კურსის მიზანი

კურსის მიზანია მსმენელი გაეცნოს მონაცემთა დამუშავებისა და ანალიზის ძირითად თეორიულ და პრაქტიკულ მეთოდებს. კურსის დასრულების შემდეგ, მსმენელს შეეძლება დამოუკიდებლად დაგეგმოს მონაცემთა შეგროვება, შეარჩიოს შესაბამისი ანალიზის ტექნიკები (თანაფარდობა, ტენდენცია, რეგრესია), გამოიყენოს გონივრულობის ტესტები და შეძლოს ანალიზზე დაფუძნებული, ვიზუალურად გამართული, ინფორმაციული ანგარიშის/პრეზენტაციის მომზადება.

 დისტანციური კურსის დასრულების შემდეგ კურს დამთავრებული:

• განმარტავს მონაცემთა შეგროვების ძირითად წყაროებს, ტიპებს (რაოდენობრივი/ხარისხობრივი) და მეთოდებს;
• შეარჩევს და გამოიყენებს შესაბამისი შერჩევის მეთოდს (ალბათობითი/არაალბათობითი) კვლევის მიზნის შესაბამისად;
• ახასიათებს გამოკითხვის მეთოდოლოგიას და სხვადასხვა სკალის (ნომინალური, რიგითი, ინტერვალური, თანაფარდობითი) გამოყენების პრინციპებს;
• ახდენს მონაცემების დახარისხებას, გასუფთავებას და წინასწარ დამუშავებას ანალიზისთვის მოსამზადებლად;
• განმარტავს და იყენებს თანაფარდობის, ტენდენციის და რეგრესიული ანალიზის ძირითად პრინციპებს (მაგ. დროითი სერიების ანალიზი);
• აღწერს გონივრულობის ტესტებს (Reality Checks) და პერიოდული შედარებების მეთოდებს;
• აყალიბებს ანალიზის საფუძველზე პროგნოზებს და ახდენს ინფორმაციის შედარებას მსგავს ორგანიზაციულ ერთეულებთან (ბენჩმარკინგი);
• აიდენტიფიცირებს და განმარტავს ანომალიებისა და გადახრების მიზეზებს მონაცემთა ნაკრებში;
• შეარჩევს შესაბამის მონაცემთა ვიზუალიზაციის მეთოდებს (დიაგრამების შერჩევა) და შექმნის ინფორმაციულ სიუჟეტებს (Data Storytelling);
• მოამზადებს ანალიზზე დაფუძნებულ ანგარიშს/პრეზენტაციას პრაქტიკული ინსტრუმენტების (Excel, Google Sheets, Tableu/Power BI) გამოყენებით.

 დისტანციური კურსი მოიცავს შემდეგ თემებს:

• მონაცემთა შეგროვება, შერჩევა და სკალები;
• მონაცემთა წინასწარი დამუშავება და აღწერილობითი ანალიზი;
• ტენდენციისა და რეგრესიული ანალიზი (თეორია);
• ანომალიების იდენტიფიცირება და გონივრულობის ტესტები;
• მონაცემთა ვიზუალიზაცია და ანგარიშგება