Hae 16.11.2021 mennessä saadaksesi 150 USD alennuksen ohjelmamaksusta. Käytä koodia SMU150EBTA maksaessasi. Mitä tämä ohjelma tekee sinulle? Ohjelman onnistuneen suorittamisen jälkeen osallistujat voivat: Luo ja toteuta datatieteitä hyödyntäviä liiketoimintastrategioita. Tee tietoihin perustuvia päätöksiä liiketoiminnan ongelmien ratkaisemiseksi datanäkemysten avulla. Osoita, kuinka analytiikkaa voidaan yhdistää kokeiluihin, jotta voit tehdä tietoon perustuvia suosituksia liiketoiminnan kasvua varten. Selitä datatieteen projektien keskeiset haasteet ja riskit. Arvioi organisaation datastrategiaa ja suosittele tapoja saavuttaa kestävä kilpailuetu. Analysoi organisaation tarpeita ja kehitä liiketoimintaa datatieteen tulevaisuuden trendien avulla. Ohjelman moduulit Ohjelma koostuu 8 moduulista. Jokaista moduulia johtaa SMU:n tiedekunnan asiantuntija, jolla on alan kokemusta tarkasteltavina olevista Data Science & Analytics -aiheista. Moduuli 1: Tietojen hyödyntäminen kilpailueduna Opi tietotieteen keskeiset terminologiat, data-analytiikan eri tasot ja niiden merkitys päätöksenteossa, datan ominaisuudet ja näkemykset kestävän kilpailuedun saavuttamiseksi sekä data-analytiikan sovellukset ja rooli uusien liiketoimintamahdollisuuksien luomisessa. Moduuli 2: Data Analytics toiminnassa Tutustu sopivaan analyyttiseen lähestymistapaan liiketoimintaongelman ratkaisemiseen, onko organisaatiosi datalähtöinen, datan trendit ja niihin liittyvien oivallusten saaminen liiketoiminnan suorituskyvyn parantamiseksi, organisaation monikanavaisten strategioiden vaikutus myyntiin ja sopivien tietojen/näkemysten tunnistaminen. Moduuli 3: Tietojen analysoinnin perustilastot Hanki syvempi ymmärrys riippumattomien tietojoukkojen vertailusta saadaksesi oivalluksia ja kuinka soveltaa strategista päätöksentekoa mainittuja tekniikoita käyttämällä. Moduuli 4: Ennakoiva analytiikka Opi regression perusteet analysoimaan muuttujien vahvuutta/vaikutusta, kuinka ennustaa muuttujan vaikutus käyttämällä optimaalista mallisovitusta ja regressiovaikutuksia, kuinka rakentaa logistinen regressiomalli odotettujen tulosten testaamiseksi ja ennustamiseksi ja kuinka soveltaa ennakoivaa analytiikkaa tapahtumien järjestämiseen. vahvistaa vahvuuksia ja torjua uhkia. Moduuli 5: Kenttäkokeet ja syy-yhteys Tutkia korrelaatiota ja kausaalisuutta ja niiden merkitystä liiketoiminnan suorituskyvyn parantamisessa, kokeilemalla liiketoimintaongelmia tehokkaiden päätelmien tekemiseksi; Monimuuttuja-, A/B- ja Multi-Armed Bandit -testaus; ja kokeellisen suunnittelun tehokkuus dataan perustuvien suositusten tekemiseen liiketoiminnan kasvua varten. Moduuli 6: Data Analyticsin koneoppimismallit Kasvata tietämyksesi koneoppimisesta ja sen roolista organisaation tuottavuuden lisäämisessä, kuinka koneoppimisalgoritmeja voidaan soveltaa optimaalisen analyyttisen tarkkuuden saavuttamiseen, hermoverkkojen ja syväoppimisen ohjelmanrakennuksen puolista ja kuinka analytiikkaa voidaan yhdistää kokeisiin tehokkaan tuottavuuden