Рабочая программа составлена на основании:

1. Государственного образовательного стандарта высшего профессионального образования

по специальности 080109.65 «Бухгалтерский учет, анализ и аудит», утвержденного 17.03.

2000 г. (181эк/сп).

2. Рабочего учебного плана по специальности 080109.65 «Бухгалтерский учет, анализ и

аудит», утвержденного 28.03.2011 г., протокол №4.

2

1. Цели освоения дисциплины Дисциплина ФТД.1 Компьютерный анализ бизнес-процессов является курсом, направленным на практическое использование знаний, полученных в результате изучения теории вероятностей, математической статистики, эконометрики в процессе обучения студентов по специальности 080109 «Бухгалтерский учет, анализ и аудит».

Цель курса состоит в формировании у будущих специалистов финансового профиля современных фундаментальных знаний в области анализа социально-экономических процессов на микро- уровне, для поддержки принятия решений. Предполагается изучение базовых моделей и методов анализа данных и прогнозирования с помощью компьютера.

2. Место дисциплины Дисциплина ФТД.1 «Компьютерный анализ бизнес-процессов» входит в цикл факультативных дисциплин основной образовательной программы подготовки специалистов по специальности 080109 «Бухгалтерский учет, анализ и аудит». Преподается на третьем курсе в пятом семестре.

Знания, полученные студентами в ходе изучения дисциплины «Компьютерный анализ бизнес-процессов» могут быть использованы при изучении дисциплин: комплексный анализ хозяйственной деятельности, управленческий анализ в отраслях.

3. Требования к уровню освоения содержания дисциплины Преподавание дисциплины осуществляется исходя из требуемого уровня базовой подготовки специалистов по бухгалтерскому учету, анализу и аудиту. В результате изучения курса «Компьютерный анализ бизнес-процессов» студенты должны:

а) знать:

- о возможностях и ограничениях статистических методов в научных исследованиях;

- о современных компьютерных средствах моделирования бизнес-процессов;

б) уметь:

- формулировать цели и задачи анализа;

- использовать средства описательной и аналитической статистики для построения моделей бизнес-процессов;

- использовать современные информационные технологии для формирования моделей бизнес-процессов и их анализа.

Структура и содержание дисциплины «Компьютерный анализ бизнес-процессов»

Общая трудоемкость дисциплины составляет 96 часов.

Виды учебной работы, Формы текущего включая контроля самостоятельную работу Неделя семестра успеваемости студентов и трудоемкость (по неделям (в часах) Семестр № Раздел семестра) практические числе курсоп/п дисциплины Форма тельная работа, в том самостоязанятия промежуточной лекции проект всего вой Введение. История и философские основания моделирования:

диалектика, антропный принцип, роль наблюдателя, парадигмы Элементы теории блоки, связи, информация, отноУстный опрос, структурированных данных. Системные основания решения проблем управления и принятия решений. Научные методы описания Оккама». Формализация и постаУстный опрос, научных исследования. Исчисление высказываний, правдоподобные рассуждения дискриминантный Анализ времензадач, устный Кредитный скозадач, устный 4. Образовательные технологии 1) Дискуссия – возникает между студентами и преподавателем в ходе выполнения заданий на практических занятиях. Она позволяет изучать различные точки зрения на решение задач и выбирать правильные варианты. Данный метод обеспечивает глубокую проработку имеющейся информации, способствуя тем самым выработке адекватного решения. Метод групповой дискуссии увеличивает вовлеченность студентов в процесс этого решения. Кроме того, проведение дискуссий предусматривает написание студентами рефератов по предложенной тематике.

2) Доклад – публичное сообщение, представляющее собой развернутое изложение студентами определенной темы из перечня, представленного в учебно-методическом комплексе.

3) Интерактивный метод обучения – активно используется в учебном процессе при проведении практических занятий и предполагает двустороннее взаимодействие преподавателя и студента. В течение всего семестра ведется постоянный контроль знаний и поощряется активность студентов, путем проведения устных опросов, письменных контрольных работ и методом тестирования.

4) Исследовательский метод обучения – предполагает использование студентами полученных теоретических знаний для решения практических задач, основанных на реальных данных. Этот метод широко применяется при выполнении заданий и курсовых проектов по статистике и позволяет в будущем использовать приобретенный опыт в ходе написания студентами дипломных работ.

