אוניברסיטת בר-אילן
הפקולטה למדעי החברה – בית הספר למנהל עסקים –תוכנית שהרבני
66-988-03 – בינהעסקית
סוג הקורס: שיעור
היקף שעות: 2 שעות
מרצה: דר' ישראל רוזן
שעות קבלה: לאחר ההרצאה
אתר קורס: אתר במסגרת הלמידה המתוקשבת.
Email: israel128@bezeqint.net
א. רקע לקורס
אתגר מרכזי בארגון הינו: הפיכת הנתונים הרבים הנצברים במערכות המחשוב המגוונות ובמחסן הנתונים הארגוני לתובנות ולידע (Knowledge) עסקי אינטגרטיבי בעל ערך למקבלי החלטות בארגון מתוך מטרה למנף את תשואות הארגון ולהשיג יתרון אסטרטגי בתחרות העסקית על פני המתחרים
שאלות כגון: מה הם הפרמטרים המסבירים נטישת לקוחות, אילו לקוחות מתאימים ביותר למבצע המכירות החדש של מוצר מסוים, אילו מוצרים נקנים בהסתברות גבוהה עם מוצר/ים אחר/ים – נדונות, מנותחות ומקבלות תשובה מושכלת.
תחקור אנליטי ויזואלי בסביבה רב ממדית וכן הליכי כריית נתונים ו- BIG DATA נמצאים בפסגת הטכנולוגיות האנליטיות בארגון (BI), ומהווים את הנושאים החמים ביותר כיום בתחום זה.
בקורס יילמדו ארכיטקטורות לעיצוב מחסן נתונים אפקטיבי וכן ארכיטקטורות של מוצרי BI. כמו כן יילמדו בקורס מתודולוגיות לאיתור המוטיבציה העסקית בעזרת ניתוח מושכל של הנתונים ומציאת קשרים ביניהם, וכן אלגוריתמים ומודלים אנליטיים מתחום הסטטיסטיקה והאינטליגנציה המלאכותית והעסקית.
הקורס יעסוק בחלק התיאורטי/אקדמאי של הנושאים הרלוונטית כמו גם בפן המעשי תוך כדי הכרת ותרגול כלים ממוחשבים מובילים כגון: SAS VIYA VA – Visual Analytics Self-Service IBM Planning Analytics (OLAP) – תחקור רב-ממדי בסביבה רבת ממדים, / IBM Watson Modeler Orange – Data Mining – כריית נתונים, ו- SAS MINER VDMML – – BIG DATA – Text Mining
לפיתוח והטמעה יישומים בתחומים הרלוונטיים.
ב. מטרות הקורס
1. להכיר את ההתפתחות האבולוציונית של מערכות BI.
2. להכיר את העקרונות לבניית ארכיטקטורה יעילה של מחסן נתונים
3. להכיר את העקרונות לבניית ארכיטקטורה יעילה של מוצרי BI
4. ללמד את הטכניקות והאלגוריתמים שבבסיס מערכות תחקור אנליטי, BIG DATA ו- Data Mining
6. לדעת להגדיר בעיה הניתנת לפתרון בעזרת כלי BI
7. לדעת לבחור בטכניקה ובאלגוריתם המיטבי לפתרון הבעיה
8. לפתח ולממש פתרון מעשי לבעיה בעזרת כלי BI
ג. תוכן הקורס:
נושא | חומר קריאה | |
* | ארכיטקטורת מחסן נתונים | [RH] פרק 2 ע' 49-62, פרק 3 ע' 63-82 [EN] פרק 28 |
תחקור אנאליטי Self Service עם ויזואליזציה מתקדמת | אתר: SAS VIYA VA | |
* | תחקור אנליטי בסביבה רב ממדית, בעזרת טבלת ציר, POWER PIVOT וכלי OLAP ייעודי – IBM Planning Analytics | [RH] פרק 4 ע' 83-104 [EN] פרק 28 [HK] פרק 2 |
* | ארכיטקטורות של מוצרים לניתוח רב ממדי של נתונים | [RH] פרק 5 [HK] פרק 2 |
* | ||
* | : כריית נתונים – בעיות ופתרונם: * אנליטיקה של חיזוי – Predictive Analytics * אנליטיקה של פילחי שוק – Clustering Analytics * אנליטיקה אסוציאטיבית – Association Analytics | [RH] פרק 7 [EN] פרק 27 [HK] פרק 4, 5 |
* | כריית נתונים: טכניקות ואלגוריתמים: Association Rules, – חוקים אסוציאטיביים Sequence Base Analysis, Back Propagation Algorithm, – ניתוח אשכולות Classification, – סיווג Decision Trees, – עצי החלטה Neural Networks, – רשתות נוירונים Logistic Regression – רגרסיה לוגיסטית | [RH] פרק 7 [EN] פרק 27 [HK] פרק 6, 7, 8 |
תחקור אנליטי עם כלי BIG DATA כולל שימוש ב- HADOOP כפתרון לבעיית ניהול נתונים בעלי מאפייני VVVV | Hands Out | |
כריית TEXT | Hands Out |
ד. חובות הקורס:
מרכיבי הציון הסופי –
* | תרגילים ……………………………………………………………………………………………….. | 30% |
* | מבחן ……………………………………………………………………………………………………………. | 70% |
ה. ביבליוגרפיה
1. [RH] Hiperman Raz, Data Warehousing OLAP and Data Mining,
Hod Ami, 2000.
2. [EN] Elmasri.R, Navathe. S, Fundamentals of Data Base Systems,
4th Edition, 2004
3. [HK] Jiawei Han and Micheline Kamber, Data Mining: Concepts and
Techniques, The Morgan Kaufmann Series in Data Management
Systems, Jim Gray, Series Editor, Morgan Kaufmann Publishers, . August 2000. 550 pages. ISBN 1-55860-489-8