1

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ИМЕНИ М.В. ЛОМОНОСОВА

Факультет государственного управления

Кафедра Математических методов и информационных технологий в управлении

Рабочая программа дисциплины

Информационно-аналитические технологии

управления

Направление подготовки

38.04.03 Управление персоналом

Квалификация (степень) выпускника – магистр

Форма обучения – очная

Автор: к.ф.-м.н., доц. Смольникова И.А.

Заведующий кафедрой

Математически методов

и информационных технологий

в управлении, д.ф.н., проф. Петрунин Ю.Ю.

Москва, 2018

2

I. Название дисциплины

Информационно-аналитические технологии

управления (далее – ИАТУ)

II. Шифр дисциплины Б.ОПД-1

III. Цели и задачи дисциплины:

А. Цель – формирование у магистрантов знаний и навыков компьютерных

пользователей, способных самостоятельно выбирать коммуникативные

технологии, аналитические программы и собирать необходимые информационные

ресурсы не только для оперативного решения ежедневных практических зада, но и

эффективного программного управления социально-экономическим развитием.

Б. Задачи

Поставленная цель предполагает решение следующих задач:

узнать возможности современных информационных, аналитических и

коммуникативных технологий (ИАКТ) для использования органами

государственной и муниципальной власти при решении социально-

экономических проблем; политические, экономические и технологические

аспекты цифровой экономики;

научиться рационально использовать открытые электронные ресурсы сети

Интернет, ведомственные и местные базы данных, создавать опросники и

собирать недостающие мнения и предложения; использовать бизнес-

аналитику для оптимального решения управленческих задач: выявлять

социально-экономические связи и индикаторы государственного,

регионального или муниципального развития; оценивать современные

социально-экономические ситуации; находить эффективные пути

достижения целей в условиях ограничений; применять коммуникативные

технологии и базу знаний для работы с клиентами и партнёрами;

приобрести навыки применения как готовых информационных систем

управления, так и создания собственного инструментария для прохождения

всего цикла (поиск и отбор, обработка, интерпретация результатов,

подготовка и предъявление решения) для обоснованного и оперативного

принятия управленческих решений и отслеживания его выполнения, а также

своего дальнейшего обучения и совершенствования управления

посредством ИАКТ.

IV. Место дисциплины в структуре ООП

А. Информация об образовательном стандарте и учебном плане:

рабочая программа разработана в соответствии с:

образовательным стандартом – федеральный государственный

образовательный стандарт высшего образования ФГОС ВО по направлению

подготовки 38.04.03 «Управление персоналом» (квалификация (степень) «магистр»),

утверждённый приказом Министерства образования и науки РФ от 8 апреля 2015 г.

№ 367;

Образовательной программой подготовки магистров по направлению 38.04.03

«Управление персоналом»;

профиль подготовки – Стратегическое управление персоналом.

Б. Информация о месте дисциплины в образовательном стандарте и учебном

плане:

3

базовая часть,

2-й семестр обучения в магистратуре.

В. Перечень дисциплин, которые должны быть освоены для начала освоения

данной дисциплины: курсы базовой подготовки бакалавра: «Социология», «Философия», «Культурология»,

«Математическое моделирование в управлении», «Информационные технологии»,

специальные курсы «Теория и механизмы современного государственного

управления», «Финансовый менеджмент», «Финансовый анализ», «Основы

делопроизводства», по выбору «Математическая статистика».

Иметь навыки: активного восприятия и обсуждения лекционного материала,

самостоятельной работы со специализированной литературой на русском и английском

языках, работы с интерфейсами популярных пользовательских программ, имеющих

мировое распространение (браузер, текстовый редактор (лучше процессор MS Word),

презентатор (лучше MS PowerPoint), табличный процессор (лучше MS Excel));

самостоятельного решения исследовательских задач, в т.ч., аналитических с

применением математических моделей; презентации получаемых результатов, участия

в коллективной работе.

Г. Общая трудоемкость

2 зачётные единицы, 72 ак. часа.

Д. Форма аттестации

экзамен.

V. Формы проведения

А. Форма занятий с указанием суммарной трудоемкости по каждой форме Лекции 4 Семинары 28 Самостоятельная работа 40 ИТОГО 72

Б. Формы текущего и итогового контроля тестирование, контроль выполнения компьютерных практических заданий и

самостоятельных домашних работ, защита проекта.

VI. Распределение трудоемкости по разделам, темам и формам

проведения занятий с указанием форм текущего контроля и

промежуточной аттестации

№

№ Наименование раздела

Трудоемкость (в ак. часах) по формам

занятий

Формы

контроля

Аудиторная работа Самосто

ятельная

работа Лекции

Семина-

ры

Практи-

ческие

занятия

1 Совершенствование

государственного и

муниципального управления

посредством информационно-

аналитических технологий

1 2 4

тесты

2 Аналитический инструментарий

поддержки принятия решений:

методы и технологии 2 24 30

домашние

задания

3 Вендоры услуг в сфере больших

данных. Перспективы развития 1 2 6

защита

проекта

4

информационно-аналитических

систем для государственного и

муниципального управления.

ИТОГО 4 28 40 экзамен

VII. Содержание дисциплины по разделам и темам - аудиторная и

самостоятельная работа

Лекции

Содержание 3-х интерактивных лекций с тестами (по 2 часа) по разделам = темам:

Тема 1. Совершенствование государственного и муниципального управления

посредством информационно-аналитических технологий

Информационное общество, экономика знаний и государственно - муниципальное

управление (ГМУ). Обеспечение информатизации государственного и муниципального

управления. Федеральная целевая программа «Информационное общество 2011-2020».

Федеральные законы Российской Федерации: от 27 июля 2006 года № 149-ФЗ «Об

информации, информационных технологиях и о защите информации», от 10 января 2002 года

№ 1-ФЗ «Об электронной цифровой подписи», от 27 июля 2006 года № 152-ФЗ «О

персональных данных», Программа «Цифровая экономика Российской Федерации» от 28

июля 2017 №1632-р. Использование пакета свободного программного обеспечения (ПСПО) в

государственных учреждениях.

Аналоги ПО для информационно-коммуникационной обработки (ОС, текстовые

редакторы, табличные процессоры, пакеты подготовки презентаций, интернет-браузеры,

почтовые клиенты, планировщики и календари, конвертирование и просмотр графической и

видео информации; программы распознавания текста, программы синхронизации гаджетов,

архивирования и распаковки, конвертации, программы обеспечения безопасности).

Единое информационное пространство, межведомственное и гражданское

взаимодействие. Развитие облачных технологий. Внутренние и внешние информационные

ресурсы в ГМУ. Открытые и защищённые данные. Информационно - поисковые системы.

