Wizualizacja, prezentacja danych i raportowanie
Podstawowe informacje o zajęciach
Cel kształcenia i wykaz literatury
Główny cel kształcenia:
Głównym celem kształcenia jest przedstawienie studentom wybranych metod wizualizacji oraz prezentacji danych. W ramach prezentowanych treści kształcenia skupiono się również na sposobach raportowania wyników z wykonanych analiz w celu wsparcia procesu podejmowania decyzji w przedsiębiorstwie. Kwestie te są uznawane za szczególnie istotne w sytuacji dysponowania dużymi zbiorami danych, co jest charakterystyczne dla funkcjonujących obecnie przedsiębiorstw. W procesie kształcenia skupiono się również na przedstawieniu odpowiednich narzędzi informatycznych wspierających proces wizualizacji, prezentacji oraz raportowania danych.
Ogólne informacje o zajęciach:
Przedmiot jest obowiązkowy na specjalności "Analityka biznesowa w zarządzaniu przedsiębiorstwem".
Moduł omawia wybrane metody wizualizacji oraz prezentacji danych wykorzystujących dane przechowywane w systemach bazodanowych oraz plikach. Dobór odpowiednich metod wizualizacji oraz narzędzi informatycznych, umożliwia tworzenie i publikowanie produktów analiz w postaci raportów, stanowiących wsparcie dla ich użytkowników końcowych, którymi najczęściej są decydenci różnego szczebla. Z uwagi na popularność, treści prezentowane w ramach modułu kształcenia oparte są na rozwiązaniach firmy Microsoft takich jak: Microsoft Power Excel i Microsoft Power BI.
Materiały dydaktyczne:
Publikowane na stronie internetowej prowadzącego zajęcia: molech.v.prz.edu.pl
Wykaz literatury, wymaganej do zaliczenia zajęć
| 1 | Knaflic, C. N. | Storytelling danych : poradnik wizualizacji danych dla profesjonalistów | Helion, Gliwice. | 2019 |
| 2 | Kirk, A. | Data Visualisation. A Handbook for Data Driven Design | SAGE Publications Ltd., Londyn. | 2019 |
| 3 | Weissman, J. | Presenting to Win: The Art of Telling Your Story | Pearson FT Press, New Jersey. | 2008 |
| 1 | Rob Collie, Bill Jelen | Power Pivot dla Excela : zaawansowane możliwości | Helion, Gliwice. | 2015 |
| 2 | Devin Knight | Microsoft Power BI: jak modelować i wizualizować dane oraz budować narracje cyfrowe | Helion, Gliwice. | 2022 |
| 3 | Marco Russo, Albert Ferrari | Kompletny przewodnik po DAX : analiza biznesowa przy użyciu Microsoft Power BI, SQL Server Analysis Services i Excel | APN Promise, Warszawa . | 2019 |
| 4 | Deckler G. | Learn Power BI | Packt Publishing Ltd., Birmingham. | 2019 |
| 5 | Knight D., Pearson M., Schacht B., Ostrowsky E. | Microsoft Power BI Quick Start Guide | Packt Publishing Ltd., Birmingham. | 2020 |
| 6 | Ohmann A., Floyd M. | Creating Data Stories with Tableau Public - Illustrate your data in a more interactive and interesting way using Tableau Public | Pack Publishing Ltd., Birmingham. | 2015 |
| 1 | Ferrari, A. | Power BI i Power Pivot dla Excela: analiza danych | Helion, Gliwice. | 2020 |
| 2 | Raviv G. | Power Query w Excelu i Power BI: zbieranie i przekształcanie danych | Helion, Gliwice. | 2020 |
Wymagania wstępne w kategorii wiedzy / umiejętności / kompetencji społecznych
Wymagania formalne:
Rejestracja na co najmniej 3. semestrze studiów II stopnia
Wymagania wstępne w kategorii Wiedzy:
Student powinien posiadać podstawową wiedzę w zakresie prezentacji danych oraz relacyjnych systemów bazodanowych.
Wymagania wstępne w kategorii Umiejętności:
Student powinien posiadać umiejętności w zakresie obsługi oprogramowania: Microsoft Excel
Wymagania wstępne w kategorii Kompetencji społecznych:
Student powinien posiadać umiejętności związane z samodzielnym poszerzaniem swojej wiedzy i doskonaleniem umiejętności zawodowych.
