Biznes statistikası sahəsində məlumatların toplanması, işlənilməsi, təhlili, nəşri və yayımlanması işlərini gücləndirmək məqsədilə Dövlət Statistika Komitəsinə və İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidmətinə dəstək” Tvinninq layihəsi başa çatıb

• Joint and Marginal Probability

Бизнес статистика

Комплекс мероприятий, направленный на сбор финансово-экономических сведений в области хозяйственной и торговой деятельности предприятия или отрасли.

Систематическое отслеживание основных финансовых показателей дает возможность оценить уровень развития конкретной организации. С ее помощью можно провести сравнительную характеристику нескольких компаний в конкретной сфере производственной деятельности. Бизнес-показатели позволяют проанализировать достижения, оценить сильные и слабые стороны бизнеса, разработать инновационные программы.

Особенности проведения бизнес статистики

На практике бизнес статистика выражается в применении конкретных статистических методов анализа и учета. Они используются для получения сведений как о конкретной фирме, так и о локальном/региональном рынке в целом. Первый этап работы — постановка конкретных целей и задач, определение границ проводимого исследования. Далее следует сбор бухгалтерских сведений, а также бизнес-показателей:

• рентабельность;
• уровень прибыли;
• добавочная стоимость;
• размер оборотного капитала.

Затем получают информацию о лояльности клиентов путем интервьюирования потребителей. Анализ партнеров по бизнесу выявляет данные о степени включенности в конкретные бизнес-процессы, показывая уровень зависимости исследуемой компании от существующих игроков на рынке. Далее полученный статистический материал группируют в блоки и категории для аналитической работы. Обычно полученные статистические данные распределяются по следующим группам:

• инвестиционные издержки;
• маркетинговые сведения;
• бухгалтерские данные;
• потенциальные конкуренты.

Грамотная систематизация подразумевает активное использование статистических таблиц, графиков, индексов и информационных блоков. Заключительный этап — всесторонний анализ структурированных данных, математический подсчет конкретных показателей и подведение итогов.

Показатели в бизнес статистике

• Абсолютные статистические показатели: информационные сведения, которые можно измерить в абсолютных числовых величинах: штуках, килограммах, денежных единицах, человеко-часах, литрах и т. д.
• Относительные статистические показатели: выявляются в результате обработки первичных данных (абсолютных показателей). Они рассчитываются путем математических операций с исходными числовыми данными, благодаря чему удается получить больше статистических сведений.
• Средние статистические показатели: характеризуются максимальной информативностью, поскольку позволяют дать общую оценку тому или иному бизнес-процессу за счет получения усредненных данных. Примеры величин таких статических показателей: среднее арифметическое, среднее хронологическое и среднее геометрическое.

Выводы

Бизнес статистика позволяет дать объективную оценку экономическому и финансовому состоянию компании, выявить проблемы и слабые стороны организации. Данный инструмент активно применяется для исследований как отдельных субъектов предпринимательской деятельности, так и рынков в целом. При работе с бизнес статистикой применяются программные системы и автоматизированные комплексы обработки данных. Это позволяет ускорить процесс и избежать ошибок при подсчете.

“Biznes statistikası sahəsində məlumatların toplanması, işlənilməsi, təhlili, nəşri və yayımlanması işlərini gücləndirmək məqsədilə Dövlət Statistika Komitəsinə və İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidmətinə dəstək” Tvinninq layihəsi başa çatıb

Aprelin 11-də Bakıda “Biznes statistikası sahəsində məlumatların toplanması, işlənilməsi, təhlili, nəşri və yayımlanması işlərini gücləndirmək məqsədilə Dövlət Statistika Komitəsinə və İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidmətinə dəstək” Tvinninq layihəsinin bağlanış mərasiminə həsr olunan konfrans keçirilib.

Konfrans iştirakçıları əvvəlcə Fəxri xiyabana gələrək müstəqil dövlətimizin banisi, xalqımızın ümummilli lideri Heydər Əliyevin xatirəsini yad edib, məzarı önünə əklil qoyublar. Sonra Şəhidlər xiyabanına gedən tədbir iştirakçıları Azərbaycanın müstəqilliyi və ərazi bütövlüyü uğrunda mübarizədə canlarından keçmiş qəhrəman Vətən övladlarının xatirəsini yad ediblər.

