MSc στο Business Analytics
Queen's University Belfast - Faculty of Arts, Humanities and Social Sciences
Πληροφορία κλειδί
Τοποθεσία πανεπιστημιούπολης
Belfast, Ηνωμένο Βασίλειο
Γλώσσες
Αγγλικά
Μορφή μελέτης
Στην Πανεπιστημιούπολη
Διάρκεια
1 έτος
Βήμα
Πλήρης απασχόληση
Δίδακτρα
GBP 23.100 / per year *
Προθεσμία εφαρμογής
Ζητήστε πληροφορίες
Πρωιμότερη ημερομηνία έναρξης
Sep 2024
* Βόρεια Ιρλανδία, Δημοκρατία της Ιρλανδίας, Αγγλία, Σκωτία ή Ουαλία: 7.470 £ | ΕΕ Άλλα και Διεθνή: £21.500
Εισαγωγή
Η αύξηση του όγκου, της ποικιλίας και της ταχύτητας των δεδομένων δημιουργεί ευκαιρίες για τις επιχειρήσεις να βελτιώσουν τη λήψη αποφάσεων και να αναπτύξουν νέα προϊόντα και υπηρεσίες που βασίζονται σε δεδομένα. Το MSc Business Analytics έχει αναπτυχθεί για να καλύψει τη ζήτηση για καταρτισμένους επαγγελματίες που διαθέτουν την απαραίτητη τεχνογνωσία για την υλοποίηση λύσεων επιχειρηματικής ανάλυσης από άκρο σε άκρο και είναι εξοπλισμένοι να χρησιμοποιούν δεδομένα για σκοπούς λήψης επιχειρηματικών αποφάσεων.
Το πρόγραμμα βασίζεται στους τρεις βασικούς τομείς που απαιτούνται για την επιτυχία στην ανάλυση: επιχειρηματικές γνώσεις, στατιστικές και υπολογιστές. Αυτό περιλαμβάνει ενότητες που εστιάζουν στην εφαρμογή αναλυτικών στοιχείων σε βασικές επιχειρηματικές λειτουργίες, όπως το μάρκετινγκ και τους ανθρώπινους πόρους, καθώς και ενότητες που εστιάζουν στην ανάπτυξη και εφαρμογή τεχνικών δεξιοτήτων όπως η προηγμένη ανάλυση και η μηχανική μάθηση, η διαχείριση δεδομένων και η λήψη αποφάσεων βάσει δεδομένων. Συνολικά, οι φοιτητές θα μελετήσουν οκτώ ενότητες εκτός από την εκπαίδευση πριν από το μάθημα και ένα τελικό έργο διατριβής. Το έργο της διατριβής θα περιλαμβάνει την εφαρμογή των επιχειρηματικών, τεχνικών και στατιστικών δεξιοτήτων που αποκτήθηκαν κατά τη διάρκεια των διδασκόμενων ενοτήτων.
Το πρόγραμμα θα περιλαμβάνει ένα εισαγωγικό μάθημα, όπου η εκπαίδευση πριν από το μάθημα σε βασικές στατιστικές και δεξιότητες υπολογιστών θα διασφαλίσει ότι οι μαθητές από μια σειρά υποβάθρων θα έχουν τις απαραίτητες δεξιότητες για να παρακολουθήσουν το μάθημα.
Σύνδεσμοι Βιομηχανίας
Αναπτύχθηκε από προσωπικό με βιομηχανικό και ακαδημαϊκό υπόβαθρο, το μάθημα είναι προσαρμοσμένο στις βασικές δεξιότητες που απαιτούνται για την επιτυχία σε έναν ρόλο επιχειρηματικής ανάλυσης.
Εξέλιξη καριέρας
Οι εκθέσεις του κλάδου δείχνουν παγκόσμια έλλειψη επιστημόνων δεδομένων. Οι μαθητές θα μάθουν να χρησιμοποιούν εργαλεία και τεχνικές αιχμής και βιομηχανικά πρότυπα για να επιτρέψουν την εξέλιξη της σταδιοδρομίας.
Εκθεσιακός χώρος
Εισαγωγές
Διδακτέα ύλη
Εξάμηνο 1
Στατιστικές για επιχειρήσεις
Η γνώση της θεωρίας και της εφαρμογής των πιθανοτήτων και της στατιστικής είναι ένα ουσιαστικό συστατικό της επιχειρηματικής ανάλυσης. Οι στατιστικές μέθοδοι αποτελούν μέρος του συνόλου των εργαλείων που απαιτούνται στην ανάλυση επιχειρήσεων και αποτελούν τη βάση για πιο προηγμένα θέματα όπως η μηχανική μάθηση και η τεχνητή νοημοσύνη.
