ØABED2200 Business Analytics Emneplan

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»).

Undervisningsspråk er engelsk.

Matematikk, Statistikk, Finansregnskap, Bedriftsøkonomi.

Ingen forkunnskapskrav.

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

Kunnskap

Studenten har

• kunnskap om grunnleggende anvendelse av metodene Beslutningsteori, Lineær Programmering, Simulering, Prediksjonsmodeller og Data Mining.
• 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 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.

For å kunne framstille seg til eksamen må studenten ha følgende godkjente arbeidskrav:

• Arbeidskrav 1: 5 individuelle oppgavesett. Studenten må få godkjent minst 4 av 5 oppgavesett for å kunne ta eksamen i emnet. Hvert oppgavesett består av å svare på spørsmål fra et business case, og kan i tillegg inkludere quiz og bidrag i diskusjon på emnets hjemmeside. Forventet omfang for hvert oppgavesett er 5 timer. Hvert oppgavesett må være gjennomført og godkjent innen fastlagt frist.

Formålet med arbeidskravet er at studentene får relevant trening i å anvende og vurdere analysemetoder som er undervist i emnet.

Arbeidskravet må være gjennomført og godkjent for at studenten skal kunne fremstille seg til eksamen. Dersom arbeidskravet ikke blir godkjent, gis det anledning til å kunne gjennomføre et nytt arbeidskrav, én gang innen angitt frist.

Eksamen i emnet er en semesteroppgave skrevet i grupper på 3 til 4 studenter. Oppgaven skal ha et omfang på maks 15 sider. Skrifttype og skriftstørrelse: Arial / Calibri 12pkt. Linjeavstand: 1,5.

Alle hjelpemidler er tillatt, så lenge regler for kildehenvisning følges.

Gradert skala A - F

Det benyttes intern og ekstern sensor til sensurering av besvarelsene.

Et uttrekk på minst 25% av besvarelsene sensureres av to sensorer. Karakterene på disse samsensurerte besvarelsene skal danne grunnlag for å fastsette nivå på resten av besvarelsene.

Knut Nygaard