Готовность органов государственной власти (ОГВ) и местного самоуправления (ОМС) к

использованию ИКТ для осуществления управленческих функций, предоставления

государственных услуг и обработки обращений граждан. Примеры предоставления услуг

(формализованных бизнес – процессов) на государственном (например, гос. услуги),

региональном (например, электронные государственные реестры или городские (например,

платежи в Москве)) и муниципальном уровне. Персонификация (личный кабинет и

контекстная информация). Интерактив (примеры сайтов инициатив: Активный гражданин,

Мой город (Москва), Наш дом).

Программно-целевое управление развитием на основе количественных показателей. On-

line - разработка Стратегии развития России до 2035 года. Проблемы ГМУ: комплексный и

тематический мониторинг, оценка и прогнозирование социально-экономического развития

подведомственного объекта (отрасли или территории); повышение: обоснованности

принимаемых программ, эффективности управленческих решений, оперативности и качества

работы специалистов ОГВ и ОМС. Роль и место анализа в процессе принятия решения.

Аспекты проблемы анализа и их реализация в программных продуктах. Виды

информационно-аналитических материалов и требования к их составу и содержанию.

Литература: лекции 36; учебники: 1 – 2; правовые акты (доступны на сайте 47

справочно-правовой системы, в т.ч., Консультант + или Гарант и в локальной ИПС Портфель

секретаря): 26 – 29; учебно-практические пособия: 5 – 6; монография: 19, сайты: 37 – 42;

статьи: 30 –32.

Тема 2. Аналитический инструментарий поддержки принятия решений: методы и

технологии

Информация, данные, знания. Цикл работ с информацией. Источники данных. Сбор,

5

трансформация и агрегация (приведение в единую структуру) баз данных (БД). Метаданные

информационного хранилища.

ИТ извлечения, очистки (ETL), восстановления, бизнес - анализа (Business Intelligence, BI)

и передачи информации: стандартная линейка офисных программных продуктов, включая

конструктор схем; интернет браузеры для поиска и просмотра, конструкторы сайтов и форм

для опросов; полнотекстовые информационно-поисковые системы; хранилища данных (Big

Data и Data warehousing) и базы знаний (данных и правил вывода новых данных); cредства

оперативного анализа многомерных данных (online analytical processing, OLAP);

картографические геоинформационные системы (ГИС); пакет статистического анализа;

универсальный инструментарий и специализированные (конкретный предмет, метод) модели

интеллектуального анализа (Data Mining); системы управления бизнес-правилами (BRMS-

системы) и знаниями (Knowledge Management – КМ); портал знаний (данные и модели) и

консультирование; порталы ОГВ и сайты органов местного самоуправления.

Методы, реализованные в информационно-аналитических технологиях (ИАТ) для

извлечения знаний из данных:

1. поддержка экспертизы: «мозговой штурм», планирование эксперимента, выбор методов анализа и алгоритмы его проведения, морфологический ящик (систематизация

комбинаций), причинно-следственные диаграммы, дерево целей, сценарии,

2. визуализация: плоские и объёмные гистограммы и графики, круговая и лепестковая диаграммы; схемы связей; географические, ассоциативные карты, индикаторы (цветные

фигуры, линейки и лица Чернова),

3. операции БД: сортировка, фильтрация, консолидация, агрегация, группировка,

квантование, сэмпинг (представительная выборка) для интеграции данных,

4. математические: аналитические расчёты с применением функций и операторов,

уравнения, оптимизация, таблицы, графики, графы, сети,

5. логические: условие и выражение, определение, вывод, доказательство или опровержение гипотез, дедукция, индукция или аналогия,

6. алгоритмы: разведка, тренд, предпочтения, отклонения, классификация, анализ медиа,

7. статистические: шкалы, частоты, распределение, описательная статистика,

непараметрические методы для сравнения малых выборок, критерии значимости (t-тесты

для зависимых и не зависимых выборок), размерность, корреляционный, дисперсионный,

факторный анализ, аналитическая форма регрессии (линейная, экспоненциальная,

логистическая зависимости, кривая обучения), скалярные и векторные, прогнозирование,

8. искусственный интеллект (кибернетические методы, включающие множество

разнородных математических подходов) для повышения качества многомерных Big Data

(обогащение данных); кросс-табуляция, ассоциативная память, эволюционное

программирование, генетические алгоритмы, нечёткая логика, нейронные сети и

процедуры обучения, самоорганизующиеся карты Кохонена и др. методы визуализации;

деревья решений, обработка экспертных знаний (выделения дискриминант, компонент,

факторов, ассоциативных правил, аналогий, дистилляции шаблонов) для последующей

описательной сегментации (классификации, кластеризации) и прогнозирования

(определения последовательностей, опорных векторов, анализа временных рядов, связей,

отклонений, исключений).

Показатели качества модели. Создание (синтез) модели и её использование

(моделирование) для обоснования принятия решения. Сложности интерпретации результатов.

Автоматизация выводов и их индикация.

Современный инструментарий (электронные таблицы MS Excel c модулем анализа,

статистический и data Mining пакет Statistica, аналитическая платформа Deductor, Loginom и

др.).

Когнитивные технологии. Развитие современных математических и лингвистических

пакетов. Эволюция - New Business Intelligence (NBI).

Литература: лекции 36, сайты: 43 – 52, 61 –64, 68, учебник: 4; учебно-практические

6

пособия: 8 – 17, монография: 3, статья: 33.

Тема 3. Большие данные и перспективы развития информационно-аналитических

систем для государственного и муниципального управления

Оперативное, тактическое и стратегическое управление.

Типовая процедура (бизнес – процесс) принятия управленческих решений.

Модули муниципальной информационной системы (МИС): недвижимость, жилищно-

коммунальная сфера, социальная поддержка населения и т.п. Структура и задачи

муниципального Интернет-портала.

Системы управления базами данных – средство оптимизации услуг организациям и

гражданам через адресную социальную поддержку. Требования к данным.

Типы проблем и задач ОГВ и информационно-аналитические технологии их решения.

Проблема многокритериальности выбора управленческого решения. Статистические методы

оценки обстановки для принятия управленческого решения. Коллективные решения.

Экспертные методы в подготовке управленческого решения. Анализ издержек - выгод.

Многоцелевой анализ. Дерево целей. Методы прогнозирования (экстраполяция, Дельфи).

Долгосрочный экспертный прогноз и программы развития. Краткосрочный экспертный

прогноз показателей сценарных условий. Ретроспективный анализ и контроль показателей

сценарных условий. Варианты прогноза наборов показателей сценарных условий для

исследования траекторий развития. Имитационное моделирование социально-экономических

систем. Социально-экономический портал Прогноз.

