirjallisuus koostuu pääasiassa artikkeleista, raporteista ja verkkomateriaaleista, jotka liittyvät kurssin teemoihin. Kurssin alussa ja sen edetessä jaetaan tarkempi lista kurssikirjallisuudesta.

Arviointikriteerit, kiitettävä (5)

Opiskelija todistaa vahvaa näyttöä taidoista ja niiden kehittymisestä oppimispäiväkirjassaan. Päiväkirja on virheetöntä asiatyyliä ja sisälllöltään argumentoiva sekä oivaltava. Oppimispäiväkirjaan on todistettavasti lisätty viikoittain merkintä, jonka sisällön laajuus ja taso vastaa työmäärältään kurssin ajankäytön mukaista työtä. Lähdeaineisto on kriittisesti arvioitu ja punnittu.

Assessment criteria, good (3)

Opiskelija reflektoi tai analysoi taitojensa kehittymistä oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on huoliteltua ja selkeää tai sujuvaa ja lähes virheetöntä asiatyyliä. Työtä on tehty välillä joko toinen viikko tai useimpina viikkoina. Lähdeaineiston käyttö on systemaattista, lukijalle selkeää ja lähdeaineisto on monipuolista sekä tarkoituksenmukaista.

Arviointikriteerit, tyydyttävä (1)

Opiskelija listaa tai soveltaa perustaitoja oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on jäsentymätöntä tai tyylillisesti epätasaista. Oppimispäiväkirjaa ei ole päivitetty asianmukaisesti viikoittain vaan merkittävin osa työstä on tehty viikossa. Lähdeluettelo on laadittu, mutta runkotekstin ja lähteiden yhteys on vähäinen tai olematon.

en
Enrollment

02.07.2025 - 31.07.2025

Timing

01.08.2025 - 31.12.2025

Number of ECTS credits allocated

5 op

Mode of delivery

Contact teaching

Unit

Teknologia

Teaching languages
  • Finnish
Degree programmes
  • Bachelor’s Degree in Information and Communication Technology
Teachers
  • Jani Sourander
Groups
  • TTM23SAI
    TTM23SAI

Objective

Kurssin tavoitteena on antaa opiskelijoille perustiedot ja -taidot big data -analytiikan merkityksestä ja soveltamisesta liiketoiminnassa. Opiskelijat ymmärtävät big data -analytiikan roolin päätöksenteossa ja liiketoiminnan kehittämisessä eri toimialoilla. Lisäksi tavoitteena on tutustuttaa opiskelijat big data -analytiikkaan liittyviin käytännön sovelluksiin ja yrityscaseihin eri toimialoilta joko vierailevien luennoitsijoiden tai roundtable-webinaarien pohjalta.

Content

Big data -analytiikka liittyy organisaatioiden käyttämiin strategioihin suurten tietomäärien keräämiseksi, järjestämiseksi ja analysoimiseksi arvokkaiden liiketoimintaan liittyvien oivallusten löytämiseksi, jotka muuten eivät olisi mahdollisia perinteisten järjestelmien avulla.

Kurssilla käsitellään seuraavia teemoja:

- Big data -analytiikan perusteet ja käsitteet
- Big data -analytiikan rooli liiketoiminnassa
- Big data -analytiikan soveltaminen eri toimialoilla
- Eettiset ja juridiset näkökulmat
- Tulevaisuuden suuntaukset ja mahdollisuudet

Evaluation scale

0 - 5

Arviointikriteerit, kiitettävä (5)

Opiskelija todistaa vahvaa näyttöä taidoista ja niiden kehittymisestä oppimispäiväkirjassaan. Päiväkirja on virheetöntä asiatyyliä ja sisälllöltään argumentoiva sekä oivaltava. Oppimispäiväkirjaan on todistettavasti lisätty viikoittain merkintä, jonka sisällön laajuus ja taso vastaa työmäärältään kurssin ajankäytön mukaista työtä. Lähdeaineisto on kriittisesti arvioitu ja punnittu.

Assessment criteria, good (3)

Opiskelija reflektoi tai analysoi taitojensa kehittymistä oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on huoliteltua ja selkeää tai sujuvaa ja lähes virheetöntä asiatyyliä. Työtä on tehty välillä joko toinen viikko tai useimpina viikkoina. Lähdeaineiston käyttö on systemaattista, lukijalle selkeää ja lähdeaineisto on monipuolista sekä tarkoituksenmukaista.

