MAN 5163 Corporate Business Analytics

MAN 5163 Corporate Business Analytics

Kurskode: 
MAN 5163
Institutt: 
Regnskap, revisjon og foretaksøkonomi
Studiepoeng: 
30
Kursansvarlig: 
Pål Berthling-Hansen
Espen Roy Skaldehaug
Kursnavn på engelsk: 
Corporate Business Analytics
Produktkategori: 
Executive
Portefølje: 
Executive Master of Management
Semester: 
2024 Høst
Aktiv status: 
Aktivt
Studienivå: 
Master
Undervisningsspråk: 
Norsk
Kurstype: 
To semestere
Introduksjon

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.

Kunnskapsmål

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.
Ferdighetsmål

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
Generell kompetanse
  • 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
Kursets innhold

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

 

 

Undervisnings- og læringsaktiviteter

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 mappeevaluering 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.
 

Dataverktøy
Dataverktøy definert under punktet "Undervisnings- og læringsaktiviteter".
Kvalifikasjoner

Fullført bachelorgrad, tilsvarende 180 offentlig godkjente studiepoeng fra høyskole, universitet eller tilsvarende. Søkeren må være minst 25 år og det kreves minimum fire års arbeidserfaring. For søkere som har en fullført mastergrad fra før, kreves det tre års arbeidserfaring.

Forbehold 

Avvik i undervisnings- og eksamensformer kan forekomme dersom eksterne rammebetingelser eller uforutsette hendelser tilsier dette.

Forkunnskapskrav

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

Eksamen
Vurderinger
Eksamenskategori: 
Innlevering
Vurderingsform: 
Fil-innlevering PDF
Eksamen/innleveringssemester: 
Andre semester
Vekting: 
60
Gruppering: 
Gruppe/Individuell (1 - 3)
Varighet: 
2 Semester
Kommentar: 
Prosjektoppgave, teller 60% av totalkarakteren.
Eksamenskode: 
MAN 51631
Karakterskala: 
ECTS
Kontinuasjon: 
Eksamen ved neste kursgjennomføring
Eksamenskategori: 
Innlevering
Vurderingsform: 
Mappevurdering PDF
Eksamen/innleveringssemester: 
Andre semester
Vekting: 
40
Gruppering: 
Individuell
Varighet: 
2 Semester
Kommentar: 
Det gis en oppgave tidlig i først semester som løses individuelt.
Det gis en felles tilbakemelding underveis i studiet. Studentene kan bruke tilbakemeldingene til å forbedre sin besvarelse før endelig innlevering. Det gis karakter på den siste og endelige innleveringen
Eksamenskode: 
MAN 51632
Karakterskala: 
ECTS
Kontinuasjon: 
Eksamen ved neste kursgjennomføring
Eksamenstype: 
Ordinær eksamen
Alle eksamener må bestås for å oppnå karakter i kurset.
Total vekting: 
100
KurskodeCredit reduction
MAN 5103100
MAN 8898/8998/2274/2275100
Credit reductions:
Kurskode:MAN 5103
Credit reduction:100
Kurskode:MAN 8898/8998/2274/2275
Credit reduction:100
Reduction description

Kan ikke kombineres med MAN 5103 Bedriftsøkonomisk analyse med beslutningsverktøy
Kan ikke kombineres med MAN 8898/8998/2274/2275 Bedriftsøkonomisk analyse med beslutningsverktøy

 

Forventet arbeidsinnsats
AktivitetVarighetKommentar
Undervisning
150 Time(r)
Forberedelse til undervisning
150 Time(r)
Studentenes eget arbeid med læringsressurser
500 Time(r)
Selvstudium, arbeid med prosjektoppgave og eksamen
Sum arbeidsinnsats: 
800

Et kurs med 1 studiepoeng tilsvarer en arbeidsmengde på 26-30 timer. Et kurs på 30 studiepoeng tilsvarer derfor en arbeidsmengde på minimum 800 timer.