MSc i Business Analytics
Queen's University Belfast - Faculty of Arts, Humanities and Social Sciences
Nøgleinformation
Campus placering
Belfast, Det Forenede Kongerige
Lingvistik / Sprogvidenskab
Engelsk
Studieformat
På campus
Varighed
1 År
Hastighed
Fuldtid
Studieafgifter
GBP 23.100 / per year *
Ansøgningsfrist
Kontakt skolen
Tidligste startdato
Sep 2024
* Nordirland, Irland, England, Skotland eller Wales: £7.470 | EU Andet og International: £21.500
Introduktion
Stigningen i mængden, variationen og hastigheden af data skaber muligheder for virksomheder for at forbedre beslutningstagning og udvikle nye datadrevne produkter og tjenester. MSc Business Analytics er udviklet til at imødekomme efterspørgslen efter kvalificerede fagfolk, der besidder den nødvendige ekspertise til at realisere end-to-end business analytics-løsninger og er udstyret til at bruge data til forretningsbeslutningsformål.
Programmet er bygget op omkring de tre kerneområder, der er nødvendige for at lykkes med analyse: forretningsviden, statistik og computing. Dette inkluderer moduler, der fokuserer på anvendelsen af analyser i kerneforretningsfunktioner såsom marketing og menneskelige ressourcer, samt moduler med fokus på udvikling og anvendelse af tekniske færdigheder såsom avanceret analyse og maskinlæring, datastyring og datadrevet beslutningstagning. I alt vil de studerende læse otte moduler foruden forkursus og et afsluttende afhandlingsprojekt. Afhandlingsprojektet vil involvere anvendelsen af de forretningsmæssige, tekniske og statistiske færdigheder lært under de underviste moduler.
Programmet vil omfatte et introduktionskursus, hvor forudgående træning i nøglestatistik og computerfærdigheder vil sikre, at studerende fra en række baggrunde har de nødvendige færdigheder til at gennemføre kurset.
Branche links
Udviklet af personale med branche- og akademisk baggrund, er kurset skræddersyet til de nøglefærdigheder, der kræves for at lykkes i en virksomhedsanalyserolle.
Karriereudvikling
Industrirapporter viser en global mangel på dataforskere. Studerende vil lære at bruge banebrydende og industristandardværktøjer og -teknikker til at muliggøre karriereudvikling.
Galleri
Indlæggelser
Læreplan
Semester 1
Statistikker for erhvervslivet
Kendskab til teori og anvendelse af sandsynlighed og statistik er en væsentlig komponent i forretningsanalyse. Statistiske metoder udgør en del af det sæt af værktøjer, der kræves i forretningsanalyse og danner grundlaget for mere avancerede emner som maskinlæring og kunstig intelligens.
I dette modul vil de studerende fokusere på beskrivende og inferentielle statistikker ved hjælp af R-programmeringssproget. Dette giver det nødvendige statistiske grundlag for forretningsanalyse samt introducerer R-programmering.
Emner kan omfatte, men er ikke begrænset til:
- Beskrivende statistik
- Korrelation
- Sandsynlighed
- Fordelinger
- Hypotesetestning og konfidensintervaller
- Lineær regression med to variable
- Multipel regression
- Vurdering af ydeevne og antagelser
- Logistisk regression
- R-programmering
Datastyring
Effektiv styring af små og store data er en afgørende komponent i alle forretningsanalyseprojekter.
Dette modul udforsker teorien og praksis for håndtering af data, herunder identifikation og udtrækning af data, dataforbehandling, datakvalitet, data warehousing, relationelle databaser og big data-løsninger.
Kursusindhold kan omfatte, men er ikke begrænset til:
- Strukturerede og ustrukturerede data
- Dataindsamling
- Dataudtræk ved hjælp af SQL
- Datalagring (relationelle databasestyringssystemer)
- Big data løsninger
- Forberedelse af data
- Datakvalitet
- Sikkerhed, lovgivning og etiske overvejelser
HR Analytics
Effektiv brug af menneskelige ressourcer (HR) data kan forbedre menneskelige ressourcer (HRM) og dermed bredere organisatoriske præstationer. Dette modul vil overveje den praktiske brug af data i HRM gennem applikationer som overvågning og evaluering af medarbejderaktivitet og præstationer, forudsigelse af fremtidig præstation og forudsigelse af medarbejdernes nedslidning. Modulet vil også overveje det teoretiske grundlag for brugen af data i HRM, og derved koble den praktiske side af personanalyse med HRM-teori.