Σε αυτή την ενότητα, οι μαθητές θα επικεντρωθούν σε περιγραφικές και συμπερασματικές στατιστικές χρησιμοποιώντας τη γλώσσα προγραμματισμού R. Αυτό παρέχει την απαραίτητη στατιστική βάση για επιχειρηματική ανάλυση, καθώς και εισάγει τον προγραμματισμό R.
Τα θέματα μπορεί να περιλαμβάνουν, αλλά δεν περιορίζονται σε:
- Περιγραφικά στατιστικά
- Συσχέτιση
- Πιθανότητα
- Διανομές
- Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης
- Γραμμική παλινδρόμηση με δύο μεταβλητές
- Πολλαπλή παλινδρόμηση
- Αξιολόγηση απόδοσης και υποθέσεων
- Λογιστική παλινδρόμηση
- Προγραμματισμός R
Διαχείριση δεδομένων
Η αποτελεσματική διαχείριση μικρών και μεγάλων δεδομένων είναι ένα κρίσιμο συστατικό όλων των έργων επιχειρηματικής ανάλυσης.
Αυτή η ενότητα διερευνά τη θεωρία και την πρακτική της διαχείρισης δεδομένων, συμπεριλαμβανομένης της αναγνώρισης και εξαγωγής δεδομένων, της προεπεξεργασίας δεδομένων, της ποιότητας δεδομένων, της αποθήκευσης δεδομένων, των σχεσιακών βάσεων δεδομένων και των λύσεων μεγάλων δεδομένων.
Το περιεχόμενο του μαθήματος μπορεί να περιλαμβάνει, αλλά δεν περιορίζεται σε:
- Δομημένα και αδόμητα δεδομένα
- Απόκτηση δεδομένων
- Εξαγωγή δεδομένων με χρήση SQL
- Αποθήκευση δεδομένων (συστήματα διαχείρισης σχεσιακών βάσεων δεδομένων)
- Λύσεις μεγάλων δεδομένων
- Προετοιμασία δεδομένων
- Ποιότητα δεδομένων
- Ασφάλεια, νομοθεσία και ηθικά ζητήματα
Ανάλυση HR
Η αποτελεσματική χρήση των δεδομένων ανθρώπινου δυναμικού (HR) μπορεί να βελτιώσει τη διαχείριση ανθρώπινου δυναμικού (HRM) και, συνεπώς, την ευρύτερη οργανωτική απόδοση. Αυτή η ενότητα θα εξετάσει την πρακτική χρήση των δεδομένων στο HRM μέσω εφαρμογών όπως η παρακολούθηση και αξιολόγηση της δραστηριότητας και της απόδοσης των εργαζομένων, η πρόβλεψη μελλοντικής απόδοσης και η πρόβλεψη της φθοράς των εργαζομένων. Η ενότητα θα εξετάσει επίσης τη θεωρητική βάση για τη χρήση δεδομένων στο HRM, συνδέοντας έτσι την πρακτική πλευρά της ανάλυσης ανθρώπων με τη θεωρία HRM.
Το περιεχόμενο του μαθήματος μπορεί να περιλαμβάνει, αλλά δεν περιορίζεται σε:
- Εισαγωγή και επισκόπηση του HR analytics.
- Ο στρατηγικός και λειτουργικός ρόλος της ανάλυσης HR μέσα σε έναν οργανισμό.
- Παρακολούθηση και ενίσχυση της απόδοσης του ανθρώπινου δυναμικού με χρήση δεδομένων.
- Οι εφαρμογές της ανάλυσης στο HRM και η θεωρητική βάση για αυτές τις εφαρμογές.
- Περιγραφική και οπτική ανάλυση με δεδομένα ανθρώπινου δυναμικού.
- Προγνωστική ανάλυση με δεδομένα ανθρώπινου δυναμικού.
- Ηθικά ζητήματα με τα αναλυτικά στοιχεία HR.
Διαχείριση λειτουργιών
Αυτό το μάθημα αναπτύσσει τα κύρια θέματα και τις στρατηγικές της Διοίκησης Επιχειρήσεων τόσο σε οργανισμούς παραγωγής όσο και σε οργανισμούς υπηρεσιών και τη χρήση ποσοτικών και αναλυτικών τεχνικών σε αυτούς τους τομείς. Ο πρωταρχικός στόχος είναι να εξοικειωθούν οι μαθητές με τις βασικές έννοιες, τις τεχνικές, τις μεθόδους και τις εφαρμογές της διαχείρισης λειτουργιών και τον τρόπο με τον οποίο η ανάλυση χρησιμοποιείται σε αυτούς τους τομείς.