Структура и функции информационно-аналитической системы поддержки и принятия

решений (ИАС ППР). Аппаратно-программная платформа. Сравнение аналитических пакетов.

Структура хранилища. Распределенная обработка информации. Интеграция информационных

ресурсов и программных средств их обработки. Комплексность решения проблем

информатизации государственной службы. Создание и развитие ситуационных центров ОГВ

(Центр управления Минобороны и др.).

Реинжениринг ИАС ППР. Проект внедрения ИАС ППР в ОГВ. Системы управления

проектами. Управление информационно-аналитическими системами. Повышение

квалификации специалистов, работающих с ИАКТ. Эффективность инвестирования в

информационно-аналитические технологии.

Вендоры услуг в сфере Больших данных. Краудсорсинговые платформы. Тенденции

развития рынка Big Data и Data Mining.

Добыча данных (технологии лингвистического анализа Text Mining, интеллектуальный

поиск в Интернете – Web-mining на основе многоагентных систем (МАС) с использованием

методов искусственного интеллекта (Semsntic - Web– см. тему 2) для управления качеством.

Перспективы развития ИАСУ.

Литература: лекции 36; учебник: 4; учебно-практические пособия: 18 – 25; сайты: 53, 60,

65 – 67, 69 – 70; статьи: 34 – 35.

Семинары

Содержание 15 практических занятий (по 2 часа) по нарастанию аналитических

возможностей программ и самостоятельности обработки данных магистрантами

Семинар 1. Возможности Интернет-порталов и конструирование информационного сайта Портал как информационный инструмент органа власти. Анализ интернет-порталов органов

законодательной и исполнительной власти различных уровней (по выбору магистрантов

(предпочтительнее – по месту их работы), согласованному с преподавателем).

Роль и задачи коммуникации (для повышения оперативности и гибкости управления). Блог как

возможность оперативного реагирования в Twitter, Facebook, Vkontakte, Livejournal и других

блоговых площадках в государственном и муниципальном управлении (для конкретного

руководителя – лица, принимающего решение – ЛПР).

7

Перечень порталов ОГВ и блогов ЛПР, а также таблица критериев для оценки даётся

преподавателем. На её основе магистранты проводят анализ и дают предложения по

совершенствованию объекта исследования.

Аутсорсинг (облачное обеспечение SaaS: программы и/или данные) Google Docs и его

использование в государственном секторе.

Блог как возможность оперативного реагирования руководителя. Оптимизация действий

государственных и муниципальных служащих в социальных сетях или посредством создания

персонального информационного сайта со страницами данных, перепиской и

файлообменником (в конструкторе, например, Google Chrome) и его использования.

Семинар 2. Поиск информации по ИАТУ в Интернете и базах данных (БД) Классификация поисковых служб Интернета, алгоритмы поиска информационных ресурсов в

Интернет, поисковые интернет–машины, метапоисковые системы. Методы поиска информации

в Интернете, характеристики найденной информации. Расширенный поиск с ограничением

параметров и специализированные электронные ресурсы. Поиск проводится по

индивидуальным вариантам тем курса ИАТУ, предложенных преподавателем.

Базы данных (БД) электронных ресурсов: классификация информационных ресурсов, структур

БД и систем доступа к удаленным Интернет–ресурсам. Ссылки на источники и социально-

экономические базы открытых данных. Поиск больших таблиц данных проводится по

индивидуальным вариантам тем, предложенных преподавателем. Сравнение найденного в

Интернете и БД (количество, релевантность, новизна). Рекомендации по поиску ресурсов различного типа в Интернет.

Семинар 3. Разработка интернет-опросника и рационализация обработки большого количества

мнений Повышение интерактивности сайта (ср. семинар 1) путём добавления структурированного

опросника (в сфере интересов магистранта или по темам курса, согласованным с

преподавателем – см. семинар 2) с использованием формы Google (различные типы ответов на

вопрос: ввод текста, даты и времени, выбор одного или нескольких из списка, степень

освоения).

Персонифицированная рассылка и открытый доступ граждан к опроснику. Доступ автора к

редактированию опросника.

Автоматический сбор и первичная обработка мнений: визуальная статистика и электронные

таблицы. (ср. семинар 2) посредством облачной электронной таблицы Google (данные разных

типов: текстовые, числовые, дата и время).

Доступ автора к редактированию таблицы. Условное форматирование для визуализации.

Формулы (математические и логические функции) для анализа правильности ответов в

электронном журнале. Веб-аналитика корпоративного уровня OnLine

https://www.google.com/analytics/.

Семинар 4. Информационно–аналитическая бизнес - справка о деятельности коммерческой

компании и её руководителе Знакомство с составом БД информационно–аналитической системы по компаниям и

руководителям, например, «Spark» http://spark.interfax.ru. Список действующих исследуемых

компаний корректируется и уточняется преподавателем в рабочем порядке.

Освоение возможностей информационно–аналитической системы по компаниям и

руководителям: поиск по ключевым словам, сортировка по условиям и фильтр по параметрам.

Экспорт отобранных данных. Дальнейшая обработка: свод, визуализация результатов

проводится в MS Excel индивидуально по варианту компании, предложенной преподавателем.

Верификация и дополнение найденных сведений по другим сайтам компаний и по

руководителям в Интернете.

Формирование аналитической бизнес - справки о деятельности коммерческой компании и её

руководителе по предложенной преподавателем структуре.

Семинар 5. Информационно–аналитическая справка о деятельности субъектов Российской

Федерации и ОГВ Государственная аналитическая информационная система «УПРАВЛЕНИЕ» www.gasu.gov.ru

над социально-экономическими базами данных РФ. Знакомство с составом БД. Освоение

8

возможностей информационно–аналитической системы. Майские указы Президента и

Программы развития РФ. Фильтрация данных по индивидуально по варианту. Экспорт

отобранных данных.

Вторичная обработка: сравнение, прогнозирование, визуализация результатов проводится в MS

Excel индивидуально по вариантам указов, субъектов и ОГВ – главных распорядителей

бюджетных средств (ГРБС), предложенных преподавателем. Формирование аналитической справки о деятельности субъектов Российской Федерации и

ГРБС по предложенной преподавателем структуре.

Семинар 6. Сравнение 2-х выборок числовых данных Статистическая обработка результатов эксперимента. Аналитический модуль в Excel.

Описательная статистика. Гипотезы. Уровень доверия.

Нормальное частотное распределение. Использование параметрических методов статистики

для выявления статистически значимых различий наборов однотипных параметров. Одно- или

двустороннее различие. Обработка в MS Excel:

1) ручная по таблице критических значений критерия.

