《可视化智能管理》课程教学大纲.docx

《可视化智能管理》教学大纲

课程编号英文名称：VisualIntelligentManagement

学分：2.5

学时：总学时48学时，其中理论32学时，实践16学时

先修课程：管理学、管理信息系统、战略管理

课程类别：专业方向课程（选修）

授课对象：工商管理专业学生

教学单位：商学院

修读学期：第5学期

一、课程描述和目标

《可视化智能管理》通过对企业组织生产经营活动过程中的数据进行整理、分析、挖掘、提炼和可视化，进一步转换为知识，促进企业决策流程管理的智能化，是数据可视化应用理论与智能管理理论相结合的一门课程。本课程的基本内容一方面是要介绍可视化智能管理的基本概念、基本特点和功能，以及数据可视化所需要的技术基础；另一方面是要介绍可视化智能管理系统的应用与开发的基本思想和方法，包括可视化智能管理系统规划、设计、实施和运行管理各阶段的基本技能和方法手段。

通过本课程学习，从一些基础的可视化智能管理方法开始，逐渐延伸到可视化技术，其目标是培养学生掌握可视化智能管理的方法和技术，能够独立完成可视化智能管理工作，使工商管理专业学生在数据可视化专业知识、智能管理能力和综合素质等方面达到工商管理专业人才培养目标。

课程目标1：专业知识方面。通过本课程的学习，要求学生理解可视化智能管理的基本概念、基本特点和功能，以及数据可视化所需要的技术基础；掌握数据可视化分析的基本方法和步骤，能够洞悉数据背后的意义，进行数据可视化分析，发现数据中的规律以及从数据中获得价值的问题，并能灵活运用到智能管理实践中。

课程目标2：专业能力方面。通过本课程的学习，要求学生掌握学习大数据可视化的相关知识，学会可视化的相关关键技术；通过课堂讨论和作业、以及实验实践环节，提高学生在实践中学会可视化分析的能力，为更深入地学习和今后的实践打下良好的基础。

课程目标3：综合能力和素质方面。通过本课程的学习，要求学生能提高可视化和智能管理知识的综合运用能力和创新实践能力；利用课堂讲授、案例分析、研讨、实验等多种手段提高学生的专业素养，培养学生的综合素质。

二、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

2-1适应与抗压能力

课程目标1、3

H

2-6持续学习能力

课程目标1、2

H

3-2科学运营管理能力

课程目标2、3

H

4-1组织协同能力

课程目标2、3

H

4-2资源整合能力

课程目标1、3

H

三、教学内容、基本要求与学时分配

序号

教学内容

基本要求及重、难点（含德育要求）

学时

教学

方式

对应课程目标

1

可视化和智能管理概述

要求学生理解可视化、智能管理的概念其之间的关系，了解可视化的作用、分类、发展历史、未来的挑战和发展方向；基于智能管理专业知识，掌握对大数据环境下的复杂数据可视化问题的解决方法进行有效分析、表达方法和可视化的技能。

4

讲授

讨论

练习

课程目标1、2、3

2

可视化智能管理的技术基础

要求学生理解可视化智能管理的技术基础、分析技术和处理方法，理解商业数据可视化的特点、基本设计原则以及应用场景，了解商业数据可视化通用流程，理解可视化中数据的多种存储方式及其特点，理解并能够简单运用数据可视化设计原则和方法；理解可视化智能管理的概念，掌握智能管理的架构体系，了解主流的智能管理软件产品的相关技术基础。

4

讲授

讨论

课程目标1、2、3

3

信息可视化

理解信息可视化的重要组成要素与制作原则，掌握一定的挖掘数据、分析数据、设计数据以及展示数据的可视化能力，掌握使用图形设计等工具解释数据的可视化能力，掌握挖掘数据从“可视”到“可用”的提升能力，通过信息可视化，了解当前智能管理系统的可视化数据应用和状况。

4

讲授

讨论

案例

课程目标1、2、3

4

数据分析与可视化处理

掌握数据分析的基本概念、数据分析方法、数据的处理、数据展示、数据可视化报告的分析处理方法；学会正确的分析、归纳的思维方式和思考习惯，了解有关数据可视化软件的使用，提高实际操作的应用能力；具有大数据可视化的设计和可视化开发的能力，能够洞悉数据背后的意义；能够用数理统计的工具进行数据可视化分析，发现数据中的规律，以及从数据中获得价值的问题，并能灵活运用到智能管理实践中。

6

讲授

讨论

案例

课程目标1、2、3

5

制造业智能运营管理可视化

掌握制造业全过程的生产可视化、物控可视化、成本可视化、质量可视化等各个阶段的运营管理可视化特点、要求和方法应用；了解制造业从接单、设计到生产，从采购到品控，应用数据可视化工具实现全面数据化、可视化，辅助制造企业真正实现数据化运营管理；使用数据可视化工具进行制造业数据分析，掌握实现制造业各环节全面可视化的工具，理解开发利用企业数据的方法，提升制造业数据运营决策水平。熟悉制造业企业需要