Jelentkezzen 2021. november 16-ig, hogy 150 USD kedvezményt kapjon a programdíjból. Fizetéskor használja az SMU150EBTA kódot. Mit fog tenni ez a program az Ön számára? A program sikeres befejezése után a résztvevők képesek lesznek: Az adattudományt kihasználó üzleti stratégiák létrehozása és megvalósítása. Hozzon adatvezérelt döntéseket az üzleti problémák megoldására az adatbetekintések segítségével. Mutassa be, hogyan kombinálható az analitika kísérletekkel, hogy adatokon alapuló ajánlásokat tegyen az üzleti növekedéshez. Magyarázza el az adattudományi projektek fő kihívásait és kockázatait. Értékelje a szervezet adatstratégiáját, és javasoljon módszereket a fenntartható versenyelőny elérésére. Elemezze a szervezeti igényeket, és ösztönözze az üzleti fejlődést az adattudomány jövőbeli trendjein keresztül. Program modulok A program 8 modulból áll. Mindegyik modult egy SMU kari szakértő vezeti, aki a megvitatott adattudományi és elemzési témákhoz specifikus gyakorlattal rendelkezik. 1. modul: Az adatok kihasználása versenyelőnyként Ismerje meg az adattudomány kulcsfontosságú terminológiáit, az adatelemzés különböző szintjeit és azok jelentőségét a döntéshozatalban, az adatok jellemzőit és a fenntartható versenyelőny elérését szolgáló felismeréseket, valamint az adatelemzés alkalmazásait és szerepét az új üzleti lehetőségek megteremtésében. 2. modul: Adatelemzés működés közben Fedezze fel a megfelelő analitikai megközelítést egy üzleti probléma megoldására, legyen szó arról, hogy szervezete adatközpontú-e, az adatok trendjeit és a kapcsolódó betekintést az üzleti teljesítmény fokozása érdekében, a szervezet többcsatornás stratégiáinak az értékesítésre gyakorolt hatását, valamint a megfelelő adatok/betekintések azonosításának módját. 3. modul: Adatelemzés alapstatisztikái Mélyebben ismerje meg a független adatkészletek összehasonlítását, hogy betekintést nyerjen, és hogyan alkalmazza a stratégiai döntéshozatalt az említett technikák használatával. 4. modul: Prediktív elemzés Tanulja meg a regresszió alapjait a változók erősségének/hatásának elemzéséhez, a változó hatásának előrejelzését az optimális modellillesztés és a regressziós hatások segítségével, hogyan építsünk fel logisztikus regressziós modellt a várható eredmények tesztelésére és előrejelzésére, és hogyan alkalmazzuk a prediktív elemzést az események szervezésére. az erősségek előmozdítása és a fenyegetések leküzdése. 5. modul: Terepkísérletek és ok-okozati összefüggés Fedezze fel a korrelációt és az ok-okozati összefüggést, valamint ezek jelentőségét az üzleti teljesítmény javításában, kísérletezzen az üzleti problémákkal, hogy hatékony következtetéseket vonjon le; Többváltozós, A/B és Multi-Armed Bandit tesztelés; valamint a kísérleti tervezés alkalmazásának hatékonysága az adatokon alapuló ajánlások megfogalmazásához az üzleti növekedés érdekében. 6. modul: Gépi tanulási modellek az adatelemzéshez Bővítse tudását a gépi tanulásról és annak szerepéről a szervezeti termelékenység növelésében, hogyan lehet a gépi tanulási algoritmusokat alkalmazni az optimális elemzési pontosság eléréséhez, a neurális hálózatok és a mély tanulás programépítési aspektusairól, valamint arról, hogyan kombinálható az analitika kísérletekkel a hatékony előállítás érdekében. üzleti stratégiák. 7. modul: A kulcsfontosságú kihívások és kockázatok kezelése adattudományi projektekben Ismerje meg az adattudományi projektek és megoldásaik fő kihívásait, a Delta Framework-et és a Delta Plus modellt, a projektszintű kockázatokat és a sikertelen adattudományi projektek példáit, valamint azt, hogyan jósolhatja meg nagyadat-projektje sikerét a DATA technika segítségével. 8. modul: Adattudomány és a jövő Merüljön el az Ipar 4.0 mozgatórugóiban, várható eredményeiben és technológiai lehetőségeiben; az AI sikerének összetevői, amelyek a szervezeti képességek erősítésére használhatók; a mesterséges intelligencia rendszerekben történő megvalósításának kihívásai; és hogyan lehet értékelni egy szervezet digitális átalakulási útját és fenntartani a versenyelőnyt. Esettanulmányok The Weather Company: fogyasztói alkalmazások létrehozása, amelyek kihasználják a nagy adatmennyiséget Iuiga kihívása: Megéri az Omni-Channel? A 3M globális adattárház használatával ügyfélközpontúvá válik Reklámkísérletek a RestaurantGradesnél Az ügyfelek lemorzsolódásának előrejelzése a QWE Inc.