Arviointikriteerit, tyydyttävä (1)

Opiskelija listaa tai soveltaa perustaitoja oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on jäsentymätöntä tai tyylillisesti epätasaista. Oppimispäiväkirjaa ei ole päivitetty asianmukaisesti viikoittain vaan merkittävin osa työstä on tehty viikossa. Lähdeluettelo on laadittu, mutta runkotekstin ja lähteiden yhteys on vähäinen tai olematon.

Qualifications

Kurssilla ei vaadita aiempaa osaamista. Liiketoimintaosaaminen ja tietovarastojen ymmärrys on kuitenkin hyödyksi.

en
Enrollment

19.08.2024 - 22.09.2024

Timing

01.08.2024 - 31.12.2024

Number of ECTS credits allocated

5 op

Mode of delivery

Contact teaching

Unit

Teknologia

Teaching languages
  • Finnish
Teachers
  • Jani Sourander
Groups
  • TTM22SAI
    TTM22SAI

Objective

Kurssin tavoitteena on antaa opiskelijoille perustiedot ja -taidot big data -analytiikan merkityksestä ja soveltamisesta liiketoiminnassa. Opiskelijat ymmärtävät big data -analytiikan roolin päätöksenteossa ja liiketoiminnan kehittämisessä eri toimialoilla. Lisäksi tavoitteena on tutustuttaa opiskelijat big data -analytiikkaan liittyviin käytännön sovelluksiin ja yrityscaseihin eri toimialoilta joko vierailevien luennoitsijoiden tai roundtable-webinaarien pohjalta.

Content

Big data -analytiikka liittyy organisaatioiden käyttämiin strategioihin suurten tietomäärien keräämiseksi, järjestämiseksi ja analysoimiseksi arvokkaiden liiketoimintaan liittyvien oivallusten löytämiseksi, jotka muuten eivät olisi mahdollisia perinteisten järjestelmien avulla.

Kurssilla käsitellään seuraavia teemoja:

- Big data -analytiikan perusteet ja käsitteet
- Big data -analytiikan rooli liiketoiminnassa
- Big data -analytiikan soveltaminen eri toimialoilla
- Eettiset ja juridiset näkökulmat
- Tulevaisuuden suuntaukset ja mahdollisuudet

Materials

Linkit oppimateriaaliin, mahdollisiin luentojen tallenteisiin sekä lukuvinkit löytyvät Reppu-alustan "Aloita tästä"-osiosta. Kurssin kannalta tärkein teos löytyy Alma Talent bisneskirjastosta. Tämä teos on: Listenmaa, J. *Laita tieto töihin: tiedolla johtamisen käsikirja* [e-kirja]. Helsinki: Alma Talent. 2023.

Teaching methods

Oppimispäiväkirja, luennot, vierailijaluennot (tai niiden tallenteet). Yhteisten luentojen tallennekäytäntö sovitaan kurssin alussa yhteisesti. Oppimispäiväkirja on laadittava Oppimispäiväkirja 101 -ohjeen mukaisesti käyttäen. Ohje sijaitsee osoitteesta: https://sourander.github.io/oat/

Kurssi on jaettu viikoittain kuuteen eri teemaan. Opiskelijat kirjoittavat teemojen aiheesta oppimispäiväkirjamerkinnän, noin 500-1000 sanaa, jonka avulla osoittavat osaamisensa. Useimmilla viikoilla on ulkopuolinen yritysvieras: luennot ovat monimuotoryhmän kalenterin mukaisesti (maanantai-)iltaisin. Vierailijaluennot taltioidaan, jotta opiskelijoilla on niihin pääsy, vaikka olisi estynyt tulemaan kyseiseen ajankohtaan paikalle.

Student workload

Luennoille osallitumisen tai niiden tallenteiden katsomisen lisäksi opiskelijan oletetaan käyttävän viikoittain kurssin laajuutta vastaava määrä tunteja tehtävien tekemiseen, itsensä kehittämiseen ja tämän prosessin dokumentointiin oppimispäiväkirjamuodossa.

Evaluation scale

0 - 5

Arviointikriteerit, kiitettävä (5)

Opiskelija todistaa vahvaa näyttöä taidoista ja niiden kehittymisestä oppimispäiväkirjassaan. Päiväkirja on virheetöntä asiatyyliä ja sisälllöltään argumentoiva sekä oivaltava. Oppimispäiväkirjaan on todistettavasti lisätty viikoittain merkintä, jonka sisällön laajuus ja taso vastaa työmäärältään kurssin ajankäytön mukaista työtä. Lähdeaineisto on kriittisesti arvioitu ja punnittu.

