(in Polish) Analityka i zarządzanie zbiorami danych

Głównym celem przedmiotu będzie przedstawienie studentom sposobów zarządzania i analizowania danych przy użyciu programu Excel oraz Open Office. Przedstawione zostaną praktyczne aspekty pracy z danymi, które są wykorzystywane w szeroko pojętej praktyce biznesowej. Studenci będą również mieli okazję nauczyć się w jaki sposób analizować dane i opracowywać analityczne wskaźniki HR (np. obliczanie retencji, rotacji, frekwencji).

W ramach przedmiotu zostaną zrealizowane następujące tematy:

1. Podstawowe założenia projektowania działań analitycznych w HR

2. Typy danych

3. Definicje i zarządzanie bazą danych

4. Filtrowanie i Sortowanie danych w Excelu

5. Efektywne łączenie danych

6. Formuły tekstowe, formuły daty w Excelu

7. Walidacja danych w Excelu

8. Analizowanie danych za pomocą warunków

9. Wyszukiwanie i formuły referencyjne

10. Analizowanie danych poprzez tabele przestawne

11. Liczenie wskaźników HRowych (m.in. frekwencja, rotacja, retencja)

12. Wprowadzenie do wizualizacji danych

13. Efektywne wykorzystanie wykresów danych

Bahuguna, P. C., Srivastava, R., & Tiwari, S. (2023). Human resources analytics: where do we go from here? Benchmarking: An International Journal, ahead-of-print(ahead-of-print). https://doi.org/10.1108/BIJ-06-2022-0401

Fitz-Enz, J. (2010). The new HR analytics. American Management Association.

Francuz, P., & Mackiewicz, R. (2007). Liczby nie wiedzą, skąd pochodzą: przewodnik po metodologii i statystyce: nie tylko dla psychologów. Wydawnictwo KUL.

Margherita, A. (2022). Human resources analytics: A systematization of research topics and directions for future research. Human Resource Management Review, 32(2), 100795.

Morawiec - Bartosiuk, A. (2022). Liczby w HR. Matematyczne ramy najbardziej ludzkiej części biznesu. Onepress.

Opatha, H. H. D. P. J. (2020). HR analytics: a literature review and new conceptual model. International Journal of Scientific and Research Publications, 10(6), 130–141.

Wiedza:

Student po zajęciach potrafi poradzić sobie z definiowaniem problemu badawczego / biznesowego, umie wykorzystywać pokazane techniki przetwarzania danych oraz prezentowania danych.

Umiejętności:

Przygotowanie samodzielnej analizy danych oraz zaprezentowanie wniosków w postaci prezentacji.

Postawy:

Student będzie przygotowany do projektowania działań analitycznych w oparciu o Evidenced Based Approach.

Na ocenę "bdb" będą się składać następujące kryteria:

Frekwencja 50%

Test 25% (20 pytań)

Prezentacja case study 25%