| School/Faculty/Institute |
Faculty of Economics, Administrative and Social Sciences |
| Course Code |
MGMT 434 |
| Course Title in English |
Data and Analytics Driven Management |
| Course Title in Turkish |
Veri ve Analitik Temelli İşletme |
| Language of Instruction |
EN |
| Type of Course |
Flipped Classroom |
| Level of Course |
Intermediate |
| Semester |
Fall |
| Contact Hours per Week |
| Lecture: 3 |
Recitation: |
Lab: |
Other: |
|
| Estimated Student Workload |
136 hours per semester |
| Number of Credits |
5 ECTS |
| Grading Mode |
Standard Letter Grade
|
| Pre-requisites |
None |
| Expected Prior Knowledge |
None |
| Co-requisites |
None |
| Registration Restrictions |
Only Undergraduate Students
|
| Overall Educational Objective |
Main objectives in this course is to teach students how to use data science for competitive advantage and how to apply data analysis for business growth. In order to achieve this objective, students will be guided to (a) recognize the importance of data-driven business decisions for successful organizations; (b) understand how businesses create the right data analytics strategy and apply the different types of data analytics for their needs and goals, and (c) gain practical experience to develop solid business case within group project which covers the journey from data collection to value creation.
|
| Course Description |
This course aims to prepare students to understand the dynamics of data analytics in business management. This course teaches the scientific process of transforming data into insights for making better business decisions and creating successful organizations. It covers the methodologies, issues, and challenges related to analyzing business data. The examples and use-cases from different industries will objectify students’ understanding for the concepts. Finally, students will apply business analytics algorithms and methodologies to business problems within the group project.
|
| Course Description in Turkish |
Bu ders, işletme yönetiminde veri analitiğine ilişkin dinamikleri anlamaları konusunda öğrencileri geliştirmeyi hedeflemektedir. Ders, veriden iç görü yaratarak daha iyi iş kararları vermeyi ve daha başarılı organizasyonlar yaratmayı sağlayacak bilimsel araçlar sunmaktadır. Bu amaçla, veri temelli iş analitiğine ilişkin ilgili metodolojileri, konuları ve zorlukları aktarmaktadır. Ders kapsamında sunulacak örnekler ve senaryolar ile öğrencilerin konseptleri daha somut şekilde algılaması sağlanacaktır. Son olarak, öğrenciler grup projeleri kapsamında, çeşitli iş problemleri üzerinde iş analitiği algoritmaları ve metodolojilerini uygulayacaklardır.
|
Course Learning Outcomes and Competences
Upon successful completion of the course, the learner is expected to be able to:
1) iş sorunlarına veri analitiğiyle yaklaşmak
2) Veri analitiğinin iş performansını iyileştirip iyileştirmediği ve nasıl iyileştirdiği hakkında sistematik olarak düşünmek
3) iş analitiği fikirleri geliştirme, iş analitiği yazılımını kullanarak verileri analiz etme ve iş içgörüleri oluşturma
|
| Program Learning Outcomes/Course Learning Outcomes |
1 |
2 |
3 |
| 1) Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. |
|
|
|
| 2) Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. |
|
|
|
| 3) Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. |
|
|
|
| 4) Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. |
|
|
|
| 5) Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. |
|
|
|
| 6) Mesleki etik standartların içselleştirilmesi ve yayılması. |
|
|
|
| 7) Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. |
|
|
|
| 8) Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. |
|
|
|
| 9) Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. |
|
|
|
| 10) Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. |
|
|
|
| 11) Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. |
|
|
|
| 12) Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. |
|
|
|
| 13) Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. |
|
|
|
Relation to Program Outcomes and Competences
| N None |
S Supportive |
H Highly Related |
| |
|
|
| |
Program Outcomes and Competences |
Level |
Assessed by |
| 1) |
Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. |
N |
|
| 2) |
Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. |
N |
|
| 3) |
Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. |
H |
Exam,HW,Participation
|
| 4) |
Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. |
N |
|
| 5) |
Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. |
N |
|
| 6) |
Mesleki etik standartların içselleştirilmesi ve yayılması. |
N |
|
| 7) |
Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. |
N |
|
| 8) |
Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. |
N |
|
| 9) |
Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. |
S |
Participation
|
| 10) |
Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. |
S |
HW,Participation
|
| 11) |
Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. |
N |
|
| 12) |
Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. |
S |
Exam,HW
|
| 13) |
Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. |
H |
Exam,HW
|
| Prepared by and Date |
