Перші два курси відбуватиметься спільне навчання. Починаючи з третього курсу студенти можуть обрати один з 3-х напрямків: Business Analysis (BA), Data Science (DS) та Business Intelligence (BI).
Бізнес-аналітик
– це фахівець, який досліджує проблему замовника, шукає рішення і оформлює його концепцію в формі вимог, на які в подальшому будуть орієнтуватися розробники при створенні продукту.
Головним завданням бізнес-аналітика є виявлення і вирішення проблеми бізнесу замовника і вимагає від нього певних знань. Бізнес-аналітик працює з вимогами на всіх етапах життєвого циклу розробки програмного забезпечення і постійно виступає посередником між замовником і командою програмістів.
Робота бізнес-аналітика поділяється на такі етапи:
- Виявлення потреби замовника, аналіз проблеми, яку він хоче вирішити.
- Самостійне або командне формулювання концепції вирішення.
- Формулювання концепції в технічне завдання з конкретними вимогами до майбутнього продукту. Для цього використовуються різні техніки бізнес-аналізу – побудова моделей процесів і структур, прототипи призначеного для користувача інтерфейсу, сценарії застосування. В цей час точно оцінюються працевитрати і тривалість робіт та відбувається спілкування з зацікавленими особами – розробниками, клієнтами, кінцевими споживачами.
- Деталізація кожної вимоги у вигляді специфікацій.
- Консультування програмістів і тестувальників під час розробки продукту, обговорення спірних моментів з замовником.
Data Science
– це наука про методи аналізу даних та отримання з них важливої інформації та знань. В ній використовуються методи та теорії, взяті з багатьох областей математики, статистики, інформатики. Вона тісно пересікається з такими напрямами, як машинне навчання (Machine Learning), науки про мислення (Cognitive Science), технології для роботи з великими даними (Big Data).
Загалом, Data Science – це набір конкретних дисциплін з різних напрямків, що відповідають за аналіз даних і пошук оптимальних рішень на їх основі. Раніше цим займалася тільки математична статистика, потім почали застосовувати машинне навчання і штучний інтелект, які в якості методів аналізу даних до математичної статистики додали оптимізацію і computer science. До кола обов’язків фахівців цієї галузі належать програмування, математичні моделі і статистика. Окрім цього, фахівцям важливо розібратися в тому, що відбувається в предметній галузі (наприклад, у фінансових процесах, біоінформатиці, банківській справі або навіть в комп’ютерній грі).
Користь від аналізу даних можна отримати з усіх більш-менш прикладних галузей, де є достатньо даних. Наприклад, в медицині алгоритми дозволяють більш якісно діагностувати захворювання і призначати план лікування. Управління персоналом можна поліпшити, якщо алгоритми допоможуть заздалегідь виявити, що в колективі почалися проблеми з комунікацією. Завдяки Data Science вже зараз можна автоматизувати прийняття простих рішень – там, де є зрозумілі правила. Наприклад, системи кібербезпеки сьогодні майже цілком працюють на алгоритмах машинного навчання, приймаючи рішення, чи відправляти лист в спам або блокувати як сумнівну транзакцію. Все це виконується на основі вже наявних даних.
Business intelligence
– це методи та засоби для перекладу неопрацьованої інформації в розумну, зручну форму, які використовуються для бізнес-аналізу.
Технології BI опрацьовують великі обсяги неструктурованих даних для стратегічних можливостей бізнесу. Нові можливості та впровадження ефективної стратегії, яка базується на знаннях, можуть забезпечити підприємствам конкурентну перевагу на ринку та довготривалу стабільність. З кожним днем все більше зростає обсяг інформації, що зберігається і аналізується у всіх галузях, при цьому деякі з них можна назвати лідерами. У банках, страхових компаніях, телекомунікаційних компаніях і роздрібній торгівлі обсяг даних для опрацювання обчислюється терабайтами, а від правильності використання цих даних залежить рівень задоволеності клієнтів, а отже і конкурентоспроможність.
Водночас разом з обсягом інформації зростає швидкість її генерації, а також різноманітність, а це потребує стратегічного підходу у впровадженні BI засобів. Адже вибираючи технології для вирішення сьогоднішніх завдань без урахування майбутніх потреб, можна зіткнутися через певний час з їх непридатністю. Ще однією складністю для більшості організацій є низька якість даних, а отже і недостатня достовірність отриманої інформації. Саме тому, вже декілька років поспіль відзначається загальносвітова зацікавленість до впровадження аналітичних додатків та проектів. Тільки зараз BI технології дозволяють автоматизувати збір та аналіз інформації, а також представляти її у зручному вигляді для менеджменту.
Теперішні тенденції розвитку ринку BI-додатків полягають в зростанні галузевої і функціональної спеціалізацій BI платформ, а також до збільшення їх числа. Таким чином, організаціям необхідне чітке розуміння своїх потреб і вибір відповідних BI-додатків, що відповідно до зростання числа користувачів BI-інструментів в організації, це стає все більш і більш актуальним.