For business

Utbildningen är indelad i fyra block. Innehållet bygger på både akademisk forskning och erfarenheter från praktiskt tillämpning i företag och organisationer.

Dag 1–2

Block 1 – Introduktion, affärsperspektivet

  • Vad är Big Data, Business Intelligence och vad gör en affärsinriktad Data Scientist?
  • Introduktion till utbildningsprogrammet
  • Introduktion till dataanalys, Big Data och Business Intelligence
  • Diskussion och exempel på dataanalyser
  • Rollen Business Data Analyst i organisationen
  • Initiering, design och implementering av ett projekt för dataanalys (röd tråd genom utbildningen)
  • Affärsplaner, affärsmodeller, marknadsekonomi
  • Grundläggande om hur en affärsplan tas fram – ägare, styrelse, vd, verksamhetens organisation, kapitalmarknaden och företagsavkastning, affärsmål samt en affärsplans struktur
  • Beslutsfattande i organisationer och modeller för beslutsfattande
  • Beslutsfattandets roll på strategisk, taktisk och operativ nivå
  • Marknadsekonomi – behovsanalyser och värdeerbjudanden, marknadsanalys, modeller, marknadspotentialer, konkurrensmodeller och konkurrentanalyser
  • Affärsmodeller – Ramverk – Osterwalder, The St. Galler Business Model Innovation Navigator samt affärsmodeller som konkurrensmedel
  • Introduktion av fallstudie 1 (Harvard) – övningar och diskussioner runt den som en gruppsession
  • Affärsbehov, BI och omvärldsbevakning
  • Grunderna i omvärldsbevakning och trendanalys
  • Vad påverkar affärerna? Vilken information är avgörande?
  • Bygga hypoteser
  • Beslutsmodeller
  • Kravställning på dataanalyser
  • Metoder för BI – Six Sigma, Balanced Scorecard, Activity Based Costing
  • Styrmodeller
  • Tekniska lösningar
  • Fallstudie 2 (Business Data)

DAG 3–4

Block 2 – Teknik och metoder för dataanalys

  • Introduction
  • The CRISP-DM (revisited)
  • Discussion on other models for data mining
  • How do these models handle big data?
  • Supervised vs. unsupervised learning
  • Introduction to basic algorithmics for data mining
  • Data representation
  • The curse of dimensionality
  • Dimensionality reduction
  • Principal Component Analysis
  • Multi-dimensional scaling
  • Fastmap
  • Filter-and-refine retrieval
  • Project discussion
  • Model Evaluation
  • Training and Test sets
  • Accuracy, precision, recall, F-measure
  • Cross validation and Bootstrapping
  • Decision trees
  • Supervised learning: classification
  • Lazy classifiers
  • Linear models: perceptron, SVMs
  • Combining models: random forests, bagging, boosting
  • Demo session (Hands-on experience on data analytics)

DAG 5–6

Block 3 – Dataanalys i praktiken

  • Unsupervised learning: mining basket data
  • Itemset mining and association rule mining
  • Apriori Algorithm
  • Maximal and closed itemsets
  • Unsupervised learning: clustering
  • K-means and K-medoids
  • K-means++ and X-means
  • Hierarchical clustering
  • Cluster quality assessment
  • Cluster aggregation
  • Time series analytics
  • Dynamic Time Warping
  • Discrete Fourier Transform
  • SAX
  • Stream mining
  • Mining massive datasets
  • Algorithmic scalability
  • Indexing
  • Map-reduce
  • Demo session (hands-on experience with SPARK)

DAG 7–8

Block 4 – Tillämpning och certifiering

  • Utvärdering av modeller gentemot affärsbehovet
  • Metoder för modellutvärdering – noggrannhet, precision, recall, korsvalidering, bootstrapping, ROC-analys
  • Diskussion om hur modellering speglar till affärsförståelse
  • Avlämning och driftsättning
  • Spridningsvägar – analytiker-baserade kontra kundbaserade
  • Fokus på analytiker-baserad distribution: rapportskrivning, dokumentation, etcetera
  • Analysprocessen
  • Etablera en process för analyser av affärsdata
  • Affärsanalys
  • Omvärldsanalys, trendanalys
  • Konsekvensanalys
  • Förslag till insatser
  • Beslutsmodeller
  • Presentation
  • Presentera analyser, internt och externt
  • Bygga upp rapporteringsprocesser
  • Skriva rapporter
  • Ta fram beslutsunderlag
  • Avslutningsmiddag
  • Certifiering
  • Skriftligt essäprov
  • Teoretiskt kunskapstest
  • Redovisning av projektarbeten

Kontakta mig!

Vill du veta mer eller har du frågor om den här utbildningen? Fyll i ditt telefonnummer eller e-post så kontaktar vi dig inom kort!

Tack för visat intresse

Vi kommer att kontakta dig så fort som möjligt!