«Методы научных исследований в менеджменте» (стр. 3 )

Малхотра	«Маркетинговые исследования. Практическое руководство», Издательство Вильямс, ISBN -6; 2007 г.
Сигел	«Практическая бизнес-статистика», Издательство Вильямс, ISBN 1367-8, -4; 2008 г.
Марк Сондерс, Филип Льюис, Эйдриен Торнхилл	«Методы проведения экономических исследований», Издательство Эксмо, ISBN -5, -2; 2006 г.
Роб Кросс, Эндрю Паркер	«Невидимая Сила Социальных Связей. Как на самом деле работают организации», Издательство Калидос Паблишинг, ISBN -5, -5; 2006 г.
Дмитрий Таганов	«SPSS: статистический анализ в маркетинговых исследованиях», Издательство Питер, ISBN -9; 2005 г.
А. Наследов	«SPSS 19. Профессиональный статистический анализ данных», Издательство: Питер, ISBN 0344-4; 2011 г.
	«Исследование систем управления», Издательство Омега-Л, ISBN 2403-0; 2012 г.
Г. Моосмюллер,	«Маркетинговые исследования с SPSS», Издательство Инфра-М, ISBN 4240-4; 2011 г.
Ансельм Страусс, Джульет Корбин	«Основы качественного исследования. Обоснованная теория. Процедуры и техники», Издательство КомКнига, ISBN -1, -4; 2007 г.
Винстон	«Microsoft Office Excel 2007. Анализ данных и бизнес-моделирование», Издательство: БХВ-Петербург, ISBN 0186-6, 0338-3, 2396-5; 2008 г.

3.  Раздел 2.2. Методы научных исследований в менеджменте (практические занятия)

Что такое интеллектуальный анализ данных?

Интеллектуальный анализ данных предоставляет доступ к данным, которые необходимы для принятия интеллектуальных решений сложных бизнес-проблем. Службы Microsoft SQL Server Analysis Services (SSAS) предоставляют средства для интеллектуального анализа данных, позволяющие определить правила и закономерности в данных, чтобы можно было определить, почему произошло то или иное событие и выполнить прогноз на будущее. При создании решения интеллектуального анализа данных в службах Analysis Services сначала создается модель, которая описывает бизнес-проблему, а затем обрабатываются данные алгоритмом, формирующим математическую модель данных.

Службы Analysis Services являются основными службами по обеспечению быстрого анализа бизнес-данных, интерактивной аналитической обработки (OLAP) и функций интеллектуального анализа данных для использования в приложениях бизнес-аналитики.

Службы Analysis Services могут использовать наборы данных из реляционных баз данных и баз данных OLAP, и включают различные алгоритмы, которые можно использовать для анализа этих данных.

Основной целью большинства проектов интеллектуального анализа данных является создание прогнозов с помощью модели интеллектуального анализа данных. После просмотра и сравнения моделей интеллектуального анализа данных для создания прогнозов можно использовать один или несколько средств. Службы Analysis Services имеют язык запросов, называемый расширениями интеллектуального анализа данных, который является основой для создания прогнозов.

После создания модели интеллектуального анализа данных, возможно, потребуется распространить результаты для различных пользователей.

Тема 1. Основные понятия интеллектуального анализа данных. Службы Analysis Services

К ключевым факторам, определяющим развитие СУБД, относятся следующие: появление новых типов данных, новых форм-факторов для устройств хранения данных, новые стандарты представления и обмена данными, а также существенное снижение стоимости хранения самих данных.

Но самым значительным фактором является объем данных, производимых во всем мире. Если посмотреть на данные, хранимые в электронном виде, то к 1999 году мире насчитывалось 12 Эбайт (1018 байт) информации. К середине 2002 года было создано еще столько же. При этом, 92% этой информации хранится на жестких дисках. Интересна еще одна цифра — все страницы Интернета занимают порядка 21 Тбайт, тогда как объем информации, пересылаемой по электронной почте, перекрывает объем интернет_страниц больше чем в 500 раз.

Но настоящим «взрывом» в производстве цифровых данных стали не Интернет и не электронные документы, а различные цифровые устройства — телефоны, фотоаппараты, видеокамеры, проигрыватели и т. п. 55% всех цифровых данных хранится на компьютерах пользователей и только 16% — в корпоративных хранилищах данных. Более того, скоро все телевидение будет цифровым, что должно существенно увеличить объем хранимых в электронном виде данных. Это означает, что мы храним все больше и больше информации, в структурированном и неструктурированном виде.

