Programmas nosaukums	Lielo datu analītika
Augstskola/Koledža	Biznesa, mākslas un tehnoloģiju augstskola "RISEBA"
Studiju virziens	Ekonomika

LR izglītības klasifikācijas kods (IKK)	45311
EKI/LKI līmenis	7
Izglītības programmas veids	Akadēmiskā izglītība (maģistra grāds), īstenojama pēc bakalaura vai profesionālā bakalaura grāda ieguves. Studiju ilgums pilna laika studijās viens–divi gadi. Kopējais pilna laika studiju ilgums vismaz pieci gadi
Studiju pogrammas saīsinātais nosaukums	Akadēmiskā maģistra studiju programma
Tematiskā grupa	Ekonomika
ISCED kods	0311
ISCED nosaukums	Ekonomika
Studiju programmas apjoms (KP)	60; 80
Iegūstamais grāds	Sociālo zinātņu maģistra grāds ekonomikā
Iegūstamā kvalifikācija
Studiju veids un forma	Pilna laika klātiene
Studiju ilgums	1 gadi, 6 mēneši; 2 gadi
Valoda	latviešu; angļu

Licences numurs	04037-35
Licences datums	10.07.2018
Licences termiņš

Akreditācijas lapas numurs	2021/35
Akreditācijas datums	04.08.2021
Akreditācijas ilgums (gados)	6
Akreditācijas termiņš	05.08.2027

