IY2640 - Business Analytics - Blekinge Tekniska Högskola

1. Beslut

Denna kurs är inrättad av dekan 2023-06-02. Kursplanen är fastställd av prefekten vid institutionen för industriell ekonomi 2025-03-14 och gäller från 2025-03-14.

2. Förkunskapskrav

För tillträde till kursen krävs kandidat- eller högskoleingenjörsexamen inom ett tekniskt område, 180 hp eller 60 hp avklarade i teknik eller industriell ekonomi och management. Minst 20 hp ska utgöras av kurser inom industriell ekonomi och/eller management, minst 5 hp i programmering och minst 5 hp i statistik. Engelska 6.

3. Syfte och innehåll

3.1 Syfte

Kursens syfte är att utveckla studentens kunskap om processen för affärsmässig dataanalys, från att identifiera affärsmässiga utmaningar (definiera en fråga) till att effektivt presentera datagenererade affärslösningar inom olika branscher samt inom den offentliga sektorn. Kursen syftar också till att utveckla studenternas färdigheter att effektivt kommunicera datagenererade insikter till intressenter med hjälp av datavisualisering och berättartekniker.

3.2 Innehåll

Under kursen behandlas centrala aspekter som påverkar kvaliteten på dataanalysen, såsom hur man genererar specifika och väl definierade affärsfrågor, skaffar data från olika källor, säkerställer dess tillförlitlighet och renhet, samt identifierar mönster, regelbundenheter och andra trender i datan. Därutöver tar kursen upp beskrivande, diagnostiska, prediktiva och föreskrivande ”business analytics”-metoder för att extrahera insikter från komplexa datamängder. Dessutom inkluderar kursen diskussioner om etiska frågeställningar och datans roll i att främja social välfärd, ekonomisk jämlikhet och miljömässig hållbarhet. I korthet inkluderar kursen:

Ramverk och koncept för ”business analytics”
Processmodell för datautvinning
Åtkomst och insamling av data för affärsmässiga analyser samt policyanalyser
Datahantering, datarensning och utforskande dataanalys
Beskrivande datautvinning
Diagnostisk analys
Prediktiv datautvinning (regressions- och klassificeringsuppgifter)
Datavisualisering och dashboards för ”business analytics”
Datans roll ur ett etiskt och samhälleligt perspektiv

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

beskriva hela ”business analytics”-processen, från att identifiera affärsutmaningar till att presentera datagenererade lösningar
förklara nyckelbegrepp inom beskrivande, diagnostisk, prediktiv och föreskrivande analys
förklara vikten av datakvalitet, inklusive insamling, rengöring och förberedelse av data för analys
diskutera de etiska, samhälleliga och juridiska konsekvenserna av att använda affärsanalys i beslutsprocesser

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

formulera väl definierade affärsfrågor som vägledning i dataanalysen
skaffa, rengöra och förbereda data från olika källor
tillämpa analytiska metoder för att extrahera insikter från data
använda analytiska verktyg och tekniker för att lösa verkliga affärsproblem
tolka resultat från dataanalyser för att iutveckla handlingsbara data-baserade insikter för affärsbeslut och datagenererade lösningar
effektivt kommunicera datagenererade insikter till intressenter med hjälp av visualisering, dashboards och berättartekniker

4.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

utvärdera de etiska konsekvenserna av att samla in, analysera och använda data, datasekretess och hållbarhet i affärssammanhang

5. Läraktiviteter

Kursen introducerar studenterna till dataanalys och visualisering samt teoretiska ramverk genom föreläsningar. Dessa kompletteras med praktiska laboration och övningar där studenterna tillämpar analytiska tekniker för att lösa affärsproblem. Laborationerna inkluderar uppgifter såsom datahantering, datarensning, byggande av dashboards och utveckling av prediktiva modeller. Kursen avslutas med ett gruppprojekt, där studenterna integrerar sina kunskaper genom att ta itu med en komplex affärsutmaning med hjälp av verkliga datamängder. Detta projekt involverar hela dataanalysens livscykel, inklusive rengöring, modellering och visualisering, och resulterar i en omfattande skriftlig rapport.

6. Bedömning och examination

Examinationsmoment för kursen

Kod	Benämning	Omf.	Betyg
2510	Salstentamen	2 hp	AF
2520	Projektuppgift	4 hp	AF

Kursen bedöms med betygen A Utmärkt, B Mycket bra, C Bra, D Tillfredställande, E Tillräckligt, Fx Underkänd, något mer arbete krävs, F Underkänd.

Examinator har möjlighet att muntligen följa upp skriftliga examinationer.

För betygsskala A-E på kursen ska betyg på projektuppgiften och salstentamen vara A-E. Dessa viktas beroende av momentens omfattning i hp. Om betyget på något av examinationsmomenten är F ges kursbetyget F. Om betyget Fx erhålls ska studenten lämna in komplettering inom ett specificerat datum för att kunna erhålla betyget E.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

Baumol, W. J. (2014). The free-market innovation machine: Analyzing the growth miracle of capitalism. Princeton university press. Princeton.

Vetenskapliga artiklar om maximalt 300 sidor tillkommer.