И еще один малоизвестный факт — различные датчики поставляют значительные объемы информации. Так, исследование Земли выражается на 2007 год в 15 петабайтах данных, медицинские данные о пациентах приносят еще 1 Эбайт в год, видео_мониторинг — 100 Эбайт в год, двигатели самолетов — 30 петабайт в год и т. д.

В процессе своего развития приложения все больше и больше включают поддержку различных типов данных — XML, электронной почты, календарей, файлов, документов, гео_данных и т. п. в дополнение к традиционным типам данных, поддерживаемым на уровне баз данных и файловой системы. Для обеспечения работоспособности таких приложений нужна соответствующая платформа, которая позволяла бы безопасно хранить такие данные, выполнять по ним поиск, анализировать их, синхронизировать и т. д..

Надстройки интеллектуального анализа данных Microsoft SQL Server 2005 для Office 2007 предоставляют мастера и средства, которые максимально упрощают получение из данных полезных сведений.

Основные понятия интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных)

Клиент интеллектуального анализа данных для Excel 2007.

Литература

Макленнен, Дж., Танг Чж., Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер. с англ. – СПб.: БХВ-Петербург, 200с. Долженков, В. А., Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с. Балабанов коммерция. – СПб: Питер, 200с. – (Серия «Учебник для вузов») , Макаров данных на компьютере. – М.: Инфра. – М, 2003. Дж., Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с. Корпоративные хранилища данных. Планирование, разработка, реализация. Том 1.: Пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 400 с.

Тема 2. . Особенности установки службы Analysis Services

Службы SQL Server Analysis Services устанавливаются с помощью программы установки SQL Server. Службы Analysis Services можно установить вместе с другими компонентами SQL Server или установить Analysis Services в виде отдельного компонента.

Познакомиться с требованиями к оборудованию и программному обеспечению и с компонентами SQL Server 2005. Знакомство с различными подходами к установке служб Analysis Services.

Установить службы Analysis Services для Excel 2007.

Средства анализа таблиц для Excel. Эта надстройка предоставляет простые в использовании задачи, которые использует интеллектуальный анализ данных SQL Server 2005 для гибкой аналитической обработки данных в электронных таблицах без необходимости изучения каких-либо понятий относительно интеллектуального анализа данных.

Клиент интеллектуального анализа данных для Excel. Использование этой надстройки позволяет создавать, тестировать, просматривать и управлять моделями интеллектуального анализа данных в Excel 2007, используя табличные данные или внешние источники данных, доступные через экземпляр служб SQL Server 2005 Analysis Services.

Литература

Макленнен, Дж., Танг Чж., Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер. с англ. – СПб.: БХВ-Петербург, 200с. Долженков, В. А., Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с. Дж., Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.

Тема 3. Средства анализа таблиц для Excel

Надстройка «Средства анализа таблиц для Excel» представляет собой набор простых, но достаточно мощных средств, позволяющих выполнять интеллектуальный анализ данных в Microsoft Office Excel. С ее помощью можно просматривать распределение данных, выполнять простые задачи по очистке данных или использовать сложные алгоритмы интеллектуального анализа данных, содержащихся в таблицах Excel.

Средства интеллектуального анализа данных автоматически анализируют распределение и тип данных и рекомендуют лучший способ обработки данных для получения допустимых результатов, используя следующие средства аналитики:

Анализ ключевых факторов влияния (Analize Key Influencers) - Определение столбцов данных с наибольшим влиянием на выбранное значение или столбец значений.

Поиск категорий - Определение строк с похожими свойствами.

Заполнение по примеру - Поиск отсутствующих значений данных в выбранном столбце и предложение новых значений на основе закономерностей в данных.

Прогноз - Прогнозирование будущих значений с учетом ряда значений.

Выделение исключений - Поиск значений в столбце данных, не соответствующих шаблонам, обнаруженным в данных.

Анализ сценария: поиск решения - Позволяет указать целевое значение и затем определяет базовые факторы, подлежащие изменению для соответствия цели на основе анализа шаблонов данных.

Анализ сценария: гипотетические ситуации - Позволяет использовать значения для определения результата изменения на основе анализа закономерностей в данных.

Литература

Макленнен, Дж., Танг Чж., Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер. с англ. – СПб.: БХВ-Петербург, 200с. Долженков, В. А., Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с. Дж., Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.