2) автоматическая.

Автоматизация выводов. Интерпретация результатов.

Сравнение результатов по различным критериям.

Сравнение статистических критериев, имеющихся в MS Excel.

Семинар 7. Сравнение малых выборок Статистическая обработка результатов педагогического эксперимента. Импорт данных из MS

Excel в Statistica. Использование непараметрических методов статистики для выявления

статистически значимых различий наборов однотипных параметров.

Освоение статистических методов анализа информации и интерпретации результатов.

Применимость и чувствительность критерия. Сравнение результатов по различным критериям.

Рекомендации для подобных исследований. Сравнение статистических возможностей MS Excel

и Statistica.

Семинар 8. Визуальная разведка для сравнения выборок данных Работа с таблицами социально-экономических данных. Визуальная разведка: различные виды

гистограмм и условия их использования для малого количества субъектов. Картографическая

привязка посредством надстройки Power BI над Excel (округа и субъекты). Сравнение для

округов и для малого количества субъектов. Выводы по применению визуальных технологий.

Поиск временно й зависимости. Тренд и прогноз Временно й ряд (или ряд динамики). Тренды и прогнозы для каждого округа или малого

количества субъектов. Показатель доверия.

Линейный тренд: начало и темп. Очистка и восстановление недостающих числовых данных.

Формулы расчёта коэффициентов регрессионных уравнений. Рейтинг и близкие по показателю

регионы (округа или субъекты). Типовая модель анализа динамики субъектов по одному

показателю. Сравнение округов или субъектов. Выводы и их автоматизация.

Семинар 9. Моделирование Использование типовой модели анализа динамики субъектов (см. семинар9) для однотипных

таблиц данных. Цветовая индикация для многочисленных субъектов. Редактирование

диапазонов в формулах при изменении структуры данных.

Многомерное исследование (по разным показателям) в группе студентов. Сравнение

результатов по разным показателям социально-экономических данных.

Семинар 10. Поиск одномерной зависимости. Доверие к её уравнению Корреляционный анализ. Линейная одномерная регрессия. Поиск статистически значимой

связи в таблице 2-х наборов значений однотипных параметров (например, динамики регионов,

полученных после 8-го семинара). Доверие. Интерпретация и применение результатов.

Сравнение с результатами 8-го семинара.

Семинар 11. Поиск многомерной зависимости в MS Excel Корреляционный анализ. Линейная многомерная регрессия. Использование параметрических

методов статистики для поиска связей в таблице наборов значений однотипных параметров

(например, объединённых таблиц критериев однотипных многопараметрических объектов,

9

полученных после 10-го семинара). Доверие. Выбор статистически значимых уравнений.

Интерпретация результатов. Рекомендации для использования.

Семинар 12. Поиск многомерной зависимости в Deductor Импорт данных из MS Excel в Deductor. Восстановление данных и 6-ти мерная визуальная

разведка в Deductor. Диаграммы связей.

Аналитические методы работы с большими таблицами (OLAP –куб, корреляционная матрица

попарного сравнения, факторный анализ, вывод правил «что - если») для выделения зависимых

регионов. Одномерная и многомерная линейная регрессия. Их характеристики. Сравнение

значений, полученных в MS Excel (после семинара 12) и Deductor.

Алгоритм исследования. Сравнение возможностей MS Excel и Deductor.

Рекомендации для использования.

Семинар 13. Кластеризация регионов в Deductor

Работа с временным рядом. Компоненты временно го ряда: тренд, сезонность, цикличность,

остаток. Построение прогноза.

Нейросети. Сэмплинг (репрезентативная выборка) регионов. Построение и обучение

самоорганизующихся карт признаков (карт Кохонена). Кластеризация регионов (группировка

регионов с похожими значениями в кластеры) для последующей выработки стратегии развития

кластера. Рекомендации для использования интеллектуальных методов Data Mining.

Семинар 14. Деревья решений в Deductor Ассоциативные правила, дерево решений, экспертные системы. Калькулятор «Что-если».

Построение баз знаний на примере выявления ассоциаций и построения дерева решений.

Сравнение возможностей MS Excel, Statistica и Deductor.

Другие виды аналитических технологий. Перспективы их развития.

Дома каждым магистрантом создаётся информационно-аналитическая модель и

результаты социально-экономического моделирования с презентацией проекта для будущей

диссертации.

Проект защищается на экзамене перед всей группой. Критерии оценки проекта – см. в

п.IX.Б.

Групповая дискуссия с презентациями по направлениям развития информационно-

аналитических технологий в государственном и муниципальном управлении.

VIII. Перечень компетенций, формируемых в результате освоения

дисциплины

По ФГОС «УП» 2015 г. общекультурные (ОК), общепрофессиональные (ОПК) и

профессиональные (ПК) компетенции (целиком или частично):

1) способность к абстрактному мышлению, анализу, синтезу (ОК-1);

2) готовность к саморазвитию, самореализации, использованию творческого потенциала

(ОК-3).

3) владение методами и программными средствами обработки деловой информации,

анализа деятельности и управления персоналом, способность взаимодействовать со

службами информационных технологий и эффективно использовать корпоративные

информационные системы (ОПК-10);

4) умение разрабатывать и применять методы и инструменты проведения исследований в

системе управления персоналом и проводить анализ их результатов (ОПК-12);

5) владение навыками поиска, сбора, обработки, анализа и систематизации информации

по теме исследования, подготовки обзоров, научных отчетов и научных публикаций по

актуальным проблемам управления персоналом (ПК-24).

10

Результаты текущего контроля и промежуточной аттестации формируют рейтинговую оценку

работы студента. Распределение баллов при формировании рейтинговой оценки работы

студента осуществляется в соответствии с п. X.Д.

IX. Используемые образовательные, научно-исследовательские и

научно производственные технологии

А. Образовательные технологии: Магистры слушают и смотрят лекционный материал, который содержит, помимо разбора

особенностей и широких возможностей программных продуктов, рекомендации по

практическому выполнению заданий на компьютере в рамках самостоятельной (классной и

домашней) работы с помощью методических указаний по методике быстрого старта в

электронных рабочих тетрадях. Но внимание магистров постоянно обращается на

использование встроенных справок программных продуктов и информационных

материалов интернет-источников. Совершенствуются практические умения выбора и

применения информационных, аналитических и коммуникативных технологий для

управления.

В рамках курса используются репродуктивные (моделирование ситуаций принятия

управленческих решений с использованием информационно-аналитических технологий) и

интерактивные (расчётно-аналитические задания, групповые проекты, творческие задания,

дискуссии) методы обучения; предусмотрены встречи с практикующими специалистами,

разрабатывающими и использующими информационно-аналитические технологии в

государственном и муниципальном управлении.

