ØAMET2200 Business Decision-Making Using Data Course description

This course aims to provide students with an understanding of how data and statistical analysis can improve economic, managerial and business decision making. Students will learn how to develop empirical questions, collect and organize relevant quantitative data, apply appropriate statistical methods, and ultimately, make better business and policy decisions. The course will draw on a wide range of business and economic applications, such as finance, advertising, internet retailing, and human resources.

Ingen arbeidskrav/obligatoriske aktiviteter.

No prerequisites.

• Knowledge: The student has
  • A theoretical understanding of quantitative methods for analyzing data
  • An understanding of the role of empirical evidence in evaluating economic, managerial, and business problems
  • An understanding of the strengths and weaknesses of different statistical methods
• Skills: The student can
  • Formulate empirical questions
  • Gather, obtain, and organize quantitative data
  • Conduct statistical analysis using software
  • Interpret statistical results
• General Competence: The student can
  • Think critically and understand the role of assumptions in arguments
  • Communicate effectively about economic, managerial, and business issues
  • Develop a well-organized argument that states assumptions and hypothesis, which are supported by evidence
  • Use and appropriately cite different data sources

The course will be taught through lectures and in-class exercises. The course will also make use of software for data analysis.

There will be five problem sets. Problem sets may be submitted individually or in groups of up to four students. All five problem sets must be approved before the student can take the final exam. If a problem set is not approved on the first attempt, the student will be allowed to re-submit the problem set once. Further information regarding submission and due dates will be provided during the semester.

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»).

Ingen forkunnskapskrav.

Kunnskap

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.