BA 464 | Ders Tanıtım Bilgileri - Muhasebe ve Denetim Programı

Dersin Adı

İş Analitiği ve Büyük Veriye Giriş

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
BA 464	Güz/Bahar	2	2	3	6

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	Lisans
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	Tartışma Problem çözme Olgu / Vaka çalışması Soru & Cevap Deney / Laboratuvar / Atölye uygulama
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Prof. Dr. Mehmet Gençer
Öğretim Eleman(lar)ı	Prof. Dr. Mehmet Gençer
Yardımcı(ları)	Araş. Gör. Gizem Halil UTMA

Dersin Amacı	Günümüzü işletmeciliğindeki iki ana gelişme elele gitmektedir: operasyonların giderek daha fazla bilgisayarlı hale gelmesi, ve kararların giderek daha fazla verilere dayalı olması. Farklı tür ve büyüklüklerde de olsalar çoğu şirket için verilerin zamanında, kesin, ve karlı kararlar vermek için etkili şekilde kullanımı kritik bir stratejik avantaj unsuru haline gelmiştir. Bu yüzden modern işletme iş analitiğinden ayrılamaz. Bu dersin amacı işletme öğrencilerine iş verilerini iş kararlarını yönlendirecek içgörüye dönüştürmeleri için gerekli kavram, yöntem ve araçları öğretmektir. Bu amaçla derste temel veri analizi tekniklerinin -operasyonelden ziyade- işlevsel bir kavrayışına ve bunun temel yazılım araçları kullanarak farklı iş problemlerine uygulanışına bir başlangıç kazandırılmaktadır. Dersin temel ekseni bu tekniklerin iş kararları için içgörü sağlamadaki katkısıdır. Bu anlamda ders veri ve analiz konusunda bir farkındalık oluşturma, ve veri analizinin işte değer yaratmak konusunda sunduğu fırsatları belirleyebilme becerisi kazandırma hedefindedir. Bu ders aynı zamanda büyük veri diye adlandırılan veri setlerini ve onların analizine özgü gereksinim ve yaklaşımları da kapsamaktadır.
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; Verilen yönteme uygun yaygın iş analitiğindeki akışlarını oluşturabilirler. R istatistik platformu ile veriyi hazırlayarak çoğu algoritmaya uygun, temizlenmiş veri seti oluştururlar. Verilen bir iş problemi için keşifsel yöntem ve öngörü yöntemlerinden hangisinin gerektiğini belirleyebilirler. Verilen veri setinin eldeki iş problemini çözmeye uygun görsel ve sayısal özetlerini üretebilirle Öngörü modelleri üretebilirler.
Ders Tanımı	Bu ders veri analizi için gerekli yöntem ve araçlara odaklanır. Yaygın bir istatistik platformunun (R) veri yönetimi gibi temel işler için kullanımını kapsar. Keşifsel veri görselleştirme ve özetleme yöntemlerinden başlayan ders temel öngörü yöntemlerinden (örn. Doğrusal modeller) daha karmaşık yöntemlere (veri madenciliği, karar ağacı veya birleşme kuralı analizi gibi) ilerler. Öğrenciler iş problemlerini analiz problemlerine dönüştürmeki ve bunların çözümünü aramak konusunda hem kuramsal bilgi hem de uygulamalı beceriler edinirler. Bu yöntemler bilinen problemler kadar yeni ve az bilinen problemlere de uygulanabilmesi amacıyla çevik problem çözme sistematiğine oturtularak uygulanırlar.
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık
1	Giriş, kavramlar	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 1
2	Analitik süreci, tahminleme	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 1
3	Keşifsel analitik ve veri görselleştirme	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 3
4	Doğrusal regresyon	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 4
5	Model değerlendirme	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 2
6	Bayes tasnifi	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 8
7	Regresyon ağaçları ve tasnif modeli değerlendirme	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 9
8	Lojistik regresyon ve profilleme	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 10
9	Eşleşme kuralları	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 14
10	Kümeleme analizi	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 15
11	Zaman serileri	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 16
12	Zaman serileri tahminleme	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 17&18
13	Büyük veri teknikleri ve teknoloji yığını, örnek: veri özetleme	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 17
14	İleri teknikler: metin analizi, sosyal ağ analizi	Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons. Bölüm 19&20
15	Sınıf içi tartışma
16	Dersin gözden geçirilmesi

Ders Kitabı

Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons.

ISBN: 978-1-118-87936-8

Önerilen Okumalar/Materyaller

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği	4	35
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum	1	20
Proje	1	20
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
Final Sınavı	1	25
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	6	75
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	25
Toplam

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	2	32
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16	2	32
Sınıf Dışı Ders Çalışması	14	2	28
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği	4	5	20
Portfolyo			0
Ödev			0
Sunum / Jüri Önünde Sunum	1	10	10
Proje	1	20	20
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar			0
Final Sınavı	1	20	20
		Toplam	162

#	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Alanında teorik ve pratik bilgi ve beceriler kazanır.	-	-	-	-	-
2	Sorunlara analitik ve bütünsel bir bakış açısıyla yaklaşır.	-	-	-	X	-
3	Küresel ve yerel muhasebe ve denetim standartları hakkında bilgi sahibidir.	-	-	-	-	-
4	Muhasebe ve denetim problemlerine ilişkin bulgu ve çözümleri yazılı ve sözlü formatta aktarır.	-	-	-	-	-
5	Muhasebe ve diğer yönetim bilgi sistemleri ile kuruluşların performansını eleştirel olarak değerlendirir.	-	-	-	-	-
6	İş hayatında karşılaşılan gerçek durumlar için yenilikçi ve yaratıcı bir yaklaşım kullanır.	-	-	-	-	-
7	Muhasebe ve denetimin temel alanlarında edinilen bilgileri stratejik bir bakış açısıyla bir araya getirir.	-	-	-	-	-
8	Alanıyla ilgili çalışmalarda bilimsel ve etik değerlere uygun hareket eder.	-	X	-	-	-
9	Hem liderlik hem de takım çalışması becerilerini etkin ve verimli bir takım üyesi olarak gösterir.	-	-	-	-	-
10	İş kararlarını verirken ve değerlendirirken etik bir bakış açısına ve sosyal duyarlılığa sahip olur.	-	X	-	-	-
11	Bir yabancı dili kullanarak işletmecilik alanı ilgili bilgi toplar ve meslektaşları ile iletişim kurar ("European Language Portfolio Global Scale", Level B1).	-	-	-	-	-
12	İkinci yabancı dili orta düzeyde kullanır.	-	-	-	-	-
13	İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirebilir.	-	-	-	-	-

BA 464 | Ders Tanıtım Bilgileri

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

DEĞERLENDİRME ÖLÇÜTLERİ

AKTS / İŞ YÜKÜ TABLOSU

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

HABERTÜM HABERLER

ACCA, Üniversite Öğrencileriyle Biraraya Geldi

İzmir Ekonomi’den ‘4 Büyüklere’

İEÜ ve PwC’den örnek iş birliği

YENİ GÜZELBAHÇE KAMPÜSÜMÜZ

KÜRESEL KARİYER

BİLİME KATKI

İNSANA DEĞER

TOPLUMA FAYDA