Assessment criteria, good (3)

Opiskelija reflektoi tai analysoi taitojensa kehittymistä oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on huoliteltua ja selkeää tai sujuvaa ja lähes virheetöntä asiatyyliä. Työtä on tehty välillä joko toinen viikko tai useimpina viikkoina. Lähdeaineiston käyttö on systemaattista, lukijalle selkeää ja lähdeaineisto on monipuolista sekä tarkoituksenmukaista.

Arviointikriteerit, tyydyttävä (1)

Opiskelija listaa tai soveltaa perustaitoja oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on jäsentymätöntä tai tyylillisesti epätasaista. Oppimispäiväkirjaa ei ole päivitetty asianmukaisesti viikoittain vaan merkittävin osa työstä on tehty viikossa. Lähdeluettelo on laadittu, mutta runkotekstin ja lähteiden yhteys on vähäinen tai olematon.

Toteutuksen arviointikriteerit, kiitettävä (5)

Opiskelija todistaa vahvaa näyttöä taidoista ja niiden kehittymisestä oppimispäiväkirjassaan. Päiväkirja on virheetöntä asiatyyliä ja sisälllöltään argumentoiva sekä oivaltava. Oppimispäiväkirjaan on todistettavasti lisätty viikoittain merkintä, jonka sisällön laajuus ja taso vastaa työmäärältään kurssin ajankäytön mukaista työtä. Lähdeaineisto on kriittisesti arvioitu ja punnittu.

Toteutuksen arviointikriteerit, hyvä (3-4)

Opiskelija reflektoi tai analysoi taitojensa kehittymistä oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on huoliteltua ja selkeää tai sujuvaa ja lähes virheetöntä asiatyyliä. Työtä on tehty välillä joko toinen viikko tai useimpina viikkoina. Lähdeaineiston käyttö on systemaattista, lukijalle selkeää ja lähdeaineisto on monipuolista sekä tarkoituksenmukaista.

Toteutuksen arviointikriteerit, tyydyttävä (1-2)

Opiskelija listaa tai soveltaa perustaitoja oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on jäsentymätöntä tai tyylillisesti epätasaista. Oppimispäiväkirjaa ei ole päivitetty asianmukaisesti viikoittain vaan merkittävin osa työstä on tehty viikossa. Lähdeluettelo on laadittu, mutta runkotekstin ja lähteiden yhteys on vähäinen tai olematon.

Qualifications

Kurssilla ei vaadita aiempaa osaamista. Liiketoimintaosaaminen ja tietovarastojen ymmärrys on kuitenkin hyödyksi.

en
Enrollment

19.08.2024 - 22.09.2024

Timing

01.08.2024 - 31.12.2024

Number of ECTS credits allocated

5 op

Mode of delivery

Contact teaching

Unit

Teknologia

Teaching languages
  • Finnish
Degree programmes
  • Bachelor’s Degree in Information and Communication Technology
Teachers
  • Jani Sourander
Groups
  • TTV22SAI
    TTV22SAI

Objective

Kurssin tavoitteena on antaa opiskelijoille perustiedot ja -taidot big data -analytiikan merkityksestä ja soveltamisesta liiketoiminnassa. Opiskelijat ymmärtävät big data -analytiikan roolin päätöksenteossa ja liiketoiminnan kehittämisessä eri toimialoilla. Lisäksi tavoitteena on tutustuttaa opiskelijat big data -analytiikkaan liittyviin käytännön sovelluksiin ja yrityscaseihin eri toimialoilta joko vierailevien luennoitsijoiden tai roundtable-webinaarien pohjalta.

Content

Big data -analytiikka liittyy organisaatioiden käyttämiin strategioihin suurten tietomäärien keräämiseksi, järjestämiseksi ja analysoimiseksi arvokkaiden liiketoimintaan liittyvien oivallusten löytämiseksi, jotka muuten eivät olisi mahdollisia perinteisten järjestelmien avulla.

Kurssilla käsitellään seuraavia teemoja:

- Big data -analytiikan perusteet ja käsitteet
- Big data -analytiikan rooli liiketoiminnassa
- Big data -analytiikan soveltaminen eri toimialoilla
- Eettiset ja juridiset näkökulmat
- Tulevaisuuden suuntaukset ja mahdollisuudet

Materials

Linkit oppimateriaaliin, mahdollisiin luentojen tallenteisiin sekä lukuvinkit löytyvät Reppu-alustan "Aloita tästä"-osiosta. Kurssin kannalta tärkein teos löytyy Alma Talent bisneskirjastosta. Tämä teos on: Listenmaa, J. *Laita tieto töihin: tiedolla johtamisen käsikirja* [e-kirja]. Helsinki: Alma Talent. 2023.