Τα θέματα θα επικεντρωθούν σε τομείς όπως:
- Λειτουργική στρατηγική
- Σχεδιασμός και ανάλυση διαδικασίας
- Διαχείριση χωρητικότητας
- Διαχείρισης της ποιότητας
- Έμπειρη διαχείριση
- Διαχείριση αποθεμάτων και διαχείριση εφοδιαστικής αλυσίδας και χρήση αναλυτικών στοιχείων σε αυτούς τους τομείς
Εξάμηνο 2
Προηγμένο Analytics και Μηχανική Μάθηση
Η μηχανική μάθηση είναι η βασική τεχνολογία που στηρίζει την προγνωστική ανάλυση και την τεχνητή νοημοσύνη, καθώς και πολλές άλλες αναλυτικές εργασίες.
Αυτή η ενότητα θα βασιστεί στις δεξιότητες που αναπτύχθηκαν στην ενότητα στατιστικών ως προς τον προγραμματισμό και τις πιο προηγμένες στατιστικές τεχνικές, δηλαδή την εφαρμογή αλγορίθμων μηχανικής μάθησης.
Τα θέματα μπορεί να περιλαμβάνουν, αλλά δεν περιορίζονται σε:
- Η διαδικασία ανάλυσης
- Εργαλεία Analytics
- Επιλογή χαρακτηριστικών
- Επίβλεψη μάθησης
- Εκμάθηση χωρίς επίβλεψη
- Αξιολόγηση της απόδοσης του μοντέλου
- Προγραμματισμός μοντέλων μηχανικής μάθησης
- Αξιολόγηση των ηθικών επιπτώσεων της χρήσης αλγορίθμων, π.χ. της δυνατότητας ενίσχυσης της μεροληψίας, της ασφάλειας και της ιδιωτικής ζωής.
Η λήψη αποφάσεων βάσει δεδομένων
Η ανάλυση των δεδομένων είναι χρήσιμη μόνο εάν συμβάλλει στη βελτίωση της λήψης επιχειρηματικών αποφάσεων. Αυτή η ενότητα διερευνά πώς οι επιχειρήσεις χρησιμοποιούν δεδομένα για τη λήψη επιχειρηματικών αποφάσεων. Αυτό περιλαμβάνει εστίαση στην απόκτηση επιχειρηματικών γνώσεων από την αποτελεσματική διαχείριση και ανάλυση δεδομένων, την οπτικοποίηση δεδομένων και την αφήγηση ιστοριών και τις τεχνικές συνταγογραφικής ανάλυσης. Οι μαθητές θα έχουν την ευκαιρία να εργαστούν με προηγμένο λογισμικό οπτικοποίησης και βελτιστοποίησης, όπως το Tableau, το Excel και το R. Η ενότητα θα εξετάσει επίσης την πλευρά των ανθρώπων της ανάλυσης, τοποθετώντας αναλυτικές τεχνικές για τη λήψη αποφάσεων σε ένα επιχειρηματικό πλαίσιο και λαμβάνοντας υπόψη τα διοικητικά και οργανωτικά παράγοντες που εμπλέκονται στο να γίνει ένας οργανισμός με γνώμονα τα δεδομένα.
Το περιεχόμενο της ενότητας μπορεί να περιλαμβάνει, αλλά δεν περιορίζεται σε:
- Ο ρόλος της ανάλυσης στη λήψη αποφάσεων, τόσο σε επιχειρησιακό όσο και σε στρατηγικό επίπεδο
- Οπτικοποίηση δεδομένων: οπτικοποίηση μιας ποικιλίας τύπων δεδομένων όπως αριθμητικά, κείμενο και γεωχωρικά δεδομένα.