Тема 4. Клиент интеллектуального анализа данных для Excel

Клиент интеллектуального анализа данных для Excel передает мощь SQL Server Analysis Services настольным компьютерам. Можно работать с теми же сложнейшими алгоритмами, структурами и средствами просмотра для интеллектуального анализа данных, которые доступны в экземпляре SQL Server Analysis Services, но исходные или проверочные данные можно хранить в таблицах Excel.

Клиент интеллектуального анализа данных для Excel поддерживает активное соединение с сервером, поэтому можно определять закономерности в данных, хранящихся в таблицах Excel, а затем сохранять модель интеллектуального анализа данных на сервере и использовать ее для дальнейшего тестирования или прогнозирования. Можно также применять данные Excel к существующим моделям интеллектуального анализа данных и повторно обрабатывать эту модель в целях повышения точности или применять другие модели к тем же данным для более углубленного анализа.

Панель инструментов клиент Интеллектуального анализа данных имеет следующие группы средств анализа данных:

·  Подготовка данных.

·  Моделирование данных.

·  Точность и проверка.

·  Использование модели и Управление моделью.

·  Соединения.

Эти средства анализа данных используют следующие типы алгоритмов службы Analysis Services :

Алгоритмы классификации осуществляют прогнозирование одной или нескольких дискретных переменных на основе других атрибутов в наборе данных. Примером алгоритма классификации является Алгоритм дерева принятия решений.

Регрессивные алгоритмы осуществляют прогнозирование одной или нескольких непрерывных переменных, например прибыли или убытков, на основе других атрибутов в наборе данных. Примером регрессивного алгоритма является Алгоритм временных рядов.

Алгоритмы сегментации делят данные на группы или кластеры элементов, имеющих схожие свойства. Примером алгоритма сегментации является Алгоритм кластеризации.

Алгоритмы взаимосвязей осуществляют поиск корреляции между различными атрибутами в наборе данных. Наиболее частым применением этого типа алгоритма является создание правил взаимосвязи, которые могут использоваться для анализа потребительской корзины. Примером алгоритма взаимосвязей является Алгоритм взаимосвязей.

Алгоритмы анализа последовательностей обобщают часто встречающиеся последовательности в данных, например поток данных в Интернете. Примером алгоритма анализа последовательностей является Алгоритм кластеризации последовательностей.

Литература

1.  Макленнен, Дж., Танг Чж., Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер. с англ. – СПб.: БХВ-Петербург, 200с.

2.  Долженков, В. А., Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с.

3.  Дж., Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.

Тематика практических занятий

На первом практическом занятии, после обзора бизнес-моделей и направлений электронного бизнеса и знакомства с примерами таких систем в сети Internet, каждый студент производит первоначальную установку службы Analysis Services для Excel 2007 и настройку интеллектуального анализа Microsoft SQL Server 2005.

Так же устанавливает свою учебную базу данных.

Используя учебную базу (каждая подруппа – подключает свою базу) провести анализ с помощью модели интеллектуального анализа данных:

·  Алгоритмы интеллектуального анализа данных

·  Алгоритм дерева принятия решений (Майкрософт)

·  Алгоритм кластеризации (Майкрософт)

·  Упрощенный алгоритм Байеса (Майкрософт)

·  Алгоритм взаимосвязей (Майкрософт)

·  Алгоритм кластеризации последовательностей (Майкрософт)

·  Алгоритм временных рядов (Майкрософт)

·  Алгоритм нейронной сети (Майкрософт)

·  Алгоритм логистической регрессии (Майкрософт)

·  Алгоритм линейной регрессии (Microsoft)

·  Подключаемые алгоритмы

·  Выбор характеристик в интеллектуальном анализе данных

·  Отсутствующие значения.

ОСНОВНАЯ ЛИТЕРАТУРА

Макленнен, Дж., Танг Чж., Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер. с англ. – СПб.: БХВ-Петербург, 200с. Долженков, В. А., Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с.

ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА

Балабанов коммерция. – СПб: Питер, 200с. – (Серия «Учебник для вузов») Office 2007. Изучаем самостоятельно. - СПб.: Питер, 20c. , Макаров данных на компьютере. – М.: Инфра. – М, 2003. Дж., Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с. Корпоративные хранилища данных. Планирование, разработка, реализация. Том 1.: Пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 400 с.