В начале каждого практического занятия на экране демонстрируется таблица с

результатами обучения магистров. В таблице (электронный журнал) фиксируется

посещаемость, выполнение заданий по практикуму и домашних заданий. Автоматический

пересчет коэффициентов по ячейкам позволяет вести учет успеваемости в режиме

реального времени проведения занятий.

Б. Научно-исследовательские технологии: Магистры готовят презентацию объемом ~15 слайдов по теме, отражающей современные

тенденции развития информационно - аналитических технологий государственного и

муниципального управления. Тема может быть предложена самим магистрантом

(предпочтительно) и согласовывается с преподавателем или выбирается из списка

предложенных. В процессе подготовки необходимо обязательно использовать

дополнительную литературу, интернет - ресурсы и даже осваивать новые возможности

изученного или нового аналитического ПО.

В рамках курса используются следующие методы научно-исследовательской работы: сбор,

аналитическая обработка и систематизация результатов для написания аналитических

материалов для выступлений, докладов, презентаций, а также материалов магистерской

диссертации. Предусмотрено дальнейшее совершенствование навыков самостоятельной

научно-исследовательской деятельности и формирование комплексного представления о

специфике будущей деятельности.

Качество работы оценивается по ряду критериев:

1. Презентация по результатам проекта

1) актуальность, практическая значимость работы; 2) вклад автора (по шкале «собственная работа – компиляция» посредством антиплагиата

http://antiplagiat.ru);

3) соответствие между целями, содержанием и результатами работы; 4) стиль и логика изложения, 5) структура:

1. Титул: ФГУ, предмет ИТ, тема: Анализ ... посредством ИАТ ... , ссылка на работу

(1-15), группа, ФИО, год.

11

2. Гипертекстовое оглавление на заголовки слайдов и список терминов и сокращений

(в конце).

3. Пронумерованные слайды, в Структуре – только пронумерованные заголовки (из

них сделано оглавление).

4. В конце подраздела – переход на оглавление.

5. Из текста – переход на список терминов и сокращений.

6. Из списка терминов и сокращений – возврат назад (откуда пришли посмотреть

термин или сокращение)

6) оформление работы – требования к экранному дизайну:

7. Тёмный фон, светлый шрифт Arial

8. Размер: заголовки >32, текст тезисно >22 (max площади экрана) по середине.

9. Анимация только для последовательности предъявления (~ вылет элемента или улёт

закрывающего его прямоугольника цвета фона)

2. Доклад с опорой на презентацию и аналитическое ПО:

громко, чётко, кратко, уверенно, быстро. Регламент: 7 – 10 мин.

3. Ответы на вопросы:

по существу, с опорой на скрытые слайды.

Баллы и вклад оценки в общий результат – см. ниже п. Х.Д.

X. Учебно-методическое обеспечение самостоятельной работы

студентов, оценочные средства контроля успеваемости и

промежуточной аттестации:

А. Ориентационные вопросы для подготовки к экзамену 1) Роль информации и информационных технологий в государственном и муниципальном

управлении.

2) Концепции М. Кастельса (по работе «Информационная эпоха: экономика, общество и

культура»), «Качественного управления», «Перестраивающегося правительства».

3) Электронное правительство как концепция государственного управления в информационном обществе.

4) Федеральная целевая программа «Информационное общество 2011-2020».

5) Правовое обеспечение информатизации государственного и муниципального управления. Федеральные законы Российской Федерации: «Об информации,

информационных технологиях и о защите информации», «Об электронной цифровой

подписи», «О персональных данных».

6) Готовность органов государственной власти (ОГВ) и местного самоуправления (ОМС)

к использованию ИКТ для осуществления управленческих функций, предоставления

государственных услуг и обработки обращений граждан; их анализу.

7) Единое информационное пространство, межведомственное и гражданское

взаимодействие. Развитие облачных технологий. Протоколы.

8) Программа «Цифровая экономика Российской Федерации».

9) Уровни информационной услуги в государственном и муниципальном управлении. 10) Интерактивные возможности порталов в государственном и муниципальном

управлении.

11) Информация, данные, знания. Цикл работ с информацией. Открытые данные. Типы ресурсов. Источники социально-экономических данных.

12) Добыча данных (технологии лингвистического анализа Text Mining, интеллектуальный

поиск в Интернете – Web-mining на основе многоагентных систем (МАС)).

13) Внутренние и внешние информационные ресурсы в государственном и муниципальном управлении.

12

14) Информационное общество и общество знаний: основные характеристики и проблемы государственного и муниципального управления.

15) Проблемы государственного и муниципального управления в обществе знаний.

16) Информационно-аналитические системы для государственного управления.

17) Информационно-аналитические системы для муниципального управления.

18) Предварительная обработка отобранных данных (визуальная разведка, восстановление)

19) Роль и место анализа в процессе принятия решения. 20) Программно-целевое управление развитием на основе количественных показателей.

21) Методы анализа данных. Примеры применения для решения социально-экономических

задач.

22) Анализ временных рядов. Тренды и прогнозы. Доверие к ним. 23) Одномерный и многомерный статистический анализ в государственном управлении:

регрессия. Доверие к ней.

24) Многомерный анализ данных в государственном управлении: сэмплинг.

25) Многомерный интеллектуальный анализ в государственном управлении: кластеризация

26) Ассоциативные правила, дерево решений, экспертные системы. 27) Понятие математического моделирования и его использование в государственном

управлении.

28) Этапы построения математической модели. Проблемы интерпретации. Автоматизация выводов.

29) Аналитические технологии (модуль анализа MS Excel, Statistica и Deductor), их

сравнение.

30) Виды информационно-аналитических материалов и требования к их составу и

содержанию.

31) Технологии цифровой экономики. Перспективы развития.

Б. Методологические (перспективные) вопросы для оценки качества освоения

дисциплины 1) Системный анализ как методология цифровизации организационного управления. 2) Сбор, трансформация данных и приведение их в единую структуру. Метаданные

информационного хранилища.

3) Операции баз данных для интеграции и очистки данных. 4) Классификация информационно - поисковых систем. Картографические

геоинформационные системы (ГИС).

5) Типы проблем и задач органов государственной власти и информационно-

аналитические технологии их решения.

6) Проблема многокритериальности выбора управленческого решения. Математические

методы обработки данных.

7) Алгоритмы обработки данных. Хранилища данных. Data warehousing.

8) Логические методы обработки данных. Базы знаний (данных и правил вывода новых данных).

