Fakultet organizacionih nauka, Univerzitet u Beogradu

Katedra za elektronsko poslovanje

Analiza podataka u elektronskom poslovanju – OAS

Savladavanjem materije predmeta studenti stiču osnovna znanja i veštine koje su neophodne za samostalnu analizu podataka koji se generišu u onlajn okruženju, posebno na društvenim medijima i društvenim mrežama.

Teorijska nastava
Metrika elektronskog poslovanja. Životni ciklus podataka – prikupljanje podataka. Vrste podataka i merne skale. Metode predstavljanja podataka: tabelarni i grafički prikazi, multimedijalno predstavljanje podataka. Validacija podataka: metode za utvrđivanje verodostojnosti, tačnosti i kvaliteta podataka, metapodaci, uzorkovanje. Izvori pristrasnosti u podacima. Editovanje podataka: kodiranje, procedure za identifikacija nedostajućih vrednosti, analiza ekstremnih vrednosti. Transformacija i sihronizacija podataka: prekodiranje, spajanje i razdvajanje varijabli, normalizacija, imputacija, ponderisnje. Analiza nestrukturiranih podataka. Analiza strukturiranih podataka. Upravljanje podacima: utvrđivanje okvira i platformi (data governance 2.0). Proces upravljanja podacima, organizacija skladištenja i pristupa podacima, pravni i etički kodeksi. Metode izveštavanja: vizuelizacija – infografika, dashboard.
Praktična nastava
Praktična nastava prati teorijsku nastavu i sastoji se iz vežbi i analize studije slučajeva koja se odnose na upotrebu realnih podataka. Vežbe se izvode korišćenjem specijalizovanih softverskih paketa i alata: SPSS, R, Python, Excel i Google Sheets.

  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., 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. Sleeper, R. (2018). Practical Tableau, O’Reilly Media, Inc.
  13. 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
  14. 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
  15. Odabrani stručni i naučni radovi
© Designed by ELAB