- Προστακτική ανάλυση και βελτιστοποίηση
- Ο ρόλος της λήψης αποφάσεων με γνώμονα τα δεδομένα σε οργανισμούς
- Οφέλη, εμπόδια και περιορισμοί της λήψης αποφάσεων βάσει δεδομένων
- Ηθικές εκτιμήσεις στη χρήση δεδομένων στη λήψη αποφάσεων
- Εκτίμηση των πολιτισμικών διαφορών στη χρήση δεδομένων και της δυνατότητας χρήσης δεδομένων στην ευρύτερη εθνική και διεθνή λήψη αποφάσεων (π.χ. βιώσιμη ανάπτυξη, σχεδιασμός καταστροφών, εταιρική κοινωνική ευθύνη)
Τεχνητή νοημοσύνη στην επιχείρηση και την κοινωνία
Η τεχνητή νοημοσύνη (AI) έχει ήδη σημαντικό αντίκτυπο στις επιχειρήσεις και την κοινωνία, όπως επιχειρηματικές στρατηγικές που βασίζονται σε δεδομένα, αλλαγές στη φύση της εργασίας, ανάπτυξη καινοτομιών που διαμορφώνουν τη συμπεριφορά των ατόμων και της κοινωνίας, ανησυχίες για την ιδιωτικότητα και την επιτήρηση και πρόσφατες ηθικές κρίσεις στη χρήση δεδομένων.
Με τον γρήγορο ρυθμό ανάπτυξης της τεχνητής νοημοσύνης, αυτές οι τάσεις φαίνεται πιθανό να συνεχιστούν, καθιστώντας απαραίτητο να ληφθούν υπόψη οι ευρύτερες επιπτώσεις της τεχνητής νοημοσύνης στις επιχειρήσεις και την κοινωνία. Αυτή η ενότητα θα ενθαρρύνει τους μαθητές να ασχοληθούν με αυτά τα ζητήματα, χτίζοντας μια βαθύτερη κατανόηση των ευρύτερων επιπτώσεων της τεχνητής νοημοσύνης και πώς οι μαθητές μπορούν να συμβάλουν στην υπεύθυνη ανάπτυξη και χρήση της τεχνητής νοημοσύνης στη μελλοντική τους σταδιοδρομία.
Το περιεχόμενο του μαθήματος μπορεί να περιλαμβάνει, αλλά δεν περιορίζεται σε:
- Οι στρατηγικές επιπτώσεις των καινοτομιών AI για τις επιχειρήσεις
- Οι ευρύτερες οικονομικές και κοινωνικές συνέπειες της τεχνητής νοημοσύνης
- Αλλαγές στη φύση της εργασίας λόγω AI
- Ηθική χρήση δεδομένων
- Θέματα επιτήρησης και απορρήτου κατά τη χρήση δεδομένων
- Νομική εξέταση στη χρήση δεδομένων
Marketing Analytics
Περιγραφή ενότητας
Αυτή η ενότητα εστιάζει σε μια νέα και συναρπαστική εξέλιξη στη θεωρία και την πρακτική του μάρκετινγκ. Η χρήση δεδομένων, «μεγάλων δεδομένων», για να βοηθήσει στη λήψη αποφάσεων μάρκετινγκ και τη λογοδοσία συνεχίζει να αποκτά μεγαλύτερη σημασία, ιδιαίτερα στην τρέχουσα εποχή της λιτότητας και της σπανιότητας των πόρων. Η ενότητα υιοθετεί τόσο θεωρητική όσο και πρακτική προσέγγιση για τη χρήση των αναλυτικών στοιχείων μάρκετινγκ στην πράξη.
Κορυφαίο σημείο της ενότητας είναι η χρήση λογισμικού SAS ή SPSS για την ανάλυση δεδομένων για σκοπούς λήψης αποφάσεων και αξιολόγησης που σχετίζονται με το μάρκετινγκ. Οι μαθητές που θα ολοκληρώσουν και θα περάσουν επιτυχώς την ενότητα θα είναι σε θέση να υποδείξουν στους πιθανούς εργοδότες ότι έχουν τις θεωρητικές, πρακτικές, καθώς και τις βιομηχανικές δεξιότητες λογισμικού για να ανταγωνιστούν.
