Big data analytics and business (5 cr)

Evaluation scale

0 - 5

Content scheduling

Kurssi on jaettu seuraaviin viikkoihin aiheittain

1. Johdanto ja kurssin käytänteiden sekä oppimispäiväkirjan kirjoittamisen esittely
2. Tieto
3. Datastrategia
4. Datasta saatava lisäarvo
5. Työkalujen horisontti
6. Tietomallinnus
7. Tulevaisuus
8. Koostetunti ja opintojaksopalaute

Teemojen järjestys saattaa elää esimerkiksi vieraiden saatavuuden mukaan: tästä informointi neuvotaan Moodlessa.

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

Location and time

Etäopetus iltaisin

Materials

Kurssin pakollinen lähdeteos on KAMK Finnan Alma Bisneskirjastosta löytyvä:
Sivula, A., Aho, M. & Laukkanen, M. *Datasta liiketoimintaan - 10 tehokasta työkalua* [e-kirja]. Helsinki: Alma Talent. 2023.

Toissijaisena kurssikirjana toimii samasta kirjastosta:
Listenmaa, J. *Laita tieto töihin: tiedolla johtamisen käsikirja* [e-kirja]. Helsinki: Alma Talent. 2023.

Lisäksi vierailijapuheenvuorot ja niihin liittyvä kysymys-vastaus sessio ovat virallista, pakollista lähdetietoa, jota on pakko käsitellä oppimispäiväkirjassa. Mikäli vieras on sairaana tai muutoin estynyt, korvaavana sisältönä toimii viime vuoden tallenne tai opettajan puheenvuoro aiheesta.

Teaching methods

Kurssin opetus tapahtuu Teams-luennoilla, jotka tallennetaan. Kurssin luennoilla on opettajan lisäksi useita eri yritysvieraita, jotka antavat yrityskontekstia kyseisen viikon aiheelle. Vieraslista esitellään ensimmäisen luennon aikana. Opiskelijat käsittelevät oppimispäiväkirjassaan viikon teemaa, ja sitä, kuinka vieraan puheenvuoro sitoutuu aiheeseen, ja sitä, kuinka kurssikirja sekä muut lähteet käsittelevät samaa teemaa.

Oppimimispäiväkirja kirjoitetetaan opettajan laatiman Oppimispäiväkirja 101 ohjeistuksen (https://sourander.github.io/oat) mukaan. Formaattina on Gitlab Pages -sivu, joka perustuu Material for MkDocs teemaan. Tähän on tarjolla templaatti.

Pyri järjestämään kalenterisi siten, että pääset Teams-luennoille läsnäolevaksi. Tämä on sekä kohteliasta vierasluennoitsijaa vastaan, että mahdollistaa kysymysten esittämisen vieraalle.

Student workload

Luennoille osallistumisen tai niiden tallenteiden katsomisen lisäksi opiskelijan oletetaan käyttävän viikoittain kurssin laajuutta vastaava määrä tunteja aiheisiin syventymiseen ja oppimispäiväkirjan kirjoittamiseen. Kirjojen ja muiden lähteiden lukemisen tai katsomisen arvioidaan vievän noin 50 % kurssin aikapanoksesta, kirjoittaminen ja omien johtopäätösten muodostaminen loput.

Qualifications

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

Further information

Kurssilla saa käyttää tekoälyä esimerkiksi lähdeteosten lukemisen apurina ja keskustelukumppanina tai oman kirjoitetun tekstin jäsentelyn apuna. Oppimispäiväkirjan sisällön pitää kuitenkin edustaa opiskelijan omaa sanaa ja näkemystä, vaikka pilkkuvirheet olisivatkin tekoälyn korjaamia.