Datu analītiķa darbs MI laikmetā: jaunais cilvēka un MI sadarbības modelis
Kursa mērķis
Attīstīt dalībnieku spēju kritiski pārskatīt un pārveidot datu analītiķa darbu MI laikmetā, veidojot jaunu cilvēka, MI asistentu, MI aģentu un automatizētu procesu sadarbības modeli.
Dalībnieki analizē, kā organizēt datu analīzi, ja MI iespējas tiek iestrādātas jau no paša sākuma – no biznesa jautājuma un datu sagatavošanas, līdz uzticamiem secinājumiem un atbalstam lēmumu pieņemšanā. Dalībnieki izvērtē uzdevumu, lēmumu un atbildības sadalījumu, nosakot, kur MI var darboties patstāvīgi, kur nepieciešama sadarbība un kur saglabājams cilvēka profesionālais spriedums, kritiskā pārbaude un atbildība. Darbnīcas rezultātā dalībnieki izveido un praktiski pārbauda sadarbības modeli, apzina datu analītiķa lomas un kompetenču izmaiņas un nosaka modeļa izmēģināšanas iespējas savā organizācijā.
Mērķauditorija
Darbnīca paredzēta profesionāļiem ar praktisku pieredzi datu analīzē, kuru uzdevums ir pārskatīt un uzlabot datu analīzes procesus un datu analītiķu daru organizācijā, balstoties uz MI iespējām.
Datu analītiķi
BI speciālisti un analītiķi
Speciālisti, kuri regulāri sagatavo analītiskus secinājumus, pārskatus un atbalsta informāciju lēmumu pieņemšanai
Pieredzējuši profesionāļi, kuri piedalās analītikas darba procesu veidošanā vai pilnveidošanā
Kursa mērķis
Attīstīt dalībnieku spēju kritiski pārskatīt un pārveidot datu analītiķa darbu MI laikmetā, veidojot jaunu cilvēka, MI asistentu, MI aģentu un automatizētu procesu sadarbības modeli.
Dalībnieki analizē, kā organizēt datu analīzi, ja MI iespējas tiek iestrādātas jau no paša sākuma – no biznesa jautājuma un datu sagatavošanas, līdz uzticamiem secinājumiem un atbalstam lēmumu pieņemšanā. Dalībnieki izvērtē uzdevumu, lēmumu un atbildības sadalījumu, nosakot, kur MI var darboties patstāvīgi, kur nepieciešama sadarbība un kur saglabājams cilvēka profesionālais spriedums, kritiskā pārbaude un atbildība. Darbnīcas rezultātā dalībnieki izveido un praktiski pārbauda sadarbības modeli, apzina datu analītiķa lomas un kompetenču izmaiņas un nosaka modeļa izmēģināšanas iespējas savā organizācijā.
Mērķauditorija
Darbnīca paredzēta profesionāļiem ar praktisku pieredzi datu analīzē, kuru uzdevums ir pārskatīt un uzlabot datu analīzes procesus un datu analītiķu daru organizācijā, balstoties uz MI iespējām.
Datu analītiķi
BI speciālisti un analītiķi
Speciālisti, kuri regulāri sagatavo analītiskus secinājumus, pārskatus un atbalsta informāciju lēmumu pieņemšanai
Pieredzējuši profesionāļi, kuri piedalās analītikas darba procesu veidošanā vai pilnveidošanā
Tehnoloģijas
MĀCĪBU NORISE
20% teorija un 80% prakse
Jauna pieeja! Darbnīca balstīta uz kopīgu izpēti, profesionālās pieredzes apmaiņu, eksperimentiem un analītiskā darba modeļa projektēšanu.
