Introduction to Data Analysis Eğitimi

Kuruluşların işle ilgili kararlarını geçmiştekinden çok daha hızlı ve doğru bir şekilde vermeleri gerekmektedir. Bu kararların verilere ve en iyi uygulama analizi tekniklerine dayandırılması ve sezgilerle ya da “her zamanki yöntemlerimizle” daha az hareket edilmesi, günümüzdeki kurumsal yönetimin bilgilerden talep ettiği şeydir. İş kararları vermek için veri analizinin sağlam temellere dayanması, amacınızın rekabetçi bir avantaj edinmek ya da bu avantajı sürdürmek mi veya müşterilerinize hizmet etmek için kaynaklarınızı daha iyi yönetmek mi olduğuna bakılmaksızın kritik öneme sahip bir beceridir. Bu kursta eyleme dönüştürülebilen tavsiyelerde bulunmak için veri analitiğini kullanmanın yanısıra iş yapma şeklinizi değiştirmek için verilere dayalı kararların kullanılabileceği fırsatları belirlemeyi ve yönetmeyi de öğreneceksiniz.

Bu eğitim, iş kararlarınızı besleyecek verilerinizi toplamak, analiz etmek ve uyarlamak için kullanılan veri analizi araçlarının birçoğunu kapsamaktadır. Bu kurs için Excel veya veri analizi konusunda engin bir deneyime sahip olmanız gerekmez. Eğitim, Excel eklentileri, standart sapma, rastgele numune belirleme ve pivot tablolar ve grafikler hakkında giriş seviyesinde alıştırmalar içerir. Bu alıştırmalar ile Excel veya Google elektronik tablolarında temel veri analizi fonksiyonları ve raporlamasını etkin bir şekilde nasıl yapacağınızı öğreneceksiniz. Verilerinizin size ve kuruluşunuza neler söyleyebileceğine yoğunlaşabilmeniz içinse matematik jargonunu ve sembol ve denklemleri basitleştirmekteyiz. Ayrıca bunları, kuruluşunuzu yönlendirme konusunda hızlıca kararlar alması gereken yöneticilere, müdürlere ve konu uzmanlarına nasıl sunabileceğinizi de öğreneceksiniz.

Operasyon, proje yönetimi, iş analizi veya yönetimine dahil olan ve veri analizi konusuna girmesi gereken herkes katılabilir.

• İş zekası ve veri analitiğinin terimleri, jargonu ve etkisi
• Veri analizinin kapsamı ve uygulama alanı
• Rekabetçi bir avantaj elde etmede ve kararları desteklemede analitiğin etkisi
• İş süreçlerinin performansının ve iyileştirme fırsatlarının ölçülmesi
• Sapma veya hatanın kök nedenlerinin takibi ve belirlenmesi ihtiyacı
• Olasılık teorisinin ve normal dağılımın temel ilkeleri, özellikleri ve uygulama alanı
• Bilgilerin özetlenmesi ve sonuçların grafikler dahil sunumu için farklı yöntemlere giriş
• Popülasyonla ilgili istatistiki parazitler ve sonuç çıkarma
• Örnek boyutları ve güven aralıkları ve bunların analizinizin doğruluğunu nasıl etkiledikleri
• Tahmin ve basit lineer regresyon analizine giriş
• Sonuçlarınızın yorumlanması ve işle ilgili sağlam ve ilgili sonuçlara varılması
• Gelecekteki sonuçların tahminine ve şu anki ve gelecekteki riskin azaltılmasına yönelik yöntemler ve algoritmalar
• Süreç iyileştirme ve analiz becerileri
• Güçlü referans malzemelerinin bulunduğu yerler ve karar vermenizi geliştirmek için bunlardan nasıl faydalanılabileceği

1. Introduction to Data Analysis and Analytics

• Definition and history
• Current technology environment and the growing availability of data
• Role of the business analyst and data analyst
• Applications for gaining competitive advantages
• Fact-based decision making
• Process tracking and control

2. Application of Probability and Probability Distributions

• Key concepts and essentials
• Decision making under uncertainty
• Random variables
• Population and samples
• The normal distribution
• Many business distributions are nowhere near normal. constraints!
• Establishing confidence intervals

3. Introduction to Data Mining and Data Warehousing

• Data mining concepts and application
• Introduction to application benefits of data warehousing

4. Describing Information Needs

• Identify operational and executive information classes
• Modeling key decisions and the needs for information
• Describing key business transactions and documents
• Map information needs to underlying data
• Executive information needs and the balanced scorecard
• Pivot tables in Excel
• Tracking and managing business process performance
• Selecting measures and targets
• Measuring performance and finding performance gaps
• Root cause analysis

5. Data Exploration Concepts and Formulas

• Basic concepts
• Types of variables
• Selecting dependent and independent variables
• Sample vs. population
• Descriptive measures of a sample
• Key sample parameters
• Variability
• Sampling distributions
• Sample size
• Histograms
• Establishing and analyzing correlation among different variables
• Explanation of variance

6. Introduction to Risk Management

• Uncertainty and risk analysis
• Assessing your organization risk culture and level of risk tolerance
• Identifying, describing, ranking, prioritizing, and controlling risks
• When to use quantitative risk analysis
• Important risk management best practices

7. Forecasting

• Forecasting methods and models
• History of forecasting
• Long and short term forecasts
• Heuristics
• Time series analysis
• Establishing trends and business cycles (i.e., seasonality) and confidence limits
• Selecting independent variables for predictive models including regression techniques

8. Review

• Data analysis and analytics
• Probability and distributions
• Data mining, data warehousing, and the need for information
• Statistic inference, forecasting, and decision support
• Next steps options

9. Additional Resources and Exercises