9) Технология оперативного анализа многомерных данных (OLAP): куб.

10) Статистические методы оценки обстановки для принятия управленческого решения. 11) Методы интеллектуального анализа (Data Mining).

12) Использование нейросетей для получения знаний из big data.

13) База знаний. Когнитивный менеджмент. 14) Показатели качества модели. Создание модели и её использование (моделирование) для

обоснования принятия решения.

15) Сложности интерпретации результатов. Методы визуализации для лучшего

восприятия.

16) Экспертные методы в подготовке управленческого решения. Статические и динамические экспертные системы (ЭС).

13

17) Развитие современных математических и лингвистических пакетов. Эволюция - New

Business Intelligence (NBI).

18) Технологии коллективного решения.

19) Специфика процессов подготовки и принятия управленческих решений в государственном и муниципальном управлении.

В. Вопросы для оценки практического освоения дисциплины 1) Типы автоматизированных рабочих мест госслужащих. Аппаратно - программное

обеспечение.

2) Назначение, состав, классификация программных пакетов. Платные и бесплатные аналоги электронного офиса.

3) Документальные информационные системы. Справочно-правовые системы.

4) Интернет-ресурсы ОГВ и ОМС. Порталы ОГВ и сайты ОМС. Блоги ЛПР.

5) Обеспечение информационной безопасности и защиты информации. 6) Конструкторы сайтов и интерактивных форм для опросов. 7) Аспекты проблемы анализа и их реализация в программных продуктах. 8) Использование статистических пакетов для сравнения выборок.

9) Информационно-интеллектуальные технологии (Data mining) в управлении.

10) Коммуникативные приложения. Коллективное решение проблем. 11) Возможности on-line сервисов. Понятие мобильного офиса. Облачные технологии.

12) Портал знаний (данные и модели) и консультирование.

13) Сеть многофункциональных центров в Российской Федерации. 14) Структура и задачи регионального Интернет-портала. Примеры интерактивного

межведомственного взаимодействия.

15) Структура и задачи муниципального Интернет-портала. Примеры интерактивного

взаимодействия с гражданами.

16) Структура муниципальной информационной системы (МИС)

17) Информационно-аналитические системы по фирмам и предпринимателям.

Г. Типовая тема реферата (защита в виде презентации) Выбор модулей системы для автоматизации ОГВ и ОМС (на конкретном примере,

рационально – по месту работы магистранта) по согласованию с преподавателем.

Аспекты: 1) Анализ предоставляемых услуг. 2) Обработка экономической информации. 3) Статистический анализ информации. 4) Доступ к необходимым автоматизированным информационным системам.

5) Необходимые информационные технологии конечного пользователя. 6) Возможности и выбор аналитической платформы. 7) Внедрение ИАС. Требования к подготовке проекта внедрения.

8) Внедрение системы класса CRM с базой знаний. Эффективность проекта.

9) Внедрение аналитической системы класса Business Intelligence. Задачи и риски.

10) Автоматизированная система управления проектами. 11) Оценка эффективности инвестирования в информационно-аналитические технологии.

Д. Порядок формирования оценок по дисциплине

Организация внеаудиторной работы студентов направлена на успешное выполнение

заданий текущего (аудиторной и домашней работы), и итогового контроля, которые

оцениваются отдельно. Оценивание заданий каждого практического занятия ведётся

по 10-ти балльной шкале и выставляется преподавателем в рабочую ведомость.

Текущая практическая работа студентов на компьютере оценивается

преподавателем, исходя из следующей формулы:

Опракт.= 0,6·* Оауд. + 0,4·* Одом. для каждого задания.

Накопительная оценка Опракт. является суммой Опракт. по всем занятиям.

14

Оценка за проект (модель анализа новых соц.-эк. данных) Оценка Критерии выставления оценки

«Отлично»

(8-10)

Вопрос полностью раскрыт, магистрант обнаруживает

всестороннее, систематическое и глубокое знание учебно-

программного материала, свободно и правильно оперирует

основными терминами и технологиями курса.

«Хорошо»

(6-7)

Вопрос раскрыт с несущественными ошибками, магистрант

обнаруживает глубокое знание учебно-программного материала,

правильно оперирует основными терминами и технологиями

курса.

«Удовлетворительно»

(4-5)

Вопрос раскрыт с существенными ошибками, магистрант

обнаруживает поверхностное знание учебно-программного

материала, основных терминов и технологий курса.

«Неудовлетворительно»

(0-2)

Вопрос раскрыт не полностью, магистрант обнаруживает

пробелы в знании учебно-программного материала, основных

терминов и технологий курса.

Проектная работа студентов оценивается преподавателем, исходя из следующей

формулы:

Опроект= 0,4·* Омодель + 0,2·* Опрезент + 0,2·* Одоклад + 0,2·* Оответы

Итоговая оценка Оитогов. выставляется по результатам ответов на лекционные

тесты.

Таким образом, теоретическая (проектная и интерактивная) оценка (Отеор.)

выставляется по формуле:

Отеор.= 0,9·* Опроект +0,1·* Оитогов.

Результирующая оценка выставляется по результатам практической работы в

семестре и теоретическом ответе (тестирование, защита проекта на экзамене) по

формуле:

Орезультир = 0,5·* Опракт. +0,5·* Отеор.

Текущие и накопительные оценки не округляются. Округление результирующей

оценки осуществляется преподавателем до целого числа (т.е., при десятичной доле

≥0,5 студенту будет добавлен балл; при десятичной доле <0,5 студенту балл

добавлен не будет).

Показатели оценивания – результирующая оценка:

Традиционная Рейтинговая, % Европейская

5 – «отлично» 90–100 А

4 – «хорошо» 80–89

70–79

B

C

3 – «удовлетворительно» 60–69

50–59

D

E

2 – «неудовлетворительно» менее 50 F

XI. Учебно-методическое и информационное обеспечение дисциплины

№

№ Автор

Название книги/статьи

(гиперссылки – подчёркнуты)

Отв. редактор

(для

коллективных

монографий)

Место

издания

Издатель

ство

Год

изда

ния

Название

журнала

(сборника)

Том(вы

пуск)

журнал

а/сборн

ика

Номер

журнал

а

А. основная литература

1. Абросимова

М. А.

Информационные технологии

в государственном и

муниципальном управлении

Москва Кнорус 2017

2. Морозова О.А., Лосева В.В.,

Иванова Л.И.

Информационные технологии

в государственном и

муниципальном управлении

Москва Юрайт 2018

3. Орлова И.В., Турундаевский В.Б.

Многомерный статистический

анализ при исследовании

экономических процессов:

монография МЭСИ 2014

4. Абдикеев Н.