Pasniedzējs darbojas kā procesa moderators un profesionālās diskusijas partneris. Dalībnieki kopā ar pasniedzēju analizē MI iespējas un ierobežojumus, praktiski pārbauda dažādus darba sadalījuma scenārijus un veido savam profesionālajam un organizācijas kontekstam piemērotu modeli. Darbnīcā datu analītiķa darbs tiek skatīts kā iteratīvs process, iekļaujot šādus posmus: problēma / biznesa jautājums, dati, analīze, interpretācija, secinājums, pārbaude, komunikācija, atbalsts lēmuma pieņemšanai.
e-CF 4.1
E.1. Forecast Development – L.3
D.7. Data Science and Analytics – L.4
DigComp 3.0
1.2. Informācijas novērtēšana (augsts līmenis)
1.3. Informācijas pārvaldība (augsts līmenis)
Caurviju kompetences
Kritiskā domāšana
Sistēmiskā domāšana
Problēmu risināšana
Sadarbība komandā
Starpfunkcionālā komunikācija
Atbildības uzņemšanās
Pielāgošanās pārmaiņām
Nepārtraukta mācīšanās un pilnveide
E-kompetences un caurviju kompetences
E-kompetences un caurviju kompetences
e-CF 4.1
E.1. Forecast Development – L.3
D.7. Data Science and Analytics – L.4
DigComp 3.0
1.2. Informācijas novērtēšana (augsts līmenis)
1.3. Informācijas pārvaldība (augsts līmenis)
Caurviju kompetences
Kritiskā domāšana
Sistēmiskā domāšana
Problēmu risināšana
Sadarbība komandā
Starpfunkcionālā komunikācija
Atbildības uzņemšanās
Pielāgošanās pārmaiņām
Nepārtraukta mācīšanās un pilnveide
Priekšzināšanas
Vēlama praktiska pieredze datu analīzē un vismaz viena analītikas rīka vai vides, piemēram, Excel, Power BI, SQL, Python vai līdzvērtīga risinājuma izmantošanā.
Dalībniekam nepieciešama pamata praktiskā pieredze darbā ar ģeneratīvo MI – spēja formulēt uzdevumus MI, strādāt ar to dialogā un kritiski izvērtēt iegūtos rezultātus.
Pirms darbnīcas dalībniekiem jāveic neliels sagatavošanās uzdevums – pa soļiem jāapraksta viena tipiska analītiskā uzdevuma izpilde no sākotnējā biznesa jautājuma līdz gala secinājumam, atskaitei vai lēmuma atbalstam.
Sertifikācija
Šajā programmā sertifikācija nav iekļauta.
Kursa tēmas
Datu analītiķa darbs MI laikmetā – ko mēs patiesībā pārveidojam?
Cilvēka un MI darba robežu pārskatīšana datu analīzes procesā
MI aģenti datu analīzes sistēmā
Cilvēka un MI datu analīzes modeļa projektēšana
MI atbalstīta un aģentiska datu analīzes scenārija prototipēšana
Analītiskā darba modeļa pārbaude – vai mēs varam uzticēties rezultātam?
Datu analītiķa jaunā loma un sagatavošanās eksperimentam organizācijā
Mācīšanās rezultāti
Pēc darbnīcas dalībnieki spēs:
Pārveidot datu analīzes procesu no biznesa jautājuma līdz pamatotiem secinājumiem un lēmumu atbalstam
Izvērtēt cilvēka pievienoto vērtību un sadalīt uzdevumus starp cilvēku, MI asistentiem, aģentiem un automatizētiem procesiem
Definēt MI aģenta mērķi, nepieciešamos datus, zināšanas, rīkus, pilnvaras, darbības robežas un kvalitātes kritērijus
Izveidot cilvēka un MI sadarbības modeli un praktiski prototipēt izvēlētu datu analīzes scenāriju
Pārbaudīt MI veikto datu apstrādi, aprēķinus, vizualizācijas un interpretācijas, atpazīstot arī tehniski korektus rezultātus ar nepamatotiem secinājumiem
Nodrošināt rezultātu izsekojamību un noteikt cilvēka pārbaudes, kontroles un iesaistes punktus
Izvērtēt datu analītiķa lomas un kompetenču pārmaiņas un risku zaudēt izpratni par MI uzticēto analītisko darbu
Sagatavot eksperimenta plānu jaunā sadarbības modeļa pārbaudei savā organizācijā