4.  Методы научных исследований в менеджменте (практические занятия): Аннотация

SYLLABUS OF THE COURSE

Scientific Research Methods in Management

Management faculty

Level of education: Bachelor’s (fourth year)

ECTS credits: 2

Аuthor: Alexandr Kaisarov

Instructors: Alexandr Kaisarov + invited researchers/managers from different areas of management (at the moment the list is specified)

Program outline

1  Prerequisites

This discipline is a continuation of the course, which is learned at the Department of Management for bachelors for almost the entire period of study. This part of the course is devoted to practical business research and applied analysis of management decisions using scientific methods. The main part of the course will be devoted to the analysis of case studies and real management strategies.

Getting to the study, students should have a basic set of knowledge in the following disciplines:

Data Analysis Corporate Risk Management Marketing International Marketing Scientific Research Methods in Management (basic part of the course) Organization Studies Applied Software Sociology Strategic Management Strategic Innovation Management Economic theory and institutional economics

2  Goals, benefits and learning outcomes

As a result of training, students will be able to use in further research practice the following competences:

Use research skills in management; Collect and analyze the necessary information to make effective management decisions; Offer and use practical solutions to problems where specific organizations and firms.

3  Distribution of hours

	Theme	Class hours lectures	Self study
A	Theoretical basis of the use of research methods in modern management (аdvanced section)	10	20
B	Invited experts workshops and analysis of case studies	18	24
Total	28	44

4  Course content

A. Theoretical basis of the use of research methods in modern management (аdvanced section)

This part include the examine of different research methods using actually in financial, risk and strategic management and marketing. Also there are some new approaches in organizational studies like social network analysis and analysis of documentation.

B. Invited experts workshops and case studies

This part is the main in time and goals aspects. Master classes organized by experts will present real strategies of research and decision making in organizations and companies. After all presentation there will be a discussion witch give any participants an opportunity to view a work of different investigation methods in real time.

5  Assessment

Type of testing	Form of testing	Parameters
Current	Article presentation, Reading and discussion	Each student in the seminar is expected to have read all of the assigned materials before class on the specified dates. Although Instructor will serve as the principal discussion leader, everyone in the seminar is expected to contribute fully and extensively in every class discussion. Each student will read a major organization theory article and prepare a presentation of it for the seminar. This presentation will include: 4.  a two-three page written summary, discussion, and critique/extension of the article that will be distributed to the other seminar participants and to Instructor, and 5.  a 10-15 minute formal oral presentation and discussion of the article.
Final test	Exam	The exam will consist of a mixture of required questions and questions from which students will have a choice of which ones to answer. Answers will need to be typed, and there will placed length limits on the answers to each question.

Contact person

Alexandr Kaisarov (*****@)

Alexandr Pronin (*****@)

Приложение 1

МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПРЕПОДАВАТЕЛЮ ПО ПРОВЕДЕНИЮ ЛЕКЦИОННЫХ ЗАНЯТИЙ

Используя систему сетевого отображения VNC (Virtual Network Computing), преподаватель демонстрирует студентам вид экрана своего компьютера и выполняет операции по решению задачи изучаемой темы, объясняя суть выполняемой работы.

Наблюдая за действиями преподавателя, студент повторяет их, самостоятельно решая задачу изучаемой темы.

В результате студент приобретает не только знания, но и практические навыки по решению задач на компьютере.

Альтернативным вариантом проведения лекционного занятия является демонстрация презентаций с подробным объяснением излагаемого учебного материала. Затем студентам предлагается воспроизвести на своих компьютерах решение тех задач, которые перед этим демонстрировались. При этом преподаватель оказывает индивидуальную помощь тем студентами, у которых возникают затруднения при выполнении задания.

Приложение 2

МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ СТУДЕНТАМ ПО ВЫПОЛНЕНИЮ САМОСТОЯТЕЛЬНОЙ РАБОТЫ

Для обеспечения самостоятельной работы студентов разработаны электронное учебное пособие и Web-сайт информационной поддержки программы изучаемой дисциплины. Он содержит конспекты лекций, контрольный вопросы и задания для практикумов.

Информационное обеспечение дисциплины также включает ряд книг, которые студенты могут взять в библиотеке университета.

При выполнении самостоятельной работы (дома или в компьютерном классе) студент более детально знакомится с теоретическим материалом пройденных тем, используя Web-сайт информационной поддержки программы изучаемой дисциплины, проверяют уровень понимания учебного материала с помощью контрольных вопросов и вырабатывает практические умения, решая задачи для практикумов.