Module also offered within study programmes:
General information:
Name:
Cyfrowa analityka danych
Course of study:
2019/2020
Code:
ZIIE-1-607-n
Faculty of:
Management
Study level:
First-cycle studies
Specialty:
-
Field of study:
Information Technology and Econometrics
Semester:
6
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
Gaweł Bartłomiej (bgawel@zarz.agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence: is able to
M_K001 Jest przygotowany do samodzielnej pracy analitycznej i projektowej w przedsiębiorstwach, bankach, jednostkach samorządowych, instytucjach i organizacjach IIE1A_K03 Project
Skills: he can
M_U001 Analizuje dane w różnych układach IIE1A_U01 Project
Knowledge: he knows and understands
M_W001 Wyciąga wnioski w oparciu o wyniki analiz danych IIE1A_W04 Project
M_W002 Identyfikuje narzędzia i metody przetwarzania zbiorów danych cyfrowych IIE1A_W07 Project
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
16 8 0 0 8 0 0 0 0 0 0 0
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Jest przygotowany do samodzielnej pracy analitycznej i projektowej w przedsiębiorstwach, bankach, jednostkach samorządowych, instytucjach i organizacjach - - - + - - - - - - -
Skills
M_U001 Analizuje dane w różnych układach - - - + - - - - - - -
Knowledge
M_W001 Wyciąga wnioski w oparciu o wyniki analiz danych + - - - - - - - - - -
M_W002 Identyfikuje narzędzia i metody przetwarzania zbiorów danych cyfrowych + - - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 77 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 16 h
Preparation for classes 16 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 25 h
Realization of independently performed tasks 20 h
Module content
Lectures (8h):

1. Podstawowe metody analityczne badania użyteczności.
2. Wdrożenie narzędzi analitycznych do modelowania ruchu klienta na stronach internetowych i w aplikacjach mobilnych.
3. Analiza standardowych miar, raportów dotyczących nawigacji oraz zawartości witryny.
4. Definiowanie celi oraz modułu e-commerce – budowanie celi dla typowych wzorców stron internetowych (sklep, platforma blogowa etc.)
5. Analiza wyszukiwania w witrynie oraz podstawy analizy Google Search Console
6. Budowa segmentów klientów oraz analiza ruchu wielokanałowego, wprowadzenie do modeli atrybucji
7. Budowa testów A/B, analiza statystyczna – proste testy statystyczne, Bootstrap permutation test.
8. Analityka danych social media i wideo.
9. Automatyzacja raportowania danych z wykorzystaniem Google Data Studio/POWER BI.
10. Podstawy działania Google TAG Managera

Project classes (8h):

1. Wprowadzenie do testów użyteczności strony internetowej – wywiad pogłębiony, budowanie person, card sorting, prototyping
2. Analiza konkurencji internetowej pod kątem rozwiązań użytecznościowych oraz SEO.
3. Budowa raportów analitycznych z wykorzystaniem Google Analytics.
4. Analiza efektywności kampanii reklamowej z wykorzystaniem analityki internetowej.
5. Testy A/B – podstawy i zasady automatyzacji.
6. Przygotowanie audytu analitycznego strony internetowej.

Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Project classes: Studenci wykonują zadany projekt samodzielnie, bez większej ingerencji prowadzącego. Ma to wykształcić poczucie odpowiedzialności za pracę w grupie oraz odpowiedzialności za podejmowane decyzje.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: No
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Project classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Method of calculating the final grade:

Ocena jest średnią z ocen z projektów

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

Beasley, Michael. 2014. UX i analiza ruchu w sieci : praktyczny poradnik, Gliwice: Wydawnictwo Helion.
Kaushik, Avinash. 2010. Web analytics 2.0 : świadome rozwijanie witryn internetowych, Gliwice: Wydawnictwo, Helion.
Croll A., Yoskowitz L: Metoda Lean Analytics. Zbuduj sukces startupu w oparciu o analizę danych, Helion 2014

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None