课程介绍
该专业将帮助你了解和理解商业分析如何提供证据来支持管理决策
将学习如何使用不同的基于证据的方法来做出有效的决策，并提高定量分析的技能
将学习使用高级分析技术，例如预测，预测建模，聚类和优化，同时有机会将你的决策技能应用到实际的业务和管理方案中
必修模块
目标：本模块旨在基于风险管理，认知心理学和行为经济学的循证方法，教授有效的管理决策。参加者将了解自己和他人的判断和决策基础的思维过程，常见的判断错误和决策偏见以及改进决策的策略。该模块不具备任何先验知识，将深入分析有效的决策，这对于个人和专业环境均有用。
学习成果：
完成后，学生将能够批判性地评估：
- 不同类型的决策以及用于解释其决策方式和决策的理论
- 参与者自己以及他人的判断和决策基础的思维过程，包括系统1和系统2思维之间的区别
- 人类判断/决策制定中错误/偏见的不同类型以及如何克服这些错误/动机，压力和情感对判断和决策的影响
技能成果：
完成本单元特定学科后，学生将能够：
- 反思自己和他人的思维过程，包括可以改进这些过程的方式。
- 评估上述问题对于个人和管理的相关性适当的决策。
目标：该模块以在有效管理决策中获得的个人决策的基础理论知识为基础，旨在为学生提供对有效管理决策的更深刻的理解。具体而言，它将重点关注行为决策理论在复杂，现实世界和管理问题上的实际应用。在这些情况下，重点将放在理解和改进决策上。研究领域包括集体决策，讨价还价和谈判，公众风险感知，有效的风险沟通以及结构化决策辅助工具的实施。该模块旨在通过提供发展决策分析技能的机会来为该计划做出贡献各种决策领域，例如战略，人力资源管理，市场营销
学习成果
完成后，学生将能够批判性地评估：
- 小组动态和特定的与小组相关的偏见如何抑制有效的小组决策和克服该问题的技巧
- 从决策分析的角度讲讨价还价和谈判的理论，以及展示运用技术来改善这些活动的能力
- 风险及其感知的不同概念，以及这些对有效风险沟通的影响
- 一系列旨在在理论和实践上改善人类决策的复杂结构化决策辅助工具
- 评估上述问题与总体上管理决策，以及参与者自己的专业和个人决策的相关性，尤其是对旨在改善人为决策的一系列复杂的结构化决策辅助工具的知识和实施技巧。通过使用应用技术和特定软件，可以在理论和实践层面上对此进行考虑。这包括评估每种产品在不同环境条件下的可行性以及每种产品的优势和局限性。
评估上述问题与总体上管理决策之间的相关性的能力，尤其是对于参与者自己的专业和个人决策而言。
技能成果
完成后，学生将能够：
- 应用所获得的概念分析和批判性思维技能来评估，管理和交流风险以及在其他情况下。
- 应用所获得的交流，议价和谈判技能来证明有效的决策在小组和其他情况下。
目标：本单元旨在向学生介绍业务分析中的关键概念，并特别强调常见的应用领域。它还探讨了决策支持的行为（决策科学）观点与管理科学/业务分析观点之间的联系。
学习成果
完成后，学生将能够：
- 对组织决策支持的决策科学和业务分析观点进行批判性评估，并确定和探索其互补性
- 探索和评论“大数据”的新兴作用
- 熟悉专业知识业务分析的应用领域
- 准确地应用在业务分析方法中使用的一系列关键方法来解决问题
技能成果
完成本模块后，学生将能够：
目标：该模块旨在为学生提供对现代业务分析工具及其在业务管理中的应用的全面了解。
学习成果
完成后，学生将能够：
- 探索并随后批判性地评估数据和数据分析在现代业务管理中的作用（特别侧重于数据挖掘和预测识别，探索和评估定量之间的联系分析和行为见解）
技能成果
完成本模块后，学生将能够：
目标：本单元旨在为学生提供在商业环境中为外部和内部客户提供咨询服务的技能，从而为商业问题提供基于证据的解决方案。这对于MSc商业分析与决策科学硕士是必修课，因为这是毕业生（作为团队的一部分）可能扮演的角色。
学习成果
完成后，学生将能够：
- 分析和阐明咨询过程
- 解释理解客户需求（内部和外部）的重要性
- 应用不同的方法来确定所需的资源以实现业务目标基于课程的方式（如课程中所显示，并在提纲中概述）。
- 分析和阐明业务沟通和管理的实施过程。
- 确定在制定顾问方法时需要反思和审查的需求。
技能成果的技能：
主题特定技能：
目标
本课程旨在为学生提供必要的水平的定量分析基础：
1）促进他们的理学硕士课程的学术文献研究；
2）促进其论文的定量研究项目的进行；
3）允许他们在业务环境中使用和解释此类方法的结果。
学习成果
完成本单元后，学生将能够使用描述性统计数据和多种方式呈现数据，并能够使用定量方法进行分析，批判性地评估其潜力和陷阱，包括以下方法和概念：
- 概率和概率分布
- 假设检验和置信区间
- 线性关系的多元分析
- 组比较（使用ANOVA）
- 探索性因素分析
技能成果：
目标：本模块旨在为学生提供必要的水平的机器学习方法基础，以使他们能够在商业环境中使用和解释机器学习方法。
学习成果
完成本模块后，学生将能够使用机器学习来分析数据，并能够批判性地评估其潜力和陷阱，包括以下方法和概念：
1.了解并利用回归和回归树
2.了解并利用朴素的贝叶斯分类
3.了解并利用支持向量机
4.了解和利用神经网络和深度学习
5.能够将机器学习应用于文本分析
学生将学习批判性地评估机器学习方法以解决业务问题，并扩展他们的分析思维能力
目标：该模块的目的是使学生有机会展示独立的研究技能，这些技能是定义，开展和报告业务分析和/或决策科学领域大量研究所必需的。该模块将为学生提供机会，使他们能够深入了解所选的学习领域，并展示自我激励和有效的时间管理技能，这对于在持续的时间内成功完成如此大规模的工作必不可少。
学习成果
完成本单元后，学生将能够：
1、设计研究项目并撰写研究建议
2、从学术文献中找到，提取，分析和批判性评估论点，数据和信息
3、在业务分析或决策科学领域进行有针对性的重要文献综述
4、识别并阐明从文献综述中得出的明确的研究问题或假设
5、证明其选择的研究设计
6、在适当的情况下，进行现场工作，包括定性或定量，基于调查或档案的数据的收集
7、严格分析主要和/或辅助数据
8、在管理和商业背景下，针对其特定研究应用适当的研究伦理学层面
9、在主题领域适当地清楚地阐明研究结果
10、独立管理自己的研究项目
11、严格评估研究方法
12、严格评估研究论文
技能成果
研究技能，时间管理，计划和组织