М.

Когнитивная бизнес-

аналитика

Москва ЭКСМО 2014

Дополнительная литература

5. Информационные технологии

управления

Под ред. Г.А.

Титоренко

Москва ЮНИТИ-

ДАНА

2012

6. Емельянов С.

В., Олейник

А. Г.

Информационные технологии

регионального управления

Москва Едиториал УРСС

2004

7. Переверзев

П.П.

Роль бизнес-аналитики в

процессе сбора и подготовки

бизнес-данных

http://mii-nauka.ru/ 2014

8. Бариленко

В.И.,

Бердников

В.В., Булыга

Р.П. [и др.].

Основы бизнес-анализа учебник для вузов

https://docplayer.ru/

38225763-Osnovy-

biznes-analiza.html

Москва КНОРУС 2016

9. Statistica Статистический анализ.

Учебник

http://statsoft.ru/hom

e/textbook/default.ht

m

10. Учебник on-

line

Data Mining http://www.intuit.ru/

studies/courses/6/6/l

ecture/

ИНТУИТ 2015

11. Солонин Е.Б. Интеллектуальные технологии

поиска и анализа данных

Екатерин

бург

УФУ

12. Луньков А.Д.,

Харламов

А.В.

Интеллектуальный анализ

данных

Саратовск

ий ГУ

2014

13. Паклин Н.Б.,

Орешков В.И.

Бизнес-аналитика: от данных к

знаниям: Учебное пособие

Спб. Питер 2010

14. Прокопенко

Н. Ю.

Информационные технологии

анализа данных

(аналитические

информационные системы

поддержки принятия решений

на базе Deductor Studio

Academic 5.2)

Нижний

Новгород

2012

15. Карпузова

В.И.

Информационные технологии

в экономике: системы

поддержки принятия решений

на базе аналитической

платформы Deductor Studio

Academic 5.1.

16. Волкова В. Н. Теория систем и системный

анализ в управлении

организациями

Москва ИНФРА-

М

2012 ЭБС

ZNANIUM

17. Барсегян А. Технологии анализа данных:

Data Mining, Text Mining,

Visual Mining, OLAP

books.google.com Москва 2008

18. Белов В. С. Информационно-

аналитические системы:

основы проектирования и

применения: учебно-

практическое пособие

http://lib.biblioclub.r

u/book_90540_Infor

matsionno_analitich

eskie_sistemy_Osno

vy_proektirovaniya_

i_primeneniya_uche

bnoe_posobie_rukov

odstvo_praktikum/

Москва Евразийс

кий

открытый

институт

2010 ISBN: 978-

5-374-

00185-3

стр:111

19. Интернет-технологии в

экономике знаний

Москва Инфра-М 2010 ЭБС

ZNANIUM

20. Мильнер Б.З. Управление знаниями в

инновационной экономике:

Учебник Москва Экономик

а

2009

21. Трофимова

Л.А.,

Трофимов

В.В.

Управление знаниями.

Учебное пособие

СПб СПбУЭФ 2012

22. А.Н.Аверкин,

Г.А.Дементьев

а, А.Р. Шарафутдинова

Практикум по дисциплине

«Интеллектуальные

Информационные Системы»

Москва ФГБОУ

ВПО «РЭУ

им. Г.В.

Плеханова»

2011

23. Брускин С.Н.,

Китова О.В.,

Дьяконова

Л.П.

Управление эффективностью

бизнеса и интеллектуальный

анализ информации

средствами IBM Cognos 8

Москва Инфра-М 2013

24. Брускин С.Н.,

Дьяконова

Л.П.

Построение аналитической

отчетности в системе IBM

Cognos 8 BI: Ч.1// Практикум

по дисциплине "Когнитивная

бизнес-аналитика"

Москва ФГБОУ

ВПО «РЭУ

им. Г.В.

Плеханова»

2011

25. Беленький

А.Г., Брускин

С.Н.,

Алибалаева

Л.И.

Практикум по дисциплине

«Информационно-

аналитические технологии

финансового анализа и

мониторинга». Учебно-

методическое пособие

Москва ФГБОУ

ВПО «РЭУ

им. Г.В.

Плеханова»

2011

26. Федеральная целевая программа

"информационное общество

(2011 - 2020 годы)", Показатели

(индикаторы) государственной

программы "информационное

общество (2011 - 2020 годы)"

(Приложение № 1)

http://www.program

s-

gov.ru/informatsionn

oe_obschestvo

27. Федеральный закон № 149-ФЗ от

27 июля 2006 года «Об

информации, информационных

технологиях и о защите

информации»

28. Федеральный закон № 210-ФЗ от

27 июня 2010 года «Об

организации предоставления

государственных и

муниципальных услуг»

29. Программа «Цифровая

экономика Российской

Федерации» от 28 июля 2017

№1632-р

30. Кастельс М. Информационная эпоха:

экономика, общество и

культура.

Москва Теис

Электрон

ная

версия

2010

2001

31. Михайлова

О.П.,

Степанова

Т.А.

Теоретические аспекты

понятий "бизнес - аналитика"

и "бизнес - анализ"

2016 Экономическ

ое развитие

общества в

современных

кризисных

условиях

32. Ю. В.

Курносов

Аналитика как

интеллектуальное оружие

Русаки 2017

33. Гиттлен

Сандра

Социальная аналитика: как

поставить социальные сети на

службу бизнесу

Москва Открытые

системы

2017

34. The Need for Big Data

Governance

https://mapr.com/resour

ces/need-big-data-

governance/

MapR

Technolog

ies

2018

35. Mitesh Shah Data Governance in a Big Data

World

https://tdwi.org/articles/

2017/09/15/diq-all-data-

governance-in-big-data-

world.aspx

2017

20

Б. Интернет-источники: 36. Ресурсы для методического обеспечения учебного процесса кафедры ММиИТвУ:

электронный УМК \\lib\SemInformManagAM (настоящая программа, лекции в виде

обучающе-контролирующих презентаций, задания к занятиям, программное

обеспечение, рабочие тетради, уч.материалы, электронный журнал с № вариантов,

текущими баллами и критериями оценок).

37. Сайт Еврокомиссии http://ec.europa.eu

38. Сайт Евростата http://ec.eurostat.eu

39. Федеральные целевые программы РФ http://fcp.economy.gov.ru/ и анализ проекта

нормативно-правовых актов https://regulation.gov.ru

40. Портал Федеральной службы государственной статистики РФ www.gks.ru.

