EPN-V2

ØABED2200 Business Analytics Course description

Course name in Norwegian
Business Analytics
Study programme
Bachelor Programme in Business Administration and Economics
Oslo Business School, Exchange Programme
Weight
7.5 ECTS
Year of study
2020/2021
Curriculum
SPRING 2021
Schedule
Course history

Introduction

Emnet gir en innføring i hvordan kvantitative analyser kan brukes som verktøy for verdiskaping i en virksomhet. Vi analyserer flere forskjellige typer bedriftsøkonomiske beslutningsproblemer ved hjelp av matematiske modeller og dataverktøy. Vi vil hele tiden vektlegge tolkning av analyseresultater, samt implikasjoner for økonomisk styring og planlegging.

Eksempler på typer beslutningsproblem:

*Hvordan sette opp en effektiv bemanningsplan når behovet for arbeidskraft varierer over tid?

*Hvordan utforme en optimal transportplan for en forsyningskjede?

*Hvordan velge lokalisering av produksjon og lager i en forsyningskjede?

*Hvordan sette opp en investeringsplan med krav til forventet avkastning og diversifisering?

*Hvordan lage etterspørselsprognoser basert på historiske data?

*Hvordan sesongjusterer vi en boligprisindeks?

*Hvordan kan vi bruke simulering for å bedre forstå variasjonen i et prosjekts kontantstrøm over forskjellige mulige scenario?

*Hvordan du kan bruke statistikkverktøy til å identifisere mønstre i store datamengder («Big Data»).

Recommended preliminary courses

Forkunnskaper tilsvarende Matematikk 1. Emnet er et grunnleggende verktøyfag for en rekke bedriftsøkonomiske fag og for revisjonsfagene i 3. året ved Revisorstudiet. Det gir også nødvendig bakgrunn for kurset Samfunnsvitenskapelig metode.

Required preliminary courses

Studenten tilegner seg her det nødvendige grunnlaget i sannsynlighetsregning og statistikk for andre emner i studiet. Studenten skal få analytisk innsikt, og det legges vekt på å vise anvendelser av sannsynlighetsregning og statistisk metode innen et bredt spekter av problemstillinger knyttet til det økonomisk-administrative fagområdet.

Learning outcomes

Ingen forkunnskapskrav.

Teaching and learning methods

Kunnskaper

Studenten har

  • grunnleggende kunnskap innen sannsynlighetsregning og statistikk slik det anvendes i økonomisk-administrative fag.

Ferdigheter

Studenten kan

  • presentere og tolke statistiske data ved hjelp av sentral- og spredningsmål, frekvensfordelinger og grafiske metoder
  • grunnleggende sannsynlighetsregning inkludert sannsynlighetsmodeller, kombinatorikk, utvalgsmodeller, betingede sannsynligheter, lov om total sannsynlighet, Bayes lov og uavhengighet
  • analysere sannsynlighetsfordelinger og beregne forventning og varians til en stokastisk variabel og til lineærkombinasjoner av stokastiske variable.
  • forstå simultane sannsynlighetsfordelinger inkludert beregning av forventning, varians og kovarians
  • velge sannsynlighetsmodell og regne med diskrete og kontinuerlige sannsynlighetsfordelinger, inkludert Binomisk fordeling, Hypergeometrisk fordeling, Poissonfordeling, Normalfordeling/Normaltilnærming og t-fordeling
  • estimere ukjente parametre, både punktestimering og intervallestimering
  • foreta hypotesetesting i målemodell og binomisk modell og vurdere ulike testmetoder; tolke signifikansnivå, signifikanssannsynlighet og teststyrke
  • anvende og tolke regresjonsanalyse, herunder estimering og hypotesetest av regresjonskoeffisienten og prediksjon
  • beregne og tolke korrelasjonskoeffisienten
  • foreta kjikvadrattester, både modelltesting og test av uavhengighet
  • vurdere forskjeller mellom to grupper, inkludert hypotesetesting

Generell kompetanse

Studenten kan

  • forholde seg til og operasjonalisere usikkerhet.

Course requirements

Tre timer forelesning i plenum per uke. Oppgaveløsing under veiledning av studentassistenter. Regneark eller spesialisert statistisk programvare kan bli benyttet.

Assessment

Ingen arbeidskrav/obligatoriske aktiviteter.

Permitted exam materials and equipment

Individuell skriftlig eksamen under tilsyn på fire timer i slutten av semesteret.

Grading scale

Se egen hjelpemiddelliste som publiseres i god tid før eksamen.

Examiners

Gradert skala A-F.

Course contact person

Ekstern sensor godkjenner eksamensoppgavene og vil sammen med intern sensor sensurere eksamensbesvarelsene.