saavuttamiseksi. liiketoimintastrategioita. Moduuli 7: Tietojenkäsittelyprojektien keskeisten haasteiden ja riskien käsitteleminen Opi datatiedeprojektien ja niiden ratkaisujen tärkeimmät haasteet, Delta Framework ja Delta Plus -malli, projektitason riskit ja esimerkkejä epäonnistuneista datatiedeprojekteista sekä kuinka ennustaa big data -projektisi menestys DATA-tekniikalla. Moduuli 8: Tietotiede ja tulevaisuus Sukella Teollisuus 4.0:n ajureihin, odotettuihin tuloksiin ja teknologian mahdollistajiin; tekoälyn menestymisen komponentit, joita voidaan hyödyntää organisaation valmiuksien vahvistamisessa; haasteet tekoälyn käyttöönotossa järjestelmissä; ja kuinka arvioida organisaation digitaalisen muutoksen matkaa ja ylläpitää kilpailuetua. Tapaustutkimuksia The Weather Company: Big Dataa hyödyntävien kuluttajasovellusten luominen Iuigan haaste: Onko Omni-Channel sen arvoinen? 3M siirtyy asiakaslähtöisyyteen maailmanlaajuisen tietovaraston avulla Mainontakokeilut RestaurantGradesissa Asiakkaiden vaihtuvuuden ennustaminen QWE Inc:ssä Certis Groupin digitaalinen muutos Simulaatiot Oppilaat saavat käytännön kokemusta erilaisten data-analyysimenetelmien käyttämisestä ja myös ilmaisen pääsyn XLSTATiin vuoden ajan tämän ohjelman mukana. Data Analytics -simulaatio: Strateginen päätöksenteko Digitaalisen markkinoinnin simulaatio: Median attribuutio ExerciseMinderissä Ohjelman tiedekunta Sandeep R. Chandukala, Ph.D. Markkinoinnin apulaisprofessori Sandeep toimii markkinoinnin apulaisprofessorina. Ennen SMU:lle tuloaan Sandeep työskenteli 3M:llä ja sitä ennen hän työskenteli Jr Faculty Fellowna Indianan yliopiston Kelley School of Businessissa. Hän on Ph.D. markkinoinnissa (sivuaineena tilastotiede) Ohio State Universitystä, MS (MAS) MBA Texasin yliopistosta Dallasista ja MS (tietokonetekniikka) Minnesotan yliopistosta. Apulaisprofessori Chandukalan tutkimusintressit liittyvät kuluttajakäyttäytymisen kvantitatiivisten mallien kehittämiseen teollisen datan avulla. Hänen tutkimuksensa keskittyy ensisijaisesti vähittäiskaupan analytiikkaan. Erityisesti kampanjoiden, mainonnan ja uusien tuotteiden vaikutuksen ymmärtäminen ja mittaaminen sekä uusien lähestymistapojen ehdottaminen markkinoiden segmentointiin Bayesin ja Markov Chain Monte Carlo (MCMC) -menetelmillä. Hänen tutkimuksensa on ilmestynyt julkaisuissa Marketing Science, Journal of Marketing, Journal of Retailing, Marketing Letters ja Customer Needs and Solutions. Apulaisprofessori Chandukala sai Lee Kong Chian Research Fellowshipin vuosina 2016–2017, ja hän oli myös Dekaanin jatkoopetuksen kunnialistalla vuonna 2018. Michelle Cheong, Ph.D. tietojärjestelmien professori (koulutus); apulaisdekaani, SCIS:n jälkeinen ammattikoulutus; Johtaja, tekniikan tohtori Professori Cheong on toiminut useissa akateemisissa nimityksissä SMU:ssa vuodesta 2005, mukaan lukien luennoitsijana, apulaisprofessorina ja tietojärjestelmien apulaisprofessorina. Nykyisen tietojärjestelmien professorin roolinsa lisäksi professori Cheong toimii myös hallinnollisissa tehtävissä