Περιεχόμενο ενότητας:
Τα ενδεικτικά περιεχόμενα περιλαμβάνουν:
- Εισαγωγή και επισκόπηση των αναλύσεων μάρκετινγκ
- Ανταγωνισμός στην ανάλυση μάρκετινγκ – ανάπτυξη μιας κουλτούρας ανάλυσης μάρκετινγκ
- Αναλύσεις μάρκετινγκ σε στρατηγικό, λειτουργικό, αναλυτικό και αποθηκευτικό επίπεδο
- Δέσμευση πελατών και αναλυτικά στοιχεία πελατών
- Επιπτώσεις απόδοσης των αναλυτικών στοιχείων μάρκετινγκ
- Τρέχοντα ζητήματα και τάσεις στην ανάλυση μάρκετινγκ
- Η σκοτεινή πλευρά των αναλύσεων μάρκετινγκ
Άλλο περιεχόμενο επικεντρώνεται σε τεχνικές εξόρυξης δεδομένων για το μάρκετινγκ (συμπεριλαμβανομένης της διαχείρισης πωλήσεων και πελατειακών σχέσεων). Διδάσκεται μέσω εργαστηρίων υπολογιστών υπό την καθοδήγηση εκπαιδευτών χρησιμοποιώντας λογισμικό SAS ή SPSS για την επίλυση προβλημάτων που σχετίζονται με το μάρκετινγκ. Τα περιεχόμενα περιλαμβάνουν:
- Εκπαίδευση SAS ή SPSS – εισαγωγή και επισκόπηση
- Η διαδικασία ανάλυσης μάρκετινγκ
- Δεδομένα για αναλυτικά στοιχεία μάρκετινγκ
- Κατανόηση του πελάτη
- Πρόβλεψη συμπεριφοράς πελατών
- Συγχώνευση σε δραστηριότητες μάρκετινγκ
- Οι περιπτωσιολογικές μελέτες
- Αυτομάθηση
Εξάμηνο 3
Διατριβή
Η διατριβή παρέχει στους φοιτητές την ευκαιρία να αναλάβουν ένα ανεξάρτητο έργο. Αυτό θα περιλαμβάνει την ανάπτυξη μιας τεχνικής λύσης επιχειρηματικής ανάλυσης που θα ενσωματώνει στοιχεία από το μάθημα. Οι προτεινόμενες τεχνολογίες για τη λύση θα είναι αυτές που καλύπτονται στο μάθημα. Η λύση θα πρέπει συνήθως να περιλαμβάνει έναν συνδυασμό βάσης δεδομένων, μηχανικής εκμάθησης και στοιχείου οπτικοποίησης. Αναγνωρίζεται ότι σε ορισμένες περιπτώσεις, τα έργα μπορεί να επικεντρωθούν σε συγκεκριμένα στοιχεία (π.χ. αποθήκευση και επεξεργασία, προγνωστική ανάλυση ή προηγμένη απεικόνιση και ερμηνεία) και αυτό θα πρέπει να συμφωνηθεί εκ των προτέρων από τον επιβλέποντα των μαθητών. Οι μαθητές θα λάβουν επίσης προτάσεις σχετικά με πιθανές πηγές δεδομένων για χρήση στο έργο.
Εκτός από την τεχνική λύση, οι μαθητές θα πρέπει να συντάξουν μια γραπτή έκθεση, που θα περιλαμβάνει μια ανασκόπηση της βιβλιογραφίας, τη μεθοδολογία για την επίλυση του προβλήματος και τα αποτελέσματα και τα συμπεράσματα.
Η ενότητα απαιτεί από τους μαθητές να αντλήσουν από όλο το μάθημα, ενσωματώνοντας γνώσεις από τους τρεις βασικούς τομείς επιχειρηματικής ανάλυσης: στατιστικές, υπολογιστές και επιχειρήσεις.
Δίδακτρα προγράμματος
Ευκαιρίες καριέρας
Το MSc Business Analytics θα απευθύνεται σε φοιτητές που σκοπεύουν να ακολουθήσουν μια καριέρα σε έναν τομέα που σχετίζεται με την επιχειρηματική ανάλυση, όπως η επιστήμη δεδομένων, η επιχειρηματική ευφυΐα, η συμβουλευτική, η πληροφορική ή η ευφυΐα αποφάσεων.
Πτυχίο συν βραβείο για εξωσχολικές δεξιότητες
Εκτός από το πρόγραμμα σπουδών σας, στο Queen's, μπορείτε να έχετε την ευκαιρία να αποκτήσετε ευρύτερες δεξιότητες ζωής, ακαδημαϊκές και απασχολησιμότητας. Για παράδειγμα, τοποθετήσεις, εθελοντική εργασία, σύλλογοι, κοινωνίες, αθλήματα και πολλά άλλα. Έτσι, όχι μόνο αποφοιτάτε με πτυχίο αναγνωρισμένο από ένα παγκόσμιο κορυφαίο πανεπιστήμιο, θα έχετε πρακτική εθνική και διεθνή εμπειρία καθώς και ευρύτερη έκθεση στη ζωή συνολικά. Αυτό το ονομάζουμε Degree Plus. Αυτό είναι που κάνει ξεχωριστές τις σπουδές στο Queen's University του Μπέλφαστ.