Περίγραμμα
Μαθησιακά Αποτελέσματα
Το μάθημα χρησιμοποιεί δοκιμασμένες ποσοτικές και ποιοτικές μεθόδους ανάλυσης δεδομένων, κατάλληλες για επιχειρηματικούς σκοπούς και συνδυάζει τη λήψη αποφάσεων στο σύγχρονο επιχειρηματικό περιβάλλον, με την υποστήριξη εργαλείων της πληροφορικής. Πιο συγκεκριμένα, εστιάζει σε μεθόδους Στατιστικής Ανάλυσης, Λογικής, Ασαφούς Λογικής, Εξόρυξης Δεδομένων και άλλες, που υλοποιεί με τη χρήση κατάλληλων εργαλείων λογισμικού. Το μάθημα έχει συνεχείς δυναμικές αναπροσαρμογές στην ύλη του και συμβαδίζει με τη σύγχρονη τεχνολογία και την πρόσφατη επιστημονική γνώση γύρω από τα αντικείμενα που καλύπτει. Το μάθημα πραγματοποιείται σε εργαστηριακό περιβάλλον με εκπόνηση ομαδικών και ατομικών εργασιών, ρεαλιστικών εφαρμογών και μελετών περιπτώσεων με τη χρήση πραγματικών δεδομένων μεγάλου όγκου.
Οι φοιτητές-τριες με την επιτυχή ολοκλήρωση του μαθήματος θα είναι σε θέση να
- Κατανοήσουν μοντέλα γνωστικής ψυχολογίας και τη σημασία τους στη λήψη αποφάσεων.
- Να επιλέγουν και να εφαρμόζουν μεθόδους ανάλυσης δεδομένων.
- Χρησιμοποιήσουν εργαλεία ανάλυσης δεδομένων.
- Να τεκμηριώνουν τις αποφάσεις τους σε προβλήματα που εξετάζονται.
Γενικές Ικανότητες
Στο μάθημα καλλιεργούνται δεξιότητες όπως:
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών,
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης,
- Λήψη αποφάσεων,
- Ομαδική εργασία,
- Προσαρμογή σε νέες καταστάσεις.
Περιεχόμενο Μαθήματος
Το μάθημα αποβλέπει στην κατάρτιση των φοιτητών στην αντιμετώπιση σύνθετων επιχειρηματικών προβλημάτων με μεθόδους ποσοτικής και ποιοτικής ανάλυσης βασισμένες στις τεχνολογίες λήψης αποφάσεων. Ειδικότερα, το μάθημα δίνει εφόδια στους φοιτητές ώστε να κατανοήσουν θέματα όπως τα παρακάτω:
- Εισαγωγή στη λήψη αποφάσεων στοιχεία
- Γνώση, υποκειμενικότητα και κρίση στη λήψη αποφάσεων.
- Η συμβολή της Γνωστικής ψυχολογία και λήψη αποφάσεων, Ορθολογισμός και Προκαταλήψεις και κρίση στη λήψη αποφάσεων.
- Μέθοδοι στατιστικής
- (Περιγραφική,
- Έλεγχος υποθέσεων,
- Ανάλυση Παραγόντων).
- Μέθοδοι Πολύ-κριτηριακής Ανάλυσης.
- Μηχανική Μάθηση και Εφαρμογές:
- Ανάλυση Συναισθήματος (Sentiment Analysis)
- Συσταδοποίηση (Clustering)
- Εφαρμογές στη λήψη αποφάσεων με SPSS και Microsoft Excel.
- Μελέτη περιπτώσεων με ανάλυση δεδομένων.