SMU:ssa, toimien SIS Post Graduate Professional Educationin apulaisdekaanina ja tekniikan tohtorin johtajana. Professori Cheongin tutkimusintressejä ovat data- ja päätösanalytiikka, taulukkolaskentamallinnus ja -pedagogiikka sekä oppimisanalytiikka ja tekstinlouhinta. Vuonna 2018 hänelle myönnettiin SMU Teaching Excellence Award - Jatko-ammattiohjelmat SMU Center of Teaching Excellence -palkinnolla. Professori Cheongin työtä on esitelty useissa aikakauslehtiartikkeleissa, kirjoissa ja kirjan luvuissa, konferenssijulkaisuissa ja -artikkeleissa sekä aikakauslehtiartikkeleissa. Hänen viimeisin työnsä vertaisauttajakoulutuksen vaikutuksista SMU:ssa julkaisi International Journal of Evidence-Based Coaching and Mentoring -julkaisussa. Ohjelman oppimismatka Yli 90 videoluetoa 32 Tehtävät 10+ esimerkkiä toimialasta 6 keskustelupalstaa 6 tapaustutkimusta 2 Simulaatioita Miksi rekisteröityä Data Science & Analyticsiin strategisia päätöksiä varten? Yritykset ympäri maailmaa ovat siirtämässä painopistettään datalähtöisiin tavoitteisiin ja päätöksentekoon. Itse asiassa International Data Corporation raportoi, että maailmanlaajuinen data kasvaa 61 prosenttia 175 zettatavuun vuoteen 2025 mennessä. Joten miksi datatiede on niin tärkeää? Koska sen avulla organisaatiot voivat tehokkaasti käsitellä ja tulkita tietoja, joita voidaan käyttää tietoon perustuvien liiketoimintapäätösten tekemiseen ja kasvun, optimoinnin ja suorituskyvyn edistämiseen. Singaporen johtamisyliopiston tarjoamassa Data Science & Analytics for Strategic Decisions -ohjelmassa voit oppia käsittelemään ja ymmärtämään tietoja, joita voidaan käyttää parempien ja älykkäämpien päätösten tekemiseen organisaatiossasi. Lähde: IDC, 2021 22 % on datatieteilijöiden työllisyyden odotettu nousu vuoteen 2030 mennessä - paljon nopeammin kuin kaikkien ammattien keskiarvo. lähde: US Bureau of Labor Statistics, 2021 95 % yrityksistä pitää strukturoimattoman datan hallintaa yrityksensä ongelmana. Lähde: Sharespost, 2019 Kenelle tämä ohjelma on tarkoitettu? Ohjelma on suunniteltu sekä teknisille että muille ammattilaisille, joilla on 6–20+ vuoden vastaava työkokemus – koodausta ei vaadita; Excelin perusosaaminen olisi kuitenkin eduksi. Toimialat ja toiminnot, joista voi olla hyötyä: Toimialat: IT, verkkokauppa, tietokoneohjelmistot, talous, markkinointi ja mainonta, pankkitoiminta, koulutusjohtaminen ja liikkeenjohdon konsultointi Toiminnot: Suunnittelu, ohjelmointi, tekniikka, yleinen johtaminen, markkinointi, talous, operatiiviset ja HR-toiminnot Tämä ohjelma on erityisen hyödyllinen ammattilaisille, jotka haluavat: Siirtyminen datakeskeiseen ylimmän johdon rooliin Kerää analyyttistä asiantuntemusta hoitaaksesi suurempia vastuita Käytä ennakoivia malleja rakentaaksesi tehokkaita strategioita, jotka käsittelevät liiketoiminnan ja tuotteiden laadun avainkysymyksiä Ryhdy kestävän liiketoiminnan kasvun johtajaksi Keihäänkärki täydentää keskeisten liiketoimintatehtävien omistajuutta ja ymmärtää niiden taustalla olevat strategiset vaikutukset
-