Big data and data driven decision making (5 cr)

Objective

You know the meaning of big data and how to use it in data driven decision making. You understand how to manage and apply large datasets in decision making. You are familiar with data driven decision making techniques and know how to communicate efficiently with data. You can also be critical

Content

What is big data?
How to transform data to knowledge?
What is data driven decision making?
How to apply massive datasets in decision-making and in management?

Course material

Opintojakso muodostuu aloitustehtävästä ja sitä seuraavista kolmesta osasta, jotka ovat:
- Osa 1: Big data ja sen soveltaminen
- Osa 2: Päätöksen teko
- Osa 3: Tietoon perustuvan päätöksenteon harjoitukset

Kaikkien osien aineistot (videoluennot, harjoitustehtävät ja muu opiskelumateriaali) löytyvät Xamkin oppimisympäristöstä.

Study forms and methods

Opintoja nopeuttava oppimisväylä:
Opintojakso toteutetaan kokonaan verkossa annetun aikataulun mukasesti.
Opiskelija voi halutessaan suorittaa opintojakson myös nopeammassa tahdissa, sillä koko materiaali aukeaa aloitustehtävän jälkeen.

Timing of exams and assignments

Opintojakson aikataulu on seuraava:

11.1. 2021 Opintojakso alkaa
25.1.2021 Aloitustehtävän deadline*
1.2.2021 Oppimateriaali aukeaa aloitustehtävän suorittaneille (viimeistään) **
28.2.2021 Osan 1 deadline
31.3.2021 Osan 2 deadline
30.4.2021 Osan 3 deadline ja opintojakso päättyy

* HUOM! Opiskelijat, jotka eivät ole tehneet aloitustehtävää määräaikaan mennessä poistetaan opintojaksolta eivätkä he voi suorittaa sitä.

Sen jälkeen kun aineisto on avattu opiskejoille, he voivat opiskella täysin omaan tahtiinsa pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Evaluation scale

1-5

Assessment methods and criteria

Opintojakson arviointi perustuu oppimisympäristössä oleviin tehtäviin, jotka opiskelija voi suorittaa itsenäisesti verkossa itselleen sopivana aikana pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Mikäli opiskelija palauttaa tehtäviä myöhässä, hänen kyseisestä tehtävästä saaduista pisteistä vähennetään 20 prosenttia jokaista alkavaa myöhästymisviikkoa kohti. Mikäli opiskelija on yli 5 viikkoa myöhässä tai ei palauta tehtävää lainkaan hän saa kyseisestä tehtävästä 0 pistettä.

LIsätietoja arvioinnista saat opintojakson opintokuvauksesta, joka löytyy oppimisympäristöstä

Assessment criteria, satisfactory (1-2)

Arvosana 1: vähintään 40 pistettä
Arvosana 2; vähintään 52 pistettä

Assessment criteria, good (3-4)

Arvosana 3: vähintään 65 pistettä
Arvosana 4; vähintään 77 pistettä

Assessment criteria, excellent (5)

Arvosana 5: vähintään 90 pistettä

Qualifications

No prerequisities