Курс состоит из кейсов по прикладному анализу машинночитаемых данных, основам информационных систем в корпоративном секторе и изменению структуры рынка финансовых услуг.
Также предлагается ряд занятий, позволяющих приобрести дополнительные компьютерные технические навыки.
Текущее наполнение: ~ 20 часов.
-
доступность данных и вычислений вне традиционных корпоративных ИТ систем создают возможности для новых бизнес-решений и процессов;
-
цифровых инноваций много и их сложно оценивать;
-
критически важным является повышение личных навыков работы с данными и понимание приницпов работы различных ИТ систем.
- ИТ в госсекторе, госпрограмма "Цифровая экономика"
- экономика "платформ" (Uber)
- защита данных и безопасность
Показываем возможности доступа к машинночитаемым формам отчетности компаний (РСБУ, Росстат) и банков (формы 101, 102).
Решаем задачи по организации выборки данных и анализу финансового состояния групп предприятий и банков. Анализуирем связь показателей предприятий и отраслевой статистической отчетности.
Примеры иллюстрируются файлами Excel и Jupyter Notebooks.
Обсуждается, какие сервисы и услуги можно развить на основе этих данных.
- Что мы автоматизиурем и зачем? Связь между бизнес-процессами и ИТ системами.
- Походы к анализу корпоративной ИТ архитектуры.
- История возникновения и стратегии развития крупнейших поставщиков (SAP, Microsoft, Oracle).
- Что поменялось в регулировании банков (OpenBanking, PSD2) и технологиях.
- Бизнес-модель банков и других финансовых посредников. Сферы появления новых игороков рынка (платежные системы, кредитование)
- Оценка объема рынка финансовых услуг.
- Принипы работы, бибилотеки и коммерческие продукты
- Как измерить успешность внедрения?
- Примеры и кейсы AI. Государственные стартегии в области AI.
- Этические и юридические проблемы
- Конкуренция производственных систем и концепция "Индустрии 4.0" (международный обзор программ промышленной политики)
- Корпоративные расходы на НИОКР и роль расходов на ИТ (кейс по анализу отраслевых и корпоративных расходов на НИОКР)
- Финансовые модели и мониторинг реализации инвестпроектов - возможности цифровизации (кейс по финансовым двойникам)
- Технлогические основы и терминология (распределенный реестр, DLT).
- Сферы и тенденции внедрения: "криптооптимизм" и "криптоусталость", корпоративные и децентрализованные приложения .
- Типы активов:
- криптовалюты (фундаментальная оценка, арбитраж, источники котировок)
- утилитарные токены (доступ к цифровым услугам)
- секьюритизация нецифровых активов
- прочие сферы (коллекционирование и т.д.)
- история разработки
- базовые компоненты
- типовые пользовательские сценарии
- лучшие практики
- базы данных и средства доступа к ним
- средства моделирования
- средства визуализации
- Кейс Visyond
- От исходных данных к результату (data pipelines) https://drivendata.github.io/cookiecutter-data-science
- Примеры проектов в области управления данных в корпоративном секторе, факторы успеха и риски такиx проектов (~ 'why data science fails').
- Основы agile методолоии
- Способы организации распределенных команд
- обзор требований по цифровым навыкам для экономистов
- markdown
- git
- issue tracker (~ jira)
- работа с командной строкой (pandoc)
- сравнение python, R, julia
- Zen of Python
- 1 * 3 * 3, surgical teams