Inteligentno upravljanje podacima u elektronskom poslovanju

Cilj predmeta je ovladavanje neophodnim metodološkim konceptima analize i upotrebe podataka u oblasti elektronskog poslovanja na bazi savremenih analitičkih metoda. Posebno se izučavaju metode za identifikovanje i eliminaciju pristrasnosti u domenu upotrebe podataka u elektronskom poslovanju čime se smanjuje rizik od pogrešnog zaključivanja i odlučivanja.

Savladavanjem materije predmeta studenti stiču metodološku osnovu neophodnu za istraživanja i samostalnu implementaciju metoda i tehnika za analizu podataka koji se generišu u onlajn okruženju, posebno na društvenim medijima i društvenim mrežama.

Teorijska nastava:
Metodologija naučnoistraživačkog rada sa posebnim osvrtom na inteligentno upravljanje podacima u elektronskom poslovanju. Matematičke osnove nauke o podacima. Metrika elektronskog poslovanja; Životni ciklus podataka – metodološke osnove za prikupljanje podataka u onlajn sferi; Metode deskriptivne analize i prezentacija podataka; Validacija podataka: metode za utvrđivanje i praćenje verodostojnosti, tačnosti i kvaliteta podataka, metapodaci, uzorkovanje; Izvori pristrasnosti u podacima i statističko ocenjivanje i zaključivanje; Metode obrade podataka: kodiranje, procedure za identifikaciju nedostajućih vrednosti, analiza ekstremnih vrednosti; Transformacija i sihronizacija podataka: normalizacija, imputacija, ponderacija; Big data analitika; Upravljanje podacima; Metode izveštavanja: Vizuelizacija – infografika, Dashboard. Analiza studija slučajeva koja se odnose na upotrebu realnih podataka, korišćenjem specijalizovanih softverskih paketa i alata: SPSS, R, Python, Excel i Google Sheets. Pregled najznačajnih radova i projekata u oblasti inteligentog upravljanja podacima u elektronskom poslovanju. Analiza otvorenih istraživačkih problema.
Seminarski rad
Teme seminarskih radova studenti biraju na osnovu analize otvorenih naučnoistaživačkih problema koja je izložena na predavanjima. Studenti su u obavezi da rezultate iz seminarskog rada objave na naučnom skupu ili časopisu nacionalnog ili međunarodnog značaja.

1. Albright, S.C, W. L. Winston (2017) Business Analytics, Data Analysis and Decision Making, Sixth Editition, Cengage Learning.
2. Baker, S and P. Sjoberg (2018). Intelligent Data Governance For Dummies, Hitachi Vantara Special Edition, John Wiley & Sons, Inc., Hoboken, New Jersey
3. Beręsewicz, M., R. Lehtonen, F. Reis,L. di Consiglio and M. Karlberg (2018). An overview of methods for treating selectivity in Big data sources, Publications Office of the European Union, Luxembourg:
4. Cleff, T. (2014). Exploratory Data Analysis in Business and Economics, An Introduction Using SPSS, Stata, and Excel, Springer
5. Hemann, C., K. Burbary (2018). Digital Marketing Analytics: Making Sense of Consumer Data in a Digital World: Making Sense of Consumer Data in a Digital World (Que Biz-Tech), 2 edition, Que Publishing
6. Holmes, M. H. (2016). Introduction to Scientific Computing and Data Analysis, editors: Timothy J. Barth Michael Griebel, David E. Keyes, Risto M. Nieminen, Dirk Roose And Tamar Schlick, Springer International Publishing Switzerland
7. Kamki, J. (2016). Digital Analyitics, Data Driver Decision Making in Digital World, Notion Press
8. McKinney, W. (2018). Python for Data Analysis Data Wrangling with Pandas, NumPy, and IPython, O’Reilly Media, Inc.
9. Milton, M. (2009). Head First Data Analysis, O’Reilly Media, Inc.,
10. Pimpler, E. (2017). Data Visualization and Exploration with R. A practical guide to using R, R Studio, and Tidyverse for data visualization, exploration, and data science applications, Geospatial Training Services, Boerne, TX
11. Rafter, C. (2019). A complete guide to cleaning and preparing data for analysis using Excel™ and Google Sheets™, Inzata Analytics. Published by DSM Media
12. Radenković, B., Despotović-Zrakić, M., Bogdanović, Z., Barać, D. & Labus, A (2015). Elektronsko poslovanje, Fakultet organizacionih nauka, Beograd
13. Sleeper, R. (2018). Practical Tableau, O’Reilly Media, Inc.
14. Wexler, S., J. Shaffer and A. Cotgreave (2017). The Big Book of Dashboards, Visualizing Your Data Using Real-World Business Scenarios, John Wiley & Sons, Inc
15. Yockey, R. D. (2016). SPSS demystified, A Step-by-Step Guide to Successful Data Analysis For SPSS Version 18.0, Second Edition, Published 2016 by Routledge, Taylor & Francis Group
16. Odabrani stručni i naučni radovi