Konfransda açılış nitqi ilə çıxış edən Azərbaycan Respublikası Dövlət Statistika Komitəsinin sədri Tahir Budaqov konfrans iştirakçılarını salamlayıb. Bildirib ki, Azərbaycan Respublikasının Prezidenti cənab İlham Əliyevin rəhbərliyi ilə uğurla reallaşdırılan sosial-iqtisadi islahatlar nəticəsində müasir Azərbaycan dünyada inamla inkişaf edən, qlobal maliyyə-iqtisadi böhranlardan uğurla çıxan, özünəməxsus milli inkişaf modelini yaradan dövlətlərdən biri kimi tanınır. Müstəqil və suveren Azərbaycan dövləti postpandemiya və postkonflikt dövründə keyfiyyətcə yeni olan və 2030-cu ilədək dövrü əhatə edən strateji mərhələyə daxil olur. Ölkənin ərazi bütövlüyünün bərpası ilə səciyyələnən yeni strateji dövrdə dərin struktur-institusional islahatlar hesabına yüksək iqtisadi artım mənbələrinin tapılması vasitəsilə Azərbaycan dövlətinin qüdrətinin daha da artırılması, azad edilmiş bölgələrə tarixi qayıdış və əbədi məskunlaşma təmin edilməlidir. Hazırkı mərhələdə əsas məqsədlərdən biri uzunmüddətli perspektivə dinamik sosial-iqtisadi inkişafın dayanıqlığının təmin edilməsidir ki, bu işlərin planlaşdırılmasında, nəticələrin qiymətləndirilməsində və təhlil olunmasında rəsmi statistika xüsusi əhəmiyyət kəsb edir.

Qeyd olunub ki, layihənin məqsədi Azərbaycanda özəl sektorun, o cümlədən kiçik və orta biznesin fəaliyyətinə dair məlumatların toplanması, işlənilməsi, təhlili, nəşri və yayımlanması sahəsində yerli mütəxəssislərin potensialının artırılması, statistik biznes reyestrlərinin təkmilləşdirilməsi və istifadəçilərin biznes statistikasına olan tələbatı nəzərə alınmaqla biznes statistikasının metodologiyasının Avropa İttifaqının standartlarına uyğunlaşdırılması məqsədilə Dövlət Statistika Komitəsinin və İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidmətinin potensialının artırılmasından ibarət olmuşdur. Tvinninq layihəsinin icrasına 2020-ci ilin iyun ayından başlanılmış və 3 komponentdən ibarət olan layihə 22 ay davam etməklə tam icra edilmişdir.

Dövlət Statistika Komitəsinin Avropa İttifaqı ilə əməkdaşlığı çərçivəsində daha öncə iki Tvinninq layihəsinin və bir texniki yardım layihəsinin həyata keçirildiyini xatırladan T.Budaqov milli hesablar, müşahidə olunmayan iqtisadiyyat, biznes statistikası və istehsalçı qiymətləri indeksi sahələrinin Avropa standartlarına çatdırılmasına həsr olunmuş birinci Tvinninq layihəsi, statistik keyfiyyətin idarə olunması sisteminin və coğrafi informasiya sistemi vasitəsilə statistik məlumatların yayımlanmasının təkmilləşdirilməsi, əhalinin gəlirləri və həyat şəraiti, əlillik, turizm sahələrində rəsmi statistikanın Avropa standartlarına uyğunlaşdırılması məsələlərini əhatə etmiş ikinci Tvinninq layihəsi haqqında qısa məlumat vermişdir.