, May 2023 |
| Course Coordinator |
HIZIR KONUK |
| Semester |
Fall |
| Name of Instructor |
|
Course Contents
| Hafta |
Konu |
| 1) |
Kavramlara Giriş |
| 2) |
Yeni Benzin, Yeni Yol, Yeni Roller |
| 3) |
Veriden Değere: Toplama ve Yönetme |
| 4) |
Veriden Değere: Analiz ve Modelleme |
| 5) |
Veriden Değere: Hikaye Anlatımı ve Karar Verme |
| 6) |
İstatistik Araç Seti: Tahmine Dayalı, Kuralcı ve Deneysel Analitik |
| 7) |
Teknoloji Araç Seti: Büyük Veri, BI, Veri Madenciliği ve Daha Fazlası |
| 8) |
AI/ML/DL'nin gizemini aydınlatma |
| 9) |
Makine Öğrenmesi ve İş Zorlukları |
| 10) |
Konuşma Başlangıç Bilgisi: Makine Öğrenimi Terminolojisi |
| 11) |
Makine Öğrenimi Araç Setini Keşfetme |
| 12) |
Ekonomi, Bankacılık ve Finansta Veri Bilimi |
| 13) |
Perakende, Satış ve Ticarette Veri Bilimi |
| 14) |
Medya ve Eğlencede Veri Bilimi |
| 15) |
Final Sınav Dönemi |
| 16) |
Final Sınav Dönemi |
| Required/Recommended Readings | [Recommended]
1. HBR Guide to Data Analytics Basics for Managers, by Harvard Business Review
2. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking, by Foster Provost and Tom Fawcett
|
| Teaching Methods | For achieving learning objectives, the course will entail a set of related videos, readings, lectures, problem-solving activities and creative processes as well as interactions with real life businesses. With readings and lectures, the students will be able to grasp the key issues of data analysis in business management whereas with case studies and discussions, they will find the opportunity to expand their perspectives and apply the theoretical knowledge to real life situations.
The course will cover basic terminology and theoretical structure as well as practical implications. The methods which will be used throughout the course are real life case studies, group projects, presentations, in-class discussions and key note speaker addresses. Every member of the class is expected to freely share her/his knowledge, ideas and questions with the group without any concern. Throughout the course, experiential, constructivist, research-based and reflective teaching strategies are used. In all kinds of teaching and learning activities, student participation, active learning and learning by doing are essential.
|
| Homework and Projects | The students will be making one presentation as individual for one the lectures during course. In this way, they will contribute the content and scope of that lecture.
In addition to this individual assignment, there will be a group project which will be studied almost all semester and presented by the end of the term. This project will mainly focus on one solid business case which covers the journey from data collection to value creation.
|
| Laboratory Work | None |
| Computer Use | Personal notebook
|
| Other Activities | None |
| Assessment Methods |
| Assessment Tools |
Count |
Weight |
| Devam |
1 |
% 20 |
| Ödev |
1 |
% 20 |
| Projeler |
1 |
% 30 |
| Ara Sınavlar |
2 |
% 30 |
| TOTAL |
% 100 |
|
| Course Administration |
kuzucub@mef.edu.tr
Öğrenciler her zaman özgürdür ve eğitmene e-posta yoluyla geri bildirimde bulunmaya ve kursla ilgili sorular sormaya teşvik edilirler. (kuzucub@mef.edu.tr).
Bu derste aktif katılım, öğrenmenin ve uygulamanın anahtarıdır; uluslararası ticaret gibi bir konuda sorgulama, beyin fırtınası ve tartışma yoluyla yeni fikirler üretilebilir. Böylece derse katılımın notlandırılması, öğrencinin aktif katılımının ve sınıf içi etkinliklere katkısının niteliğine göre yapılacaktır.
Öğrencilerin tüm oturumlara katılmaları ve zamanında derste bulunmaları beklenmektedir. Hastalık (tam donanımlı bir hastane raporu gerektirir) veya MEF yönetmeliklerimde kabul edilen bir mazeret nedeniyle katılamayacakları durumlarda, eğitmenlere posta yoluyla bilgi vermeleri gerekmektedir.
Geri bildirim ve sorular, kursu farklı bir öğrenme deneyimi haline getirmek için çok değerli olduğundan, öğrenciler dersle ilgili her türlü sorun için mesai saatleri içinde eğitmenleri ziyaret edebilir veya e-posta gönderebilirler.
Akademik sahtekarlık ve intihal YÖK disiplin yönetmeliğine tabi olacaktır.
Students are always free and encouraged to give feedback and ask questions about the course via e-mail to instructor (kuzucub@mef.edu.tr).
In this course, active participation is key to learning and applying, as for a topic like international business, new ideas can be generated through questioning, brain storming and discussion. Thus the grading of the class participation will be done based on the quality of active student participation and contribution to in-class activities.
Students are expected to attend all sessions and be in class on time. When they can not attend due to a sickness (which should require a report from a full facility hospital) or an excuse accepted my MEF regulations, they should inform the instructors by mail.
As the feedback and questions are very valuable for making the course a distinctive learning experience, students may visit the instructors during office hours or send e mails, for any course related issues.
Academic dishonesty and plagiarism will be subject to the YÖK disciplinary regulation.
|
Bilgi Paketi / Ders Kataloğu