MAN 5163 Corporate Business Analytics

MAN 5163 Corporate Business Analytics

Course code: 
MAN 5163
Department: 
Accounting and Operations Management
Credits: 
30
Course coordinator: 
Pål Berthling-Hansen
Espen Roy Skaldehaug
Course name in Norwegian: 
Corporate Business Analytics
Product category: 
Executive
Portfolio: 
Executive Master of Management
Semester: 
2023 Autumn
Active status: 
Active
Level of study: 
Master
Teaching language: 
Norwegian
Course type: 
Associate course
Course codes for multi- or associated courses
Course codeSemester
MAN 5164
2023 Autumn
MAN 5165
2024 Spring
Introduction

Programmet har et sterkt beslutningsfokus og omhandler de verktøy og metoder som en rådgiver eller en beslutningstaker bør ha kunnskap om for å kunne bidra til bedre og raskere beslutninger. Flerdimensjonale modeller som fanger opp beslutningens tidshorisont, betydningen av foretakets ressurssituasjon for de beslutninger som fattes, spørsmålet om hvilke typer informasjon av både finansiell og ikke-finansiell karakter som er beslutningsrelevant samt verdiberegninger av fleksibilitet og tilleggsinformasjon står sentralt i programmet.

I programmet må deltakerne skrive en prosjektoppgave knyttet til en reell beslutningssituasjon i en virksomhet.

Gjennom dette må deltakerne vise at de har forstått innholdet i programmet og at de er i stand til å benytte kunnskapen i praksis. Deltakerne må i prosjektoppgaven redegjøre om formål, problemstilling, relevant teori, innsamling av relevant beslutningsinformasjon, analyse, drøftelse og konklusjon.

Learning outcomes - Knowledge

Etter fullført program, skal kandidaten ha kunnskap om:

  • Teorier og modeller for å utvikle beslutningsgrunnlag der verdimaksimering for eier står i sentrum.
  • Kjennskap til ulike datatyper og relevante digitale verktøy (software) for å konvertere slike data til informasjon og innsikt for å forbedre et beslutningsgrunnlag.
  • Et bredt spekter av relevante verktøy og modeller som kan benyttes i både privat og offentlig sektor, og deres begrensninger.
  • Hvordan AI kan være et hjelpemiddel for å ta komplekse beslutninger.
Learning outcomes - Skills

Etter fullført program bør studenten kunne gjennomføre følgende:

  • Identifisere og formalisere et ofte ustrukturert og kompleks problem for en virksomhet.
  • Velge et egnet verktøy/modell/teori for å belyse ulike økonomiske sider ved ulike beslutninger.
  • Mønstergjenkjenning for å avdekke avvik eller sammenhenger
  • Benytte ulike datasett som grunnlag for analyse
  • Benytte spesifikke verktøy som Excel, AnyLogic, ArcGIS og dedikerte visualiseringsverktøy for å analysere problemstillinger
  • Tolke og forstå hva analysene belyser, samt kommunisere dette til beslutningstagere
  • Bruke AI som beslutningsstøtte
General Competence
  • Kritisk evaluere resultater fra analyser og identifisere etiske sider ved en løsning.
  • Identifisere problemstillinger gitt ulike datasett
  • Vise evne til å kommunisere fagområdet til både spesialister og legfolk
Course content

Samling 1

I denne samlingen tar vi for oss beslutningsanalyse og de rammene en beslutningstager ofte jobber under, og de momentene som kan påvirke en beslutning. Vi utvikler en helhetsmodell for å se verdiskapningen knyttet til ulike typer analyser basert på grunnleggende teori fra økonomi.

Det blir også fokus på ressurs/kostnadsanalyser i ulike former. Kostnader er ofte en sentral del av de fleste beslutninger, det være seg salg av et produkt eller innføring av en ny teknologi. Vi gjennomgår både operasjonelle , men også strategiske kostnadsanalyser der hovedvekt legges på kundelønnsomhet.

  • Beslutninger
  • Beslutningsverktøy
  • Beslutningsbias
  • Kostnadsanalyser og kalkulasjon (ABC, TDABC,…)
  • Strategisk Kostnadsanalyser (Kundelønnsomhet,..)
  • Excel
  • Optimeringsmodeller

Samling 2

Som en naturlig forlengelse av samling 1 tar vi her for oss beslutninger som har en lengre horisont. Vi utvikler og gjennomgår modeller for vurdering av nettopp slike beslutninger. I tillegg fokuseres det på risikoanalyser og praktisk beregning av avkastningskrav basert på eksisterende teori. 

Vi fortsetter med optimeringsanalyser i praksis og introduserer analyser der andre datakilder kan benyttes som eksempelvis kartdata, værdata, etc.. I denne samlingen vil deltakerne få innsyn i alternative datatyper for analyse. Gjennom konkrete eksempler vil man få en forståelse for de mulighetene og begrensningene som ligger i bruk av slike data. Ved bruk av eksempelvis ArcGis fra ESRI vil man foreta optimeringsanalyser.

Med utgangspunkt i matematisk modellering vil man bli eksponert for problemer innen områder som finans, markedsføring samt logistikk. Modulen vil i stor grad benytte de verktøyene som Excel gir, men også gi en overordnet innsikt i hvordan mer avanserte programvare kan benyttes. 

  • Langsiktige beslutninger
  • Verdiskapning
  • Risiko
  • Avkastningskrav
  • Modellering
  • Optimering i praksis
  • Modeller for lokalisering, produktvalg, transport- og lagerstyring og bemanningsplanlegging
  • Excel

 

Samling 3

I denne samlingen er det fokus på investeringsanalyser, modellering og verdien av fleksibilitet. Som en naturlig del av fleksibilitetsanalyser vil vi introdusere simulering som analyseverktøy.