41. Индекс готовности регионов России к информационному обществу http://eregion.ru

42. Сайты: www.economy.ru, www.cbr.ru, www.riski.ru, www.maths.ed.ac.uk,

www.srcc.msu.su, www.edu.ru, www.gametheory.net, http://tsisa.ru/, http://ru.wikipedia.org/

43. Интерактивный портал www.top4top.ru.

44. Информационные ресурсы агентства РосбизнесКонсалтинг http://rbc.ru.

45. Интернет-библиотека по направлению «Менеджмент» www.dis.ru/im/managment

46. Портал Корпоративный менеджмент http://www.cfin.ru.

47. Портал ITEAM. Технологии корпоративного управления www.iteam.ru/discussions/ –

статьи по вопросам анализа данных и применяемым при этом алгоритмам, примеры

эффективного использования методов анализа данных в бизнесе.

48. Аналитическая платформа Deductor для анализа данных, демо примеры и учебник по

ним http://www.basegroup.ru/; форум, посвященный проблемам прогнозирования и

анализа данных при помощи современных технологий http://forum.basegroup.ru/.

49. Л.В. Щавелёв. Оперативная аналитическая обработка данных: концепции и

технологии http://www.olap.ru/basic/olap_and_ida.asp.

50. Информационный портал Аналитическая обработка данных OLAP http://www.olap.ru.

51. Пакет нечёткой логики Fuzzy Logic Toolbox среды MATLAB

http://matlab.ru/products/fuzzy-logic-toolbox.

52. Сайт компании Microsoft, поставщика ПО (от Office (Word, Outlook, Excel, PowerPoint,

Visio), Project и DynamicsCRM http: // www.microsoft.com/rus до клиент-серверных

SharePoint Server и Analysis Services

microsoft.com/sql/technologies/analysis/default.mspx

53. Сайт компании Oracle, поставщика ПО ERP с BI Hyperion http://www.oracle.ru

54. Сайт компании SAP, поставщика ПО ERP с BI Business object SAP NetWeaver Master

Data Management http://global.sap.com

55. Сайт SAS Institute – интеграция Pilot с ролевыми интерфейсами и возможностями MS

Office sas.com/russia

56. Сайт компании Галактика, поставщика ПО http: //www.galaktika.ru /

57. Сайт компании 1С, поставщика ПО ERP с модулем статистики http: //www.1c.ru

58. Сайт Российской ассоциации управления проектами СОВНЕТ www.sovnet.ru

59. Сайт компании ПМСОФТ, поставщика ПО Primavera www.pmsoft.ru

60. Сайт spotfire.tibco.com – дополняет аналитическую продуктовую линейку компании

TIBCO – лидера в области инфраструктурного и бизнес анализа. Сайт similarweb.com

– услуги веб-аналитики, глубокого анализа данных и бизнес аналитики для

международных корпораций. Сайт http://dimension-consulting.ru/ – вендор ПО

Dimension. Сайт pentaho.org – условно-бесплатное ПО интеллектуального анализа

данных. Проект BIRT – проект с открытым исходным кодом для отчетности и бизнес-

аналитики для толстого клиента и web-приложений.

61. Веб-аналитика корпоративного уровня online https://www.google.com/analytics/

62. Сайт компании SoftLine, поставщика ПО Statistica www.statistica.ru, электронный

учебник http://statsoft.ru/home/textbook/modules/sttimser.html

21

63. Подсайт Cognos компании IBM http://www-01.ibm.com/software/ru/data/cognos/

(когнитивный бизнес-анализ IBM Cognos 8 BI: планирование и бюджетирование

Cognos Planning, управление по ключевым показателям Cognos Metrics Manager,

управление расписаниями, создание нерегламентированных запросов Query Studi,

управление эффективностью CPM (Corporate Performance Management), инструмент

многомерного анализа данных (OLAP-клиент) Analysis Studio, финансовая отчетность

и ее консолидация на основе международных стандартов Controller, средство создания

сложных консолидированных профессиональных отчётов для регулярного

использования Report Studio).

64. Интернет-Университет информационных технологий

http://www.intuit.ru/department/database/datamining/

65. Knowledge Management Magazine. Журнал информационных технологий и управления

знаниями www.kmmmag.com, www.knowledgebusiness.com, http://www.kmclub.ru/,

Центр компетенции по технологиям менеджмента на основе знаний

http://www.kmtec.ru/

66. Портал REPORT.ru http://knowledgemanagement.report.ru/_5FolderID_220_.html,

67. Сайт Delphi Group – исследований в области управления знаниями

www.delphigroup.com

68. Информационный портал компании BaseGroup Labs http://www.basegroup.ru.

69. Data Mining, Knowledge Discovery, Genomic Mining и Web Mining

http://www.kdnuggets.com/.

70. Сайт Community Intelligence Labs (набор ресурсов для сообществ практики в области

интеллектуальных технологий) www.co-i-l.com/coil/knowledge-garden/cop/index.shtml.

XII. Материально-техническое обеспечение дисциплины

А. Помещения 1. аудитории, оборудованные проектором или плазменной панелью, для

проведения всех видов аудиторных занятий (лекций и семинаров),

2. специализированные компьютерные классы для проведения семинарских занятий,

3. шторы для контрастного изображения на экране даже при ярком солнце.

Б. Оборудование 1. компьютерная техника, 2. проектор/плазменная панель/интерактивная доска.

В. Используемое на ФГУ русифицированное программное обеспечение: 1. операционная система MS Windows 7 (лицензия ФГУ);

2. бесплатные браузеры MS Internet Explorer и Google Chrome с сервисами

Sites (конструктор сайтов) и Formes (интерактивных форм) со Spreadsheets

(сводными таблицами ответов);

3. MS Office 2013 (Word, Outlook, Excel, PowerPoint) (лицензия ФГУ);

4. бесплатная картографическая надстройка Power BI над MS Excel для

групповой работы;

5. открытая государственная Web-аналитическая система ГАСУ по субъектам

и ОГВ РФ http://gasu.gov.ru;

6. Web - аналитическая система ruslana (https://www.bvdinfo.com/ru-ru/our-

products/company-information/national-products/ruslana), Интегрум

(https://integrum.ru/) или Spark http://www.spark-interfax.ru/ – по фирмам и

управляющим (по подписке ФГУ);

7. статистический и Data Mining пакет Statistica 10 (лицензия ФГУ);

8. бесплатный аналитический пакет Deductor 5.3 (академическая версия).

22

Рецензент (ы) доцент, к.п.н. Лавренова Е.В., к.э.н. Шевцова И.В.

Программа одобрена на заседании кафедры математических методов и

информационных технологий в управлении

_____________________________________________________________________________

(Наименование уполномоченного органа вуза (УМК, НМС, Ученый совет)

от 19.04.2018, протокол № ___3____.