Big data analytics and business (5 cr)

Objective

The aim of the course is to give students basic knowledge and skills about the meaning and application of big data analytics in business. Students understand the role of big data analytics in decision-making and business development in different industries. In addition, the goal is to introduce students to practical applications and business cases related to big data analytics from various industries either on the basis of guest lecturers or roundtable webinars.

Content

Big data analytics refers to the strategies used by organizations to collect, organize and analyze large amounts of data to discover valuable business insights that would otherwise not be possible through traditional systems.

The course covers the following themes:

- Basics and concepts of big data analytics
- The role of big data analytics in business
- Application of big data analytics in different industries
- Ethical and legal perspectives
- Future trends and opportunities

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

Assessment criteria, excellent (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.

Assessment criteria, satisfactory (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.

Prerequisites

The course does not require previous knowledge. However, business knowledge and an understanding of data warehouses are useful.

Objective

The aim of the course is to give students basic knowledge and skills about the meaning and application of big data analytics in business. Students understand the role of big data analytics in decision-making and business development in different industries. In addition, the goal is to introduce students to practical applications and business cases related to big data analytics from various industries either on the basis of guest lecturers or roundtable webinars.

Execution methods

The implementation of the course mainly takes place through lectures and possible guest lectures. Each lecture week focuses on a specific theme, and in addition to lectures, students are given tasks and materials for independent study. In addition, the course may use recordings of guest lectures and webinars available online.

Accomplishment methods

The course is completed by writing a learning diary every week. Entries are made once per week. Each week has a theme.

Content

Big data analytics refers to the strategies used by organizations to collect, organize and analyze large amounts of data to discover valuable business insights that would otherwise not be possible through traditional systems.

The course covers the following themes:

- Basics and concepts of big data analytics
- The role of big data analytics in business
- Application of big data analytics in different industries
- Ethical and legal perspectives
- Future trends and opportunities

Qualifications

The course does not require previous knowledge. However, business knowledge and an understanding of data warehouses are useful.