Kursusindhold kan omfatte, men er ikke begrænset til:
- Introduktion og overblik over HR-analyse.
- HR-analysens strategiske og operationelle rolle i en organisation.
- Overvågning og forbedring af ydelsen af menneskelige ressourcer ved hjælp af data.
- Anvendelser af analyse til HRM og det teoretiske grundlag for disse applikationer.
- Beskrivende og visuel analyse med HR-data.
- Forudsigende analyse med HR-data.
- Etiske overvejelser med HR-analyse.
Operations Management
Dette kursus udvikler de vigtigste temaer og strategier for Operations Management inden for både produktions- og serviceorganisationer og brugen af kvantitative og analytiske teknikker på tværs af disse områder. Det primære mål er at gøre eleverne fortrolige med de grundlæggende begreber, teknikker, metoder og anvendelser af driftsledelse, og hvordan analyser bruges på tværs af disse områder.
Emnerne vil fokusere på områder som:
- Operationsstrategi
- Procesdesign og analyse
- Kapacitetsstyring
- Kvalitetsstyring
- Lean management
- Lagerstyring og forsyningskædestyring og brug af analyser på disse områder
Semester 2
Avanceret analyse og maskinlæring
Maskinlæring er kerneteknologien, der understøtter forudsigende analyse og kunstig intelligens, såvel som mange andre analytiske opgaver.
Dette modul vil bygge videre på de færdigheder, der er udviklet i statistikmodulet med hensyn til både programmering og mere avancerede statistiske teknikker, nemlig anvendelse af maskinlæringsalgoritmer.
Emner kan omfatte, men er ikke begrænset til:
- Analyseprocessen
- Analyseværktøjer
- Valg af funktion
- Superviseret læring
- Uovervåget læring
- Evaluering af modellens ydeevne
- Programmering af maskinlæringsmodeller
- Evaluering af de etiske implikationer af brugen af algoritmer, fx potentialet for at forstærke bias, sikkerhed og privatliv.
Data-drevet beslutningstagning
Analysen af data er kun nyttig, hvis den bidrager til forbedringer i forretningsbeslutningstagningen. Dette modul udforsker, hvordan virksomheder bruger data til at træffe forretningsbeslutninger. Dette inkluderer et fokus på at opnå forretningsindsigt fra effektiv styring og analyse af data, datavisualisering og historiefortælling og præskriptive analyseteknikker. Studerende vil få mulighed for at arbejde med avanceret visualiserings- og optimeringssoftware såsom Tableau, Excel og R. Modulet vil også overveje den menneskelige side af analytics, placere analytiske teknikker til beslutningstagning i en forretningskontekst og overveje det ledelsesmæssige og organisatoriske. faktorer involveret i at blive en datadrevet organisation.
Modulindhold kan omfatte, men er ikke begrænset til:
- Analysens rolle i beslutningstagning, både på operationelt og strategisk niveau
- Datavisualisering: visualisering af en række forskellige typer data såsom numeriske, tekst- og geospatiale data.
- Præskriptiv analyse og optimering
- Rollen af datadrevet beslutningstagning i organisationer
- Fordele, barrierer og begrænsninger ved datadrevet beslutningstagning
- Etiske overvejelser i brugen af data i beslutningstagning
- Påskønnelse af de kulturelle forskelle i brugen af data og potentialet for, at data kan bruges i bredere nationale og internationale beslutningstagninger (f.eks. bæredygtig udvikling, katastrofeplanlægning, virksomhedernes sociale ansvar)
Kunstig intelligens i erhvervslivet og samfundet
Kunstig intelligens (AI) har allerede haft en væsentlig indvirkning på erhvervslivet og samfundet, såsom datadrevne forretningsstrategier, ændringer i arbejdets art, udviklingen af innovationer, der former individers og samfundets adfærd, privatlivs- og overvågningsproblemer, og nylige etiske kriser i brugen af data.
Med det hurtige tempo i AI-udviklingen ser disse tendenser ud til at fortsætte, hvilket gør det vigtigt at overveje de bredere implikationer af AI for erhvervslivet og samfundet. Dette modul vil opmuntre eleverne til at engagere sig i disse spørgsmål, opbygge en dybere forståelse af de bredere implikationer af AI, og hvordan studerende kan bidrage til ansvarlig udvikling og brug af AI i deres fremtidige karriere.