Bildirilib ki, COVID-19 pandemiyası ilə əlaqədar olaraq “Biznes statistikası sahəsində məlumatların toplanması, işlənilməsi, təhlili, nəşri və yayımlanması işlərini gücləndirmək məqsədilə Dövlət Statistika Komitəsinə və İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidmətinə dəstək” layihəsi çərçivəsində nəzərdə tutulmuş tədbirlərin bir qismi onlayn formatda həyata keçirilmişdir. 2021-ci ilin sentyabr ayının 9-dan etibarən isə layihənin Rezident Tvinninq Müşaviri Dövlət Statistika Komitəsində fəaliyyətinə başlamış, xarici ekspertlərin Azərbaycana səfərləri təşkil olunmuş, ölkə mütəxəssislərinin layihə üzrə tərəfdaş ölkələrə təlim səfərləri baş tutmuşdur. Pandemiya ilə əlaqədar baş verən problemlərin olmasına baxmayaraq layihə çərçivəsində qarşıya qoyulan məqsədlərə nail olunmuşdur. Belə ki, İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidməti ilə Dövlət Statistika Komitəsi arasında mövcud olan məlumat mübadiləsinin keyfiyyətinin yaxşılaşdırılması üçün konkret tədbirlər həyata keçirilmiş, biznes statistikasının, o cümlədən kiçik və orta biznes üzrə statistikanın məzmunu və təşkili prosesləri yenilənmiş və Dövlət Statistika Komitəsinin, İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidmətinin və Kiçik və Orta Biznesin İnkişafı Agentliyinin işçilərinin biznes statistikası sahəsində məlumatların toplanması, işlənilməsi, təhlili, nəşri və yayımlanması ilə bağlı potensialı artırılmışdır.

Konfransda Azərbaycan Respublikasının İqtisadiyyat Nazirliyi yanında Dövlət Vergi Xidmətinin rəisi cənab Orxan Nəzərli, KOBİA-nın İdarə heyətinin sədri cənab Orxan Məmmədov, Avropa İttifaqının Azərbaycandakı nümayəndəliyinin Əməkdaşlıq şöbəsinin rəhbəri cənab Viktor Bojkov, Dünya Bankının Azərbaycan üzrə nümayəndəliyinin rəhbəri xanım Sara Maykl, Finlandiya Respublikasının Azərbaycan Respublikasındakı fövqəladə və səlahiyyətli səfiri xanım Kirsti Narinen, Litva Respublikasının Azərbaycan Respublikasındakı fövqəladə və səlahiyyətli səfiri cənab Egidijus Navikas, Niderland Krallığının Azərbaycan Respublikasındakı fövqəladə və səlahiyyətli səfiri xanım Pauline Eizema, Finlandiya Statistika İdarəsinin Baş direktoru cənab Markus Sovala, Litva Statistika Departamentinin Baş direktoru xanım Jurate Petrauskiene çıxış ediblər.

Sonra Finlandiya Statistika İdarəsinin əməkdaşları xanım Hannele Orjala, cənab Ville-Matti Pilvio, Litva Statistika Departamentinın əməkdaşı xanım Raimonda Simiene, Niderland Mərkəzi Statistika Bürosunun əməkdaşı cənab Guus van de Burgt, Dövlət Statistika Komitəsinin əməkdaşları cənab Qasım Əliyev və Nuru Süleymanovun layihə komponentləri üzrə görülmüş işlər haqqında təqdimatları nümayiş olunub.

Konfransda dövlət qurumlarının nümayəndələri ilə yanaşı, Azərbaycanda akkreditə olunmuş bir sıra səfirlik və beynəlxalq təşkilatların rəhbərləri, xarici ölkələrin statistika qurumlarının təmsilçiləri, Dövlət Statistika Komitəsi yanında Statistika Şurasının üzvləri də iştirak etdilər.

Business Statistics

Biznes statistikası təlimi müasir data əsaslı şirkətlərdə çalışan əməkdaşların bilməli olduğu ən vacib məqamları özündə birləşdirir.