  • Investeringsanalyser
  • Modellering
  • Kommunikasjon og presentasjon av investeringsanalyser
  • Realopsjoner
  • Simulering som analytisk verktøy

Samling 4

Som en videreføring av tidligere samlinger fokuseres det i denne modulen på simuleringsteknikker som et sentralt og viktig verktøy for beslutningstagere. Å forstå et beslutningsproblem og hvordan ulike faktorer påvirker utfallet er viktig.

Samlingen skal gjøre studentene kjent med konstruksjonen og bruken av databaserte simuleringsmodeller.

Modulen vil gi deltakerne et innblikk i modeller for mønstergjenkjenning og avviksanalyse, som eksempelvis kan avdekke svindel av ulike typer internt i en organisasjon.

Modulen vil også avslutte optimering der alternative datakilder benyttes.

  • Kunnskap om ulike simuleringsmodeller
  • Bruk av simuleringsmodeller på praktiske problemstillinger
  • Refleksjon og tolkning av simuleringsanalyser
  • Excel
  • AnyLogic
  • Forensic Analytics
  • ArcGis og bruk av alternative datakilder for analyse

Samling 5

Samlingen vil gi innsikt i bruk av visualiseringsverktøy for å både foreta analyser, samt presentere resultater. Ulike typer software vil bli benyttet for dette formålet. Utvikling av ulike typer dashboards er etter hvert en viktig del av en beslutningsprosess, og vi gjennomgår utvikling av slike. Til slutt vil vi se på ulike verktøy som Analytics Lifecycle og Analytics Canvas for styring og kontroll med anaytics prosjekter.

  • Viktigheten av visuell presentasjon
  • Utvikle dashboards med ulike verktøy
  • Analyse av data fra sosiale medier
  • Hvordan kan AI algoritmer benyttes til beslutningsstøtte
  • Verktøy for styring og kontroll med analytics prosjekter

 

 

Teaching and learning activities

Programmet gjennomføres med fem samlinger over to semestere, totalt ca. 150 timer.

Veiledningstilbudet vil være noe ulikt på de forskjellige Executive Master of Management Program. Det vil bli gitt personlig veiledning og veiledning under forelesning. Generelt kan studentene forvente rådgivende veiledning, ikke evaluerende veiledning. Veiledningstilbudet er estimert til 4 timer pr. oppgave.

I programmer hvor det ikke er obligatorisk fremmøte er det studentens ansvar å innhente informasjon som er gitt på forelesning, men som ikke fremkommer på programmets hjemmeside/ It's learning eller annet kursmateriell.

Studentene evalueres gjennom prosjektoppgave som teller 60% av totalkarakteren og en individuell 4 timers skriftlig eksamen som teller 40%. Prosjektoppgaven kan skrives individuelt eller i grupper på inntil tre personer. Alle eksamener må bestås for at vitnemål i programmet skal bli tildelt.

Prosjektoppgaven inngår i gradens selvstendige arbeid, jf Forskrift om krav til mastergrad, tilsvarende 18 studiepoeng pr. program. For graden Executive Master of Management vil det selvstendige arbeidet bestå av summen av prosjektoppgaver fra tre programmer.

I programmet benyttes dataverktøy som Excel, AnyLogic, ArcGis, m.m (Disse kan endres på kort varsel.

I BIs etter- og videreutdanningstilbud ved BI Executive, stilles det et gjensidig krav til student og kursansvarlig om involvering av studentens erfaring i planlegging og gjennomføring av kurs, moduler og programmer. Det vil si at studenten har rett og plikt til å involvere seg med egen kunnskap og relevant erfaring.
 

Software tools
Software defined under the section "Teaching and learning activities".
Qualifications

Bachelor degree, corresponding to 180 credits from an accredited university, university college or similar educational institution. The applicant must be at least 25 years of age and at least four years of work experience. For applicants who have already completed a master’s degree, three years of work experience are required.

Disclaimer 

Deviations in teaching and exams may occur if external conditions or unforeseen events call for this. 

Required prerequisite knowledge

Studenter bør ha grunnleggende ferdigheter i matematikk, og ha interesse for det kvantitative fagområde.

Assessments
Assessments
Exam category: 
Submission
Form of assessment: 
Written submission
Weight: 
60
Grouping: 
Group/Individual (1 - 3)
Duration: 
2 Semester(s)
Exam code: 
MAN 51631
Grading scale: 
ECTS
Resit: 
Examination when next scheduled course
Exam category: 
Submission
Form of assessment: 
Written submission
Weight: 
40
Grouping: 
Individual
Duration: 
4 Hour(s)
Exam code: 
MAN 51632
Grading scale: 
ECTS
Resit: 
Examination when next scheduled course
Type of Assessment: 
Ordinary examination
All exams must be passed to get a grade in this course.
Total weight: 
100
Course codeCredit reduction
MAN 5103100
MAN 8898/8998/2274/2275100
Credit reductions:
Course code:MAN 5103
Credit reduction:100
Course code:MAN 8898/8998/2274/2275
Credit reduction:100
Reduction description

Can not be included in combination with MAN 5103 Managerial Accounting Analysis
Can not be included in combination with MAN 8898/8998/2274/2275 Managerial Accounting Analysis

Student workload
ActivityDurationComment
Teaching
150 Hour(s)
Prepare for teaching
150 Hour(s)
Student's own work with learning resources
500 Hour(s)
Self study, term paper and exam
Sum workload: 
800

A course of 1 ECTS credit corresponds to a workload of 26-30 hours. Therefore a course of 30 ECTS credit corresponds to a workload of at least 800 hours.