5) Пост-тесты – разработаны практически по всем темам изучаемой дисциплины.

6) Мультимедийные средства – позволяют дать представление студентам о возможностях современных пакетов прикладных программ по визуализации данных. По отдельным темам изучаемой дисциплины разработано мультимедийное обеспечение.

6. Учебно-методическое обеспечение самостоятельной работы студентов.

Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины 6.1. Виды и объем самостоятельной работы 6.2. Перечень вопросов для самостоятельной работы студентов Наименование разделов, тем Введение. История и философские основания моделирования: диалектика, антропный принцип, роль наблюдателя, парадигмы по Т.Куну.

Элементы теории систем. Общие понятия (эле- Задачи системного анализа.

менты, компоненты, подсистемы, системы, блоки, связи, информация, отношения, модели).

Цели анализа структурированных данных. Системные основания решения проблем управления и принятия решений. Научные методы опи-. Исчисление высказываний, правдопосания объектов в окружающем мире, принцип добные рассуждения «бритвы Оккама». Формализация и постановка задач управления. Логические основания научных исследования. Связь с регрессионным анализом Кластерный и дискриминантный анализ.

Аналитическая платформа Deductor 5.2. Хранилище данных. Многомерные отчеты и OLAP Задачи бизнес-аналитики Кредитный скоринг. Ассоциативные правила 6.3. Подготовка рефератов на темы:

1. Прогнозирование стационарных и нестационарных временных рядов.

2. Оценивание параметров модели ARIMA методом условного максимального правдоподобия.

3. Использование метода обратного прогнозирования в задаче оценивания параметров модели ARIMA.

4. Аппарат нейронных сетей в задаче прогнозирования временных рядов.

5. Использование аппарата деревьев классификации в задачах анализа данных.

6. Использование аппарата нейронных сетей в задачах классификации.

7. Метод безусловного максимального правдоподобия для оценивания параметров 8. Спектральный анализ временных рядов.

9. Векторные ARIMA-модели.

10. Динамические факторные модели.

11. Линейный дискриминантный анализ Фишера.

12. Канонический дискриминантный анализ.

13. Планирование эксперимента в пакете Statistica 6.

14. Анализ соответствий.

15. Многомерное шкалирование.

16. Распознавание образов без обучения.

17. Распознавание образов с обучением.

6.4. Вопросы к зачету 1. Системные основания решения проблем управления и принятия решений.

2. Научные методы описания объектов в окружающем мире, принцип «бритвы Оккама».

3. Формализация и постановка задач управления.

4. Модель предметной области.

5. Данные, многомерное представление данных и методы их анализа.

6. Эконометрические методы как одно из направлений методов постепенной формализации систем.

7. Разведочный анализ данных (прикладная статистика или анализ данных).

8. Дисперсионный анализ.

9. Регрессионный анализ.

10. Классическая линейная регрессионная модель.

11. Регрессионный анализ при нарушении условий теоремы Гаусса-Маркова или предположения о нормальности.

12. Системы регрессионных уравнений.

13. Модели с дискретными зависимыми переменными.

14. Модели анализа панельных данных.

15. Ковариационный анализ.

16. Кластерный и дискриминантный анализ.

17. Факторный анализ.

18. Анализ временных рядов.

19. Методы интеллектуального анализа данных.

20. Многомерное представление данных: Хранилище данных.

21. Многомерные отчеты и OLAP.

22. Искусственные нейронные сети. Многослойный персептрон.

23. Логистическая регрессия и деревья решений.

24. Ассоциативные правила.

6.6. Рекомендуемая литература для самостоятельного изучения отдельных тем (вопросов) Приводится в УМК дисциплины.

7. Учебно-методическое и информационное обеспечение дисциплины 7.1. Рекомендуемая литература Основная учебная 1. Айвазян С.А., Мхитарян В.С. (2001). Прикладная статистика и основы эко-нометрики. Издание 2-е. Том 1: Теория вероятностей и прикладная статистика. М.:

Юнити. — 656 с. Том 2: Основы эконометрики. М.: Юнити. — 432 с.

2. Айвазян С.А., Мхитарян В.С. (2001). Прикладная статистика в задачах и упражнениях. — М.: Юнити. – 432 с.