Təlim haqqında

Biznes statistikası təlimi müasir data əsaslı şirkətlərdə çalışan əməkdaşların bilməli olduğu ən vacib məqamları özündə birləşdirir. Təlim biznes datalarının analizi zamanı lazım olan statistik mövzuları əhatə etməkdədir. Bu bilik və bacarıqlar sayəsində biznesin müxtəlif hissələrində rastlanılan situasiyalarda data üzərindən qərarvermə bacarıqlarına sahib olacaqsınız.
Nəzəri-praktiki təlim sonunda:
1. Təsviri, Nəticəvi və Diaqnostik statistik analiz texnikalarını mənimsəmiş olacaqsınız;
2. Praktiki izahlar və tapşırıqlar nəticəsində sərbəst şəkildə R ilə analizlər etməyi bacaracaqsınız;
3. Real biznes keyslərinə data-əsaslı yanaşma baxışını özünüzdə formalaşdıracaqsınız.

Təlimçi haqqında

Kamal Mirzəyev, Qafqaz Universiteti İqtisadiyyat və İdarəetmə fakültəsinin bakalavr dərəcəsini kafedra birincisi və fərqlənmə diplomu ilə bitirmişdir. Avropa Birliyinin Erasmus KA1+ proqramı çərçivəsində İtaliyanın L`Aquila unversitetində təhsil almış və universiteti ən yüksək qiymətlərlə tamamlamış eyni zamanda UNEC-də Strateji İdarəetmə ixtisası üzrə magistr dərəcəsini fərqlənmə diplomu ilə tamamlamışdır. Hazırda ÜNEC-də doktorantura təhsilini davam etdirir.

Kamal Mirzəyev bir çox şirkətlərdə Data Analitikası üzrə baş mütəxəsis, şöbə rəhbəri və departament rəhbəri vəzifələrində çalışmışdır. Hal-hazırda Azərbaycan Kredit Bürosunda “Data Analytics and Predictive Modelling”-in rəhbəri vəzifəsində çalışır və universitetlərdə tədris prosesini həyata keçirir.

Təlimin metodu

Təlim müddətində iştirakçılar yalnız nəzəri bilikləri deyil, həmçinin praktiki tapşırıqlarla mövzuları daha effektiv mənimsəyəcəklər. Təlim iştirakçıları müxtəlif keyzlər üzərində praktiki olaraq işləyəcəklər. Həmçinin, hər dərsin sonunda ev tapşırıqları ilə keçilən mövzular daha da möhkəmləndiriləcək. Təlimin sonunda iştirakçılar öyrəndikləri bacarıqları tətbiq edərək onlara verilmiş proyekt üzərində işləyəcəklər. Təlim proqramı ərzində iştirakçılara mentorluq dəstəyi də göstəriləcək. Dərslərə davamiyyət və keçirilən testlərin nəticələrinə əsasən iştirakçılar sertifikatla təmin olunacaqdır.

Təlimin auditoriyası

Data Science, Data Analitikası, Biznes Analitikası, Müştəri Əlaqələrinin İdarə Olunması (CRM), Marketing Research, Maliyyə Analitikası və Risklərin İdarə Olunması kimi sahələrdə çalışmaq istəyənlər və çalışanlar.

Təlimin proqramı

Introduction to Statistics

• Introduction to Business Statistics
• Different Types of date for Business Statistics
• Basic Statistical Concepts

R Fundamentals for Analyzing and Interpret Row Data

• Install R and R Studio and engage in a basic R session
• Be able to read in data and write out data files from various sources
• Create and execute their own user-defined functions in an R session
• Understand the characteristics of different data types and structures in R
• Sort, select, filter, subset, and manipulate tables of data in R
• Understand how to use the apply() family of functions to execute various actions against different R data structures
• Know how to use reshaping and recoding “short cuts” for changing data types and for rearranging data structures
• Basic visualization and share reports in R

Applying Descriptive and Diagnostic Statistics in Real Business

Visualizing and Exploring Data (EDA)

• Defining and collecting data

• Organizing and visualizing variables

• Chart absolute frequency, relative frequency, cumulative absolute frequency and cumulative relative frequency histograms.

