Datu lasītprasmes, kritiskās un analītiskās domāšanas pamati

Kursa mērķis ir veidot padziļinātu izpratni par datu lietderību un pārvaldīšanu. Veidot praktiskās iemaņas datu kvalitātes novērtēšanā un biežāk sastopamo problēmu novēršanā, kā arī veidot izpratni par veiksmīgu, uz datiem balstītu lēmumu pieņemšanu- datu analīzes un kritiskās domāšanas pamatiem, datu analīzes rezultātu un to objektivitātes novērtēšanu, nepieciešamo jautājumu uzdošanu un galveno problemātisko situāciju izpratni.

Kurss ir paredzēts uzņēmumu vadītājiem, produktu un pakalpojumu vadītājiem, konsultantiem, projektu vadītājiem un visiem tiem, kuri ir iesaistīti kāda no šiem procesiem:

• datu ievade,
• datu labošana un pārveidošana,
• atskaišu veidošana, datu analīze,
• rezultātu prezentēšana,
• analīzes rezultātu aplūkošana.

Pēc sekmīgas kursa apgūšanas dalībnieki būs spējīgi:

• Analizēt datus (pamatiemaņas datu analīzē).
• Novērtēt datu kvalitāti un novērst biežāk sastopamās problēmas.
• Izvērtēt datu analīzes rezultātus un novērtēt to objektivitāti.
• Pratīs uzdot nepieciešamos jautājumus un argumentēt savu viedokli.

Optimālai dalībai kursā vēlamas Microsoft Excel pamatu zināšanas.

BDA izstrādāti mācību materiāli ar teorijas un praktisko uzdevumu aprakstu latviešu valodā.

Nav paredzēts sertifikācijas eksāmens.

1. Kas ir dati, kāpēc tie nepieciešami, kā tie var sniegt vislielāko labumu un kāda loma tajā ir “data literacy” prasmēm.
2. Datu iegūšanas un uzglabāšanas veidu pārskats. Piemēri par to, kā tie dažādās situācijās sniedz ieguvumus. Datu ieraksti un struktūras – kvalitatīvas datu analīzes veikšanai. Biežāk sastopamās problēmas un to novēršana.
3. Datu kategorizēšana un ar to saistīto analīzes rezultātu piemēri.
4. Datu vizualizācija un tās loma analīzē.
5. Kritiskās domāšanas pamati un biežāk sastopamās problēmas, kas traucē iegūt objektīvus analīzes rezultātus.
6. Biežāk sastopamās problēmas datu vizualizāciju un statistikas izmantošanā.
7. Pamatiemaņas gan analīzes veidotājam, gan analīzes rezultātu lietotājam, lai novērstu problēmas un maldinošu secinājumu iegūšanu.
8. Datu analīzes un statistikas pamati.
9. Datu kopsakarību vai neiederīgu lielumu atrašana. Ar tiem saistīti praktiskie piemēri un risinājumi problemātisku situāciju novēršanai.
10. Izpratne par datu kopas sadalījumu un izmantošanu datu novērtēšanā.
11. Dažādu datu nepilnību atrašana un labošana (piemēram, trūkstošās vērtības vai dublikāti, datu analīzei neparocīga struktūra).