3. Бабешко Л.О. Основы эконометрического моделирования: Учебное пособие. М.:КомКнига, 2006. – 428 с.

4. Бабешко Л.О. Введение в эконометрическое моделирование: Учебное пособие. - М.:

URSS,2006. – 432с.

5. Барсегян А.А. Технологии анализа данных: DataMining,VisualMining, TextMining,OLAP/ А.А. Барсегян, М.С. Куприянов, В.В.Степаненко [и др.].– 2–е изд., БХВ–Петербург, 2007.– 6. Берндт Э. Практика эконометрики: классика и современность. – М.: ЮНИТИ, 2005.

7. Бондаренко П.С. Компьютерный анализ социально-экономических данных /П.С.

Бондаренко, А.М. Ляховецкий, А.Е. Жминько, С.А. Кацко, А.Е. Сенникова – методические указания для студентов. КубГАУ – 2011, 80 с.

8. Бывшев В.А. Эконометрика: Учебное пособие.– М.: «Финансы и статистика», 2008.

9. Доугерти К. Введение в эконометрику: Учебник: Пер. с англ. – М.: ИНФРА-М.,2010.

10. Елисеева И.И. и др. Эконометрика: Учебник.– М.: «Финансы и статистика», 2006.

11. Елисеева И.И. и др. Практикум по конометрике: Учебное пособие.– М.: «Финансы и статистика», 2008.

12. Кацко И.А. Практикум по анализу данных на компьютере / И.А. Кацко, Н.Б. Паклин. Под редакцией Г.В. Гореловой. М.: КолосС, 2009. – 278 с.

13. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – 14. Ратникова Т.А. Введение в эконометрический анализ панельных данных. ЭЖ ВШЭ, 15. Ратникова Т.А. Анализ панельных данных в пакете STATA. Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных». М.: ГУ-ВШЭ, 2005.

Дополнительная учебная:

Андерсон Т. (1963). Введение в многомерный статистический анализ. М.: Физматгиз.

Кремер Н.Ш., Путко Б.А. Эконометрика. - М.:ЮНИТИ-ДАНА, 2002. - 311 с.: ил.

3. Verbeek M.(2003), A Guide to Modern Econometrics, John Wiley and Sons Johnston J. And Dinardo J. (1997), Econometrics Methods, 4 th edition, McGrow-Hill.1.

William H. Green. Econometric analysis. - Upper Saddle River, New Jersey, 2008. – 7.2. Учебно-методическое обеспечение дисциплины В целях усвоения студентами разделов и тем статистики на кафедре используются следующие методические разработки:

1. Бондаренко П.С. Компьютерный анализ социально-экономических данных /П.С.

Бондаренко, А.М. Ляховецкий, А.Е. Жминько, С.А. Кацко, А.Е. Сенникова – методические указания для студентов. КубГАУ – 2011, 80 с.

2. Кацко И.А. Практикум по анализу данных на компьютере / И.А. Кацко, Н.Б. Паклин. Под редакцией Г.В. Гореловой. М.: КолосС, 2009. – 278 с.

7.3. Пакеты прикладных программ для проведения практических занятий 1. Excel;

2. STATISTICA 3. Deductor 7.4. Интернет-ресурсы 3 www.russianeconomy.ru 4 www.budgetrf.ru 5 www.uisrussia.msu.ru

РОССИЯ

9 www.matrix-info.ru 10 www.raexpert.ru 11 www.fitchratings.ru 12 www.moodys.com 14 www.akmrating.ru 15 www.standardandpoors.com/ru_RU 16 www.rusratings.ru 17 www.statosphere.ru 8. Материально-техническое обеспечение дисциплины Для проведения практических занятий в распоряжении преподавателей и студентов имеются:

1) персональные компьютеры (7 шт.);

2) сканеры (2 шт.);

3) принтеры (5 шт.);

4) ксероксы (2 шт.);

5) библиотечный фонд кафедры, включающий:

а) учебную литературу по статистике;

б) раздаточный материал к практическим занятиям;

6) за кафедрой закреплена аудитория № 403 (НОТ) со следующим набором оборудования:

- рабочая станция- 14 шт;

- сервер для класса – 1 шт;

- проектор BenQ Mx613 ST -1 шт.

Авторы рабочей программы: Кацко И.А., доктор экон. наук, профессор;