Efekty kształcenia dla zajęć
| MEK | Student, który zaliczył zajęcia | Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia | Metody weryfikacji każdego z wymienionych efektów kształcenia | Związki z KEK | Związki z PRK |
|---|---|---|---|---|---|
| MEK01 | Student posiada uporządkowaną wiedzę z zakresu analizy, wizualizacji i prezentacji danych. Zna zalety i ograniczenia wybranych metod analizy i wizualizacji danych oraz sytuacje, w których mogą być stosowane. Student wykazuje się umiejętnością poprawnego wnioskowania na podstawie przeprowadzonych analiz i opracowanych wizualizacji wyników analiz. | wykład | zaliczenie cz. pisemna |
K-W02+ K-W09+ K-U19++ |
P7S-UW P7S-WG |
| MEK02 | Student potrafi przekształcić dane źródłowe do postaci użytecznych informacji na podstawie wykonanych analiz oraz wizualizacji danych, a następnie opracować raport ułatwiające decydentom zrealizowanie procesu decyzyjnego. | laboratorium | zaliczenie cz. praktyczna |
K-W02+ K-W09++ K-U19+++ |
P7S-UW P7S-WG |
Treści kształcenia dla zajęć
| Sem. | TK | Treści kształcenia | Realizowane na | MEK |
|---|---|---|---|---|
| 3 | TK01 | L01 | MEK02 | |
| 3 | TK02 | L02 | MEK02 | |
| 3 | TK03 | L03 | MEK02 | |
| 3 | TK04 | L04 | MEK02 | |
| 3 | TK05 | L05 | MEK02 | |
| 3 | TK06 | L07 | MEK02 | |
| 3 | TK07 | L08 | MEK02 | |
| 3 | TK08 | L09 | MEK02 | |
| 3 | TK09 | L10 | MEK02 | |
| 3 | TK10 | L06 | MEK02 | |
| 3 | TK11 | L11 | MEK02 | |
| 3 | TK12 | W01 | MEK01 | |
| 3 | TK13 | W02 | MEK01 | |
| 3 | TK14 | W03 | MEK01 | |
| 3 | TK15 | W04 | MEK01 | |
| 3 | TK16 | W05 | MEK01 | |
| 3 | TK17 | W06 | MEK01 | |
| 3 | TK18 | W07 | MEK01 | |
| 3 | TK19 | W08 | MEK01 | |
| 3 | TK20 | L12 | MEK02 | |
| 3 | TK21 | L13 | MEK02 | |
| 3 | TK22 | L14 | MEK02 | |
| 3 | TK23 | L15 | MEK02 |
Nakład pracy studenta
| Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
|---|---|---|---|
| Wykład (sem. 3) | Przygotowanie do kolokwium:
5.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
2.00 godz./sem. Studiowanie zalecanej literatury: 4.00 godz./sem. |
| Laboratorium (sem. 3) | Przygotowanie do kolokwium:
10.00 godz./sem. |
Godziny kontaktowe:
30.00 godz./sem. |
|
| Konsultacje (sem. 3) | Przygotowanie do konsultacji:
1.00 godz./sem. |
Udział w konsultacjach:
1.00 godz./sem. |
|
| Zaliczenie (sem. 3) | Przygotowanie do zaliczenia:
5.00 godz./sem. |
Zaliczenie pisemne:
2.00 godz./sem. Inne: 4.00 godz./sem. |
Sposób wystawiania ocen składowych zajęć i oceny końcowej
| Forma zajęć | Sposób wystawiania oceny podsumowującej |
|---|---|
| Wykład | Na zaliczeniu pisemnym wykładu sprawdzana jest realizacja pierwszego efektu modułowego (MEK1). W ramach kolokwium sformułowane zostają 3 pytania dotyczące przedstawianych treści. Poprawna odpowiedź na zadane pytanie pozwala uzyskać 3 punkty. Odpowiedź częściowo poprawna pozwala uzyskać odpowiednio mniejszą liczbę punktów. Punkty zdobyte przez studenta na zaliczeniu są sumowane i przeliczane na wartość procentową. Student uzyskuje ocenę w zależności od uzyskanego wyniku procentowego zgodnie z ustalonymi wymaganiami: 90 - 100 % - ocena: 5.0 (bdb); 80- 89 % - ocena: 4.5 (+db); 70 - 79 % - ocena: 4.0 (db); 60 - 69 % - ocena: 3.5 (dst+); 40 - 59 % - ocena: 3.0 (dst). |
| Laboratorium | Na zaliczeniu praktycznym części laboratoryjnej sprawdzana jest realizacja drugiego efektu modułowego (MEK2). W trakcie semestru realizowane są dwa kolokwium zaliczeniowe. W ramach każdego kolokwium sformułowane zostają 3 zadania o charakterze praktycznym do rozwiązania przy komputerze, dotyczące prezentowanych na zajęciach laboratoryjnych treści. Poprawna realizacja zadania praktycznego pozwala uzyskać 3 punkty. Częściowa realizacja zadania praktycznego pozwala uzyskać odpowiednio mniejszą liczbę punktów. Punkty zdobyte przez studenta na zaliczeniu są sumowane i przeliczane na wartość procentową. Student uzyskuje ocenę z danego kolokwium w zależności od uzyskanego wyniku procentowego zgodnie z ustalonymi wymaganiami: 90 - 100 % - ocena: 5.0 (bdb); 80- 89 % - ocena: 4.5 (+db); 70 - 79 % - ocena: 4.0 (db); 60 - 69 % - ocena: 3.5 (dst+); 40 - 59 % - ocena: 3.0 (dst). |
| Ocena końcowa | Ocena końcowa studenta jest obliczana jako średnia arytmetyczna z trzech ocen cząstkowych zdobytych podczas realizacji kolokwiów zaliczeniowych. Przyjmuje się dokładność 0.25 przy zaokrąglaniu ocen do dopuszczalnych w regulaminie studiów wartości. |
Przykładowe zadania
Wymagane podczas egzaminu/zaliczenia
WPDiR_Lab_K2.pdf
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
Treści zajęć powiazane są z prowadzonymi badaniami naukowymi tak
| 1 | M. Olech; Ł. Paśko | Determine Selected Delivery Parameters Using Multi-Agent-Based Simulation: A Case Study | 2025 |
| 2 | M. Olech; Ł. Paśko | Customer Trust Versus Retailer Profit: A Case Study on Optimising Base Stock Level Using Multi-Agent-Based Simulation | 2024 |
| 3 | M. Olech; M. Rataj | Directions in Fuzzy Relation Equations: Conclusions from the Current State of the Art | 2022 |
| 4 | J. Litwin; M. Olech; A. Szymusik | Applying Python’s Time Series Forecasting Method in Microsoft Excel-Integration as a Business Process Supporting Tool for Small Enterprises | 2021 |
| 5 | J. Jakieła; M. Olech; M. Rataj | Crossing the Chasm-from Business Models to Software Architecture | 2020 |