-nél A Certis Csoport digitális átalakítása Szimulációk A tanulók gyakorlati tapasztalatot szereznek a különféle adatelemzési módszerek futtatásában, valamint egy évig ingyenes hozzáférést kapnak az XLSTAT-hoz ezzel a programmal együtt. Adatelemzési szimuláció: stratégiai döntéshozatal Digitális marketing szimuláció: Média-hozzárendelés az ExerciseMindernél Program Kar Sandeep R. Chandukala, Ph.D. Marketing docens Sandeep a marketing docense. Mielőtt az SMU-hoz csatlakozott, Sandeep a 3M-nél dolgozott, előtte pedig az Indiana Egyetem Kelley School of Business egyetemi tanáraként dolgozott. Ph.D fokozata van. Marketing szakon (statisztikából mellékszakkal) az Ohio Állami Egyetemen, MS (MAS), MBA diplomát a Texasi Egyetemen Dallasban és MS (számítógépmérnöki) diplomát a Minnesotai Egyetemen. Chandukala docens kutatási területe a fogyasztói magatartás kvantitatív modelljeinek kidolgozása ipari adatok felhasználásával. Kutatásai elsősorban a kiskereskedelmi elemzésre összpontosítanak. Konkrétan a promóciók, reklámok és új termékek hatásának megértése és mérése, valamint új piacszegmentációs megközelítések javaslata Bayes-i és Markov-lánc Monte Carlo (MCMC) módszerekkel. Kutatásai a Marketing Science-ben, a Journal of Marketing-ben, a Journal of Retailing-ben, a Marketing Letters-ben és a Customer Needs and Solutions-ben jelentek meg. Chandukala docens 2016–2017-ben megkapta a Lee Kong Chian Research Fellowship ösztöndíjat, és 2018-ban szerepelt a Dean's Teaching Honor List for Postgraduate Teaching listán is. Michelle Cheong, Ph.D. az információs rendszerek professzora (oktatás); dékánhelyettes, SCIS posztgraduális szakmai oktatás; igazgató, mérnöki doktor Cheong professzor 2005 óta számos akadémiai kinevezést szolgált az SMU-ban, többek között oktatóként, adjunktusként és az információs rendszerek docenseként. Jelenlegi információs rendszerek professzoraként Cheong professzor adminisztratív pozíciókat is betölt az SMU-nál, a SIS posztgraduális szakmai oktatásának dékánhelyetteseként és a mérnöki doktori osztály igazgatójaként. Cheong professzor kutatási területei közé tartozik az adat- és döntéselemzés, a táblázatos modellezés és a pedagógia, valamint a tanuláselemzés és a szövegbányászat. 2018-ban az SMU Tanítási Kiválósági Központ elnyerte az SMU Tanítási Kiválósági Díjat – Posztgraduális szakmai programok. Cheong professzor munkássága számos folyóiratcikkben, könyvben és könyvfejezetben, konferencia-kiadványban és közleményben, valamint folyóiratcikkben szerepelt. Legújabb munkáját az SMU kortárs segítői képzésének hatásáról az International Journal of Evidence-Based Coaching and Mentoring tette közzé. Program tanulási utazás 90+ videó előadások 32 Feladatok 10+ iparági példa 6 Vitafórum 6 Esettanulmányok 2 Szimulációk Miért iratkozzon fel a Data Science & Analytics képzésre a stratégiai döntések meghozatalához? A vállalatok világszerte az adatvezérelt célokra és a döntéshozatalra helyezik a hangsúlyt. Valójában az International Data Corporation jelentése szerint a világméretű adatforgalom 61%-kal 175 zettabájtra fog növekedni 2025-re. Tehát miért olyan fontos az adattudomány? Mert lehetővé teszi a szervezetek számára, hogy hatékonyan dolgozzák fel és értelmezzék azokat az adatokat, amelyek felhasználhatók megalapozott üzleti döntések meghozatalára, valamint a növekedés, az optimalizálás és a teljesítmény előmozdítására. A Singapore Management University által kínált online Data Science & Analytics for Strategic Decisions programban megtanulhatja, hogyan dolgozzon fel és értsen meg olyan adatokat, amelyek segítségével jobb, intelligensebb döntéseket hozhat szervezetén belül. Forrás: IDC, 2021 22% az adattudósok foglalkoztatásának várható növekedése 2030-ra – sokkal gyorsabban, mint az összes foglalkozás átlaga. forrás: US Bureau of Labor Statistics, 2021 95% a vállalkozások közül a strukturálatlan adatok kezelésének szükségességét említik vállalkozásuk problémájaként. forrás: Sharespost, 2019 Kinek szól ez a program? A program mind a műszaki, mind a nem technológiai szakemberek számára készült, 6–20 év feletti releváns munkatapasztalattal – nincs szükség kódolásra; alapszintű Excel ismerete azonban előnyt jelent. Azok az iparágak és funkciók, amelyek előnyösek lehetnek: Iparágak: IT, e-kereskedelem, számítógépes szoftver, pénzügy, marketing és reklámozás, banki szolgáltatások, oktatási menedzsment és vezetési tanácsadás Funkciók: Mérnöki, programozási, technológiai, általános menedzsment, marketing, pénzügy, műveletek és HR funkciók Ez a program különösen hasznos azoknak a szakembereknek, akik a következőkre vágynak: Átállás adatközpontú felsővezetői szerepkörbe Gyűjtsön analitikai szakértelmet a nagyobb felelősségvállaláshoz Használjon prediktív modelleket olyan hatékony stratégiák kidolgozásához, amelyek az üzleti műveletek és a termékminőség kulcskérdéseit kezelik Legyen vezető a fenntartható üzleti növekedésért A kulcsfontosságú üzleti feladatok teljes felelőssége és a mögöttes stratégiai következmények megértése
-