Zināšanas (Z)
1. Ar uzņēmējdarbības datiem saistītajos biznesa procesos.
1.1. Iegūst zināšanas par informācijas tehnoloģijas komponentēm, informācijas sistēmu izstrādes procesu un to pārvaldību uzņēmumā, informācijas sistēmu biznesa prasībām un specifikācijām un apgūst praksi IT infrastruktūras veidošanā uzņēmumā.
1.2. Iegūst zināšanas par prognozēšanas modelēšanas procesiem uzņēmējdarbībā un laika rindām, to nākotnes vērtības prognozēšanu.
1.3. Iegūst zināšanas par riska pārvaldību uzņēmumā, daudzdimensionāliem riskiem (t. sk. operacionālo risku, biznesa nepārtrauktības risku, piegādes ķēžu pātrūkšnas risku, projektu risku, kiberrisku un daudzveidīgiem finanšu riskiem).
1.4. Iegūst padziļinātas zināšanas par statistiskām modelēšanas situācijām, kurās iesaistīti vairāki mainīgie, uzņēmējdarbībā, t.sk. zināšanas multivariāciju statistiskajās metodēs, faktoru analīzē un telpisko un laika datu analīzē, un apgūst prasmi veidot noteiktas vadlīnijas, lai aprakstītu reālās situācijas uzņēmumā.
1.5. Iegūst zināšanas biznesa datu apstrādē uzņēmumā, izmantojot SPSS programmu.
1.6. Iegūst izpratni par jaunākajām vadzinības attīstības tendencēm.
2. Lielo datu pārvaldībā.
2.1. Iegūst zināšanas par lielo datu īpašībām, veidiem, to iegūšanu, vākšanu, datu analītikas mehānismiem, kā arī par datu pārvaldību, datu stratēģijas īstenošanu un pārskatīšanu uzņēmumā, kā arī iepazīstas ar mašīnmācības, izzinošās skaitļošanas, mākslīgā intelekta un industrijas 4.0 pamatiem.
2.2. Iegūst teorētiskas zināšanas darboties ar datiem relāciju datu bāzēs, izmantojot SQL valodu
2.3. Studenti iegūst zināšanas par dažādām datubāzu sistēmām un to pārvaldību, par R valodas izmantošanu darbā ar lielajiem datiem.
2.4. Iegūst zināšanas par dažādām lielo datu iegūšanas (datizraces) metodēm, t. sk. CRISP-DM, klasteru un diskriminantu analīzi, datizraci tīmeklī.
2.5. Iegūst zināšanas par datu pārvaldību un tās dažādām aplikācijām, t. sk. Elasticsearch instrumenta izmantošanu NoSQL datubāzēs, Python valodas pamatiem.
2.6. Iegūst zināšanas par mašīnmācību, izmantojot Python valodu.
2.7. Iegūst zināšanas par dažādām datu vizualizācijas metodēm, tostarp laika noteikto un telpisko datu vizualizācijas tehnikām, datu vizualizācijas dizainiem.
3. Lielo datu izmantošanā jaunās tehnoloģijās un datu drošībā.
3.1. Iegūst zināšanas mašīnmācībā, mašīnmācības algoritmos un Python vispārējam raksturojumam.
3.2. Iegūst praksē izmantojamas mikroekonomikas zināšanas biznesa platformās – pilnīgi jaunos biznesa modeļos uzņēmējdarbībā.
3.3. Iepazīstas ar blokķēžu koncepciju, kas tiek detalizēti izpētīta kopā ar kriptogrāfijas tehnoloģiju atbalstu.
3.4. Iegūst zināšanas par datu drošības un aizsardzības būtību, elektronisko dokumentu aprites organizāciju un dažādiem rīkiem un sistēmām klasificētu datu uzglabāšanai.
Prasmes (P)
1. Ar uzņēmējdarbības datiem saistītajos biznesa procesos.
1.1. Apgūst praksi IT infrastruktūras veidošanā uzņēmumā.
1.2. Apgūst prasmi attēlot laika rindas un prognozēt to nākotnes vērtības, spēj analizēt un veikt ar biznesa optimizāciju saistītas darbības un lēmumu pieņemšanu.
1.3. Apgūst prasmi izveidot dažādus risku pārvaldības modeļus uzņēmumā.
1.4. Apgūst prasmi veidot noteiktas vadlīnijas, lai aprakstītu reālās situācijas uzņēmumā, iegūst prasmi pielietot dažādus stratēģiskus modeļus un instrumentus praksē dažādās biznesa situācijās.
1.5. Iegūst prasmi biznesa datu apstrādē uzņēmumā, izmantojot SPSS programmu.
2. Lielo datu pārvaldībā.
2.1. Apgūst prasmi SQL valodas izmantošanai darbā ar datiem, t. sk. uzņēmējdarbībā.
2.2. Apgūst prasmi izmantot R valodu darbā ar lielajiem datiem.
2.3. Apgūst prasmi pielietot dažādas lielo datu iegūšanas (datizraces) metodes, t.sk. CRISP-DM, klasteru un diskriminantu analīzi, datizraci tīmeklī.
2.4. Apgūst Elasticsearch instrumenta izmantošanu NoSQL datubāzēs.
2.5. Apgūst prasmi pielietot dažādas datu vizualizācijas metodes, t. sk. laika noteikto un telpisko datu vizualizācijas tehnikas, datu vizualizācijas dizainu.
3. Lielo datu izmantošanā jaunajās tehnoloģijās un datu drošībā.
3.1. Apgūst prasmi izmantot atsevišķus mašīnmācības instrumentus (Anaconda, Pandas, Numpy, Matplotib u. c.).
3.2. Apgūst praksi savas lietotnes prototipa izveidē un tās izvietošanā Apple iOS platformā.
3.3. Apgūst dažādas blokķēžu izmantošanas metodes.
2.1. Apgūst prasmi izstrādāt un noformēt normatīvi metodisko materiālu datu drošības organizēšanā.
Kompetences (K)
1. Pārzina dažādas datu (t. sk. lielo datu) iegūšanas, uzglabāšanas, apstrādes, analīzes un vizualizācijas koncepcijas un teorijas, veidus, formas un modeļus, kā arī attiecīgos datu apstrādes instrumentus un to lietošanas iespējas uzņēmējdarbībā.
2. Kā datu speciālists ir spējīgs darboties dažādos uzņēmumu projektos un uzņēmumu vadībā, nepieciešamības gadījumā veidojot sadarbību ar citu nozaru profesionāļiem un integrējot dažādu jomu zināšanas pētnieciskās problēmas risināšanā.
3. Spēj veikt pētniecisko darbību dažādu teoriju un prakses attīstībai saistībā ar datu (t. sk. lielo datu) apstrādi uzņēmumā, lietojot vadzinību iegūtās zināšanas un izmantojot jaunākās informācijas tehnoloģijas un risinājumus.
4. Spējas patstāvīgi formulēt, noteikt un komunicēt savas profesionālās darbības mērķus, lai veiktu jauninājumus savās darbības nozarēs, datu apstrādē un analīzē vai starpdisciplīnu jomās.
5. Demonstrē kritiski analītisku attieksmi, vērtējot mūsdienu ekonomikas procesus, uzņēmējdarbības attīstību un sociālos procesus sabiedrībā.
6. Spēj patstāvīgi apgūt jaunas zināšanas un sekot līdzi IKT un ekonomikas procesu attīstībai pēc studiju beigām, prot radoši tās pielietot pētniecībā un praksē, veicinot savas nozares un tās sociāli ekonomiskās nozīmes attīstību.