Kursusindhold kan omfatte, men er ikke begrænset til:
- De strategiske implikationer af AI-innovationer for erhvervslivet
- De bredere økonomiske og samfundsmæssige konsekvenser af kunstig intelligens
- Ændringer i arbejdets karakter på grund af AI
- Etisk brug af data
- Overvågnings- og privatlivsovervejelser ved brug af data
- Juridiske hensyn ved brug af data
Marketing Analytics
Modul Beskrivelse
Dette modul fokuserer på en ny og spændende udvikling inden for markedsføringsteori og praksis. Brugen af data, 'big data', til at hjælpe med markedsføringsbeslutninger og ansvarlighed bliver ved med at vokse i betydning, især i den nuværende tidsalder med besparelser og ressourceknaphed. Modulet tager både en teoretisk og praktisk tilgang til brugen af marketinganalyse i praksis.
Et højdepunkt ved modulet er brugen af SAS- eller SPSS-software til at analysere data til markedsføringsrelateret beslutningstagning og evalueringsformål. Studerende, der har gennemført og bestået modulet, vil være i stand til at signalere til potentielle arbejdsgivere, at de har de teoretiske, praktiske plus industristandard softwarefærdigheder til at konkurrere.
Modulindhold:
Vejledende indhold omfatter:
- Introduktion og overblik over marketinganalyse
- Konkurrere i marketinganalyse – udvikling af en marketinganalysekultur
- Marketinganalyse på strategisk, funktionelt, analytisk og lagerniveau
- Kundeengagement og kundeanalyse
- Ydelsesimplikationer af marketinganalyse
- Aktuelle problemer og tendenser inden for marketinganalyse
- Den mørke side af marketinganalyse
Andet indhold fokuserer på data mining-teknikker til markedsføring (herunder salg og kundeforholdsstyring). Undervist gennem instruktørledede computerworkshops ved hjælp af SAS- eller SPSS-software til at løse marketingrelaterede problemer. Indholdet omfatter:
- SAS eller SPSS uddannelse – introduktion og overblik
- Marketinganalyseprocessen
- Data til marketinganalyse
- Forstå kunden
- Forudsigelse af kundeadfærd
- Sammenlægning i marketingoperationer
- Casestudier
- Selv lærende
Semester 3
afhandling
Afhandlingen giver de studerende mulighed for at gennemføre et selvstændigt projekt. Dette vil involvere udviklingen af en teknisk forretningsanalyseløsning, der inkorporerer elementer fra kurset. De foreslåede teknologier til løsningen vil være dem, der er gennemgået i kurset. Løsningen bør typisk omfatte en kombination af en database, maskinlæring og en visualiseringskomponent. Det erkendes, at projekter i nogle tilfælde kan fokusere på specifikke komponenter (f.eks. opbevaring og bearbejdning, prædiktiv analyse eller avanceret visualisering og fortolkning), og dette bør aftales på forhånd af de studerendes vejleder. Eleverne vil også få forslag til potentielle datakilder til brug i projektet.
Ud over den tekniske løsning skal de studerende udarbejde en skriftlig rapport, herunder en gennemgang af litteraturen, metode til løsning af problemet samt resultater og konklusioner.
Modulet kræver, at de studerende trækker på tværs af kurset og inkorporerer viden fra de tre kerneforretningsanalysedomæner: statistik, computing og forretning.
Programundervisning
Karrieremuligheder
MSc Business Analytics vil appellere til studerende, der har til hensigt at forfølge en karriere inden for et forretningsanalyserelateret felt, såsom datavidenskab, business intelligence, rådgivning, informatik eller beslutningsinformation.
Grad plus pris for undervisningsfærdigheder
Ud over din uddannelse kan du på Queen's få mulighed for at opnå bredere livs-, akademiske og beskæftigelsesmæssige færdigheder. For eksempel anbringelser, frivilligt arbejde, klubber, foreninger, sport og meget mere. Så ikke kun dimitterer du med en grad, der er anerkendt fra et verdensførende universitet, du vil have praktisk national og international erfaring plus en bredere eksponering for livet generelt. Vi kalder dette Grad Plus. Det er det, der gør at studere på Queen's University Belfast til noget særligt.