Teaching methods

Oppimispäiväkirja, lähiluennot, vierailijaluennot tai niiden tallenteet. Oppimispäiväkirja on laadittava Oppimispäiväkirja 101 -ohjeen mukaisesti käyttäen. Ohje sijaitsee osoitteesta: https://sourander.github.io/oat/

Kurssi on jaettu viikoittain kuuteen eri teemaan. Opiskelijat kirjoittavat teemojen aiheesta oppimispäiväkirjamerkinnän, noin 500-1000 sanaa, jonka avulla osoittavat osaamisensa. Useimmilla viikoilla on ulkopuolinen yritysvieras: luennot ovat monimuotoryhmän kalenterin mukaisesti (maanantai-)iltaisin. Vierailijaluennot taltioidaan, jotta opiskelijoilla on niihin pääsy, vaikka olisi estynyt tulemaan kyseiseen ajankohtaan paikalle.

Completion alternatives

Ota yhteyttä opettajaan.

Student workload

Luennoille osallitumisen tai niiden tallenteiden katsomisen lisäksi opiskelijan oletetaan käyttävän viikoittain kurssin laajuutta vastaava määrä tunteja tehtävien tekemiseen, itsensä kehittämiseen ja tämän prosessin dokumentointiin oppimispäiväkirjamuodossa.

Evaluation scale

0 - 5

Arviointikriteerit, kiitettävä (5)

Opiskelija todistaa vahvaa näyttöä taidoista ja niiden kehittymisestä oppimispäiväkirjassaan. Päiväkirja on virheetöntä asiatyyliä ja sisälllöltään argumentoiva sekä oivaltava. Oppimispäiväkirjaan on todistettavasti lisätty viikoittain merkintä, jonka sisällön laajuus ja taso vastaa työmäärältään kurssin ajankäytön mukaista työtä. Lähdeaineisto on kriittisesti arvioitu ja punnittu.

Assessment criteria, good (3)

Opiskelija reflektoi tai analysoi taitojensa kehittymistä oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on huoliteltua ja selkeää tai sujuvaa ja lähes virheetöntä asiatyyliä. Työtä on tehty välillä joko toinen viikko tai useimpina viikkoina. Lähdeaineiston käyttö on systemaattista, lukijalle selkeää ja lähdeaineisto on monipuolista sekä tarkoituksenmukaista.

Arviointikriteerit, tyydyttävä (1)

Opiskelija listaa tai soveltaa perustaitoja oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on jäsentymätöntä tai tyylillisesti epätasaista. Oppimispäiväkirjaa ei ole päivitetty asianmukaisesti viikoittain vaan merkittävin osa työstä on tehty viikossa. Lähdeluettelo on laadittu, mutta runkotekstin ja lähteiden yhteys on vähäinen tai olematon.

Toteutuksen arviointikriteerit, kiitettävä (5)

Opiskelija todistaa vahvaa näyttöä taidoista ja niiden kehittymisestä oppimispäiväkirjassaan. Päiväkirja on virheetöntä asiatyyliä ja sisälllöltään argumentoiva sekä oivaltava. Oppimispäiväkirjaan on todistettavasti lisätty viikoittain merkintä, jonka sisällön laajuus ja taso vastaa työmäärältään kurssin ajankäytön mukaista työtä. Lähdeaineisto on kriittisesti arvioitu ja punnittu.

Toteutuksen arviointikriteerit, hyvä (3-4)

Opiskelija reflektoi tai analysoi taitojensa kehittymistä oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on huoliteltua ja selkeää tai sujuvaa ja lähes virheetöntä asiatyyliä. Työtä on tehty välillä joko toinen viikko tai useimpina viikkoina. Lähdeaineiston käyttö on systemaattista, lukijalle selkeää ja lähdeaineisto on monipuolista sekä tarkoituksenmukaista.

Toteutuksen arviointikriteerit, tyydyttävä (1-2)

Opiskelija listaa tai soveltaa perustaitoja oppimispäiväkirjassaan. Oppimispäiväkirjan asiasisältö on jäsentymätöntä tai tyylillisesti epätasaista. Oppimispäiväkirjaa ei ole päivitetty asianmukaisesti viikoittain vaan merkittävin osa työstä on tehty viikossa. Lähdeluettelo on laadittu, mutta runkotekstin ja lähteiden yhteys on vähäinen tai olematon.

Qualifications

Kurssilla ei vaadita aiempaa osaamista. Liiketoimintaosaaminen ja tietovarastojen ymmärrys on kuitenkin hyödyksi.