• Categorical and numerical variables measurement levels

• Tables and charts, cross tables, pie charts, pareto diagrams

• Histograms and ogives, shape of a distribution, stem-and-leaf displays, scatter plots

Descriptive Statistical Measures for Business

• Measures of Location, Arithmetic Mean, Median, Mode, Midrange

• Using Measures of Location in Business Decisions

• Measures of Dispersion, Range, Interquartile Range, Variance,

• Standard Deviation, Chebyshev’s Theorem and the Empirical Rules

• Standardized Values, Coefficient of Variation

• Measures of Shape

Probability Distributions

• Probability Rules and Formulas

• Joint and Marginal Probability

• Random Variables and Probability Distributions

• Discrete Probability Distributions

• Expected Value of a Discrete Random Variable

• Using Expected Value in Making Decisions

• Variance of a Discrete Random Variable

• Bernoulli, Binomial, and Poisson Distribution

• Continuous Probability Distributions

• Properties of Probability Density Functions

• Standard Normal Distribution

• Using Standard Normal Distribution Tables

• Other Useful Distributions

Sampling and Estimation for Decision Making

• Estimating Population Parameters

• Errors in Point Estimation

• Understanding Sampling Error

• Sampling Distribution of the Mean

• Applying the Sampling Distribution of the Mean

• Confidence Interval for the Mean with Known Population Standard Deviation

• Confidence Interval for the

• Mean with Unknown Population Standard Deviation

• Confidence Interval for a Proportion

• Additional Types of Confidence Intervals

• Using Confidence Intervals for Decision Making

• Confidence Intervals and Sample Size

Statistical Inference for Data Mining

• Hypothesis Testing, Hypothesis-Testing Procedure

• One-Sample Hypothesis Tests

• Understanding Potential Errors in Hypothesis Testing

• Selecting the Test Statistic

• Two-Tailed Test of Hypothesis for the Mean, p-Values

• One-Sample Tests for Proportions

• Confidence Intervals and Hypothesis Tests

• Two-Sample Hypothesis Tests

• Two-Sample Tests for Differences in Means

• Two-Sample Test for Means with Paired Samples

• Test for Equality of Variances

• Analysis of Variance (ANOVA)

• Assumptions of ANOVA

• Chi-Square Test for Independence

• Cautions in Using the Chi-Square Test

Statistical Decision Making under Uncertainty for Business with real cases

Trendlines and Regression Analysis with Data

• Modeling Relationships and Trends in Data

• Simple Linear Regression

• Finding the Best-Fitting Regression Line

• Simple Linear Regression with Excel

• Regression as Analysis of Variance

• Testing Hypotheses for Regression Coefficients

• Confidence Intervals for Regression Coefficients

• Residual Analysis and Regression Assumptions

• Multiple Linear Regression

• Building Good Regression Models

• Correlation and Multicollinearity

• Practical Issues in Trendline and Regression Modeling

• Regression with Categorical Independent Variables

• Categorical Variables with More Than Two Levels

• Capstone project with real business cases

Forecasting Techniques for Business

• Statistical Forecasting Models

• Forecasting Models for Stationary Time Series

• Moving Average Models

• Error Metrics and Forecast Accuracy

• Exponential Smoothing Models

• Forecasting Models for Time Series with a Linear Trend

• Double Exponential Smoothing

• Regression-Based Forecasting for Time Series with a Linear Trend

• Forecasting Time Series with Seasonality

• Regression-Based Seasonal Forecasting Models

• Selecting Appropriate Time-Series-Based Forecasting Models

• Regression Forecasting with Causal Variables

• Capstone project with real business cases

Monte Carlo Simulation and Risk Analysis Process

• Defining Uncertain Model Inputs Defining Output Cells

• Running a Simulation, Viewing and Analyzing Results

• New-Product Development Model

• Confidence Interval for the Mean

• The Flaw of Averages

• Monte Carlo Simulation Using Historical Data

• Monte Carlo Simulation Using a Fitted Distribution

• Capstone project with real business cases

Statistical Decision Analysis for Driving Consumer Experience.

• Bank Customers based on real time interactions and streaming analytics with real business cases

Statistical Clustering Analysis for Customer Behavioral Segmentation

• Bank Customers based on behavioral actions with real business cases