BME VIK - Üzleti intelligencia labor

3. A tantárgyfelelős személy és tanszék Dr. Ekler Péter,

A tantárgy tanszéki weboldala https://www.aut.bme.hu/Course/BMEVIAUMA02

4. A tantárgy előadója

Dr. Ekler Péter, docens, AUT

Sik Dávid, tanársegéd, AUT

Pomázi Krisztián, tanársegéd, AUT

Békési Gergő Bendegúz, doktorandusz, AUT

5. A tantárgy az alábbi témakörök ismeretére épít Adatbázisok, számítógépes hálózatok, objektum orientált programozás

6. Előtanulmányi rend

Kötelező:

NEM
(TárgyEredmény( "BMEVIAUMB00", "jegy" , _ ) >= 2
VAGY
TárgyEredmény("BMEVIAUMB00", "FELVETEL", AktualisFelev()) > 0)

A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

Ajánlott:

BMEVIAUMA24 Üzleti Intelligencia

BMEVITMA311 Adatbázisok

BMEVIIIMA04 Szolgáltatásorientált rendszerintegráció

7. A tantárgy célkitűzése

A labor célja, hogy laborfeladatok formájában lehetőséget biztosítson az Üzleti intelligencia tárgyakban ismertetett területek kipróbálására és gyakorlati elsajátítására.

8. A tantárgy részletes tematikája

· A tárgyból 4 számítógépes labor (4x45p) (egyik önálló jelleggel) a félév elején és egy (önálló) projektfeladat lesz

· A laborok tematikája a következő:

o Open Source BI eszközök használata, adatbetöltés, reporting

o ELK alapú fejlesztés

o MSSQL alapú üzleti intelligencia megoldás fejlesztése, PowerBI a gyakorlatban

o Adatelemzés, statisztikai és adatbányászati eszközök használata

· A laborokon a jelenlétet a laborvezető ellenőrzi.

· A projektfeladattal kapcsolatban a félév során legalább 1 alkalommal előre egyeztetve biztosítunk konzultációt, egyedi kérdésekkel külön is kereshető a laborvezető.

· A projektfeladatot a félév végén rögzített időszakban kell bemutatni a laborvezetőnek.

· A projektfeladat témája: Saját BI megoldás fejlesztése: adatforrás(ok) bekötése, ETL folyamatok építése, reportok és döntéselőkészítő KPI-k megjelenítése és számítása

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Laboratórium

10. Követelmények

Szorgalmi időszakban:

- Az órarend szerinti foglalkozásokon való részvétel,

- A laboratóriumi gyakorlatok sikeres elvégzése. Az elégtelen felkészültségű hallgatók a mérési gyakorlaton nem vehetnek részt, azt pótolniuk kell. További feltétel a mérés sikeres végrehajtása és az ezt dokumentáló jegyzőkönyv elfogadtatása a mérésvezető oktatóval. A jegyzőkönyvet a labor hetének végéig kell feltölteni.

- A projektfeladat megoldásával legalább 40% pontszám elérése.

- A félévközi jegy a labor jegyzőkönyvek osztályzatának és a projektfeladat pontszámának tevődik össze 50-50% arányban.

11. Pótlási lehetőségek

Egy mérés pótolható a félév során. A projekt feladat a pótlás hét végéig pótolható.

12. Konzultációs lehetőségek A laborvezetővel történt egyeztetés szerint.

13. Jegyzet, tankönyv, felhasználható irodalom

Morgan Kaufmann, Business Intelligence Guidebook: From Data Integration to Analytics, 2014.

Joshua N. Milligan, Learning Tableau 10 - Second Edition: Business Intelligence and data visualization that brings your business into focus, 2016.

Alex Holmes: Hadoop in Practice, Second Edition, 2014.

John Russel: Cloudera Impala, 2013.

Phil Simon: Too Big to Ignore: The Business Case for Big Data, 2013.

Stephen Few: Information Dashboard Design: Displaying Data for At-a-Glance Monitoring, 2013.

Ralph Kimball, Margy Ross, Warren Thornthwaite, Joy Mundy, Bob Becker: The Kimball Group Reader: Relentlessly Practical Tools for Data Warehousing and Business Intelligence, 2010.

Howard Dresner: The Performance Management Revolution: Business Results Through Insight and Action, 2007.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

Kontakt óra	42
Félévközi készülés órákra	38
Felkészülés zárthelyire	0
Házi feladat elkészítése	70
Kijelölt írásos tananyag elsajátítása	0
Vizsgafelkészülés	0
Összesen	150

15. A tantárgy tematikáját kidolgozta

Dr. Ekler Péter, docens, AUT

Dr. Dudás Ákos, docens, AUT