ØABED2200 Business Analytics Course description

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»).

Matematikk, Statistikk, Bedriftsøkonomi, og Finansregnskap med IKT

Ingen forkunnskapskrav.

Studenten skal etter å ha fullført emnet ha følgende totale læringsutbytte definert i kunnskaper, ferdigheter og generell kompetanse:

Kunnskaper

Studenten har

• kunnskap om grunnleggende anvendelse av metodene Beslutningsteori, Lineær Programmering, Simulering, Prediksjonsmodeller, og Data Mining (klassifisering og assosiasjon)
• kunnskap om hvordan kvantitative metoder og optimering kan brukes for å løse bedriftsøkonomiske beslutningsproblemer

Ferdigheter

Studenten kan

• utføre analyser av beslutningsproblemer og treffe beslutninger basert på maximin, minimax, minimax og alternativkostnad
• tegne beslutningstrær og treffe beslutninger basert på disse
• utføre enkel og multippel regresjonsanalyse ved hjelp av relevant programvare og fortolke resultater
• utarbeide prognoser ved hjelp av f.eks. bevegelig gjennomsnitt, eksponensiell glatting og regresjonsanalyse
• formulere problemstillinger som lar seg løse ved hjelp av lineær programmering, samt vurdere skyggepriser og verdien av økt kapasitet
• formulere og løse transportproblemer
• bruke relevant dataverktøy for å løse bedriftsøkonomiske beslutningsproblemer
• implementere enkle simuleringsmodeller i relevant dataverktøy
• gjennomføre data mining (klassifisering og assosiasjonsmetoder) i relevant dataverktøy

Generell kompetanse

Studenten

• har økt numerisk og analytisk kompetanse
• kan reflektere rundt etiske problemstillinger knyttet til bedriftsøkonomiske beslutningsproblem
• kan løse problemer i grupper

Forelesninger og øvinger i grupper. Det legges stor vekt på bruk av dataverktøy i undervisningen.

Ingen arbeidskrav. Ingen obligatorisk aktivitet.

Eksamen i emnet er:

Skoleeksamen på 4 timer avholdes i slutten av semesteret.

Ingen hjelpemidler er tillatt.

Gradert skala A-F.

Det benyttes en intern og en ekstern sensor til sensurering av besvarelsene.

Et uttrekk på minst 25 % av besvarelsene sensureres av ekstern sensor. Karakterene på de besvarelsene som er vurdert av ekstern sensor, danner grunnlag for å fastsette nivå på besvarelsene innenfor de ulike karakteruttrykkene. Intern sensor skal ta hensyn til ekstern sensors vurdering ved sensurering av alle eksamensoppgaver.

Knut Nygaard