| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Tezsiz Yüksek Lisans |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 10 |
|---|
| Öğretim Eleman(lar)ı |
- |
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- İş zekası mimarisini, bileşenlerini ve modern işletmelerdeki stratejik rolünü analiz etmek.
- Karar destek süreçleri için gerekli olan veri ambarı tasarımlarını ve boyutsal modelleme (yıldız/kar tanesi şemaları) tekniklerini uygulamak.
- ETL (Çıkar, Dönüştür, Yükle) süreçlerini ve veri kalitesi yönetimini kurumsal ihtiyaçlara göre yapılandırmak.
- İnsan görsel algısını ve tasarım prensiplerini temel alarak veriyi en doğru ifade eden görselleştirme türlerini seçmek.
- Power BI veya Tableau gibi araçlarla etkileşimli gösterge panelleri tasarlayarak veri odaklı hikayeleştirme yapmak.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | |
|---|
| Ders Tanımı | Kurumsal verilerin stratejik kararlara dönüşmesini sağlayan iş zekası mimarilerini, veri ambarı modelleme tekniklerini ve veri görselleştirme teorilerini inceleyen; ham veriyi etkileşimli gösterge panellerine (dashboard) ve anlamlı iş hikayelerine dönüştürme yetkinliği kazandıran bir derstir. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
İş Zekası Temelleri, Karar Destek Sistemleri ve Analitik Olgunluk Modelleri |
|
2. Hafta |
Veri Ambarı Mimarisi, Veri Martları ve Veri Gölü (Data Lake) Kavramları |
|
3. Hafta |
Veri Entegrasyonu (ETL) Süreçleri ve Veri Temizliği Stratejileri |
|
4. Hafta |
Boyutsal Veri Modelleme: Olgu ve Boyut Tablolarının Tasarımı |
|
5. Hafta |
Çevrimiçi Analitik İşleme (OLAP) Küpleri ve Çok Boyutlu Veri Analizi |
|
6. Hafta |
Veri Görselleştirme Teorisi: Gestalt Prensipleri ve Görsel Algı |
|
7. Hafta |
Temel Grafik Türleri ve Karşılaştırmalı Analiz Yöntemleri |
|
8. Hafta |
Ara Sınav |
|
9. Hafta |
İleri Düzey Görselleştirme: Coğrafi Haritalar, Isı Haritaları ve Ağaç Haritaları |
|
10. Hafta |
Gösterge Paneli (Dashboard) Tasarım İlkeleri ve Kullanıcı Deneyimi (UX) |
|
11. Hafta |
Veri ile Hikayeleştirme (Data Storytelling) ve Sunum Teknikleri |
|
12. Hafta |
Self-Servis İş Zekası Araçları ve Uygulamalı Raporlama |
|
13. Hafta |
Performans Yönetimi: KPI (Anahtar Performans Göstergesi) Belirleme ve Takibi |
|
14. Hafta |
İş Zekasında Yapay Zeka Entegrasyonu ve Gelecek Trendleri |
|
| Kaynaklar | 1. Sharda, R., Delen, D. ve Turban, E. 2018. Business Intelligence, Analytics, and Data Science: A Managerial Perspective
2. Ders dokümanları
|
|---|
| Öğretim Yöntemleri |
- Anlatım
- Tartışma
- Soru-Cevap
- Sorun/Problem Çözme
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
40 |
| Toplam(%) |
|
40 |
| Yıl İçinin Başarıya Oranı(%) |
|
40 |
| Finalin Başarıya Oranı(%) |
|
60 |
| Toplam(%) |
|
100 |
|
| AKTS İş Yükü |
| Aktivite |
Sayı |
Süre (Saat) |
İş Yükü |
| Ara Sınav |
1 |
1 |
1 |
| Kısa Sınavlara hazırlık |
|
|
|
| Sınıf Dışı Ders Çalışma Süresi |
14 |
10 |
140 |
| Final Sınavına Hazırlık |
14 |
3 |
42 |
| Ders Saati |
13 |
3 |
39 |
| Ara Sınava Hazırlık |
8 |
3 |
24 |
| Laboratuvar |
|
|
|
| Final Sınavı |
1 |
1 |
1 |
| Ödevler |
1 |
40 |
40 |
| Toplam İş Yükü | 287 |
| Toplam İş Yükü / 30 | 9.56 |
| Dersin AKTS Kredisi | 10 |
|
| Dil | Türkçe |
|---|
| Staj / Uygulama | Yok |
|---|
