Language: NOR | ENG
2019/2020

KDBA120 Business analytics

Læringsutbytte

Ved bestått emne har studenten oppnådd følgende læringsutbytte:

Kunnskap
Studenten

  •   har inngående kunnskap om ulike analysetilnærminger og hvordan analyse av store og komplekse datamengder kan bidra til bedre beslutningsgrunnlag og økt verdiskaping (k1)
  •   har inngående kunnskap om metoder og teknikker for å identifisere, avgrense og formulere analyseproblemer med utgangspunkt i virksomhetens strategiske utfordringer og beslutningsproblemer (k2)
  •   har kunnskap om ulike metoder og teknikker for å innhente, forberede, analysere og visualisere data (k3)
  •   har inngående kunnskap om sammenhenger mellom datakvalitet, analysekvalitet og virksomhetens beslutningskvalitet (k4)
  •   har kunnskap om maskinlæring, samt muligheter og begrensninger i automatisering av analyser (k5)

Ferdigheter
Studenten

  •   kan identifisere, avgrense og formulere analyseproblemer innenfor ulike virksomhetsområder, for både taktiske og strategiske beslutningsproblemer (f1)
  •   kan drøfte, vurdere og velge analysemetoder ut i fra analyseproblem og tilgang på data (f2)
  •   kan anvende relevant programvare for å visualisere data , gjennomføre analyser og rapportere analyseresultater (f3)
  •   kan forholde seg kritisk til analysemetoder og -resultater og kommunisere analyseresultater for taktiske og strategiske beslutninger (f4)
  •   kan kritisk drøfte analysefunksjonens plassering i organisasjonen, samt gi anbefalinger om organisering og ledelse av analysevirksomheten (f5)

Generell kompetanse
Studenten

  •   kan drøfte etiske problemstillinger i forbindelse med arbeid med og bruk av analyser
  •   kan kommunisere om og drøfte analyseproblemer, -tilnærminger og ,-resultater med medarbeidere innenfor ulike forretningsprosesser, spesialister og  beslutningstakere (g2)
  •   kan samarbeide med andre om analysearbeid (g3)
  •   har oversikt over den historiske, tverrfaglige, utviklingen innenfor business analytics (g4)

Innhold

  •   Metoder og teknikker for å identifisere, avgrense og formulere analyseproblemer
  •   Ulike typer analyseproblemer innenfor ulike funksjonsområder i virksomheten 
  •   Kanaler for innhenting og distribusjon av data
  •   Deskriptiv, predikativ og preskriptiv analyse
  •   Gjennomføring av analyser ved hjelp av programvare, visualisering av data og presentasjon av analyseresultater
  •   Historiefortelling
  •   Datakvalitet, analysekvalitet og beslutningskvalitet (herunder kritisk perspektiv på rekontekstualisering av åpne data)
  •   Maskinlæring og Artificial Intelligence
  •   Ledelse og organisering av analysevirksomhet
  •   Historisk utvikling innenfor business analytics

Arbeids- og undervisningsformer

Forelesninger. Diskusjoner og presentasjoner basert på pensum og case. Oppgaveløsning, individuelt og i grupper. Rollespill. 

Undervisningsaktivitetene på samling tar utgangspunkt i at studentene møter forberedt til undervisningen gjennom å ha lest pensum for den aktuelle samlingen, samt levert et skriftlig arbeid på forhånd (se obligatoriske arbeidskrav). Forventet samlet arbeidsinnsats i emnet er 187,5-225 timer (i henhold til ECTS-standard).

Obligatoriske krav som må være godkjent før eksamen kan avlegges

  • Kombinasjon av praktiske og skriftlige teoretiske oppgaver. To oppgaver skal løses i gruppe på inntil tre personer og to skal løses individuelt (opplyses nærmere i undervisningsplanen). Studentene er selv ansvarlige for å danne grupper. Minimum tre av fire oppgaver må være vurdert til godkjent.
  • Deltakelse i ett rollespill.
  • Frammøte på 50 % av emnets underviste timer.

Eksamen

  • Semesteroppgave i gruppe på inntil tre personer. Semesteroppgaven krever bruk av analyseprogram. Prestasjonen vurderes med graderte bokstavkarakterer fra A-F, der E er laveste ståkarakter
  • Individuell muntlig eksamen som vurderes til Bestått/Ikke bestått.

Begge deleksamener må være bestått for at emnet skal være bestått.

Tillatte hjelpemidler til eksamen

Alle hjelpemidler tillatt.